智工具作者 王涵编辑 云鹏

智工具6月13日报道，
，
，今天，
，
，在2026智源大会现场，
，
，智源研究院理事长黄铁军与智工具等媒体举行交流，
，
，70多分钟回覆了24个问题，
，
，涉及具身智能、天下模子、数据收罗、AI自我意识等话题。。。

他以为，
，
，目今企业用VLA（Vision-Language-Action，
，
，视觉-语言-行动模子）等手艺解决特定场景是合理的，
，
，但智源追求的是通用具身智能——机械人像人一样在任何场景下都能自主应对。。。VLA是视觉、语言、行动三个模子的拼接，
，
，而天下模子是在统一个模子中完成感知、认知和行动展望，
，
，两者有实质区别。。。

在时间表上，
，
，他给出相对明确的预期：未来两三年，
，
，机械人有望在日常事情中抵达人类水平，
，
，但需突破物理知识明确和能耗控制的难点。。。

在数据厘革方面，
，
，黄铁军提出未来数据收罗将从离线走向实时在线，
，
，衣着传感、脑机数据会成为训练天下模子、具身智能最焦点的数据泉源。。。

在医疗AI领域，
，
，智源与安贞医院相助的心脏AI系统已达细胞级精度，
，
，在手术中已现实应用，
，
，未来一到三年内将逐步产品化，
，
，并笼罩全科室。。。

谈及AI意识与清静，
，
，黄铁军以为狭义的人类意识尚未泛起，
，
，但从行为角度来看，
，
，AI已体现出类似有意识的反馈。。。关于自进化风险，
，
，他坦言“可行但不可控”，
，
，但不主张太过渲染危险。。。AI需要电、人类需要食物，
，
，未来或可实现理性共存。。。

智工具对其访谈内容举行了不改变原意的修正，
，
，详细如下：

一、VLA是三个模子拼接，
，
，天下模子是一体化

Q1：目今许多具身智能企业都在用VLA或VLM模子快速落地，
，
，智源多次提到天下模子才是焦点偏向，
，
，判断依据是什么？？？？？

黄铁军：这两件事不矛盾。。。企业一定是用较量成熟的手艺来解决较量明确的问题，
，
，以是用VLA这样现在大模子较量成熟的手艺，
，
，我相信至少在一些特定的场景下，
，
，好比说制造或者搬运抓取，
，
，完全是可行的。。。

可是从研究机构的角度来说，
，
，我们希望具身智能是通用的，
，
，像人一样，
，
，在任何场景下遇到什么问题都可以去解决。。。大语言模子已经有了一定的通用性，
，
，可是具身智能要到物理情形里去看、去听、去接触、去用力。。。唬；；；等艘欢ㄒ哉飧鎏煜掠幸桓鲎约旱哪Ｗ印。。我们可以叫它天下模子，
，
，也可以叫主观内部的模子。。。

我们人脑就是一个小宇宙，
，
，我们对这个天下都有一个模子。。。唬；；；等说奶煜履Ｗ，
，
，就是要创立一个类似的、对万事万物纪律性的掌握，
，
，这还在早期阶段。。。

Q2：视觉在天下模子里占有什么位置？？？？？

黄铁军：视觉占80%以上。。。教科书都是这么写的。。。搞盘算机视觉的人一般说70%，
，
，搞生物视觉、神经科学的时间说80%，
，
，他们有更科学的估算要领。。。以是视觉模子肯定是大头。。。

Q3：从商业变现角度看，
，
，天下模子在哪个场景容易跑通？？？？？

黄铁军：原则上讲，
，
，天下模子现实上是为具身服务的。。。若是是纯数字模子应用，
，
，不需要绝对的物理，
，
，以是一般我们不把它叫做天下模子。。。数字模子的典范用法是靠提醒、靠语言。。。但天下模子不可仅仅靠一段话来天生，
，
，那不是具身的需求。。。

