21世纪经济报道 记者 崔文静 北京报道  

从DeepSeek掀起效率革命，到OpenClaw引爆“养龙虾”热潮，人工智能正以前所未有的速度从技术圈走向大众视野。当AI开始替人“干活”，当视频生成进入“分时代”，我们究竟站在怎样的变革节点？

21世纪经济报道记者专访清华大学人工智能研究院副院长、生数科技创始人朱军，深度解析AI智能体热潮背后的技术逻辑，探讨生成式AI能力边界的拓展对普通人意味着什么，以及在全球AI竞争加剧的背景下，中国如何从“跟跑”走向“领跑”。

朱军指出，当前“养龙虾”热潮标志着AI正从“回答问题”向“替人干活”的实质性转变，这将深刻改变人与工具的关系。面对技术变革，他主张积极拥抱而非焦虑逃避，强调创造力、想象力和情感是AI难以替代的人类核心能力。

在AI治理层面，他认为需要技术、法规与公众意识“三管齐下”系统性应对。

谈及中国AI的全球定位，朱军认为视频模型领域中国已在多方面处于引领地位，但基础研究的源头创新仍是实现全面领跑的关键突破口。

从“养龙虾”到“替人干活”：AI正在重塑人与工具的关系

21世纪：如何看待“养龙虾”热潮？这是否意味着AI正从“回答问题”向“替人干活”转变？

朱军：这股热潮确实代表了AI应用模式的深刻转变。过去我们主要用大模型进行问答交流，它像一个知识渊博的顾问。但现在，它正与我们的日常工作深度融合，智能体会成为一种越来越常见的形态。

这种转变的背后，是基础模型综合能力的系统性提升。过去模型只能处理单一任务，今天它能够理解复杂指令、调用工具、规划步骤、执行操作。比如程序员编写代码、老师准备课件，都可能变成“一键式”任务。许多标准化工作被固化为可复用工作流，用户只需在开始时“养”好它，设定规则和偏好，后面就可反复使用，极大提高效率。

对于未来三到五年普通用户的感受，我认为想象空间巨大。几乎所有与知识相关的工作都会受影响。从正面看，它能促进效率提升；从反面看，可能引发“被替代”的担忧。但我的看法是，AI不是替代人，而是为人类提供了更好的工具，随着工具提升，人的能力会被进一步解放，去做更有想象力、创造力的事情。

当然，这种变化也伴随着风险。我国做人工智能规划时，一直坚持发展与治理并重。“养龙虾”现象就是一个案例：技术进步带来便利，但初期系统安全等问题可能未被深入关注。但我相信，这些问题很快会被反复讨论，甚至可能出现针对这类智能体的防护工具。这是一个相互促进的过程，治理是为了保障更好的发展，两者相辅相成。

21世纪：AI存在数据投毒、隐私泄露等安全隐患，如何治理这些问题？

朱军：安全问题需要系统性解决。数据投毒、隐私泄露等问题，从防范角度看，可从几个层面入手。

第一，技术层面。模型服务机构需在训练和推理过程中部署防范技术，从科研入手研发更安全的AI管理系统，提升模型对恶意输入的抗干扰能力。

第二，法律法规层面。预计国家会出台相应治理办法规范黑灰产行为，行业已有不少防范措施，能形成制度性约束。

第三，社会层面。需要提升公众意识，形成广泛社会监督。随着AI普及，公众认知加深会形成天然防护网，提高恶意行为的成本和门槛。

焦虑还是拥抱？AI时代的人类竞争力

21世纪：生成式AI快速发展，对不同行业从业者有何影响？哪些能力难以被AI替代？

朱军：变化对所有人都一样。第一波受到冲击的其实是AI从业者本身——做模型的节奏被压得非常快。

现在广泛使用AI辅助编程，但并不意味着人就不需要懂专业了。你很难把重要事情完全交给机器自主完成。最终的程序验证、审核、决策权，应掌握在人类手上。所以对从业者的要求反而更高了。

