原文讲解：从微软亚洲研究院到“信息—物理—生物”的 AGI 地图
这是一场有明确前后文的访谈。上一期节目刚谈过一种对 AGI 的乐观想象，本期张小珺邀请张亚勤院士，继续问“在可见的未来，AGI 到底是什么画面”。张亚勤当时是清华大学智能产业研究院（AIR）院长、前百度总裁，谈话既有个人经历，也有对未来二十年的产业推演。节目开头和结尾都把他的核心想象说得很清楚：人工智能会从信息世界走向物理世界，再与生物世界连接；最后，人类可能拥有比今天强得多的智能和更长的寿命。
本文第一部分依据节目音频、公开简介和章节信息重建，不是逐字稿；自动转写中的“Air”“RSR”“Outlive”等专名按上下文和公开资料校正。张亚勤给出的五年、十年、二十年以及更远的时间表是访谈时点的判断，不是已被实验或市场结果证明的预测。后文会把他的叙述、公开资料和我的推论分开。
一、从 1998 年的“AI 冬眠期”开始：那时大家做的是 AI，却不叫 AI
张小珺先把他带回 1998 年：那一年他回国加入微软中国研究院。张亚勤回忆说，当时中国已经有人在做语音识别、语音合成、视频压缩、音频、多媒体、视觉图形和自然语言处理，但这些工作通常被看成彼此分开的计算机方向，没有一个统一的“人工智能”大旗。以今天的眼光回看，它们后来都汇入了 AI；在当时，却更像一个尚未汇流的技术冬眠期。
微软亚洲研究院当时面对的核心挑战，不是先做出一个产品，而是在中国建立一个世界一流的计算机研究机构。张亚勤说，三十年前中国高校的科研训练、博士培养和研究成果与美国存在明显差距，海外同事未必相信这件事能成，但他和几位同事、微软管理层都愿意下注。研究院没有把目标写成一个简单的数字，而是要成为世界一流的研究机构；一位顾问给出的判断是：当你们不再需要反复问“怎么证明自己是一流”时，可能就已经成为一流。
这套目标后来被他总结成三件事。第一，招到一流人才，既包括国内也包括海外的年轻研究者；第二，做出对微软、产业和学术界有长期影响的研究；第三，培养一批未来的科研领军者。张亚勤还讲到一个类似的衡量故事：图灵测试是否通过，不一定要等到某个外部仪式宣布；真正通过时，人们可能会直接知道。对研究机构而言，人才、长期问题和自然形成的影响，比短期 KPI 更重要。
二、清华 AIR 的不同：不去复制基础模型公司，而是培养人、做研究、影响产业
张小珺随后把话题拉到他现在负责的 AIR。张亚勤认为，今天中国已经经过二十多年发展，拥有世界级科研人才和更好的产业基础，因此 AIR 比当年在中国创建微软亚洲研究院更容易招到好老师和好学生。但困难也换了：过去是“找到什么人就做什么”，现在各个方向都可能找到专业人才，真正困难的是决定研究院应该选择什么问题。
AIR 的方向被描述为面向产业的三个垂直领域：智慧交通、AI 加物联网，以及生命科学。用节目当时的语言，它们分别对应物理智能、边缘智能和生物智能，也会与智能体等大模型方向发生连接。这里有一个重要的取舍：AIR 不把自己定位成和大公司竞争、独立训练超大基础模型的机构。基础模型需要巨量算力、数据、产品场景和持续资金，更适合产业公司承担；研究院可以与企业合作，但主要贡献是从一到一百、从一百到 N 的算法、工程和产业创新。
因此，AIR 的目标顺序很明确：第一是培养面向未来的 CTO、架构师和技术领军者；第二是做关键科研和技术创新；第三是影响产业，包括与企业合作、孵化新的公司。张亚勤反复强调“人才最重要”：学校的优势不是把所有资源都砸成一个最大模型，而是让博士生获得系统能力，未来能够在公司里承担复杂技术和组织责任。
三、他的 AGI 总地图：信息智能、物理智能、生物智能