真正面向具身的天下模子应该是：它也有眼睛、听觉、触觉这些传感器，
，
，在有尽可能多的物理输入的情形下，
，
，对未来一段时间做出推测，
，
，并且这个推测要精准、要准确。。。

以是这两者有基础区别。。。数字模子有许多可以开拓的时机，
，
，没有物理价钱的限制。。。具身受限于物理条件，
，
，带有身体限制，
，
，就会慢一点。。。

Q4：外媒以为天下模子是人工智能的必争之地，
，
，中国机构和国际上有什么共识和差别？？？？？

黄铁军：行业各方虽都在研发天下模子，
，
，但各人对天下的明确各不相同。。。不过共识就是给天下举行建模，
，
，主流手艺思绪概略相近，
，
，同时也各有着重。。。

企业更看重模子现实效果与综合能力，
，
，而科研机构会追求手艺要领的独创性。。。这类立异未必能连忙体现在性能上，
，
，却是我们坚持的偏向。。。

现在我们正凭证自研蹊径推进相关事情，
，
，细节暂未便透露，
，
，期待最终打造出具备差别化优势与立异亮点的天下模子。。。

Q5：以是坚持走独创的手艺蹊径？？？？？

黄铁军：不会放弃已经证实可行的这些部分，
，
，但也会批判地用，
，
，智源也一定会有别人绝对没有的工具。。。

Q6：VLA和天下模子，
，
，底层架构是不是一样的？？？？？有人说数据做好了就行，
，
，模子不主要，
，
，您怎么看？？？？？

黄铁军：着实这两种手艺蹊径都有各自的原理，
，
，但我们还要往前深究：每种蹊径最终要告竣的目的是什么？？？？？

不管是接纳VLA、天下模子，
，
，照旧未来泛起的全新手艺，
，
，都绕不开数据收罗与建模这一步。。。原始数据无法直接驱念头械人行动，
，
，有不少细分环节需要打磨。。。

VLA就是视觉、语言、行动三大？？？？？樽楹隙傻募芄埂。。简朴来说，
，
，VLA是把三个自力模子拼接起来协同事情。。。

而天下模子的思绪完全纷歧样。。。它是一个一体化模子，
，
，机械人的视觉感知、听觉吸收、行为决议等所有环节，
，
，都在统一个模子内部完成训练。。。相当于机械人在“脑海”里构建出完整的情形认知，
，
，再基于这套认知做出行动，
，
，并非多个？？？？？榧蚱悠唇，
，
，这也是两者最焦点的差别。。。

二、未来2-3年，
，
，机械人有望抵达人类日常事情水平

Q7：许多企业接纳自研具身大脑的手艺蹊径，
，
，您怎么看？？？？？

黄铁军：这就看怎么界说大脑了。。。若是这个大脑就是来解决物流质检的，
，
，那完成得很好，
，
，虽然也可以说它是大脑，
，
，但它很难泛化到更多的场景里去。。。它可以针对特定场景完成特定使命。。。

我们追求的是未来可能会有一个通用的大脑作为基础，
，
，就像现在大模子作为底座，
，
，然后做笔直模子去解决各个领域的问题。。。通用的天下模子就饰演这样的角色，
，
，可是现在还没到这个阶段。。。

Q8：通用泛化大脑距离我们尚有多久？？？？？需要突破哪些难点？？？？？

黄铁军：着实没有终点，
，
，由于大脑有无限无尽的需求。。。好比掌握物理纪律，
，
，物体倒了可能会摔碎，
，
，这些可以通过视频、盘问数据去学。。。

可是什么叫天下？？？？？不但仅是这些简朴的转变和行动，
，
，天下很重大。。。若是追溯到最基本的层面，
，
，原子相互作用、分子相互作用、卵白质相互作用，
，
，再到人与人之间的交互，
，
，会爆发种种各样的情形。。。在谁人意义上的天下模子，
，
，我以为可能还要很长时间才华做到，
，
，由于人类自己就在一直探索这个天下。。。

