当人工智能的浪潮席卷全球，北京正以科技创新之姿，成为AI大模型领域的战略高地。从智源研究院的“悟道”大模型问世，到“天使投资人”模式孵化顶尖学者，再到月之暗面、DeepSeek、智谱等人工智能独角兽崛起，这座城市不仅汇聚了前沿技术，更以开放生态孕育突破性成果。
如今，北京正积极打造“全球开源之都”，一大批研发机构、企业积极拥抱开源，而开源也已深入到汽车、机器人等众多行业。发展AI将是一场科技长征，新京报将深度访谈此次AI浪潮的亲历者与见证人，讲述AI竞争新格局与背后的故事。
迈入2025年，中国AI（人工智能）站上足以与美国分庭抗礼的战略制高点。这一年，刘知远已经在AI追赶的路上走了近20年。
作为清华大学副教授、面壁智能联合创始人兼首席科学家，五年前，他训练了中文预训练模型的第一个版本，而由他参与、智源研究院发布的“悟道2.0”也成为中国第一个万亿大模型。
如今，面对Deep Seek走红，刘知远表示，“2024年时，还有很多投资人问我‘你觉得中国AI跟美国比是越来越近，还是越来越远’，我的回答始终是越来越近”。DeepSeek的出现是一个强有力的信号，让人看到世界舞台上，中国的人工智能技术已经具有一席之地。
刘知远亲历了符号主义黄昏下的困惑、见证了深度学习浪潮掀翻传统范式，更是中国AI大模型创业浪潮中的深度参与者之一。在刘知远看来，Deep Seek成功的前提是具备了匹配资金和技术的“天才土壤”，这也是其带给业内的最大启示。
在接受新京报专访时，刘知远笃定，AI创业者的终极目标是奔向AG I（通用人工智能），但过程绝非坦途，并提醒市场需要更多耐心：一个投资人投了“六小虎”但没有投Deep Seek，不见得就是投错了，难道中国不允许出现10个以上的“Deep Seek”？为什么不能等一等这些潜在的“DeepSeek”成长？新京报记者 罗亦丹
启蒙
越来越近的追赶
新京报：公众知晓大语言模型主要是在ChatGPT出现之后，对于学界来说，有哪些“ChatGPT时刻”？
刘知远：ChatGPT的出现确实没有给我们带来多大“震撼”，因为我们始终在关注这一领域。在此之前，还有两个技术突破的关键节点。2018年，谷歌发布了BERT模型，它完成了模型从专用到通用的跃迁。此前，我们需要针对每一个任务去设计模型、准备数据，模型也只能做这一个任务。BERT出现后，模型可以学习文本上的所有知识，之后进行微调即可完成更多任务。
国内很多团队也发现了这件事的重要性。2018年起，我们决定将重点转向预训练模型的研究，鼓励团队成员摒弃狭隘的专有任务导向，专注于基础模型的开发。2018年底，团队推出了首个知识增强的预训练模型，命名为“ERN IE”，并于2019年初将研究成果提交至ACL（国际计算语言学学会）。有趣的是，几乎同时，百度也发布了名为“ERN IE”的预训练模型。（注:ERN IE与BERT均是美国动画片“芝麻街”中的角色）。
这一巧合甚至引起了ACL评审主席的关注，他特意发来邮件询问我们是否存在关联，以及团队是否知晓百度的工作。我们明确表示，与百度没有任何合作，也完全不知对方的研究。最终，这篇论文被录用，成为团队在预训练模型领域引用最高的研究之一。
2020年，GPT-3发布，完成了从小模型到大模型的跃迁，OpenAI使用了1万张卡（注：GPU），这让我们看到了差距，之后就催生了“悟道”大模型。
当ChatGPT出现时，我们认为国内和国外的差距差不多是一年；直到2024年9月OpenAI发布o1模型，我们认为差距缩小到半年，因为o1推出深度思考功能半年后，DeepSeek就成功进行了复现。
攻坚
既没名也没钱，遇上“天使投资人”
新京报：OpenAI训练GPT-3使用了上万张卡，那时国内有这样规模的算力资源吗？怎么解决算力的“缺口”？
刘知远：GPT-3出现后，我们觉得如果不马上跟进，差距就会越来越大。但当时国内即便是一线团队，训练资源也相对有限。GPT-3发布时，团队研究条件仅能使用单台机器，最多两三张GPU卡进行训练。