张小珺请他把这张图展开。张亚勤的定义是：新一代智能不是只有语言模型，而是信息智能加物理智能再加生物智能。信息智能处理文字、图片、视频和其他数字内容；物理智能把智能放进汽车、机器人、工厂、道路、物联网和其他真实设施；生物智能则把 AI 接到大脑、人体、器官、医疗、手术和新药研发上。三者彼此相连，却不是同一件事。
第一层是信息智能。他把它比作人的智商：一个人读过很多书、懂很多领域、能写文章、解数学题、写程序，但“会读书”不等于“会游泳”。节目中他的预测是，五年左右，文字、图像、视频生成与推理会达到甚至超过人的水平，至少在信息世界里通过类似图灵测试的门槛。信息智能能显著提高生产率，却不会自动赋予机器处理物理世界的身体技能；这是后面物理智能仍然困难的原因。
第二层是物理智能。它不只是“把大模型装进机器人”，而是让系统在真实世界感知、规划、执行并承受后果。张亚勤认为，物理智能的第一个大规模落点更可能是自动驾驶，因为自动驾驶是一个相对封闭、目标较清楚的垂直问题；人形机器人面对的是开放环境、常识、不同家庭、不同物体和不断变化的任务，可能还需要十年左右才能达到较高的通用等级。
第三层是生物智能。它包含脑机接口、医疗、手术、药物研发以及与人的器官和神经系统连接。张亚勤给出的时间尺度更长，但仍然认为二十年内可能出现可见成果。这个顺序不是说三层严格排队，而是说每一层都要解决不同的接口：信息智能连接数据，物理智能连接环境和动作，生物智能连接生命体。
四、物理智能先从哪里落地：家庭、工业和社会三类机器人
为了让“物理智能”不只停留在口号上，张亚勤把机器人分成三类。家庭机器人负责照顾老人、做家务和处理家庭任务；工业机器人在工厂、矿山和危险场景完成目标清楚的工作；社会机器人则在公共空间与人交互，例如警察、保安、配送和自动驾驶服务。
他认为家庭可能是最难的场景：物体和任务极其碎片化，家里的习惯不同，机器人还要与人共享空间并保持安全。工业任务通常更容易定义，机器人可以不具备人的外形，只要把焊接、搬运、检测或危险作业做好即可。社会机器人介于两者之间，既有较明确的服务目标，也要处理公众接受、沟通和责任问题。
这也解释了他为什么不把“人形”当成所有机器人的默认形态。工厂里最优的可能是轮式平台、机械臂或专用设备；盲人身边的辅助设备甚至可能是机器狗。家庭机器人更可能采用人形，是因为家里的楼梯、按钮、门、厨房和工具本来就是按人的身体设计的，且老人可能更自然地和“像人一样交流”的对象沟通。但这是一种场景选择，不是审美上的必然。
他还提出一个后台与前台的分工：未来不同机器人可能共享 70%—80% 的后台“大脑”，包括多模态理解、常识、规划和记忆；前端身体和动作控制则根据汽车、家庭、工厂或社会场景不同而变化。今天的自动驾驶模型和大语言模型还没有完全融合，但他的长期方向是让统一的智能后台通过不同的身体进入不同环境。
五、为什么自动驾驶先于通用人形：从“开放问题”到“可控服务”
张亚勤把自动驾驶称为一个相对封闭的问题：一辆车主要完成驾驶，不需要写诗、做饭或照顾老人；人形机器人则必须面对大量没有提前写进规则的生活细节。他说自己刚从旧金山回来，乘坐 Waymo 的体验很顺滑，市民已经把它当成一种可用服务，而不是新奇实验。相比之下，他提到武汉的萝卜快跑虽然安全性和体验都很有竞争力，但公众接受仍需要时间。
谈到 Tesla 的 L2+ 路线和 Waymo、Apollo 的 L4 路线，他的判断不是简单站队。Tesla 的路线可能继续向更高自动化程度上升，但当时仍需要人接管；真正的 Robotaxi 则不能把人类接管当成常规兜底。技术被证明可行之后，商业模式还会分层：一类公司运营无人出行服务，一类制造整车，一类提供芯片、传感器和其他关键部件；Tesla 可能尝试把车和服务都做，但市场也可能由多种角色共同组成。
