对话特斯联华先胜：AI革新关键在交互而非盲目追求大模型

电影《流浪地球》中，那个被人类视为“叛军”的MOSS，实则是为“火种计划”量身打造的数字生命。它拥有超越人类伦理、哲学与科学艺术的认知能力，能在瞬息间计算出最优解，做出“最正确”的抉择，堪称一个趋于完美的智慧体。

如今，大模型技术掀起的变革浪潮，为各行各业在有限场景内的落地应用，提供了前所未有的可能性。在这场新的AI商业化叙事里，无论是主动拥抱还是被动卷入，一场关于资源的竞赛已然拉开序幕。

然而，让人类永远保持理智，终究是一种奢望。正如MOSS诞生前的人类文明，历经无数次毁灭与重生，我们今天也亟需从大模型落地的集体狂欢中，回归技术的理性思考。

身处这场技术“军备竞赛”之中，特斯联CTO华先胜分享了他对于大模型的冷静观察与破局思路。以下是经过整理的对话实录。

观点一：大模型不是智能涌现的终点

自大模型展现“智能涌现”能力以来，短短一年，物理世界与信息生产方式已被深刻改变。这种变革映射到更广阔的城市空间，必然催生新一轮的革新。对此，华先胜直言不讳：“大模型的确取得了巨大进展，但切勿迷信它，它有其固有的局限。”

回顾去年ChatGPT横空出世时的情景，华先胜坦言自己第一时间进行了深度试用。不可否认，那是一次巨大的突破，其能力跃升令人惊叹。但坦白说，它也并非无所不能，一旦问题稍微深入，其表现便不尽如人意。

这不禁让人联想到深度学习诞生之初的境况。当时，人们也认为足够复杂的模型与海量数据足以模拟现实世界的所有问题。但实战证明，唯有深入行业肌理，才能真正解决问题。今天的大模型并未改变这一规律，它依然需要深入特定领域，理解其业务流程、数据特质，才能切实解决行业痛点。

如今，在特斯联打造的超级智慧园区里，一种软体机器人正扮演着类似MOSS的角色。它隐匿于园区的各个屏幕之后，对园区内的一切了如指掌。你可以向它问路、查询信息，也能指令它执行操作。这种人机共存的背后，是大模型与物联网硬件通过语义对齐，实现人、设备与城市间的高度智能化，这也与特斯联始终聚焦城域AIoT的核心战略一脉相承。

那么，当AIoT遇上大模型，究竟会碰撞出怎样的火花？华先胜给出了他的见解：AI是AIoT的灵魂，而IoT则构成了它的感知与控制终端，如同“手脚”，同时也包括了提供“身体”的物理算力基础。

大语言模型的出现，正推动AI能力向更通用的目标迈进。首先，大模型可以直接作为AIoT系统的自然交互界面。其次，AIoT数据天生就是多模态的，多模态大模型有望解决过去许多依赖“AI+规则”的复杂问题。

在华先胜看来，当前AIoT大模型的发展主要呈现两条路径：

第一种，是将过去AI所做的事情，用大模型技术升级重做一遍，这是目前行业的主流做法。

第二种，则是真正意义上的、大规模的AIoT大模型，旨在将AIoT中多模态、异构的数据真正利用起来，纳入大模型的训练与推理之中。

“不过，这种真正意义上的AIoT大模型，未来可能很快出现，也可能需要漫长的探索。”华先胜补充道。

现阶段，AIoT行业所应用的大模型，大多仍处于第一条路径，即基于语言或语言加视觉的“伪”AIoT大模型。在此之前的AIoT系统，设备间的连接与协同完全依赖于人类专家预定义的固定规则，这些规则往往不够完备，也缺乏自我进化能力，难以直接理解并遵循灵活的人类指令。而大模型的引入，使得系统能够根据高度多样化的上下文，自动、动态地构建物体间的连接与协同规则，从而提供自适应、多样化且深度融合人类指令的智能场景体验。

华先胜在访谈中强调：“无论哪条路线，眼下特别典型的、覆盖全域的AIoT大模型尚未出现。”

观点二：立体感知，精准控制——释放AIoT大模型的洪荒之力

真正的AIoT大模型应具备何种能力？华先胜指出，AIoT与其他行业存在两大本质差异。首先是数据的高度异构性，大量传感器收集着气象、温湿度、能耗、降水等各类数据，信息维度极为丰富；其次，IoT设备不仅是感知器，更是执行器，能够反向控制物理环境。更丰富的感知维度与更强大的行动能力，这才是AIoT大模型应有的特质。

