Auf dem Beijing Zhiyuan-Konferenz am 12. Juni kamen der Direktor des Beijing Zhiyuan AI Research Institute, Wang Zhongyuan, die MiMo-Large-Model-Lead von Xiaomi, Luo Fuli, der Professor für Informatik an der Tsinghua-Universität und Mitgründer von MianBi Intelligence, Liu Zhiyuan, der stellvertretende Direktor des AI Research Institute der Tsinghua-Universität und Gründer von ShengShu Technology, Zhu Jun, sowie der Präsident der Nanyang Technological University, An Bo, zu einem Gipfel-Dialog über Chinas Large-Model-Industrie zusammen. Die Diskussion ging darauf ein, wie junge Menschen mit Angst und Unsicherheit inmitten rascher AI-technologischer Iteration umgehen können. Vor dem Hintergrund einer beschleunigten AI-Entwicklung — von Anthropics neuestem Large Model Claude Fable 5 bis zum explosionsartigen Wachstum intelligenter Agenten — untersuchten die Panelisten Möglichkeiten der AI-Selbstentwicklung, zukünftige Szenarien von World Models sowie Strategien, um sich an eine Ära anzupassen, in der die Geschwindigkeit technischer Iteration die kognitiven Grenzen der menschlichen Intelligenz neu definiert.
KI, die KI erschafft, wird zum Trend
Während Large Models noch dabei waren, das menschliche Denken zu erfrischen, zeichnete sich ein noch disruptiverer Trend ab — KI begann, KI zu erstellen.
„Letztes Jahr haben die führenden Large Models nur noch hochpräzise Ausführungen in Szenarien mit klaren Anweisungen erreicht, aber jetzt haben sich die Fähigkeiten der führenden Modelle auf abstraktes Problemlösen ausgeweitet“, beobachtete Luo Fuli. Aktuelle Large Models können die Kernprozesse wissenschaftlicher Forschung abarbeiten, darunter die Planung experimenteller Abläufe und die Verifikation von Ergebnissen aus der Ausführung, und die zentrale Lücke zu Top-Wissenschaftlern wird kleiner.
Liu Zhiyuan sagte, der Kern der industriellen Revolution sei gewesen, dass Maschinen menschliche körperliche Arbeit ersetzen, wobei die ultimative Form darin besteht, dass Maschinen Maschinen herstellen; der Kern der intelligenten Revolution sei, dass KI repetitive menschliche geistige Arbeit ersetzt, und „KI, die KI erschafft“, sei das zentrale Zeichen dafür, dass die intelligente Revolution eine fortgeschrittene Phase erreicht.
Seiner Ansicht nach brauchte die industrielle Revolution Hunderte Jahre, um autonome Maschinenfertigung zu erreichen, während Large Models erst nur sechs bis sieben Jahre nach ihrem Auftreten in die Phase der autonomen KI-Iteration eingetreten seien — und die Geschwindigkeit der technologischen Iteration deutlich über die einer traditionellen industriellen Revolution hinausgehe.
„In der aktuellen Phase ist der entscheidende Treiber der rekursiven Selbstentwicklung von KI weiterhin der Mensch“, erklärte Liu Zhiyuan. Das aktuelle technische Modell werde vom Menschen geführt, wobei KI dabei helfe, die Forschung und Iteration von Modellen zu vervollständigen. Selbst wenn in Zukunft hochstufige autonome KI-Iteration erreicht werde, blieben Subjektivität und Initiative des Menschen unersetzlich — letztlich brauchen die Forschungsrichtung von KI und ihre zentralen Ziele, um der Gesellschaft zu dienen, immer eine menschliche Definition, was die Kernbeziehung zwischen Menschen und KI ist.
Zwei Tage zuvor hatte Anthropic offiziell Claude Fable 5 veröffentlicht und damit bedeutende Sprünge bei Codierfähigkeit und Fähigkeiten intelligenter Agenten erzielt — eine vollständige Repository-Migration eines 50-Millionen-Zeilen-Codebases, für die ein menschliches Team einen Monat benötigt, dauert Fable 5 nur einen Tag. Dieser Meilenstein wurde zum ersten Fokuspunkt dieser Diskussion.
