2025智源大会：图灵奖得主领衔，共探AI进化新路径

AI资讯
1

2025智源大会将汇聚图灵奖得主及全球AI专家，聚焦深度学习、强化学习、具身智能等前沿领域，共探AI未来发展。

原文标题：四位图灵奖掌舵：2025智源大会揭示AI进化新路径

原文作者：机器之心

冷月清谈：

2025年智源大会将于6月6-7日在北京举行，大会汇聚四位图灵奖得主及全球顶尖研究者，围绕人工智能基础理论、应用探索、产业创新、可持续发展四大主题，设立近20场专题论坛，涵盖深度推理模型、多模态模型、具身智能与人形机器人等多个领域，展示全球AI研究与产业发展的最新趋势与成果。大会还将设立“大模型产业CEO论坛”和“InnoVibe共创场”，助力AI产业创新和新生代人才培养。深度学习与强化学习的交汇融合，以及开源生态的加速发展，将成为大会的重要议题。

怜星夜思：

1、文章提到深度学习和强化学习的融合是AI发展的重要方向，你认为除了这两者，还有哪些技术或理论可能成为下一代通用人工智能的基石？
2、智源大会设立了“大模型产业CEO论坛”，你认为目前大模型产业发展面临的最大挑战是什么？是技术瓶颈、商业模式，还是伦理问题？
3、大会还推出了“InnoVibe 共创场”，为AI青年提供展示平台。你认为对于AI领域的年轻研究者来说，目前最大的机遇和挑战分别是什么？

原文内容

2025 年 6 月 6-7 日

中国，北京

这个初夏

四位图灵奖得主

与全球创新力量共赴智源大会

即刻报名，探寻 AI 时代的无尽边域


2006 年，多伦多大学 Geoffrey Hinton 教授等人提出逐层预训练方法，突破了深层神经网络训练的技术瓶颈，为深度学习的复兴奠定了基础。


强化学习作为智能体与环境交互的学习范式，其核心思想早于深度学习兴起。2013 年 DeepMind 提出的 DQN 已初步实现深度学习与强化学习的结合，而 2016 年 AlphaGo 的成功则将深度学习与强化学习的融合推向公众视野，显著提升了这一交叉领域的关注度。


在 AI 发展史上，连接主义（以神经网络为代表）与行为主义（以强化学习为代表）虽源自不同理论脉络，但二者的技术交叉早有端倪。这两条主线原本独立成长、各自发展，如今交织融合，万宗归一，共同构成了下一代通用人工智能的基石。


6 月 6 日，关于深度学习和强化学习的探讨，将在 2025 智源大会继续开展，如「双星交汇」般的时空对话，总结过往、共探智能之谜的终极答案。


与此同时，推理大模型的兴起、开源生态的加速、具身智能的百花齐放，成为 2025 年 AI 发展的关键词。DeepSeek 掀起新的开源热潮，VLA 等开源模型推动具身智能迅速演进，创新企业不断涌现，构建起多元而活跃的 AI 产业生态。


第七届北京智源大会将于 2025 年 6 月 6 日至 7 日在中关村国家自主创新示范区展示中心举行。作为人工智能领域的顶级学术峰会，大会汇聚全球顶尖研究者，分享最新成果、洞察关键趋势。自 2019 年创办以来，已有 12 位图灵奖得主参与，每年吸引 200 余位专家参会，联动全球 30 多个国家和地区的 50 万从业者，被誉为「AI 内行春晚」。


今年论坛，智源大会将围绕人工智能基础理论、应用探索、产业创新、可持续发展四大主题，设立近 20 场专题论坛，涵盖深度推理模型、多模态模型、具身智能与人形机器人、自主智能体、下一代 AI 路径探索、脑启发、AI for Science（AI4S）等多个领域，全面展示全球 AI 研究与产业发展的最新趋势与成果，促进跨领域交流与合作。


智源大会不仅是思想的盛宴，更将是一场 AI 内行人的专属派对。2025 年智源大会将迎来四位图灵奖的获得者，他们引领着人类智能科学的发展。大会云集来自 MIT、斯坦福、清华、北大等 20 + 海内外顶尖科研院所的科学家们，他们将与 DeepMind、Linux、华为、阿里、腾讯、百度等国内外 AI 领军企业的行业专家一道，共同探讨人工智能的前沿趋势与未来走向。


大会特别设立「大模型产业 CEO 论坛」，邀请智谱 AI、面壁智能、生数科技、爱诗科技等大模型企业的 CEO，探讨大模型产业演进与创新路径。同期首次推出「InnoVibe 共创场」，邀请 2025 年 AI 领域热门论文的作者分享最新研究成果，为 Z 世代 AI 青年搭建一个表达自我、思想碰撞的开放舞台，助力新生代 AI 人才脱颖而出。此外，现场设置了 AI 互动展区，诚邀参会者零距离感受 AI 前沿科技的魅力。


