我们生活的世界，不是词语拼出来的。比如伸手去抓一杯水，语言模型能告诉你“伸手、抓取、拿起”，但现实中你需要判断力的大小，调整动作的角度，还得防止水洒出来。”她点出的残酷现实是——语言模型再强大，依然困在词语的牢笼里，看得到世界，却永远摸不到世界。更重要的是，它需要工程师和科学家有勇气，承认“光靠语言是走不通的”，然后重新搭建通往世界的桥梁。这不是把模型参数翻倍、语料扩展到互联网全部数据就能解决的，

正确路径是投资新人，让他们与AI深度融合：系统培训AI技能，保持完整梯队，用AI解放重复劳动而非消灭创造岗位。AI热潮下，企业高管们争相宣称“AI取代低端岗位”将带来效率革命，裁员潮此起彼伏，仿佛裁得越多越显“前卫”。今天大举裁掉年轻力量，三五年后将面临青黄不接：组织全是老员工，知识传递中断，新技术来袭时反应迟钝，创新力枯竭。更讽刺的是，AI在复杂场景中仍漏洞百出，企业往往需保留更多资深员工补漏，

大模型再规模化，也仅是更好模仿者，永难超越人类。总体，类脑以低功耗、小样本、快适应、强实时、易部署、可解释六优势，开辟不同于算力堆叠的新范式。它助AI跳出语言牢笼，如松鼠般直接与物理世界交互试错，构建可靠模型。训练推理一体，在线学习，形成快速感知-决策-执行闭环，响应极短，适合自动驾驶、工业机器人、医疗急救等高实时场景。模型越大，模仿越精，却离真智能越远。更糟的是，能源与数据双重天花板已现：训练需

而更多算力又意味着更高成本。这一周最大的启发就是：AI的未来未必属于参数最多的模型，也未必属于算力最强的公司。目前很多大模型采用的是密集计算模式，大量参数同时参与运算，虽然效果不错，但资源消耗极高。这一周，看着全球AI行业不断刷新参数纪录、融资纪录和算力纪录，我却越来越强烈地感觉到：人工智能的发展，似乎走到了一个值得重新思考的路口。回顾科技史会发现，真正改变世界的技术往往都不是最先出现的那一个，而

国家层面对人工智能、机器人和智能制造持续加码，也说明这不是一轮简单的概念炒作，而是产业升级的重要方向。如果说传统AI是在告诉机器“答案是什么”，那么类脑智能更重要的价值，是让机器逐渐学会“这个世界为什么会这样”。接下来，市场会逐渐从“谁的机器人卖得更多”，转向“谁的机器人真正能够进入工厂、家庭和复杂现实环境”。但政策解决的是产业发展的方向和资源配置，资本解决的是融资和产业扩张，硬件解决的是机器人的

国家层面对人工智能、机器人和智能制造持续加码，也说明这不是一轮简单的概念炒作，而是产业升级的重要方向。如果说传统AI是在告诉机器“答案是什么”，那么类脑智能更重要的价值，是让机器逐渐学会“这个世界为什么会这样”。接下来，市场会逐渐从“谁的机器人卖得更多”，转向“谁的机器人真正能够进入工厂、家庭和复杂现实环境”。但政策解决的是产业发展的方向和资源配置，资本解决的是融资和产业扩张，硬件解决的是机器人的

摘要： 当前Agent虽能规划任务、调用工具并反思错误，但缺乏真正的“成长”能力。真正的智能需具备自进化（Self-Evolution）属性，即通过反馈更新记忆、策略、技能甚至模型，而非重复犯错。类脑智能的持续学习机制可赋能Agent从经验中迭代，形成动态适应能力。未来Agent的核心价值不在于初始表现，而在于长期任务中能否积累经验、优化自身，最终实现“越用越聪明”的类脑进化。

解放日报记者俞陶然在报道上海类脑智能产业大会时引用了复旦大学邹卓教授的解释：人脑约有860亿个神经元，通过海量神经突触传递信号，具有稀疏激活、大规模并行的特点，而它的功耗仅20瓦左右，比一个灯泡还低。他们在国际上首次发现了一种叫CBPS的新型材料，基于这种材料搭建出了能处理复杂任务的“微型人造大脑”，一口气实现了“感知—存储—计算—激活函数”四位一体的全集成。三十年后，也许终结这个定律的，不是更小

无论是算力基础设施建设、大模型研发、智能制造升级，还是机器人、自动驾驶、智能终端的发展，本质上都在围绕AI这个核心方向展开布局。房地产主要带动的是建筑和消费相关产业，而AI能够重塑制造业、金融业、医疗、教育、交通、能源、农业乃至科研体系。未来十年，中国经济最大的看点或许不再是谁又开发了多少楼盘，而是谁能够率先把AI融入产业、提升效率、创造新的生产力。如果说房地产改变的是城市的物理空间，那么AI改变

而更多算力又意味着更高成本。这一周最大的启发就是：AI的未来未必属于参数最多的模型，也未必属于算力最强的公司。目前很多大模型采用的是密集计算模式，大量参数同时参与运算，虽然效果不错，但资源消耗极高。这一周，看着全球AI行业不断刷新参数纪录、融资纪录和算力纪录，我却越来越强烈地感觉到：人工智能的发展，似乎走到了一个值得重新思考的路口。回顾科技史会发现，真正改变世界的技术往往都不是最先出现的那一个，而