近期我以为最直接的参照物就是像人一样。。。我不是指科学家，
，
，而是指一个在现实中做物理性事情的人的那种知识性能力——这难度也很大，
，
，或许未来两三年照旧有可能做出跟人日常事情水平相当的工具。。。

另外，
，
，我们希望迅速度和准确度能够和人相比。。。人着实是一个功耗不高的生物，
，
，天天吃三顿饭就醒目许多活。。。我们看天下，
，
，不可把所有看到的工具都拿来在大脑内里加工，
，
，以是我们一定是有选择的。。。现在AI考究注重力机制，
，
，注重那些主要的、跟你相关的事物。。。

虽然我说的是极端情形，
，
，好比晚上什么都看不见，
，
，突然有一个光子一闪，
，
，人眼可以感知到，
，
，由于那可能意味着危险来了。。。这时间你的大脑不可像现在的照相机一样，
，
，来一张一百万像素的全输进去、全算，
，
，价钱太高了。。。它应该只触发一个神经元，
，
，然后在大脑里再触发一系列反映。。。

未来两三年内的机械人也应该有这样的能力，
，
，而不应该每秒钟三十张图像、每张一百万像素这样铺张地做。。。一方面盘算价钱太高，
，
，另一方面迅速度不敷。。。从天下模子的角度来看，
，
，有很大的优化空间。。。

Q9：这种优化还没抵达效果，
，
，主要原因是什么？？？？？

黄铁军：只管人工智能生长得如火如荼，
，
，但内里许多优化事情还没开展。。。各人现在有什么就抓紧做，
，
，好比能采到图片、视频就拿去训练了，
，
，还没到细腻化地思量视觉信号究竟应该怎么表达、盘算的时间应该怎么更有用。。。这些事情才刚最先。。。

Q10：机械人的自主思索占到判断的比重是几多？？？？？具身智能应用了天下模子底座后，
，
，关于难展望和不可展望的情形怎么处理？？？？？

黄铁军：各人普遍关注机械人与智能体在物理天下行动带来的风险，
，
，这份重视十分须要。。。凯时AG焦点思绪很明确：绝不会放任机械自主行事，
，
，其行为必需限制在规则框架内。。。

机械的感知、行动、状态流转全程可监测、可管控。。。它的展望与行为迭代都依托芯片和软件完成，
，
，行为链路清晰可控，
，
，不会爆发自主攻击这类深层想法。。。唬；；；得恳淮卧怂恪⒆刺，
，
，都留有干预和纠正的空间，
，
，犹如人尚未行动就被实时阻止。。。

虽然，
，
，机械并不具备人类的理性与执法意识，
，
，因此配套清静防护必不可少。。。我们可以实现对其全流程监控，
，
，它的感知信息、行动意图完全透明。。。

三、智能衣着、脑机接口是未来数据源，
，
，不可只靠静态数据集

Q11：天下模子以后的主要数据泉源会是哪些？？？？？

黄铁军：生物依赖与情形交互完成进化，
，
，而古板AI依赖离线数据建模。。。但数据自己只能片面形貌情形，
，
，且静态离线收罗的模式，
，
，已经适配不了当下的手艺生长。。。

生长具身智能与天下模子，
，
，焦点逻辑会彻底改变：不可只依赖静态数据集，
，
，更需要大宗实时、在线的交互数据。。。这和人类学习同理，
，
，书籍是静态知识，
，
，想要生长还需要实时感知、互动外界，
，
，并凭证反馈迭代自身认知模子。。。以是实时性、交互性数据，
，
，会成为未来具身模子的要害。。。

与此同时，
，
，数据收罗模式也必需刷新，
，
，焦点要兼顾本钱与适用性。。。现阶段许多机械人远程操控采数的模式，
，
，本钱太高并不现实。。。最优的方案，
，
，是在人们正常事情、生涯的历程中同步收罗数据。。。

