在探讨人工智能（AI）未来发展方向的热烈讨论中，2025世界人工智能大会（WAIC）主论坛成为了一个思想碰撞的舞台。商汤科技的首席执行官徐立，在会上发表了一场引人深思的演讲，题为《人工智能：从感知到交互的十年之旅》。
徐立首先探讨了智能的本质，指出人类智能的核心在于与物理世界的不断互动。与此相对，机器智能长久以来受限于人类所能提供的知识范围。他提到，虽然2011至2012年间，CNN和ResNet等深度学习算法引领了感知智能的飞跃，但这些模型高度依赖人工标注数据，泛化能力存在局限。
随后，徐立将话题转向自然语言处理领域的突破。他强调，2017至2018年间兴起的Transformer架构，使AI能够从自然语言中汲取知识。特别是GPT-3模型，其处理的文本量相当于人类十万年的创作总和，这一高知识密度成就了模型强大的泛化和通用能力，为通用AI的发展奠定了关键基础。
然而，徐立也指出了当前的危机：自然语言数据可能在2027至2028年间耗尽，而视觉数据尽管丰富，却难以有效提炼为知识。他解释，数据的产生速度远不及算力的增长，造成了模型数据需求的“倒挂”现象。面对这一挑战，徐立提出，AI的下一步进化需借鉴人类的学习方式——通过与物理世界的互动来获得认知。
徐立进一步指出，当前机器人和具身智能的发展面临高质量数据采集的巨大需求。他认为，人类智能的进化是基于与物理世界的持续互动，而非仅仅依赖语言或视觉输入。因此，AI的未来发展必须解决“主动交互数据稀缺”的难题。他提到，真实环境的交互成本高昂，传统模拟器虽然是一种解决方案，但存在“模拟与现实差距”，生成的数据难以直接应用于现实场景。
为了克服这一挑战，徐立介绍了商汤科技推出的“开悟”世界模型。他解释，“开悟”不仅是一个视频生成模型，更重要的是，它考虑了时间和空间的一致性，能够为AI训练提供高质量的模拟数据。徐立认为，结合强大的现实世界理解模型和深度3D理解模型，将有效提升AI与现实世界的交互能力。
徐立最后表示，他期待与业界同仁共同见证AI发展的三个阶段：首先，感知世界；其次，更好地理解世界并生成世界；最终，通过与现实硬件的交互来改变世界。这一愿景不仅揭示了AI未来的发展方向，也为人工智能领域的研究者和实践者提供了宝贵的思考。
