2025年，六个人拿了工程界的”诺贝尔奖”——伊丽莎白女王工程奖。
Hinton、LeCun、Bengio，三个被叫做”深度学习教父”的人。黄仁勋，造GPU的。李飞飞，造ImageNet的。Bill Dally，英伟达首席科学家。
他们围坐在一起聊了半个小时。
我看完了全程录像。最让我着迷的，不是他们说了什么共识性的话——而是他们对AI的未来，几乎没有共识。
黄仁勋：这不是泡沫，AI 工厂才刚开始建
主持人开门见山问了那个所有人都想问的问题：这是不是泡沫？
黄仁勋的回答很干脆。他先拿互联网泡沫做了个对比：当年泡沫破裂，是因为铺下去的光纤绝大多数是”暗”的——部署的远比用掉的多。但今天，几乎所有能找到的GPU都被点亮了。
然后他说了一句我觉得是整场最值得记住的话：
“AI需要工厂来生产token，来产生智能。我们创造了一个需要工厂的行业。”
他的逻辑是这样的：过去的软件是预编译的，算力需求不大。但AI不一样——AI的智能必须实时生成，不能提前造好再检索。每一次你跟AI对话、每一次它帮你写代码、帮你做决策，背后都有一座工厂在运转。
所以他的结论是：我们不是在泡沫里，我们是在建设的初期。 大多数人今天还不怎么用AI，但总有一天，你一天中每个时刻都会跟AI打交道。从现在的低使用量到未来的持续使用，这中间的增长空间，才是真正的故事。
Bill Dally也站在同一边。他列了三个趋势：模型越来越高效——从直接注意力到GQA到MLA，同样的效果花的算力越来越少，这反而刺激了更多需求；模型越来越强，不管是继续用Transformer还是出现新架构，我们不会倒退；最关键的第三条——应用才刚刚触及表面，我们可能只到了最终需求的1%。
1%这个数字让我停了一下。如果他说的是对的，那意味着现在全球疯狂建设的AI算力，放到五年后来看，可能只是开胃菜。
LeCun：指望 LLM 一路扩展到人类智能，那才是泡沫
LeCun的回答，是整场我听到的最清醒的一段。
他先认了黄仁勋说的那一半——当前LLM确实有大量应用场景可以开发，基础设施投资不是浪费。但紧接着话锋一转：
“从某种意义上说，确实存在泡沫——就是那种认为当前LLM范式将被推向达到人类智能水平的想法。我个人不相信。”
他说我们连一个像猫一样聪明的机器人都造不出来。当今最强的语言模型，在基本的空间智能测试中仍然失败。
这意味着AI的下一步进展，不是单纯靠更多基础设施、更多数据、更多投资就能堆出来的。它本质上还是一个科学问题——我们还缺少一些关键拼图，目前连那块拼图长什么样都不知道。
LeCun一直在推他的JEPA架构，试图让机器不只是预测下一个token，而是学会理解物理世界的抽象表示。他觉得这才是通往真正智能的路。至于现在的LLM？好用，但到不了终点。
李飞飞在这一点上跟LeCun遥相呼应。她提醒了一个容易被忽略的事实：AI作为一门学科，满打满算不到70年历史。 她在圆桌上说，”我们走进这个房间，墙上挂着物理方程。物理学已经有400多年的历史了。”
这个类比很要命。物理学400年，从牛顿到爱因斯坦，中间经历了无数次”我们以为搞懂了”然后被推翻的过程。AI才70年——我们很可能还处在”牛顿之前”的阶段，最重要的定律还没被发现。
她还提出了一个具体的方向：空间智能。人类和动物拥有感知三维空间、在物理世界中推理和行动的能力，这远远超出了语言的范畴。而当今最强的语言模型，在基本的空间智能测试中就失败了。 这意味着我们可能连AI需要解决的问题的全貌都还没看到。
Bengio：ChatGPT 出来后，我把整个研究方向换了
Bengio是这六个人里态度转变最剧烈的。
他在圆桌上亲口说的原话，让我印象极深：
“两年半前ChatGPT问世之后，我意识到——如果我们造出了能理解语言、有目标的机器，但我们无法控制这些目标，会发生什么？如果它们比我们更聪明，会发生什么？如果人们滥用这种力量，会发生什么？”
“所以我决定，彻底改变我的研究议程和我的职业生涯，尽全力去应对它。”
这不是一个路人甲在表达焦虑。这是深度学习的共同发明人，一个图灵奖得主，看着自己亲手造出来的东西，觉得事情可能正在失控，于是把后半生全押在了”怎么管住它”这件事上。
他现在在做的事：推动国际AI治理框架、召集专家跟踪AI风险、在各国政府面前作证。从一个纯粹的能力研究者，变成了安全警钟的敲打者。