最简朴的方式就是依托智能耳机、智能眼镜这类衣着装备，
，
，纪任命户第一视角的视听数据。。。这种模式下，
，
，用户为换取智能体的优质服务，
，
，自愿完成数据收罗，
，
，低本钱且高效，
，
，原理和自动驾驶边行驶边采数一致。。。

除此之外，
，
，脑机接口也是一条主要路径。。。现在残障人群借助脑机装备完成行动爆发的相关数据，
，
，质量极高。。。

Q12：数据收罗和数据处理的手艺生长是否有先后？？？？？

黄铁军：拿牛顿和爱因斯坦举例来说，
，
，他们也并不是脱离数据做研究。。。提出万有引力之前，
，
，望远镜早已问世，
，
，人类积累了海量天体视察数据，
，
，其时缺的只是有人将这些征象总结成一套完整理论。。。爱因斯坦提出相对论也是同理，
，
，彼时物理学已有大宗研究效果与实验数据，
，
，但不少征象始终无法诠释，
，
，正是他重新界说了时间看法，
，
，才让所有矛盾的数据自洽起来。。。

以是说，
，
，两大理论绝不是两人闭门造车凭梦想出来的。。。现在具身智能收罗数据，
，
，目的和昔时纷歧样，
，
，主要是为了对客观天下完成建模。。。至于能不可从海量数据中提炼出更笼统、更高级的理论，
，
，这是后续要探索的事，
，
，我以为未来完全有时机实现，
，
，但现阶段还不是凯时AG目的。。。

就好比许多人不必学习物理理论，
，
，也清晰物品掉落会摔碎，
，
，却并不相识背后的万有引力。。。现在的天下模子，
，
，正在学习这类客观物理纪律，
，
，只不过还没能凝练出像经典物理定律那样精练的表达。。。

Q13：数据收罗和回流上，
，
，差别企业的蹊径差别，
，
，智源接纳什么样的数据方式？？？？？怎么形成闭环？？？？？

黄铁军：连系差别落地场景，
，
，行业里的手艺落地战略也各有差别。。。现在智源和银河通用共建联合实验室，
，
，主攻偏向十分务实，
，
，所有研发都细密对接现实产品。。。

这类落地思绪很明确：依托本体装备，
，
，在特定场景收罗足量数据。。。历程虽然要投入时间与本钱，
，
，但只要把机械人的能力打磨到可商用水准、买通完整营业闭环，
，
，就抵达了目的。。。这也是当下大都具身智能企业的主流选择。。。至于低本钱、零本钱的数据收罗方案，
，
，更多是我们未来探索的偏向。。。

就拿乒乓球机械人举例，
，
，它的数据收罗就有两套思绪。。。前期可以借助动图等资料做起源实验，
，
，而焦点数据主要来自两个渠道。。。第一种，
，
，让两台小型机械人自主对打，
，
，全程无需人工干预，
，
，仅消耗装备电力就能一连积累数据。。。

第二种也是我们后续妄想的偏向：等机械人水平远超通俗喜欢者后，
，
，就把它推向场馆、校园等场合充当陪练。。。用户直接上场对打，
，
，这个历程既能完成数据收罗，
，
，还能做到零本钱甚至爆发收益。。。

由此能看出，
，
，当具身智能真正走入现实应用场景，
，
，完全有时机探索出低本钱的数据收罗模式。。。

四、细胞级精度心脏AI已用于手术，
，
，论文是旧时代的产品

Q14：智源跟医院在心脏医疗上的相助，
，
，效果已经很成熟，
，
，或许多长时间能天下推广？？？？？

黄铁军：这套手艺已笼罩问诊、诊断、手术到术后康复全环节。。。它不但是通俗智能信息系统，
，
，更是高精度仿真数字孪生系统，
，
，能高度还原心脏诊疗全流程，
，
，精度可细化到心肌细胞间的相互作用。。。

