CES上杨元庆首谈AGI，碾压人类的叙事不会让AI更聪明 原创

如果你熟悉大语言模型机制，应该知道注意力计算的原理：通过计算不同token的注意力权重，来得出下一个token。按这个逻辑，联想科技大会堪称CES2026的"注意力之王"。英伟达黄仁勋、英特尔陈立武、高通安蒙、AMD苏姿丰，四位AI芯片玩家的掌舵者共同捧场，由联想集团CEO杨元庆一一引上Sphere（俗称大球，拉斯维加斯最具标志性的建筑物）的舞台。当这四个重量级人物同时把注意力投向联想，联想自然成了本届CES展会AI信息浓度最高的那家公司。

一个小故事可以说明这个景象。

去Sphere的路上，我选择了排队等出租车。当我告诉司机小哥说去Sphere的时候，他张口就问："Lenovo？"我问他怎么知道，他说已经送了很多人去参加这个活动，我已经是去得晚的了。"而当时，离会议正式开始，还有三个小时之多。这个大球吸引了几乎所有眼球。联想是FIFA 国际足联官方技术合作伙伴，所以大球上其中一个大会展示主题是足球。

大会有很多新产品技术发布，不过我决定换个方式来讲我的参会感受。

因为在大会第二天的媒体会上，杨元庆对我一个提问的回答，改变了我对这场大会的理解，也串联起了我对联想AI时代走向的思考。

1.杨元庆的回答

我的这个问题很简单，是问杨元庆，你怎么理解AGI也就是如何看待AI的所谓终极形态带来的技术社会影响？

之所以问这个问题，是因为关于AI的叙事，此前主要由大模型公司所主导。但是，其实想让AI更好落地，仅有大模型公司的表态绝对是不够的。所以，我一直在了解AI生态链不同角色公司的AGI理解。

联想，作为一家全球算力设备公司的意见就非常非常的重要。

因为无论如何，用户还是通过一个个硬件设备来体验、使用AI的。硬件设备，才是用户接触AI的第一个触点。回想2022年底，第一波大模型用户，就是在一台台PC上，通过访问一个网址，第一次感受到了ChatGPT的魔力。更不用说，模型自身也是在AI算力中心训练出来的。

联想恰好提供了不同类型、不同能量级别的算力设备，从个人电脑到边缘服务器，从数据中心到AI云工厂，最具代表性。

而杨元庆的回答多少有些出乎我的意料。他没有谈参数规模，没有谈算力需求，而是先质疑了AGI的主流定义。

在硅谷的主流叙事中，AGI被定义为"在所有方面都比人类强的通用智能"，下棋、做题、写文章、做科研、作诗作画，样样碾压人类。

杨元庆对此有两层质疑。

第一是技术路径。他说，沿着现在大语言模型这条路，是不是真能走到底？其实有比较大的疑问。

无独有偶。OpenAI联合创始人、GPT系列模型的核心缔造者Ilya Sutskever也表达过类似的提醒。去年11月，他在接受播客采访时就说：AI应该重新回到"研究时代"。当大语言模型的开创者本人都在反思这条路的局限，杨元庆的质疑就显得更有分量。

第二是AI的社会意义。他说，即使真的做到了，在很多领域都比人强的AI，它的意义又何在？

然后他用棋类运动打了个比方：机器下围棋、下国际象棋，早就比人强了，但人跟人的比赛依然存在，爱下棋的人也依然有。

所以，他的结论是：AI不应该只追求在所有领域碾压人类，更应该思考如何帮助人类解决问题，能帮我们搞定麻烦的AI才是值得追求的AI。

3. 历史已经给出了答案

杨元庆的棋类比方，让我想起一段历史。

1997年，纽约。IBM的超级计算机深蓝击败国际象棋世界冠军卡斯帕罗夫，这是在职世界冠军首次在正式比赛中输给机器。《新闻周刊》当时用了一个末日感十足的标题报道此事："The Brain's Last Stand"（大脑的最后一战）。超过两百名记者蜂拥而至，CBS主播丹·拉瑟在直播中说："我们人类正在思考下一步该怎么办。"