他认为，自动驾驶和机器人在 2025 年前后突然被更多人看见，不是因为自动驾驶刚诞生，而是大模型缓解了三个长期问题。第一，真实数据不够，可以用生成式方法和仿真扩大训练场景；第二，现实中的 corner case 很多，大模型的常识和泛化能力可能帮助系统处理没见过的情况；第三，过去的感知、地图、激光雷达、规划、决策和规则模块比较碎片化，端到端模型可以把输入到输出的链路统一起来，至少减少拼装成本。
六、机器人为什么仍然难：从真实世界到仿真世界，再回到真实世界
机器人比自动驾驶更缺数据，也更容易出现“仿真里有效、真机上失效”。张亚勤介绍了一种从真实场景提取信息、在数字世界里学习、再回到真实世界验证的闭环，节目中称为 RSR，通常可理解为 real-to-simulation-to-real。真实数据先帮助构建模拟世界，生成式模型在模拟空间扩大变化和训练样本，再把策略放回真实设备测试。这个过程不是把仿真当作现实，而是试图降低真实试错的成本。
大模型在这里提供的不仅是“更大的网络”，还有常识和语言到行动的中间层。过去机器人听见“把脏衣服送去干洗店、洗好再拿回来”，可能只能识别几个关键词，无法拆解出拿衣服、出门、开门、移动、交付和返回的一连串任务。大模型可以先理解意图并分解任务，再由不同的动作控制器执行。但张亚勤也承认，落地仍然更难：机器人要上下楼、开门、定位微波炉、判断物体温度、处理各种例外，不能只靠一段语言回复。
他的比喻是：信息智能像读书，读得多可以变聪明；物理智能像真正下水游泳，必须通过身体和环境反馈学习。机器人还需要 skills，也就是把抽象目标落实成安全、可重复的动作。大模型可以成为共同的“脑”，但每个身体、工具和场景的前端仍然要重新训练和验证。
七、从研究样机到主流产品：时间、速度与创业机会
张亚勤提醒，机器人公司不能用软件产品的速度来期待。自动驾驶从研究到服务用了十多年；人形机器人今天展示出能走、能抓取，不等于几年后就能成为普通家庭的商品。节目里提到的机器人教育和科研平台，客户仍主要是学校、实验室和研究机构，说明行业还处于工具和科研阶段，尚未进入家庭、社会服务的主流市场。
这并不代表创业机会消失。信息智能里仍有图像生成、代码、行业知识等垂直方向；物理智能里也会有工业、交通、家庭和服务等不同切口。关键是不能笼统地说“我要做一个机器人”，而要说明机器人在什么场景、以什么速度、在什么安全约束下、替用户完成什么任务。自动驾驶对毫秒级错误很敏感，做早餐的机器人速度慢一点却可能没关系；不同任务的可靠性指标并不相同。
他最后把物理智能的共性归纳成感知、理解和行动，也就是 vision、language、action 的组合。但“共性”不是“已经通用”：能共享后台模型，只说明学习资产可能复用；要把它变成产品，还要通过政策、硬件、现场部署、责任和长期维护的检验。
八、生物智能：先治病，再增强人，最后讨论硅基与碳基的融合
谈到第三层，张亚勤把时间尺度拉到二十年。他更看好非植入式脑机接口：通过更灵敏的传感器读取或刺激神经活动，先服务盲人、听力障碍者、肢体残疾者，再帮助治疗老年认知疾病、帕金森等神经系统问题。这里的顺序很重要：先把已有能力修复到接近正常，再谈增强记忆、提高智力和延长寿命。节目中的疾病和治疗例子是未来方向的讨论，不是对患者的医疗建议，也不是已被节目证明的临床效果。
他认为，未来器官可能被替换或修复，大脑也可能通过技术变得更健康，人的寿命因此延长，但他不直接承诺永生。张小珺引用 Vitalik 关于生物和硅技术合并的观点，张亚勤接受“人和机器连接起来”的方向，却不认为目前的 AI 已经产生了意识。他的理由是：人类连自己的意识如何产生都没有真正解释清楚，拥有更多算力和数据不等于自动获得意识，因此他倾向于把意识仍然视为生物体的属性。
