告别算力信仰：朱松纯重构中国AI原创路径的底层逻辑
在人工智能产业狂飙突进的这几年，一场关于“什么是真正智能”的深层博弈正在悄然上演。过去数年间，世界人工智能大会（WAIC）的主舞台被大模型、Scaling Law以及“大力出奇迹”的工程信仰所占据。然而，在这场喧嚣中，北京通用人工智能研究院院长朱松纯始终保持着一种冷峻的旁观者姿态。从2019年缺席 WAIC，到2026年重新登台，这七年的沉默并非缺席，而是一种对主流叙事的深刻质疑。
当前，全球科技界正处于一个微妙的转折点。一方面，OpenAI、Google DeepMind等巨头持续加码，试图通过架构改进和多模态融合挖掘大模型的剩余价值；另一方面，随着美国科技股震荡、SpaceX估值波动以及Meta算力商业化压力的显现，资本市场的狂热开始消退。朱松纯敏锐地指出，这场由“硅谷、华尔街、华盛顿”共同推动的叙事，往往让中国科技界陷入“信息倒灌”的困境——盲目追随美国定义的问题，却忽略了技术本质的探索。他尤其警惕一种被称为“马斯克信仰”的现象：对科技领袖宏大叙事的盲目崇拜，往往掩盖了技术兑现的滞后与现实。当泡沫破裂的迹象初现，回归技术本质与真实需求，成为中国AI产业必须面对的课题。
大模型与AGI的本质断裂：从“缸中之脑”到世界联结
大模型技术的崛起不可否认，但朱松纯的核心观点从未动摇：大语言模型无法自然通向通用人工智能（AGI）。在《为机器立心》中，他将大模型定性为“缸中之脑”。这一比喻精准地揭示了当前主流技术的局限性：模型能够流畅生成文本、进行逻辑推理甚至代码编写，但其核心机制仍局限于语言序列中的统计关联。它能模拟对话，却无法建立从“词语”到“世界”的真实联结。
真正的AGI应当具备三个基本特征：无限任务泛化能力、自主任务生成能力以及内在价值驱动能力。目前的模型虽然在与人类交互中表现出惊人的拟人化特征，但在缺乏稳定世界表征、因果机制和目标系统的情况下，这些能力难以在开放环境中持续、可靠地泛化。例如，一个模型可以生成完美的会议日程，却无法理解会议背后的政治博弈；可以识别字面含义，却读不懂社交场合中的沉默与潜台词。
这种本质断裂导致了产业界的认知偏差。许多投资者和企业将局部能力的提升等同于AGI的临近，进而推高技术预期和资本估值。然而，当演示走向真实生产环境时，准确性、长期规划、结果校验以及责任边界等问题接踵而至。模型会调用工具，与能够自主理解环境、生成目标并完成开放任务的通用智能体之间，横亘着巨大的技术鸿沟。这种鸿沟不仅是工程层面的，更是认知架构层面的。
CUV框架与思想自主：重构智能的底层逻辑
面对大模型的局限，朱松纯提出了一条区别于Transformer的全新路线：以因果推理和内在价值驱动为核心，构建能够自主生成任务、学习和行动的通用智能体。这一路线的核心支撑是CUV通用智能框架。
CUV框架将智能体分为三个维度：C代表认知架构，U涵盖感知、认知与行动能力，V代表内在动机和价值系统。在这一框架下，智能体不再是被动接收指令的数据处理机器，而是拥有“心智”的主体。认知架构负责组织信息和决策，能力系统支持感知与运动，而价值系统则驱动目标选择与行为方向。所谓“为机器立心”，即是让智能体拥有内在目标、价值判断以及理解他人的结构。
朱松纯还将AGI的创新划分为五个层次：哲学、数理框架、模型、算法和执行。当前产业界的竞争主要集中在模型、算法和执行层，如参数规模、训练技巧和工程部署。然而，如果底层关于“智能是什么”的哲学假设没有变化，创新只是在既有范式内的优化。真正的原创突破必须追溯到哲学层，重新定义智能的主体、目标与价值。中国AI要建立自己的技术路线，首要任务是实现“思想自主”，即不再盲目追随美国定义的赛道，而是基于自身的科学判断和产业需求，提出新的基本问题与技术范式。
从“通通”到产业落地：原创技术的商业检验