„Fable 5 ist immer noch ein Zwischenprodukt“, sagte Luo Fuli. In ihrer Sicht ist der Weg des kontinuierlichen Scaling von Large Models noch lange nicht an einem Halt angelangt. „Fable 5 steht für eine natürliche Expansion von Large Models in drei Dimensionen: Erstens erreicht die Größe der Pre-Training-Parameter ein mehrstufiges Scaling; zweitens erhöhen sich Scaling in der Inferenzzeit und der Einsatz von Rechenleistung für Reinforcement Learning deutlich; drittens entwickelt sich die Trainingsdatenbasis von natürlichem Internet-Text zu einer neuen Phase synthetischer Daten, die gemeinsam von Menschen und intelligenten Agenten erzeugt werden.“
Aus Sicht des Professors der Tsinghua-Universität und Gründers von ShengShu Technology, Zhu Jun, unterscheiden sich die Anforderungen je nach Szenario, und nicht in allen Szenarien werden extrem präzise Modellfähigkeiten benötigt — in den meisten konventionellen Szenarien kann man „landen“, indem man auf das intuitive Verständnis der Modelle setzt, was auch der zentrale Wert ist, den Large Models mitbringen.
Zhu Jun sagte, angesichts der hitzigen Branchen-Diskussion über Agenten (intelligente Agenten) und die Probleme der Code-Problem-lösung, die große Mengen an Tokens (Wortelementen) verbrauchen, würden neuere Versionen von Modellen den Token-Verbrauch für äquivalente Aufgaben deutlich reduzieren — das sei die richtige Richtung für die Entwicklung der Branche.
Seiner Ansicht nach bleibt das Skalierungspotenzial von Video-Modellen und World Models enorm. „Die aktuelle Ansammlung physischer Daten, dateneffiziente Nutzungstechnologien, Optimierungen der Modellarchitektur und andere Richtungen fangen allesamt gerade erst an — und in der Zukunft gibt es ein extrem großes Feld für Erkundung und Verbesserungen.“
Innovation geht oft gegen den Konsens
Da sich die AI-Technologie rasch weiter iteriert, geraten viele junge Menschen in Angst — Technologie-Updates sind zu schnell, Wissens-Iteration ist häufig, traditionelle Fähigkeiten und Berufe verändern sich kontinuierlich. Wie soll man reagieren?
Aus Sicht von Luo Fuli übersteigt die Iterationsgeschwindigkeit von Large Models und intelligenten Agenten die Erwartungen aller, und die Fähigkeitsgrenzen sowie das Arbeitsteilungsmodell zwischen Menschen und KI ändern sich fortlaufend.
„Meine wichtigste Empfehlung an junge Menschen lässt sich auf einen Punkt reduzieren: Behalte stets den Entdeckerdrang und die Neugier. Nutze die modernsten KI-Tools extrem konsequent, und entwickle dabei im Rahmen kontinuierlicher Versuche-und-Irrtümer Urteilskraft und wissenschaftliche Forschungsästhetik, die nur dir selbst eigen ist. In einer Ära schneller technischer Transformation sind einzigartige Kognition, Urteilsvermögen und Ästhetik der wichtigste und unersetzbarste Wettbewerbsvorteil junger Menschen“, sagte Luo Fuli.
Zhu Jun ist der Ansicht, dass sich KI-Technologie täglich verändert, alle Praktiker kontinuierlich lernen und kontinuierlich iterieren müssen, und niemand unverändert bleiben kann. Je mehr man in der Flut der technologischen Transformation steht, desto wichtiger muss man die eigene Grundlage festigen — das sei der Kernwettbewerbsvorteil, um auf Veränderungen in der Branche zu reagieren. „Wir setzen uns dafür ein, eine AI-native Wachstumsumgebung zu schaffen, damit Studierende KI von Anfang an in den Lernprozess einbeziehen und gut damit arbeiten können. Niemand muss übermäßig ängstlich sein — alle befinden sich an derselben Startlinie; Branchen-Vorgänger, Praktiker und Studierende lernen und aktualisieren synchron. Veränderungen aktiv anzunehmen und dabei kontinuierlich tiefgehend zu kultivieren, ist die beste Wachstumsstrategie.“
Liu Zhiyuan riet: Erstens, zuerst wagen und Innovation wagen. AGI und die intelligente Revolution sind völlig neue, unbekannte Territorien, und echte Innovation „geht oft gegen den Konsens“ — man macht Dinge, die nicht konsensfähig sind. In unerforschten Gebieten zu versuchen und differenzierte Entscheidungen zu treffen, kann zukünftige Chancen sichern.
Zweitens, an der ursprünglichen Absicht festhalten und durchhalten. Differenzierte innovative Entscheidungen werden zwangsläufig von Zweifel und Verneinung begleitet. Ob man Druck standhält und bei der tiefen Kultivierung beharrt, ist der Schlüssel, um Engpässe zu durchbrechen und Ergebnisse zu produzieren.
