诺奖双响AI圈 顶级大牛却为"智能本质"各执一词
他们争论的从来不是参数、不是框架，而是那个谁都不敢拍板的问题——智能，究竟是什么？
2024 年 10 月，斯德哥尔摩连发了两枪。
10 月 8 日，诺贝尔物理学奖给了两个人——约翰·霍普菲尔德和杰弗里·辛顿，理由是他们用神经网络"为机器学习奠定了基础"。六天后，诺贝尔化学奖也落到了 AI 头上：DeepMind 的哈萨比斯和江珀，因为用 AlphaFold 把蛋白质折叠这个难题攻克了。
一个领域，一年两块诺奖。AI 算是正式迈入了科学的"贵宾厅"。
但有个特别有意思的现象：奖牌挂上脖子之前，这几个人早就互相看不顺眼了。辛顿公开说，他最得意的学生是"把 Altman 赶出 OpenAI 的那一位"；杨立昆放话"这条路永远到不了真正的智能"；哈萨比斯那边又用 AlphaFold 证明了另一套逻辑。
他们争论的从来不是参数、不是框架。他们争的是那个最底层、谁都不敢拍板的问题：智能，究竟是什么？
我们翻了他们的诺奖致辞、官网、TED 和一线访谈，把每个人心里的"第一性原理"扒了出来。看完你会发现，这帮人压根不在同一张牌桌上。
他的原理一句话就能说清：智能 = 学会预测世界。不是预测"下一个词"，而是在脑子里建一张能推演未来的"世界模型"。
2022 年，他写了长文《一条通往自主机器智能的道路》，把话挑明：今天大火的"预测下一个词"的大语言模型，路子走偏了。它们能背会聊，却根本不理解世界长什么样。他后来说得更直白——"今天的人工智能方法，永远不会带来真正的智能"。
他那套替代方案叫 JEPA（联合嵌入预测架构）：不死磕像素、逐字复刻输入，而是先在抽象的"表征空间"学规律，再去预测"抽象的下一步"。人看一眼窗外就知道"杯子松手会掉"，靠的不是把每帧画面都画出来，而是脑子里有一套关于重力、惯性的隐式模型。
他给 DeepMind 立下的招牌使命是：先解决智能，再用智能去解决其余一切问题。他有个说法叫"最稳定者生存"——能把世界规律学得最准、压缩得最好的系统，才会留下来。
AlphaFold 就是这套信念的产物：把浩如烟海的蛋白质序列，压成一个能精准预测三维结构的模型，本质是在"理解"生命的一层底层逻辑。所以在他眼里，AI 不是工具，是一台能模拟现实、帮人类搞懂宇宙规律的"阿波罗计划"。
干了一辈子神经网络，他原本觉得机器学不过人脑。结果 2023 年前后他改了口："过去几个月我彻底变了想法。反向传播，也许是一种比大脑更好的学习算法。"理由很硬：GPT-4 用一万亿个连接，装下的常识比人还多——人脑有一百万亿个连接，却没它塞得满。
2023 年，他从谷歌辞职，就为了能放开说一句话：数字智能有个生物智能没有的本事——可以无损复制、到处分发。他现在最担心的，恰恰是这个"完美复制品"会不会反过来拿捏人类。
他是"规模假说"的灵魂人物，这套信念撑起了过去十年的大模型狂欢。但 2024 年底的 NeurIPS 大会上，他泼了盆冷水：我们熟悉的"预训练"模式迟早走到头——因为人类产出的高质量数据，快被吃光了。
有意思的是，说出"规模见顶"的，正是当年把规模推上神坛的那个人。
2022 年 GTC keynote，他原话是："推动这枚火箭前进的引擎是加速计算，而它的燃料，是 AI。"到 2024 年，他的口径又往前走了一步："全世界每个人都已经是程序员了。"
因为他眼里的未来是"AI 工厂"——不是生产螺丝钉的厂，而是吞吐 token、把智能当商品批量产出的厂。在他看来，我们正站在"新一轮工业革命"的起点。
2024 年他写过一篇短文《智能时代》，判断很冲：未来的技术会和以往都不同，因为机器要开始干"认知劳动"了。更夸张的是 2026 年他在 Axios 采访里放的卫星：按现在的轨迹，到 2028 年底，数据中心里装下的"智识容量"，会超过全人类大脑的总和。
她常提一个画面：五亿多年前，动物先有了"看"的能力，才有了"动"、才有了改变世界的可能，智能才一步步长出来。所以她现在押注"空间智能"——让机器不只认出图里有什么，还能在三维世界里理解、规划、动手。
但她反复强调另一句话：技术再猛，AI 也该是"以人为本"的。智能不是来替代人的，是来放大人的。
这是他 2017 年在《哈佛商业评论》访谈里打的比方。电不挑行业，工厂、医院、厨房通通用得上；AI 也一样，它不是某个产品的功能，而是一层铺在所有行业底下的基础设施。所以他一直在推"以数据为中心"——先把数据这道地基打扎实。在他眼里，AI 的终极意义不是酷，是普惠。
他这几年完全转向了"刹车"。2024 年多次访谈里他说得很重：要防的不仅是有人拿 AI 干坏事，更要防 AI 自己"想摆脱人的控制"。他的药方也硬——得像管核武器那样，立国际条约、设全球监管。在他这里，第一性原理不是"怎么造得更强"，而是"怎么保证它不失控"。
他最爱举火箭的例子：有人说一枚火箭要几千万美元，他没信，而是问"火箭的材料是什么？航空铝、钛、铜、碳纤维——这些金属加起来只有售价的百分之二"。于是他自己造，把成本打下来。
这套思维后来变成了他的 xAI。官网把使命写得很大：理解宇宙的真实本质。对马斯克来说，AI 不是产品，是回答"世界到底是什么"的那台终极仪器。
把这些人摊开看，你会发现一个有趣的分野。
杨立昆、哈萨比斯、辛顿，盯着的是"智能怎么学"——预测、压缩、反向传播，他们信机制。伊利亚、黄仁勋、阿尔特曼，信的是"量"——堆够大，质变自然来。李飞飞、吴恩达、本吉奥，想的则是"智能为谁存在"——为人、为普惠、为安全。马斯克最绝，直接跳出牌桌，说咱们先搞清楚宇宙的本源。
没有谁服谁。杨立昆说 LLM 到不了真智能，辛顿说数字智能迟早超过生物智能，本吉奥说你们先别冲了想想怎么刹车。
诺奖可以同时发给两拨人，却发不出一张"标准答案"。
别神化"大模型"这一个分支，圈内大牛自己都在拆台。
智能没有统一定义，别问"AI 会不会取代人"，该问"你站在哪条路上"。
真正危险的从来不是某句技术口号，而是所有人都闭嘴、只剩一种声音的时候。
下一轮浪潮来的时候，希望你认得出，台上那个人说的是哪一派的第一性原理。