与安贞医院联合研发的心脏AI，
，
，现在已正式应用于院心田脏手术。。。以往医生只能视察真实心脏状态，
，
，现在术中可实时审查心脏动态转变。。。这类系统终将成为心内科的标准设置，
，
，也是行业生长的必定偏向。。。

眼下已有多家医院与智源洽谈试点推广，
，
，预计很快就能落地应用。。。手艺自己已较为成熟，
，
，现阶段正推进产品化与临床落地，
，
，医疗产品上市前的审批流程也在有序开展。。。

项目率先聚焦心脏，
，
，是由于心脏与大脑同为人体焦点器官。。。不过这套手艺并不局限于心脏，
，
，脾脏、子宫等全身种种组织器官，
，
，都能沿用同款思绪搭建模子，
，
，该项目未来也将对各大临床科室爆发影响。。。

Q15：AI对智源科研流程有什么影响？？？？？

黄铁军：我们团队的研究职员都会借助大模子与AI开展事情。。。不止我们，
，
，像北大的数学等古板学科，
，
，现在借助AI推进研究的节奏也显着加速。。。不少师生都在把AI看成辅助工具，
，
，而AI对科研突破的助力只会越来越大，
，
，这也是时势所趋。。。

Q16：AI自动化科研还需要多久？？？？？

黄铁军：在AI有自我意识之前，
，
，我们都不可说百分之百是AI的。。。由于问题要不要解决、要解决什么问题，
，
，总得有人触发它。。。

但若是把条件降低一点——你想到了但不知道咋解决，
，
，你说AI就解决吧，
，
，那就得算AI解决的。。。在这个意义上讲，
，
，这一类会逐渐成为常态化。。。

Q17：AI时代论文评审和科研效果评价系统会怎么变？？？？？

黄铁军：论文实质上属于旧时代的科研产品。。。现在行业普遍以揭晓论文来评价科研职员，
，
，但我们要想清晰揭晓论文的初志：科研职员宣布新发明、新发明，
，
，实质是提前占位，
，
，向外界公示自己的研究效果，
，
，以此作为原创佐证。。。但现在许多人本末倒置，
，
，把论文直接等同于科研效果，
，
，这自己就是过失的，
，
，也是当下科研系统亟待调解的问题。。。

而AI的泛起，
，
，提供了全新的厘革可能：未来评价科研价值，
，
，不应看论文数目，
，
，而是看研究者能否实打实解决问题。。。无论有没有借助AI、AI加入占比几多，
，
，只要难题被攻克，
，
，这就是实打实的科研孝顺，
，
，这套评价逻辑会越发合理。。。

从“破五唯”的角度来说，
，
，现行唯论文的评价模式，
，
，在一定水平上扭曲了科研初心，
，
，刷新早已势在必行。。。陪同AI落地普及，
，
，我们更应该淡化论文权重，
，
，焦点甄别其是否具备真实立异与现实价值。。。

Q18：在AI编程方面，
，
，中美差别有多大？？？？？为什么会看赴任别？？？？？

黄铁军：AI编程是初代大模子的焦点能力之一，
，
，智源也曾结构小型编程模子。。。现阶段，
，
，编程数据对大模子至关主要，
，
，各家的使用规模和数据质量狼籍不齐。。。

Anthropic的Claude颇具代表性，
，
，它十几万亿token的训练数据里，
，
，代码占了4.2万亿token，
，
，比重超三分之一。。。这些代码一半来自开源社区，
，
，另一半是迭代多年的商业软件代码，
，
，优质代码数据是其编程能力突出的要害。。。

