最孤独的朱松纯：反向押注

整个行业在争论"下一个SOTA模型什么时候出来"时，有一个人在问一个完全不同的问题：机器凭什么知道自己为什么做一件事？ 2026年7月，世界人工智能大会"思想者论坛"。当其他嘉宾在谈Agent商业化、谈Scaling Law还剩多少红利时，朱松纯做了两万字的演讲，题目叫《AI热潮的回望与反思》。他复盘了CV四小龙、元宇宙、百模大战、具身智能四轮泡沫周期，然后给出一句总结：算力信仰、数据信仰、大模型信仰，正在被现实逐一瓦解。 台下坐着的是刚刚融完新一轮大钱的创业者们。这句话不好听，但没人能当场反驳他——因为他是朱松纯。

一、简历为什么"扎眼" 先看履历，这份简历在华人AI学者里几乎无可挑剔： 中科大少年班出身 哈佛大学计算机博士，师从数学大师、菲尔兹奖得主大卫·曼福德（David Mumford）； 三次马尔奖 （Marr Prize，计算机视觉领域最高奖，含荣誉提名），斯隆奖、赫尔姆霍茨奖、IEEE Fellow，两度担任CVPR大会主席； 在UCLA统计系与计算机系任教近二十年，任计算机视觉、认知、学习与自主机器人中心主任； 2020年9月，以"国家战略科学家"身份举家回国，创办北京通用人工智能研究院（BIGAI）并任院长，同时出任北京大学人工智能研究院院长、智能学院院长，清华大学基础科学讲席教授。 更值得注意的是他的师承脉络。曼福德是把统计建模引入计算机视觉的人——朱松纯在博士期间参与了这场对"规则驱动"旧范式的挑战。也就是说，他不是第一次逆主流而行了。三十年前他反对规则系统，深度学习起来后他反对纯数据拟合，他这辈子干的事，用他自己的话说，是"追问智能的本质，而不是追问指标的高低"。 二、核心判断：大模型是"缸中之脑" 朱松纯对主流路线最著名的批评，浓缩在两个比喻里。 ▍鹦鹉与乌鸦 2017年他就提出这个分野：鹦鹉能学人说话，但不懂含义；乌鸦会观察环境、理解因果、制定计划——把坚果放到车流上让车轮碾开。前者的智能建立在统计模仿上，后者的智能建立在对物理世界的真实理解上。大模型走的是"大数据、小任务"的鹦鹉范式，而他主张的是"小数据、大任务"的乌鸦范式。 ▍缸中之脑 2024年出版《为机器立心》，他把大语言模型定性为：能说话，但不懂世界——缺乏从"词语"到"世界"的真实联结。一个语言模型可以流畅地描述"打翻的牛奶会弄脏地毯"，但它从来没有"心疼过"那条地毯，也不知道"为什么要擦掉它"。 这两句话背后，是他对AI的一个更深层的判断，他称之为AI的"暗物质"：人类智能里真正重要的部分——价值、因果、意图、社会规范——潜藏在感知数据的表象之下，传感器采不到，互联网语料里也采不全。他认为一个通用智能系统的构成是"九分主观、一分客观"：感知只是入口，价值系统才是发动机。 所以他有句口号式的话："让智能体真正理解什么是'应该做'，而不是仅仅'能够做'。"这就是"为机器立心"——V系统驱动U系统，价值驱动理性。 三、CUV架构与"通通"：路线落地了吗 光有批评没有作品，就是键盘侠。朱松纯团队交出的东西分三层。 ▍理论层：CUV框架 C是认知架构，U是能力系统（表征技能的势能函数），V是价值系统（驱动行为的内在动机）。这个发表于中国工程院院刊《Engineering》的框架，试图统一AI历史上三类知识表达——神经向量、概率结构、符号逻辑，团队称之为"全球首个定义和描述AGI的统一数学空间"。朱松纯还把AGI创新分成五个层次：哲学、数理框架、模型、算法、执行——他的评价是，当前产业界99%的创新挤在后两层，而真正的原创必须往前三层追溯。 ▍系统层：通用智能人"通通" 2024年1.0版入选中关村论坛重大科技成果，2025年写入北京市政府工作报告；2026年3月，3.0版亮相：空间智能（区分3D虚拟空间与2D视频流）、认知智能（自主规划与并行任务管理）、社交智能（识别他人意图、进入多智能体"AI小镇"协作）三大维度升级。