Drittens, die eigene angeborene Kognition durchbrechen und sich kontinuierlich selbst innovieren. Nach der Erzielung phasenweiser Ergebnisse sollte man nicht starr an den bisherigen erfolgreichen Pfaden festhalten. Man sollte Trends in der Branche proaktiv erkennen, eigene Erfahrungsgewohnheiten negieren und völlig neue Richtungen erkunden, um den Rhythmus der technologischen Iteration fortlaufend mitzunehmen.
„Die Angst vieler junger Menschen entsteht im Grunde aus einer übermäßig utilitaristischen Denkweise. Wenn Lern- und Arbeitsziele nur aus hohen Gehältern und dem Folgen angesagter Trends bestehen, gerät man in passive Angst“, sagte An Bo.
Seiner Ansicht nach sollten junge Menschen erstens die richtige Bahn wählen und Kernprobleme tiefgehend kultivieren, mit Fokus auf wertvolle und bedeutungsvolle Forschungsrichtungen, um ineffektive interne Konkurrenz zu vermeiden. Zweitens schwächt sich der Wert akademischer Zeugnisse ab. Der heutige wirklich zentrale Wettbewerbsvorteil sind praktische Fähigkeiten und zukunftsweisende Kognition — selbst ohne hohe akademische Qualifikationen kann man durch tiefgehende Kultivierung von Frontline-Forschung und durch das Sammeln praktischer Erfahrung schnell wachsen. Schließlich kann man mit „Solo“ nicht mehr mit dem Tempo der Industrie Schritt halten. Man sollte proaktiv Gleichgesinnte suchen, Kommunikationsgemeinschaften bilden und bei auftretenden Problemen rechtzeitig kommunizieren und diskutieren, um Selbstverbrauch innerhalb des eigenen Systems zu vermeiden.
FAQ
Was hat Luo Fuli den jungen Menschen auf der Beijing Zhiyuan-Konferenz am 12. Juni geraten?
Luo Fuli riet jungen Menschen, stets den Entdeckerdrang und die Neugier zu bewahren, modernste KI-Tools extrem zu nutzen und im Prozess kontinuierlicher Versuche-und-Irrtümer Urteilskraft sowie wissenschaftliche Forschungsästhetik zu kultivieren, die nur ihnen selbst eigen ist. Sie sagte, dass in einer Ära schneller technischer Transformation einzigartige Kognition, Urteilsvermögen und Ästhetik der wichtigste, unersetzbare Wettbewerbsvorteil junger Menschen seien.
Welche technischen Fähigkeiten zeigt Claude Fable 5 laut der Podiumsdiskussion?
Laut der Diskussion erzielte Claude Fable 5 bedeutende Sprünge bei Codierfähigkeit und Fähigkeiten intelligenter Agenten. Eine vollständige Repository-Migration eines 50-Millionen-Zeilen-Codebases, für das ein menschliches Team einen Monat benötigt, nimmt Fable 5 nur einen Tag in Anspruch. Luo Fuli beschrieb Fable 5 als Repräsentant einer natürlichen Expansion von Large Models in drei Dimensionen: Die Größe der Pre-Training-Parameter erreicht ein mehrstufiges Scaling, das Scaling in der Inferenzzeit und der Einsatz von Rechenleistung für Reinforcement Learning steigen erheblich, und die Trainingsdaten entwickeln sich von natürlichem Internet-Text zu synthetischen Daten, die gemeinsam von Menschen und intelligenten Agenten erzeugt werden.
Wie beschrieb Liu Zhiyuan die Beziehung zwischen Menschen und KI im Prozess der Selbstentwicklung?
Liu Zhiyuan sagte, dass in der aktuellen Phase der zentrale Treiber der rekursiven Selbstentwicklung von KI weiterhin der Mensch sei, wobei das aktuelle technische Modell vom Menschen geführt werde und KI dabei helfe, die Forschung und Iteration von Modellen zu vervollständigen. Er betonte, dass selbst wenn in Zukunft hochstufige autonome KI-Iteration erreicht werde, die Subjektivität und Initiative des Menschen unersetzbar blieben — letztlich brauchen die Forschungsrichtung von KI und ihre zentralen Ziele, um der Gesellschaft zu dienen, immer eine menschliche Definition, was die Kernbeziehung zwischen Menschen und KI sei.