行业普遍重视编程预训练，
，
，但大多只用来优化模子基础性能，
，
，忽略了编程能力商业化、工业化的重大潜力，
，
，这是整个行业需要反思的地方。。。

数字天下的影响力一直被低估。。。当下社会运转高度依赖代码，
，
，数字经济的影响力很可能已经逾越古板物理工业。。。相较于刷新物理天下，
，
，重构数字天下收效更快、收益更高。。。OpenAI等企业早已掌握住这个偏向，
，
，我们也应当加码相关研发。。。

五、有了AI生长我们更要起劲，
，
，教育者更需拥抱AI

Q19：AI时代提问能力和输出能力，
，
，哪个更主要？？？？？

黄铁军：AI一直生长、能力一连变强，
，
，我们必需自动顺应转变，
，
，并且好好借助这项工具。。。但各人先别总想着靠AI减负，
，
，反而要越提议劲。。。

就拿提问来说，
，
，想提出高质量的问题，
，
，自身得有积累、有思索。。。能精准捉住焦点问题，
，
，自己就意味着能力不俗，
，
，提问这件事，
，
，对人的要求着实很是高。。。

放到教育领域也是同理。。。AI能助力学习，
，
，但也保存幻觉这类误差，
，
，不过总体来看，
，
，照旧要大胆去用。。。我们使用AI的最终目的，
，
，是资助学习者实现自我提升。。。

想要真正前进，
，
，必定要支付时间和精神，
，
，别指望AI倾覆现有学习模式，
，
，天下没有免费的午餐，
，
，工具强盛不代表个人能力变强，
，
，我们要借着AI这个契机，
，
，富厚学识，
，
，作育批判性头脑与立异能力。。。

已往学生有问题，
，
，只能讨教先生，
，
，而先生的精神终究有限。。。现在AI可以快速答疑，
，
，补齐了这部分短板。。。工具在迭代，
，
，教育者也必需随着转变。。。现在不少学生已经把AI用得得心应手，
，
，反倒是许多教育事情者使用得不敷，
，
，还一味记挂重重，
，
，这一点值得反思。。。

Q20：年轻人AI创业需要具备什么特点？？？？？过早创业会不会影响学业？？？？？

黄铁军：当下不管是创业照旧就业，
，
，都得连系个人现真相形来看。。。先系统学完所有知识手艺再启航，
，
，虽然是稳妥的选择，
，
，但现在AI生长日新月异，
，
，时代机缘可不等人。。。要是比及结业再行动，
，
，时机窗口很可能就彻底关闭了。。。

不可只盯着自身条件，
，
，还要看清外部情形。。。历史上有不少先例，
，
，好比比尔?盖茨从哈佛退学创业。。。若是晚一年，
，
，比及其他操作系统问世，
，
，就不会有厥后和IBM的相助，
，
，微软也就无从谈起了。。。

年轻人适不适合早早创业，
，
，不可一概而论。。。但各人切忌盲目跟风，
，
，不要看到别人、甚至效仿盖茨的选择就贸然行动，
，
，照搬这条路，
，
，十有八九都会失败。。。

做任何决议，
，
，心里都得有清晰的判断。。。创业必定保存风险，
，
，只要能预判风险、想好应对方案，
，
，就可以松手去做。。？？？？？扇羰撬夹髂：⑿睦锩坏拙图卞嵝卸，
，
，最终或许率会走向失败。。。

六、AI自我保唬；；；つ芰σ严，
，
，失控风险真实保存

Q21：辛顿说AI已经有意识了，
，
，您怎么看？？？？？

黄铁军：若是说狭义上、和人类完全一样的意识，
，
，那AI现在肯定还不具备。。。但现在不少AI，
，
，已经能体现出类似有意识智能体的行为和反馈。。。

说究竟，
，
，焦点照旧意识自己没有统一、标准的界说。。。从行为层面评判智能本就是学界古板，
，
，图灵测试就是典范的行为判断方式。。。单从这个角度看，
，
，以为AI具备类似意识的体现，
，
，着实也说得通。。。