我们发现一些本科生过度依赖智能工具，自己并未真正掌握知识，结果考试成绩很不理想。这个时代的要求是：既要会用工具，也要能真正掌握知识，还要能理解、验证甚至纠正它。

至于哪些能力是AI难以替代的，我觉得人的创造力、想象力，以及情绪、情感，是当前机器无法真正复制的。比如弹钢琴，机械臂可以弹得更准，但听音乐会时，你希望听到机器人演奏，还是能融入情感和人生阅历的演奏？后者才是有灵魂的艺术。再比如视频生成，其中的美学判断、最终要表达什么，仍然需要人来掌控。

关于工作未来会不会被AI取代，我觉得要动态来看，人具有很强的适应力和学习力。长远看，人会找到更有价值的工作，甚至会有大量今天想象不到的新工作被创造出来。

21世纪：在AI时代，什么样的技能会变得更加重要？

朱军：核心是学习力、动手能力，以及对环境变化的接受度和适应力。也就是说，要有积极拥抱变化的心态。因为工具在变，每个人都需要持续学习。像“养龙虾”出现后，我也去学习、去安装，体验它能做什么。这对每个人都是公平的。

在这个时代，学习是必须的，但可能比以往更难，因为需要学的东西更多了。但学好之后，能用的强大工具也更多了。我相信，今天庞杂的工具生态未来会进一步沉淀。比如主要工作可能80%只需要少数核心工具就能完成，学习成本会逐步下降。

从另一个角度看，技术变革对很多人其实是机遇。过去一些技能掌握在少数人手里，技术变革后知识趋于平权，每个人的机会反而更多了。与其焦虑，不如主动去学习、去掌握，让自己站在更高的平台上。

从“跟跑”到“领跑”：中国AI的底牌与突围方向

21世纪：中国AI相较全球顶尖水平的优劣势是什么？如何从“跟跑”走向全面“领跑”？

朱军：目前格局比较明显，中美两国处于领先梯队，已经与其他国家拉开差距。

中国的优势是多方面的：首先是市场巨大，能够提供丰富应用场景和海量数据资源；其次是工程师人才众多，有全球规模最大的理工科人才储备；此外，在数据收集、场景落地方面，人力成本相对有优势，能够实现规模化快速迭代。

对比而言，大家常讲我们在基础研究上可能没有美国起步早、布局全。但其实中国在不少特定方向上已做出很多原创性工作。从深度学习到大模型，在中国内地工作的科研人员，以及走出去的留学生，都发挥了巨大贡献。这其实也是优势之一，因为我们培养了很多优秀人才。

在视频生成这个细分领域，我认为格局又有所不同。现在可以认为中国的视频模型在全球很多方面处于引领地位。视频模型领域与大语言模型领域不同：大语言模型已有能力非常领先的头部公司，而视频模型领域公司的密度还比较稀疏，大概率不会出现一家独大。

以我们团队研发的Vidu为例，2024年4月推出时是全球最早完全对标Sora的视频大模型之一。到2025年1月的Vidu 2.0，生成速度取得突破，10秒即可生成4秒视频，每秒成本最低降至4分钱，进入“分时代”。这得益于在模型架构和算法方面的长期积累，比如现在行业常用的Diffusion架构，就是我们团队率先提出并实践的，比OpenAI的Sora团队还要早。

但要真正从“跟跑”走向全面“领跑”，最需要突破的还是基础研究上的源头创新。因为做AI，底层技术是决定性的。谁率先在认知上取得突破，谁就更有可能获得持续优势。当技术变成确定性后，大家就是在堆资源、拼规模。而更多优势可能源于源头创新，这才是持续领先的关键。

具体来说，在视频生成领域，我认为大概率不会出现像DeepSeek这种靠单一效率实现遥遥领先的模型。因为大家已将效率理念广泛实践。视频生成的颠覆性突破或许不会来自效率的“代际差”，而是通过逐步实现人类意图的精准控制，最终迎来“人人可用”的爆发点。我们还在等待视频模型的“ChatGPT时刻”。