这不是一个已经解决的科学争论，而是张亚勤在节目里的哲学立场。他把未来想象成信息、物理和生物的融合，但融合不等于把“硅基系统”直接等同于有意识的人。意识、身体、器官、寿命和智能在这里被放在同一张远期地图上，却仍是四个不同的研究问题。
九、从工业革命到“新物种”：他如何解释未来会加速
张亚勤随后把尺度从二十年拉到三十年、一百年。他用山顶洞人、火、石器、手机和互联网做类比：三万年前的人已经会使用工具，但未来的人回头看今天的手机，可能就像今天看火和石器。人类历史前半段变化缓慢；工业革命把能源变成体力的延伸，信息社会把网络和计算变成信息的延伸，AI 则可能把智能本身变成可以大规模复制的能力。
因此，他说未来可能出现“新物种”，并不是说人类突然发生了生物学突变，而是说人类与机器、器官和智能系统结合后，能力形态会与今天极不相同。他强调这个新物种仍然应由人类控制，是人类的延伸，而不是一个独立统治人类的物种。这里的“物种”是哲学和技术想象，不应按严格生物分类理解。
十、十年后的日常：无人驾驶、家庭机器人、长寿与更短的工作周
当主持人要求他把未来拉回十年后，张亚勤给出了一幅相当具体的社会图景。无人驾驶车辆会明显增多，开车的人变少；再过三十年，人类亲自开车可能像今天在纽约坐马车一样，成为一种新奇或高端体验。电梯从需要人工操作变成自动运行，也被他用来说明：一项技术成熟后，人工服务可能从必需品变成特殊服务。
家庭里可能会有像冰箱、电视一样普及的机器人，用于安全巡查、查看门窗、照顾家人和处理家务。人们不再把主要预算花在买车上，可能转而购买机器人。教育会出现 AI professor，医疗会出现更多 AI 医院或自动化环节。张亚勤并没有给出这些产品的成本和落地细节，这部分是基于能力路线的未来推演。
在寿命和工作方面，他认为百岁可能成为常态，有些人能活到一百二十或一百五十岁，但不承诺永生；人均工作时间会继续下降，未来甚至可能一周工作一天。生产力提高不必然等于所有人失业，他想象的是工作与休闲的重新分配，但也承认人口出生率、年龄结构和社会制度会因此发生复杂变化。节目没有给出如何分配这些新增寿命和生产力的制度方案。
十一、给学生的建议：AI professor 出现后，教育从记忆竞赛转向提问与判断
谈到学生，张亚勤认为未来课堂里除了人类教授，还会有一个 AI professor。这个 AI 可能比人类教授知道得更多，学生可以向它提问、让它解释或协助完成学习。但这并不意味着人可以停止学习，反而意味着教育的重点会从背诵和刷题转向提出好问题、批判性学习、辩论和形成自己的观点。因为模型给出的答案质量，往往取决于问题是否清楚、假设是否完整。
他推荐了两本书：彼得·阿提亚的《Outlive》（中译《超越百岁：长寿的科学与艺术》），用来理解长寿和生命科学；以及 Eric Kandel 的《In Search of Memory》（中译《追寻记忆的痕迹》），用来理解记忆、海马体和人类智能。张亚勤把记忆分成先天、短期和长期等层次，认为学习不只是把信息存进系统，而是把知识抽象到长期记忆中，能在思考时调用。对他而言，这也是今天 AI 与人类认知的重要差距之一。
十二、原文的收束：路线图很乐观，但每一层都有自己的接口和时间表
这期节目最后留下的不是一个“AGI 某年实现”的单点答案，而是一条分层路径：五年左右，信息智能在文字和多模态内容上接近或超过人；再往后，自动驾驶先成为物理智能的成熟样板，通用人形机器人需要更久；约二十年，脑机接口、生命科学和人体增强可能把 AI 与生物体连接起来；更远处，人类可能通过技术获得新身体、新寿命和新的智能形态。