理论的创新需要实践的验证。北京通用人工智能研究院研发了通用人工智能操作系统TongOS和编程语言TongPL，并推出了通用智能人“通通”。“通通”与主流大模型产品的最大区别在于，它不是由外部指令驱动的聊天机器人，而是由内在价值系统驱动的通用智能体原型。它能够自主理解环境、生成任务并规划行动，其部分认知和行为能力已达到五至六岁儿童水平。
在2026年中关村论坛上亮相的“通通”3.0，在空间智能、认知智能和社交智能方面完成了显著升级。同时发布的“通脑”，则被定位为连接通用智能体与物理机器人的具身智能核心引擎。通过Real2Sim2Real闭环，利用数字孪生和因果推理生成训练经验，“通脑”旨在降低真实数据采集成本，让机器人从依赖固定脚本走向自主决策。
然而，原创路线能否经受住商业化的检验，仍是行业关注的焦点。朱松纯认为，检验一条技术路线不能仅看短期的收入，更要看其能否在真实任务中持续提升能力、降低数据依赖，并最终解决产业实际问题。他的思路是“边研发、边应用”，让基础研究尽早进入机器人、行业智能体、社会模拟和公共治理等场景。只有让场景持续定义问题，技术才能形成真正的产业价值。这种“慢工出细活”的策略，在追求快速融资和退出的资本环境中显得尤为孤独，但也正是原创技术走向成熟的必经之路。
社会智能：通向AGI的最后屏障
随着智能研究从语言智能走向物理智能，具身智能和世界模型成为新的热点。但朱松纯指出，人类智能最深刻的部分在于社会智能。人生活在由他人、组织、制度和文化构成的社会中，需要理解身份、关系、情绪、意图、责任、权利和利益。这些能力比识别物体或生成语言更加复杂。
“社会智能”被朱松纯视为通向AGI的最后屏障，也是当前所有大模型交白卷的维度。一个具备社会智能的AI，不仅要能执行任务，还要能揣摩意图、读懂潜台词、参与复杂的社会协作。它需要建立信任，遵守规范，并在多智能体交互中进行社会模拟。这一维度的突破，不仅需要技术的进步，更需要哲学、社会学和伦理学的深度融入。
泡沫退潮后的长期主义：中国AI的破局之道
当前AI行业存在明显的泡沫，其本质是将尚未成熟的技术未来价值过早地折现到今天。资本依靠宏大叙事维持预期，企业不断切换概念以获取估值，而真实的技术成熟度和用户需求却未能同步跟进。这种结构性的脆弱性，一旦遇到市场波动或资金收紧，便会迅速暴露。
泡沫的破裂虽带来痛苦，但也具有正面的清理作用。互联网泡沫破裂后，真正拥有核心技术和商业模式的公司得以留存。AI行业同样如此，泡沫退潮后，行业将有机会重新回到技术本质和真实场景。对于中国AI而言，这意味着需要从跟随者的角色中解脱出来，建立自己的问题体系和评价体系。
中国拥有丰富的制造、城市治理、交通、能源和服务业场景，这是巨大的优势。但场景优势必须与原创理论和底层架构结合。如果缺乏思想自主，仅凭场景优势做增量优化，最终仍会陷入路径依赖。真正的创新，是敢于定义新的赛道，提出新的架构，并建立新的评价标准。这需要长期资本的耐心支持，需要科研、产业和资本的协同，更需要人才培养机制的根本性变革。
人工智能是一门跨度极大的学科，培养具备独立研究能力的人才需要十年左右的长期积累。年轻人创业值得鼓励，但关键在于是做产品解决问题，还是包装概念追求短期利益。AI时代最稀缺的，不是会调用工具的人，而是能够定义问题、形成判断并坚持长期原创的人。
结语
回望ChatGPT的爆发，它证明了产品化、工程化和叙事能力的重要性，但并不能证明大语言模型必然通向AGI。一个产品在特定时间点的成功，与一条技术路线能否解决通用智能的根本问题，是两个层面的判断。
中国AI下一阶段最重要的任务，是回到第一性问题，建立思想自主和原创架构，同时让技术进入真实世界接受检验。资本可以追逐风口，但科学必须回答本质。真正的产业不会诞生于概念，而会成长于场景。中国AI要争取的不只是某个模型榜单的领先，更是定义技术方向、评价标准和未来应用方式的能力。只有敢于重新定义赛道，克服外部技术限制与内部认知路径依赖的双重挑战，中国AI才能从跟随走向引领，实现从“制造”到“创造”的根本性跨越。