那时，我正在北京智源研究院担任青年科学家，这是北京市设立的新型研发机构，有一定资源优势，我向时任院长黄铁军提交了一份报告，详细介绍了大模型领域的发展趋势，希望能够在智源的支持下，尝试训练一个参数规模更大的模型。值得庆幸的是，智源的支持机制非常灵活，几天后就批准了申请并拨款支持，最终购置了10台配备A100GPU的机器，总投入达数百万元。利用这些资源，2020年12月，我们团队训练了CPM（中文预训练模型）的第一个版本，也让我有机会参与到大模型的浪潮之中。
新京报：智源研究院被媒体视作中国AI的“黄埔军校”，你怎么看待其对国内AI发展起到的作用？
刘知远：智源研究院是2018年时任北京市市长倡导成立的新型研发机构，其最开始设立时的理事长由来自产业界的张宏江担任，模式非常新颖，这是理念上的前瞻性，其核心是用新型方式推动人工智能加快发展。
研究院成立之后推动了智源学者项目，这跟历史上国内的任何一种项目都不同，主张激发卓越领军人物自由探索，以提升科研原始创新的概率。因此，通过“小同行评议”，层层严苛选拔，评选出中国人工智能每个重要研究方向的代表性优秀学者。与传统科研机构不同，类似投资领域中“投资就是投人”的理念，智源也成为一批顶尖人工智能学者的“天使投资人”，以更加高效灵活的方式支持面向未来的科研探索。
它相当于在青年科学家“既没名也没钱”时支持了三年，相比其他科研项目中所常见的写本子、答辩和考核等复杂操作，这种基于对人本身的信任、国内最早以人为单位进行支持的项目，理念非常先进。
出圈
通用人工智能之路非坦途
新京报：2024年，除了“AI六小虎”之外，面壁智能曾和DeepSeek一起跻身“6+2”，你怎么看待今年春天DeepSeek-R 1的火爆？
刘知远：DeepSeek的启示是，面对算力限制，通过算法创新与高效训练，也有办法做出比较好的模型，这是它的价值。
2024年时，还有很多投资人问我“你觉得中国AI跟美国比是越来越近，还是越来越远”，我的回答始终是越来越近，但很多人还是有顾虑，认为中国算力一旦被“卡脖子”，会远远赶不上。DeepSeek的出现是一个强有力的信号，让人看到世界舞台上，中国的人工智能技术已经具有一席之地。
未来，AI的发展有两大主旋律，一个是能效更高，其实就是Densing（增加密度）的过程，用更低成本训练更好的大模型；另一个就是能力更强，具备越来越强的智能水平。未来这两大方向相互作用，一起往前走。
新京报：当DeepSeek走红后，许多AI公司改变了发展方向，也有声音质疑投资者“为什么没有投中Deep-Seek”，对此你怎么看？
刘知远：DeepSeek的出现是一次考验。如果你认为大模型不是泡沫，那出现低谷时为什么要退场？低谷其实就是在让真正对大模型有坚定信心的人留下来。
AGI之路的实现不是轻而易举的，它是一次科技革命，这意味着我们不仅要经历技术上的挑战，还可能存在各种现实上的张力，一个团队可能一年之内突然有非常多的进展，也可能两年都没有太大进展，此时资本与市场的不信任能否挺住，是否有战略定力，对团队是一种考验。
2000年时，互联网极其火爆，但后来出现了互联网泡沫，导致将近10年时间计算机系招生的分数比许多其他院系差，大家觉得这个行业“没前途”了，但中国现在的许多互联网巨头，都是挺过了互联网泡沫的冬天才成长起来的。中国AI大模型行业能够做好，靠的是真正相信AGI的人，相信自己所做事情的价值，不轻易放弃。在历史的长河里，做对的事往往比较难。
新京报：DeepSeek创始人梁文锋此前从事量化投资，有声音认为相比其他初创公司，DeepSeek本身“不差钱”，这是它成功的关键因素吗？
刘知远：这其实反映了我国当前需要解决的一些问题：第一，他有理想主义，有长期AGI技术的理想。第二，他也不差钱，可以不受干扰更有定力地做事。二者兼顾让他可以把事情做得很好，而现在世界上绝大多数的人是只有钱或者只有技术，这就是风险投资存在的必要性。我觉得DeepSeek对我们最大的启示是，上面二者的结合会产生很大的“化学反应”。如果初创公司拿到资金后面临着每天的现实追问，这种状态下显然就“静不下来”。
如何把资源与技术真正做到更优化地匹配，也是我们当前面临的问题，相较而言可能美国科技创新生态更加耐心主义。一个投资人投了“六小虎”但没有投DeepSeek，不见得就是投错了，难道中国不允许出现10个以上的“DeepSeek”吗？为什么不能等一等这些潜在的“DeepSeek”成长呢？