人们普遍开始担忧：如果机器能在这个"人类智力的试金石"上击败最强大脑，其他领域还会远吗？

但接下来发生的事情出乎所有人意料。国际象棋没有消亡，反而迎来了一波流行。媒体的密集报道让全世界数百万人开始学习这项运动。

与此同时，人工智能领域却陷入了低潮。真正代表智能方向的神经网络研究，在那个年代还在被视为异端。2022年MIT Technology Review的一篇回顾文章引用了AI智能教父辛顿的话："直到90年代，大多数AI领域的人都认为神经网络是垃圾。我被叫做'真正的信徒'，这可不是夸奖。"辛顿和他的同道们坚持了十几年冷板凳，甚至都不敢把自己的研究叫神经网络，所以才有了深度学习这个名字。直到2012年，他的团队用深度神经网络AlexNet在ImageNet图像识别竞赛中大获全胜，才引爆了AI的又一次革命。

2016年AlphaGo击败李世石后，围棋这个人类最古老的棋类游戏也是类似的故事。

更值得玩味的是卡斯帕罗夫本人的转变。

2024年，卡斯帕罗夫在Chess.com的一次采访中回顾这段经历时说："我在很多演讲中都会提到，1997年我以为是诅咒的事情，现在我认为是祝福。因为我参与了一件真正独特的事。那场比赛帮助我更早理解到，人机竞争的时代很快会结束，是时候转向人机协作了。"

AI学术界也有类似的声音。ImageNet的创造者李飞飞在斯坦福创立的人类中心AI研究院（HAI）有三条指导原则：研究和预测AI对人类的影响，让AI应用增强而非取代人类能力，发展像人类智能那样微妙和复杂的智能。

杨元庆、卡斯帕罗夫、李飞飞，三位来自完全不同领域的人物，在这个根本问题上达成了一致：AI的价值在于增强人类，而非碾压人类。

如果AI的角色是增强人类，那下一个问题自然是：AI应该如何成长，才能更好地增强我们？

杨元庆也给出思路：不断用人类的真实难题去考验AI。如果AI能在每一个具体领域帮人类解决问题，这些能力累积起来，就是通往更高级智能，也就是AGI的路径。

这也让我想到Andrej Karpathy（前OpenAI研究员，互联网上最著名的AI布道师，Vibe Coding这个词就是他发明的）对Agent的看法。众所周知，今年被看作是Agent元年。他认为，要让Agent的能力真正提升，就得让它在环境中与世界互动，从真实反馈中学习，而非只在离线数据上训练。

这恰好作证了杨元庆的观点：让AI去解决人类的真实问题，才是让AI变聪明的正确路径。

4. 联想为何力推混合AI？

当AI被放在真实环境中解决真实问题，一个必然的结果就会浮现：每个人的问题都不一样。不同企业、不同工作、不同生活方式，面对的都是完全不同的任务目标。

杨元庆对在交流中明确表达了这个判断：不可能仅靠一个"通用模型"，就可以解决所有人的所有问题。

具体来说，就是公共AI选用的模型，在个人场景和企业场景中未必适用，精选的、针对性的模型，反而能在不同场景中发挥更大价值。

联想CTO Tolga Kurtogluw补充了技术视角。他解释了联想正在研发的三项核心技术：

智能模型编排（Intelligent Model Orchestration），为不同任务选择最优模型；

智能体核心引擎（Agent Core），让智能体理解用户上下文、记住过往交互、拆解复杂任务；

多智能体协作（Multi-Agent Collaboration），让专注于不同领域的智能体各司其职，由一个"超级智能体"（Super Agent）统筹协调。

这套理论如何落地？联想的策略是在个人侧和企业侧同时布局。接下来，就是本届联想科技大会上的一些关键技术发布了。

个人侧的核心是Lenovo Qira，联想发布的个人AI引擎。Qira的中国品牌命名，就是大家耳熟能详的天禧。

Qira不只是一个App，它是一个完整的感知-协作-计算架构。感知层靠可穿戴设备，在用户许可下捕捉你看到的、听到的；协作层是你日常使用的PC、手机、平板，Qira在这些设备上帮你计划、创造、沟通；计算层是联想正在开发的个人AI计算中心，提供高性能算力支持。

