0
雷峰網(公眾號：雷峰網)消息，在2025 IDEA大會上，IDEA研究院創院理事長、美國國家工程院外籍院士沈向洋用五個維度梳理了智能演進的脈絡：算法范式、智能載體、交互范式、計算架構與數據。
他表示，相比給出一個技術路徑路線圖，他更希望提出一個“識別機會”的思考框架，幫助創新者在智能演進中找到技術、產品與商業的切口。
算法范式維度：從模式學習走向目標驅動
AI 的算法演進的三個階段：監督學習構筑表達與生成能力，強化學習引入因果與執行，自主學習邁向高層認知。技術本身從 Transformer 架構出發，向更高效、更穩健的體系演化；從自回歸到擴散，再到混合式生成方法，這些變化共同推動智能的表達邊界不斷拓展。
智能載體維度：從符號空間走向物理空間
業界關注點已從語言和多模態模型轉向世界模型與具身模型。這一變化反映出智能載體正從抽象符號空間邁向物理空間，“從理解世界，到改變世界”。世界模型理解物理規律與因果，具身模型則把感知、決策與行動閉環聯通，使 AI 成為能在現實環境中施加影響的主體。
交互范式維度：技術與人的關系被改寫
在人機交互維度上，沈向洋強調交互創新的重要性。過去 70 年，人機交互經歷了命令行、圖形界面、搜索、推薦到自然交互的多次范式遷移；每一次遷移背后，都對應著底層技術浪潮的變化。“今天的產品開發者必須看懂智能特性帶來的交互機會。”他同時指出，自然交互內部也在分層：從被動響應，到交互式執行，再到具備提議能力的主動模式，交互方式從文本擴展到語音、手勢乃至未來的腦機接口。
計算架構維度：性能、成本與能效的新平衡點
趨勢是從通用走向專用、從單一走向多元。GPU刺激了深度學習的第一波爆發，但能耗與成本也不斷攀升。隨著應用多樣化，推理、端側、強化學習等專用芯片不斷涌現；未來光子、量子、類腦等也可能在特定領域帶來性能躍升。
數據維度：從靜態教材、動態反饋到證據
在智能演進的三個階段，數據扮演不同的角色：在模擬世界階段，數據是靜態教材；在探索世界階段，數據是動態反饋；在歸納世界階段，數據是驗證假設的證據。他指出，從人類數據枯竭到合成數據興起，再到 AI 主動探索并獲取實驗數據，這一過程代表著數據從限制模型能力的約束，逐步轉變為推動 AI 主動學習的工具。
立于智能浪潮之中，機會并不僅僅來自技術本身，也來自理解技術如何改變載體、交互、計算與數據的方式，如何重新分布能力、資源與價值。
沈向洋說，IDEA研究院的定位是“從實驗室中來，到產業中去”，建立前沿研究成果與產業規模化需求之間的建立通路。在技術高速演進與產業快速對接的交匯處，IDEA研究院希望提供一個服務于創新的思考框架，幫助創新者“去尋找和市場、和社會發展最契合的落點”。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