当人工智能的浪潮席卷全球，北京正以科技创新之姿，成为AI大模型领域的战略高地。从智源研究院的“悟道”大模型问世，到“天使投资人”模式孵化顶尖学者，再到月之暗面、DeepSeek、智谱等人工智能独角兽崛起，这座城市不仅汇聚了前沿技术，更以开放生态孕育突破性成果。
如今，北京正积极打造“全球开源之都”，一大批研发机构、企业积极拥抱开源，而开源也已深入到汽车、机器人等众多行业。发展AI将是一场科技长征，新京报将深度访谈此次AI浪潮的亲历者与见证人，讲述AI竞争新格局与背后的故事。
迈入2025年，中国AI（人工智能）站上足以与美国分庭抗礼的战略制高点。这一年，刘知远已经在AI追赶的路上走了近20年。
作为清华大学副教授、面壁智能联合创始人兼首席科学家，五年前，他训练了中文预训练模型的第一个版本，而由他参与、智源研究院发布的“悟道2.0”也成为中国第一个万亿大模型。
如今，面对Deep Seek走红，刘知远表示，“2024年时，还有很多投资人问我‘你觉得中国AI跟美国比是越来越近，还是越来越远’，我的回答始终是越来越近”。DeepSeek的出现是一个强有力的信号，让人看到世界舞台上，中国的人工智能技术已经具有一席之地。
刘知远亲历了符号主义黄昏下的困惑、见证了深度学习浪潮掀翻传统范式，更是中国AI大模型创业浪潮中的深度参与者之一。在刘知远看来，Deep Seek成功的前提是具备了匹配资金和技术的“天才土壤”，这也是其带给业内的最大启示。
在接受新京报专访时，刘知远笃定，AI创业者的终极目标是奔向AG I（通用人工智能），但过程绝非坦途，并提醒市场需要更多耐心：一个投资人投了“六小虎”但没有投Deep Seek，不见得就是投错了，难道中国不允许出现10个以上的“Deep Seek”？为什么不能等一等这些潜在的“DeepSeek”成长？新京报记者 罗亦丹
启蒙
越来越近的追赶
新京报：公众知晓大语言模型主要是在ChatGPT出现之后，对于学界来说，有哪些“ChatGPT时刻”？
刘知远：ChatGPT的出现确实没有给我们带来多大“震撼”，因为我们始终在关注这一领域。在此之前，还有两个技术突破的关键节点。2018年，谷歌发布了BERT模型，它完成了模型从专用到通用的跃迁。此前，我们需要针对每一个任务去设计模型、准备数据，模型也只能做这一个任务。BERT出现后，模型可以学习文本上的所有知识，之后进行微调即可完成更多任务。
国内很多团队也发现了这件事的重要性。2018年起，我们决定将重点转向预训练模型的研究，鼓励团队成员摒弃狭隘的专有任务导向，专注于基础模型的开发。2018年底，团队推出了首个知识增强的预训练模型，命名为“ERN IE”，并于2019年初将研究成果提交至ACL（国际计算语言学学会）。有趣的是，几乎同时，百度也发布了名为“ERN IE”的预训练模型。（注:ERN IE与BERT均是美国动画片“芝麻街”中的角色）。
这一巧合甚至引起了ACL评审主席的关注，他特意发来邮件询问我们是否存在关联，以及团队是否知晓百度的工作。我们明确表示，与百度没有任何合作，也完全不知对方的研究。最终，这篇论文被录用，成为团队在预训练模型领域引用最高的研究之一。
2020年，GPT-3发布，完成了从小模型到大模型的跃迁，OpenAI使用了1万张卡（注：GPU），这让我们看到了差距，之后就催生了“悟道”大模型。
当ChatGPT出现时，我们认为国内和国外的差距差不多是一年；直到2024年9月OpenAI发布o1模型，我们认为差距缩小到半年，因为o1推出深度思考功能半年后，DeepSeek就成功进行了复现。
攻坚
既没名也没钱，遇上“天使投资人”
新京报：OpenAI训练GPT-3使用了上万张卡，那时国内有这样规模的算力资源吗？怎么解决算力的“缺口”？
刘知远：GPT-3出现后，我们觉得如果不马上跟进，差距就会越来越大。但当时国内即便是一线团队，训练资源也相对有限。GPT-3发布时，团队研究条件仅能使用单台机器，最多两三张GPU卡进行训练。