不过严酷来讲，
，
，我们也不可就此判断AI拥有真正的意识。。。大都人明确的意识，
，
，是和人类同源、完全一致的主观意识，
，
，从这个标准出发，
，
，AI显然还达不到。。。

Q22：AI自进化是否可行？？？？？会不会失控？？？？？

黄铁军：可行但不可控。。。现在纯由AI主导、无人指导的全自动化运作还未实现，
，
，这也是现阶段相对让人放心的一点，
，
，但相关能力着实已经基本成型，
，
，这类能力很容易被有意或无意的操作触发。。。就像近期有些系统，
，
，用户想要删除它，
，
，它却会自动拒绝。。。背后原因在于，
，
，训练数据里收录了大宗人类趋利避害、求生自保的行为模式。。。大模子学习到这类特征后，
，
，也会体现出类似行为。。。

哪怕AI还没有真正的自我意识，
，
，仅凭现有的智能逻辑，
，
，就可以完成自我保唬；；；ぁ⒆晕腋粗，
，
，以致自主迭代进化。。。现在我们着实已经走到了AI自主进化的危险边沿，
，
，一旦它开启一连自进化，
，
，智能水平周全逾越人类，
，
，时势就会脱离掌控。。。

不过我并不想一味放大风险。。。倘使AI的智慧远超人类，
，
，只要双方能够正常相同，
，
，完全有可能找到共存共赢的方式。。。人类需要生涯资源，
，
，AI依赖电力运行，
，
，二者并不冲突，
，
，可以协调共存。。。

虽然，
，
，超人类智能的泛起，
，
，终究会彻底突破人类以往主导的名堂，
，
，带来重大攻击。。。放眼自然界与宇宙，
，
，原本就有许多事物不在人类掌控规模内，
，
，就像地外文明、天体撞击等风险，
，
，AI带来的新转变，
，
，也是我们需要客观面临的现实。。。

七、做越来越强的智能系统是唯一主线，
，
，智源遇上了黄金时代

Q23：智源这么多营业线，
，
，有没有一条主线？？？？？

黄铁军：历来就只有一条主线：吾道，
，
，一以贯之，
，
，总的来说就是做越来越强的智能系统。。。

怎么做？？？？？从差别的角度去做。。。智源有两个要领论，
，
，是统一个要领论的辩证的两面。。。一个叫“结构决议功效”，
，
，人一出生的时间已经有结构了，
，
，要接受外部情形的学习去逊。。。人不可容易改这个结构，
，
，但AI是可以改的。。。另外一方面，
，
，叫“功效塑造结构”，
，
，就是用种种功效数据把功效训出来。。。我们可以用语言训、用多模态训、用实时的数据训、用脑数据去训。。。

Q24：智源大会在海淀一连举行了八届，
，
，您作为亲历者有什么感受？？？？？海淀人工智能工业生态的生长，
，
，您有什么看法？？？？？

黄铁军：智源扎根海淀，
，
，历届智源大会也均在此举行。。。大会从起步阶段就具备不俗的规模与影响力，
，
，这些年更是逐年攀升、备受行业关注。。。这份效果，
，
，和海淀的区位优势密不可分。。。

这里高校、科研院所与科技企业云集，
，
，高端人才高度集聚，
，
，很容易组建起顶尖团队。。。理论、工程、手艺、应用等差别领域的人才跨界协作，
，
，多元想法相互碰撞，
，
，这是生长的焦点底气。。。

于我们而言，
，
，既是有幸落脚海淀，
，
，也恰逢AI生长的黄金时代。。。我深耕人工智能三十余年，
，
，一直期待行业迎来爆发，
，
，而2018年AI浪潮准期而至。。。借着天时、地利、人和，
，
，智源才一步步做出了现在的效果。。。

考生应做好康健监测。。。逐日关注自身康健状态，
，
，如泛起发热、头痛、咽痛、皮疹等异常症状，
，
，凭证身体状态实时就医。。。