一个五、六岁儿童心智的数字小女孩，会在牛奶洒了之后自己"眼里有活"地去擦。 ▍评测层：通智测试GSA 按团队口径，"通通"在涵盖物体理解、空间智能与社会活动的八类测试中总排名第一，六项细分任务超越GPT-5、o3、Gemini-2.5-Pro。2025年，Science两次报道了"通通"及"从AGI个体走向AGI社会"的路径。 此外还有通用操作系统TongOS、编程语言TongPL、具身智能引擎"通脑"，以及一个在武汉完成518平方公里全域建模的大型社会模拟器——朱松纯称之为"社会学的实验室"。 四、冷静的分析：三个不能回避的追问 写到这里，按本青的惯例该吹了。但这个题材恰恰需要克制，因为三个追问都成立。 第一，评测的裁判是谁？"通通"总排名第一的结论来自通智测试GSA——这套评估体系是BIGAI自己牵头制定的。用自己定义的考卷考自己出的题，分数再高也难免"既当运动员又当裁判员"的质疑。评测口径需要第三方独立复现，这条路才真正立得住。 第二，仿真环境会不会是新的"温室"？"通通"的能力验证主要在AI小镇——一个物理和交互特性高度仿真的虚拟世界。仿真到现实的鸿沟（sim-to-real gap）是具身智能公认的老大难。大模型阵营可以反驳：你在完美仿真里养出来的"因果推理"，到了开过盖的牛奶、打滑的地板、不讲理的人类面前，还剩几成？ 第三，商业化闭环还没跑通。腾讯科技在WAIC的深度对话里直白地问出了这个问题：在"通通"尚未跑通商业化闭环之前，这条路线究竟代表前瞻的技术判断，还是一场待验证的学术下注？认知架构路线在AI历史上有前科——SOAR、ACT-R都是辉煌过的心智架构，最终都没能成为产业主流。押注"这次不一样"需要的不只是信念。 同时也要说句公道话：他有押对的前科。2017年提出乌鸦范式时，正是一切资源涌向深度学习的年代；2026年他复盘的四轮泡沫（CV四小龙、元宇宙、百模大战、具身智能扎堆），也确实部分应验了投入巨大、盈利困难的判断。反过来看大模型阵营——Scaling Law的极限讨论了两三年，GPT-5、Gemini一代代迭代下来，"规模即智能"的叙事同样在松动。两边都没赢。 五、为什么值得每个AI从业者关心 抛开胜负，我认为朱松纯的存在至少提出了三个行业级问题。 1. "理解"和"匹配"是不是一回事？大模型阵营的标准回应是：语言本身就承载了世界的结构，学好了语言就约等于理解了世界。朱松纯的反驳是：没有行动动机的系统，永远无法回答"我为什么要做这件事"。这不是工程分歧，是智能定义权的分歧——而这个分歧短期内不会有判决。 2. AGI竞赛比的是什么？他在2026通用人工智能大会上说：AGI竞争的本质是架构之争——认知架构、系统架构、芯片架构三个层面。换句话说，他不认为Transformer是终点，真正的终局是"原创认知架构转化为全新芯片架构"。这个判断无论对错，都在提醒所有人：当前的大模型军备竞赛可能只是AGI问题的"算法层"，而不是"哲学层"。 3. 中国AI的原创空间在哪？他有一句话传播很广："我们常说的'卡脖子'，卡住的不是脖子，而是脖子以上的思想与认知。美国提出概念，我们解释概念；美国形成趋势，我们论证趋势。"无论是否认同CUV路线，"中国AI需要自己定义问题"这个主张，比任何具体技术路线都重要。 写在最后 朱松纯用"登珠峰vs探月"比喻大模型和通用人工智能的距离：珠峰是地球上的最高点，但登顶珠峰不等于登上月球——你在现有范式里做到极致，不等于你在逼近另一个目标。 这个比喻可以反过来用在他自己身上：探月工程也需要火箭工程学的每一步积累。CUV和Transformer未必是零和选择——大模型继续解决"语言与知识"的规模问题，认知架构补上"价值与因果"的结构问题，两条线最终可能在某个具身系统里汇合。 三十年前，他把统计引入视觉，站在了整个领域的对立面，后来他赢了。这一次他站在大模型的对面，赌注是"机器的心"。 输赢未知。但一个健康的AI行业，需要有人问这种没人愿意回答的问题。