当深度学习与强化学习交汇共振，当世界顶尖学者与产业领袖思想激荡，当前沿理论直面现实挑战 ——2025 智源大会，将与全球 AI 同行共同把握技术跃迁的时代脉搏，洞见智能未来的无限可能。


直击 2025 年 AI 最前沿的 20 个议题


基础理论


  • 深度推理模型

  • 多模态模型

  • 下一代 AI 路径探索

  • NeuroAl：脑启发的下一代人工智能

  • 类脑大模型


应用探索


  • AI 系统和开源

  • 具身智能与人形机器人

  • 自主智能体 —— 迈向通用智能的必由之路

  • AI 与科学的共生未来

  • Al + 理工 & 医学


产业创新


  • 大模型产业 CEO 论坛

  • 智能驾驶

  • 具身技术与产业应用

  • 从 Al for Science 到 Al for Industry


可持续 AI


  • AI 安全

  • 青年科学家发展与创新动能


特色活动


  • PyTorch Day China

  • InnoVibe 共创场

  • AI 开源项目 Tech Tutorial 系列活动


完整日程将陆续更新：https://2025.baai.ac.cn

2

同意楼上的观点，深度学习和强化学习只是冰山一角。个人觉得，类脑计算（Neuromorphic Computing）会是未来的一个突破口。通过模仿人脑的结构和工作方式，或许能创造出更智能、更高效的AI系统。另外，量子计算在算力上的巨大潜力，也可能为AI带来革命性的变革。

3

我觉得是伦理问题。大模型的能力越来越强，潜在的风险也越来越大。比如，AI生成的内容可能被用于传播谣言、进行欺诈等等。如果我们不重视伦理问题，可能会给社会带来不可估量的危害，必须建立完善的监管机制，确保AI技术被用于正途。

4

机遇在于，现在AI领域正处于高速发展期，机会非常多。只要你有想法、有能力，就能在这个领域找到自己的位置。挑战在于竞争非常激烈，优秀的人才太多了。要脱颖而出，不仅要技术过硬，还要有创新精神和团队合作能力。

简单来说，就是“遍地黄金，但也要有挖金子的本事”。

5

毫无疑问商业模式啊！技术再牛，不能赚钱都是白搭。现在的大模型烧钱太厉害了，训练一次的成本就高得吓人。 要让这个产业持续发展，必须找到可持续的商业模式，比如To B服务、内容创作等等。如果一直靠VC砸钱，早晚会玩完。

6

技术瓶颈肯定是存在的，虽然现在大模型看起来很厉害，但很多时候还是在重复人类已有的知识。 要想真正突破，还需要在算法、数据等方面进行创新。另外，大模型的部署和优化也是一个挑战，如何在保证性能的前提下，降低运行成本，也是需要解决的问题。

7

机遇就是可以和一群志同道合的小伙伴一起搞事情！挑战就是，理想很丰满，现实很骨感。科研的道路是孤独的，需要耐得住寂寞，才能有所成就。

用一句鸡汤来总结：道阻且长，行则将至，行而不辍，未来可期！

8

深度学习和强化学习的融合确实很有潜力，但感觉要实现通用人工智能，还得考虑以下几个方面：
1. 知识表示和推理： 目前的AI在处理复杂知识和进行逻辑推理方面还比较弱，需要更有效的知识表示方法，比如知识图谱和符号推理。
2. 常识推理： 这点太重要了，没有常识的AI就像个书呆子，啥都懂一点，但啥都不会用。要让AI更好地理解世界，必须让它具备常识推理能力。
3. 可解释性： 现在很多AI模型都是黑盒，我们不知道它为什么做出某个决策。要让AI真正被信任和使用，必须提高其可解释性。
4. 终身学习： 人类可以不断学习新知识，并将其与已有知识融合。AI也需要具备终身学习的能力，不断进化。
5. 多模态融合 现在的模型大多还是单模态的，要实现通用人工智能，需要能够理解和处理多种模态的信息，比如图像、文本、语音等等。

9

最大的机遇是能站在巨人的肩膀上，前人已经做了很多铺垫，我们可以在他们的基础上进行创新。最大的挑战是信息爆炸，要学习的东西太多了，很容易迷失方向。所以，要保持好奇心，不断探索，找到自己真正感兴趣的方向。

10

与其说是技术点，不如说是思维方式的转变。现在大家都喜欢用大数据喂AI，但有没有考虑过，人类的学习方式其实更偏向小样本学习？ 我们是不是应该研究如何让AI在少量数据的情况下，也能快速学习和适应新环境？这可能比单纯追求模型规模更重要。