那时，我正在北京智源研究院担任青年科学家，这是北京市设立的新型研发机构，有一定资源优势，我向时任院长黄铁军提交了一份报告，详细介绍了大模型领域的发展趋势，希望能够在智源的支持下，尝试训练一个参数规模更大的模型。值得庆幸的是，智源的支持机制非常灵活，几天后就批准了申请并拨款支持，最终购置了10台配备A100GPU的机器，总投入达数百万元。利用这些资源，2020年12月，我们团队训练了CPM（中文预训练模型）的第一个版本，也让我有机会参与到大模型的浪潮之中。
新京报：智源研究院被媒体视作中国AI的“黄埔军校”，你怎么看待其对国内AI发展起到的作用？
刘知远：智源研究院是2018年时任北京市市长倡导成立的新型研发机构，其最开始设立时的理事长由来自产业界的张宏江担任，模式非常新颖，这是理念上的前瞻性，其核心是用新型方式推动人工智能加快发展。
研究院成立之后推动了智源学者项目，这跟历史上国内的任何一种项目都不同，主张激发卓越领军人物自由探索，以提升科研原始创新的概率。因此，通过“小同行评议”，层层严苛选拔，评选出中国人工智能每个重要研究方向的代表性优秀学者。与传统科研机构不同，类似投资领域中“投资就是投人”的理念，智源也成为一批顶尖人工智能学者的“天使投资人”，以更加高效灵活的方式支持面向未来的科研探索。
它相当于在青年科学家“既没名也没钱”时支持了三年，相比其他科研项目中所常见的写本子、答辩和考核等复杂操作，这种基于对人本身的信任、国内最早以人为单位进行支持的项目，理念非常先进。
出圈
通用人工智能之路非坦途
新京报：2024年，除了“AI六小虎”之外，面壁智能曾和DeepSeek一起跻身“6+2”，你怎么看待今年春天DeepSeek-R 1的火爆？
刘知远：DeepSeek的启示是，面对算力限制，通过算法创新与高效训练，也有办法做出比较好的模型，这是它的价值。
2024年时，还有很多投资人问我“你觉得中国AI跟美国比是越来越近，还是越来越远”，我的回答始终是越来越近，但很多人还是有顾虑，认为中国算力一旦被“卡脖子”，会远远赶不上。DeepSeek的出现是一个强有力的信号，让人看到世界舞台上，中国的人工智能技术已经具有一席之地。
未来，AI的发展有两大主旋律，一个是能效更高，其实就是Densing（增加密度）的过程，用更低成本训练更好的大模型；另一个就是能力更强，具备越来越强的智能水平。未来这两大方向相互作用，一起往前走。
新京报：当DeepSeek走红后，许多AI公司改变了发展方向，也有声音质疑投资者“为什么没有投中Deep-Seek”，对此你怎么看？
刘知远：DeepSeek的出现是一次考验。如果你认为大模型不是泡沫，那出现低谷时为什么要退场？低谷其实就是在让真正对大模型有坚定信心的人留下来。
AGI之路的实现不是轻而易举的，它是一次科技革命，这意味着我们不仅要经历技术上的挑战，还可能存在各种现实上的张力，一个团队可能一年之内突然有非常多的进展，也可能两年都没有太大进展，此时资本与市场的不信任能否挺住，是否有战略定力，对团队是一种考验。
2000年时，互联网极其火爆，但后来出现了互联网泡沫，导致将近10年时间计算机系招生的分数比许多其他院系差，大家觉得这个行业“没前途”了，但中国现在的许多互联网巨头，都是挺过了互联网泡沫的冬天才成长起来的。中国AI大模型行业能够做好，靠的是真正相信AGI的人，相信自己所做事情的价值，不轻易放弃。在历史的长河里，做对的事往往比较难。
新京报：DeepSeek创始人梁文锋此前从事量化投资，有声音认为相比其他初创公司，DeepSeek本身“不差钱”，这是它成功的关键因素吗？
刘知远：这其实反映了我国当前需要解决的一些问题：第一，他有理想主义，有长期AGI技术的理想。第二，他也不差钱，可以不受干扰更有定力地做事。二者兼顾让他可以把事情做得很好，而现在世界上绝大多数的人是只有钱或者只有技术，这就是风险投资存在的必要性。我觉得DeepSeek对我们最大的启示是，上面二者的结合会产生很大的“化学反应”。如果初创公司拿到资金后面临着每天的现实追问，这种状态下显然就“静不下来”。
如何把资源与技术真正做到更优化地匹配，也是我们当前面临的问题，相较而言可能美国科技创新生态更加耐心主义。一个投资人投了“六小虎”但没有投DeepSeek，不见得就是投错了，难道中国不允许出现10个以上的“DeepSeek”吗？为什么不能等一等这些潜在的“DeepSeek”成长呢？