张亚勤的乐观，建立在一个关键前提上：后一个世界可以继承前一个世界的智能，把大模型、仿真、机器人、医疗和脑机接口接成更大的系统。但他在访谈里也承认，物理世界有法规、责任、环境和动作细节，生物世界有意识、伦理和生命不确定性。因此，真正需要读者记住的不是那些时间数字，而是他的分层方法：信息、物理、生物不是同一个问题，不能因为信息智能进展很快，就把速度直接外推到家庭机器人或意识上传。
听完原文后再提炼：这期节目的三个核心判断
AGI 是跨世界的接口工程
文字和图像解决的是信息接口，机器人解决环境与动作接口，脑机接口解决生命接口；每层都要重新面对反馈与责任。
身体形态服从场景
工业机器人不必像人，家庭机器人可能需要更像人；通用后台不等于通用身体，更不等于通用商业价值。
时间表是分层的
五年、十年和二十年分别对应信息、物理和生物智能的不同门槛，不能合并成一个“AGI 已近在眼前”的单一预测。
我的概括是：张亚勤在回答“AGI 是什么”时，实际上把“智能”从一个模型能力名词改写成了三个世界之间的连接能力。模型能写出答案，只说明它连接了信息；车辆和机器人能在真实环境里稳定行动，才说明它连接了物理；脑机接口能安全地改变或修复生命状态，才说明它开始连接生物。这个拆分让讨论更具体，也让乐观叙事暴露出更多需要验证的接口。
问题重述：为什么信息智能的突破不能直接推出通用物理智能
读完访谈后，最容易误解的地方是把“一个大模型作为共同后台”理解成“所有机器人会自动通用”。共享模型确实可以降低不同任务之间的重复工作，但机器人仍要通过摄像头、触觉、关节、轮子、机械臂和安全机制接收世界反馈。一个模型理解“把衣服送去干洗”，不等于它已经知道门把手的阻力、楼梯的高度、湿衣服的重量和陌生人的反应。
因此，物理智能的真正问题不是模型会不会说，而是它能否在一组明确的物理约束下，以可接受的失败率完成动作，并且把失败变成可定位、可回滚、可修复的系统事件。生物智能的门槛则更高：即使技术能读取或刺激神经，也不能从“信号可测”直接推出“意识可复制”或“寿命必然延长”。
机制拆解：三层智能如何逐步把接口推向真实世界
| 层次 | 连接对象 | 节目中的第一批应用 | 主要瓶颈 | 访谈时间判断 |
|---|---|---|---|---|
| 信息智能 | 文本、图像、视频、代码 | 写作、数学、编程、多模态生成 | 推理、事实、知识抽象和评价 | 约五年接近人类信息能力 |
| 物理智能 | 汽车、机器人、工厂、家庭、道路 | 自动驾驶、工业机器人、服务机器人 | 数据、corner case、动作、安全、法规 | 自动驾驶先成熟；高水平人形约十年 |
| 生物智能 | 大脑、器官、细胞、生命科学 | 医疗修复、脑机接口、药物研发、增强 | 神经接口、临床验证、伦理、意识和寿命 | 约二十年出现重要连接 |
| 融合形态 | 信息、物理、生物的闭环 | 人机共生、寿命延长、新型智能个体 | 治理、分配、责任与人类控制 | 三十年至一百年的思想实验 |
这张表不能被当作预测模型，它更像一张问题地图。每向右推进一层，系统就要从“回答正确”承担更多现实后果：车辆可能撞人，机器人可能损坏物品，医疗系统可能伤害患者，脑机接口可能改变人的身体和自我感。所谓 AGI 进展，必须同时提高能力和控制能力。
证据审计：事实、嘉宾判断和远期想象要分开
| 内容 | 证据等级 | 正确读法 |
|---|---|---|
| 张亚勤的经历、AIR 身份与微软亚洲研究院背景 | 官方机构资料支持。 | 可以核对人物和机构背景；不等于其所有未来判断都获得机构背书。 |
| 信息—物理—生物三层智能，以及 AIR 的产业方向 | 节目观点，并有 AIR 公开演讲中的相近框架可交叉核对。 | 这是张亚勤长期使用的路线图和研究组织方法，不是行业公认的唯一分类。 |