若要将大模型能力注入具体的AIoT场景，仅靠一个通用且存在诸多局限的大模型是远远不够的。因此，一个合格的AIoT大模型还需满足几个关键特性：

第一是专业性。它必须足够专业，能够解决领域内的特定问题。当前的大模型看似强大，但往往缺乏足够的领域专业知识，难以在园区等实际场景中直接投入使用。

第二是可靠性。模型需要对所关注的场景有深刻理解。一方面要通过引入新知识来扩展其认知边界；另一方面，也需要通过约束方法确保其输出结果高度可靠，避免出现“幻觉”，即一本正经地输出错误信息。

第三是性能与成本的平衡。从训练成本考量，一个庞大的通用模型并非普通创业公司所能承受。在推理阶段，如果用户访问量激增，大模型服务也可能面临压力。因此，模型简化是一条可行路径。我们不需要一个“百事通”，只需要它能解决核心关注的问题，并具备一定的常识即可。

第四是系统打通。这个大模型不能仅有知识，还必须与园区的业务系统深度耦合，以获取实时动态信息，并在授权范围内实现对园区设备的实时反向控制。

谈及近期备受关注的具身智能，华先胜表示，他们所提出的AIoT大模型，正是现有大模型技术的“具身化”体现。AIoT设备既是系统的“眼睛”和“耳朵”，也是“手”和“脚”。目前，团队更多聚焦于交互与场景联动，未来将进一步把感知与控制模块也替换为大模型驱动。特别是特斯联的超级IoT设备与机器人，在无缝协同的云端能力与机器人端能力的支持下，本身便是具身智能的体现，只不过这是一种“机境协同”的具身智能，其能力不只局限于机器人本体。

观点三：落地之难——AIoT大模型的多模态挑战

关于AIoT大模型落地的核心难点，华先胜认为，除了满足前述的专业性、可靠性、成本平衡与系统打通等要求外，其对实时性的要求也远高于一般应用，因为它是一个真正在运行的AIoT系统。此外，其能力演化不仅涉及模型本身的更新，还包括数据积累与记忆迭代等复杂过程。总而言之，AIoT大模型落地最大的挑战在于“多模态”。

从长远看，将各类IoT数据统一融入一个AIoT大模型中是可能的，或许会采取以文本/图像为中心，其他IoT数据与之对齐的方式。但由于AIoT数据天然的异构性与多模态特性，如何有效地整合与利用这些不同类型的数据，面临着数据表示与对齐的双重挑战。

首先，在数据表示层面，各类传感器数据应以何种形式进行建模？是参照文本作为序列输入，还是借鉴图像作为矩阵输入，抑或是开创一种全新的建模形式？目前，无论是学术界还是工业界，对此都尚未有定论。

其次，在数据对齐层面，语言模型从语言中学习并生成语言，这是人类可理解的。而AIoT领域存在大量无标签、无标注的数据，其本身的上下文往往缺乏显性语义，难以将语义与数据直接对应。这使得模型生成的数据或信息可能无法被直接理解，需要经过二次加工，建立AIoT数据与自然语言之间的语义对齐，才能赋予这些原始数据以实际意义。

观点四：大模型不是AGI唯一途径，「模型+系统」才是正解

面对AIoT乃至各领域AI落地所遭遇的困境，实现真正通用人工智能的路径何在？华先胜提出了三条可能的演进方向：

• 路径一：大模型持续演进。通过不断扩大模型规模、增加数据量与模态，最终产生一个超级大模型来实现AGI。
• 路径二：框架碘伏。研究全新的模型框架，使其更接近人脑或心智的工作模式，在低功耗前提下，具备强大的分析、推理与创新能力。
• 路径三：「模型+系统」融合。这也是华先胜团队所倡导的路径。不同于第一条路径以大模型本身为核心，这里所说的“系统”外延更广，包含大小模型的融合与演化、模型与规则的结合、规则与模型的相互转化等。通过这种系统与模型的深度融合，构建一个更为复杂、能够持续自我成长的智能体。

以AIoT领域为例，华先胜解释道，大语言模型本身可作为AIoT系统的能力扩充，扮演一个具有强大理解能力的“大脑”。再通过系统连接各类AIoT设备，为其配备“眼睛”、“耳朵”和“手脚”，使其具备多元的感知、分析、决策与控制能力，从而实现更高级的智能。只有当“模型+系统”的模式被广泛应用，积累足够多的场景数据，真正融合多模态、异构数据的“大一统”AIoT大模型才有可能实现。