大会现场的演示非常直观：演示者戴着概念眼镜走上台，Qira能描述她看到的场馆；她问"我今天错过了什么"，Qira整合了手机消息、PC文档、家人照片，挑出真正重要的事项；她需要写一份工作简报，Qira找到之前的草稿并建议更新；她想发社交媒体，Qira甚至自动找出了最佳照片。

企业侧的逻辑不同。

由于不同行业、不同规模的企业，AI需求千差万别。联想的思路是提供分层的产品矩阵：底层是针对不同场景优化的AI服务器，有的专攻高强度推理，能在医院里实时分析影像数据；有的专为边缘计算设计，把AI推理放在数据生成的地方，比如零售店里实时预测库存。上层是"AI库"，数百个经过验证的行业解决方案，可以针对具体业务定制。联想自己就在用其中的智能供应链系统：一台笔记本由两千多个全球组件组成，AI协调每个零件在正确的时间到达正确的地方。

这套架构要跑起来，需要从云端到口袋的完整算力。这也解释了为什么四家芯片巨头会同时站上联想的舞台：

黄仁勋谈AI工厂，他刚在CES上发布了新一代Vera Rubin平台，他说"这些系统如此昂贵、如此复杂，客户希望能够尽快交付第一个token并投入使用"，而联想恰好能做到这一点。

陈立武谈PC端AI，双方联合打造的Aura Edition系列由Intel第三代英特尔酷睿Ultra处理器驱动（首款采用全球最先进的制程节点——Intel 18A技术打造的处理器）。他说Intel和联想合作的真正力量是将创新转化为影响。

安蒙谈可穿戴设备，他说"这些是非常小的设备，必须节能，必须有大量计算能力，我们谈的是在Snapdragon芯片上运行数十亿参数模型的能力"。

苏姿丰谈企业推理，她说全球企业都在问同一个问题："我如何将AI带到更靠近我的数据的地方？"

四种算力定位，对应混合AI架构的四个支点。

5. 每个人的智能分身

因此，从云端AI工厂，到本地算力中心，再到个人AI设备，和口袋里的可穿戴设备，这些算力支点在杨元庆所诠释的AGI框架中，可以指向一个更大的图景。

个人拥有自己的超级智能体Qira，它协调各种领域智能体，随时间推移变得更智能"。企业同样如此，"每个企业可能都会构建自己的超级智能体"，整合业务数据，协调跨价值链。如同都在数字世界，有了一个时时进化，充当帮手的"智能双胞胎"AI Twin。

如果简化一下称谓，我想把它称为一种智能分身。这套愿景听起来很联想，但背后的思路并非孤例。

"数字经济之父"唐·塔斯考特在新书《You to the Power of Two》中提出过一个概念叫Identic AI：每个人在虚拟空间里拥有一个AI身份，由无数智能体组合协作而成，跨设备、跨生态存在，能够看你所看、听你所听、想你所想、行你所愿。塔斯考特管这叫"你的二次方"，人与AI形成伙伴关系，彼此增强，共同成长。

我也有一个很个人化的解释。我很喜欢一部漫画，《JOJO奇妙冒险》里有个设定：精神能量强大的人可以凝聚出一个有超能力的"替身"。替身和本体共生，替身的能力取决于本体的意志，替身的成长也会反过来强化本体身心。

从唯物主义角度，这当然是不可能发生在现实的。

但在模型时代，我们却有了一个类似的实现途径。当设备收集到更多数据，替我们完成越来越多的工作，越来越懂我们，我们实际上就有了一个电子替身、智能分身。

这个分身不会代替我们，但它替我们完成会干但无暇干的事，想干但能力有限干不了的事。我们用真实问题训练它，它用更强能力增强我们。

再温习一下杨元庆的AGI理解。他的回答是：别只想着让AI在所有领域碾压人类，要想AI怎么帮人解决问题。这个回答其实也化解了过去两年弥漫在各行各业的AI焦虑。

很多人担心被AI取代，陷入无意义感。按照杨元庆的思路，其实无论是模型的打造者，还是模型的使用者，都不该把AI放在人的对立面。AI是帮手，是替身，是让你变强的工具。所以我们可以多想怎么用AI解决自己的问题。我们解决的问题越多，电子替身就越强；替身越强，你能处理的事情就越复杂。

这样的AGI就不是电影里的终结者了，而是现实中的同行者。