而Hinton的态度也值得一提。他是这六个人里最”中间派”的——一方面他说”我看不出有什么理由，在某个时候我们不能造出几乎能做我们所有事情的机器”，语气里带着科学家的笃定；但另一方面他马上加了一句：时间线上有巨大的不确定性，我们应该相应地规划。
他还给了一个具体的判断：如果把”能在辩论中永远赢过人类”作为AGI的标准，他认为20年内肯定能实现，可能更快。 但他同时强调，这不会是一个单一事件——能力会在不同领域逐步扩展，有些方面已经超过人类（比如翻译100种语言），有些方面还差得远。
一个说”终点一定能到”，但什么时候到、用什么方式到完全说不准。另一个说”到了可能更危险”。两个人表达的核心其实是同一件事——深层的不确定性。
同一项技术，三种完全不同的东西
这是整场对话最让我上头的地方。
他们谈的是同一项技术，却像在谈三种完全不同的东西：
黄仁勋看到的是新工业——AI需要工厂，工厂需要GPU，产能在指数级膨胀，一切按工业逻辑推演就好。
LeCun看到的是未完成的科学——现在的LLM再怎么堆也到不了真正的智能，最重要的发明还没诞生，下一步是科学突破。
Bengio看到的是失控风险——我们可能造出比人类更强但无法控制的东西，最紧迫的不是加速，而是刹车。
三个叙事，来自三个亲手造出这项技术的人。他们之间的分歧，不是细节上的，是对这件事本质的分歧。
这就引出一个不舒服的问题——
如果连奠基者都不知道终点在哪里，为什么资本市场表现得像AGI路线已经确定了？
英伟达市值冲上全球第一。科技巨头的资本开支像在军备竞赛。每一个VC的投资逻辑里，都暗含一个前提：只要投够钱、堆够算力，超级智能就会在某一天到来。
但这六个人告诉你的事实是：路线根本不确定。 一个说”按产能建就行”，一个说”你们建的东西到不了终点”，一个说”到了终点可能更危险”。
这种分歧不是学术上的吹毛求疵。如果LeCun是对的——LLM在某个点会撞上天花板——那现在按照”LLM无限扩展”逻辑定价的公司，估值里就含着一个巨大的假设风险。如果Bengio是对的——AI的安全问题会在能力提升的某个节点突然变得不可控——那整个行业可能在某一天面临类似核能级别的监管收紧。
当然，黄仁勋也可能是对的。GPU确实在被点亮，短期需求确实是真实的。但”现在有用”和”这条路能走到底”，是两个完全不同的命题。
市场把短期需求的确定性，偷偷等同于长期路线的确定性。这六个人坐在一起半小时，恰恰证明了——长期路线，连发明者自己都说不准。
落到我自己身上
我做AI产品一年多了，每天都在这种不确定性里过日子。
今天用的模型，明天可能被替代。今天依赖的上游，明天可能封你号、改架构、涨三倍价。
但正因为这样，我做Zaokit和企业侧服务的思路，从来都不是押注某一个模型或某一条路线。而是给自己和用户建一个”无论上游怎么变，我都能切换、都能兜底”的底座。
Zaokit帮你把想法跑成图文和PPT，不绑定单一模型（唯一网站：https://zaokit.app）。企业侧的cx.zaokit.com、cc.zaokit.com、tokenhub.zaokit.ai、gift.junxinzhang.com以及更多项目，是一套已经融进不少公司工作流、稳定靠谱、开箱即用的AI全家桶。
不确定性不可怕。可怕的是你以为路线已经确定了，然后all in了一条可能通往死胡同的路。
写在最后
这场圆桌最值得你记住的一点：
不是他们说了什么，而是他们没法达成一致这件事本身。
六个亲手造出这项技术的人，对”它能走多远”“它会变成什么”“它最大的威胁是什么”，给出了截然不同的答案。
投资人的PPT里，AI的未来是一条笔直的、向右上方延伸的曲线。简洁、清晰、不容置疑。
但你坐到造出它的人中间，会发现那条曲线根本不存在。有的只是一团浓雾，和在浓雾里朝不同方向摸索的六个人。
在这种级别的不确定性面前，我能做的事情很简单：别赌路线，赌自己的适应能力。
我是Jason，一个自己一个人做AI产品的创业者。这篇聊的是2025年伊丽莎白女王工程奖六位获奖者的公开圆桌对话。如果你也在AI的不确定性里摸索，欢迎聊聊。
相关阅读：
又被通杀了：养了三个月的号一夜清零，而 Claude Code 悄悄在你家门上做了记号