| Waymo 已提供无人驾驶出行服务、自动驾驶产业存在服务/整车/芯片分工 | Waymo 官方资料支持前者；后者是节目中的产业分析。 | 可以说明自动驾驶已出现商业服务，但不能因此证明所有城市或所有路况都已解决。 |
| 大模型通过生成数据、常识、端到端和 RSR 加速具身智能 | 节目中的技术解释；方向有行业公开研究支持，具体收益未在节目中给出实验。 | 把它当作机制假设，不当作已经被统一 benchmark 证明的因果结论。 |
| 五年信息 AGI、十年人形机器人、二十年生物智能、百岁常态 | 嘉宾口述预测。 | 保留时间戳；截至今天仍不能用它们作为无条件时间表。 |
| 未来新物种、硅基与碳基融合、AI 是否有意识 | 哲学推演与个人立场。 | 可作为思想实验，不能当作生物学、神经科学或意识科学的事实。 |
术语解释：读者需要先知道的几个词
边界与反例：这期节目没有证明什么
- 信息模型在文字或多模态任务上表现强，不等于它已经具备可靠的物理常识、动作控制或安全责任能力。
- 自动驾驶在特定城市和服务范围内可用，不等于开放道路、极端天气、所有城市法规和所有商业模式都已解决。
- “共享一个大脑、前端不同”可能降低模型重复建设，但身体控制、数据分布、维护成本和事故责任仍可能让不同机器人像不同产品一样昂贵。
- 脑机接口能读取或刺激神经信号，不等于它能复制意识、永久延长寿命，或者让人类自动进入“新物种”。
- 所有时间表都受制于法规、成本、制造、临床、社会接受和安全验证；节目没有提供足以支持这些时间表的统计模型。
我的 insight：真正的 AGI 路线不是模型变大，而是接口成本不断下降
这期节目最有用的地方，不是“五年、十年、二十年”的数字，而是它提醒我们把智能进展放在接口成本上看。信息智能的接口成本主要是数据、算力和评价；物理智能还要付出传感器、身体、仿真、真实试错、法规和现场部署的成本；生物智能还要付出临床证据、伦理治理和对生命不可逆后果的成本。每向真实世界推进一层，模型能力只是一部分，接口成本才是决定速度的慢变量。
因此，我会用三个问题检查未来的 AGI 叙事：第一，系统连接了哪个世界，是否有可重复的反馈；第二，失败会伤害谁，是否有可验证的安全边界；第三，一次成功能否被复制到相邻场景，还是只能靠手工项目交付。只有当这三条线同时下降，信息智能才真正变成物理和生物智能。
如果未来几年大模型在信息任务上继续快速进步，但自动驾驶和机器人仍主要依赖大量场景专用工程、家庭任务无法形成稳定复购，且脑机接口只能在局部医疗修复上取得进展，那么“信息—物理—生物会顺序融合”的时间表就应显著放慢。反过来，如果同一后台模型能在多个身体和环境中稳定迁移，并在安全、成本和临床指标上持续超过专用方案，这张路线图的解释力才会增强。
证据边界与资料索引
本文第一部分以节目音频为主证据，以公开简介和章节信息定位论证顺序；公开资料用于核对人物身份、研究机构、自动驾驶服务和节目中出现的技术术语。第二部分是独立分析。节目中的预测、寿命数字、意识判断和新物种叙事均保留为嘉宾口述或思想实验。
- 原节目：小宇宙节目页；YouTube 视频；公开文字整理与书名校对。
- 人物与 AIR：清华 AIR 张亚勤创始院长介绍；AIR 关于 AI 大模型时代的公开演讲；AIR 关于物理世界和元空间（RSR）的演讲。
- 微软亚洲研究院：官方机构介绍。
- 自动驾驶：Waymo 官方 FAQ；Waymo 官方发展时间线。
- 生命科学方向：AIR 关于 AI 赋能生命科学的公开资料。
转写尾部的节目推广和重复告别不属于新的论点，已从原文重建中排除。