專訪智源理事長黃鐵軍：通往AGI的路已經(jīng)找到

智源研究院理事長黃鐵軍

導(dǎo)讀
今年2月，由北京智源研究院的論文"Multimodal learning with next-token prediction for large multimodal models（通過預(yù)測下一個詞元進(jìn)行多模態(tài)學(xué)習(xí)的多模態(tài)大模型）"在Nature上發(fā)表。這是繼DeepSeek登上封面后，第二個中國大模型團(tuán)隊研究成果在Nature正刊發(fā)表，同時這也是國內(nèi)科研機(jī)構(gòu)的首次上刊。

撰文｜張?zhí)炱?/strong>

當(dāng)下的多模態(tài)模型主要依賴專門化路徑，文本、視頻與圖像的處理范式各不相同。是否存在可以統(tǒng)一多模態(tài)的通用路線，此前一直缺乏定論。智源研究院在Nature發(fā)表的這項研究，基于其多模態(tài)模型 Emu3表明：只需采用自回歸路線，也就是像大模型處理文本一樣，通過預(yù)測序列中的下一個詞元（Next-token Prediction）來理解和生成數(shù)據(jù)，就可以實現(xiàn)多模態(tài)學(xué)習(xí)的邏輯統(tǒng)一。

Emu3 在感知和生成任務(wù)上均達(dá)到了成熟特定任務(wù)模型的性能，匹配旗艦系統(tǒng)的表現(xiàn)。更重要的是，在同一套統(tǒng)一架構(gòu)下，該模型展現(xiàn)了極強(qiáng)的通用性，能自然地擴(kuò)展到機(jī)器人操作以及多模態(tài)交互內(nèi)容生成等任務(wù)。

本文通訊作者之一，智源研究院理事長、北京大學(xué)計算機(jī)學(xué)院教授黃鐵軍接受了《知識分子》的訪談。他詳細(xì)介紹了Emu3 如何通過自回歸路線實現(xiàn)多模態(tài)的統(tǒng)一，并對當(dāng)前通用人工智能（AGI）發(fā)展的技術(shù)路線發(fā)表了見解。

01 通往 AGI 的路已經(jīng)找到，接下來就是把它走透

《知識分子》：近年的AI能力進(jìn)步很快。智源一直關(guān)注著AI領(lǐng)域的變化，如果回頭看近年以來的突破，您認(rèn)為真正關(guān)鍵的轉(zhuǎn)折什么？

黃鐵軍：從 2018 年到現(xiàn)在，人們找到了一條能走通的技術(shù)路線，就是自回歸路線：基于Transformer的結(jié)構(gòu)，用預(yù)測下一個詞元（Token）的方式去訓(xùn)練模型。這是最重要的從0到1的突破，這條路通向了通用人工智能（AGI）。

智源一直在堅持一個信念，既然Transformer 加上預(yù)測下一個詞元的路線，在語言模型上徹底走通了，那它能不能拓展到所有模態(tài)的數(shù)據(jù)，無論是語言、圖像、視頻，還是視覺—語言—動作（VLA）等多模態(tài)數(shù)據(jù)？這件事在方法論上，我認(rèn)為是完全可行的。

大家現(xiàn)在談?wù)Z言、圖像、視頻，其實只是我們最常見、最容易理解的數(shù)據(jù)形態(tài)，實際上這個方法可以裝得下任意的數(shù)據(jù)形態(tài)，包括這個世界不同層次的各種數(shù)據(jù)。

但這還只是我們的信念，如果要真正實現(xiàn)，就得繼續(xù)用這些數(shù)據(jù)去實踐。技術(shù)創(chuàng)新只能靠時間去淘洗，靠結(jié)果來證明。

《知識分子》：您把2018年視作一個轉(zhuǎn)折點，2018年前后發(fā)生了什么變化？

黃鐵軍：2018 年之前，人工智能主要還是由人主導(dǎo)的，也就是由人來設(shè)計智能。無論知識庫還是專家系統(tǒng)，設(shè)計師像上帝一樣掌控著系統(tǒng)背后的每一個邏輯，這是一種偏向傳統(tǒng)科學(xué)思維的模式，認(rèn)為先要把具體的原理搞清楚，再去基于原理人工設(shè)計一個系統(tǒng)。

但 2018 年之后，隨著第一代GPT的誕生，出現(xiàn)了所謂的生成式人工智能，它的方法論發(fā)生了根本變化。很多人把“生成”理解為系統(tǒng)能生成文本、圖像或視頻，但我更傾向于把生成理解為類似地球生命生成的過程，也就是一種演化生成（evolutionary generation）。

地球上從沒有生命到有生命，從簡單到復(fù)雜，背后有沒有激勵機(jī)制？當(dāng)然有。但背后的激勵機(jī)制，我們到現(xiàn)在為止還很不清楚。生命科學(xué)、腦科學(xué)搞了這么多年，總體上還是一個“黑暗森林”，我們只是在一點點地試圖發(fā)現(xiàn)背后的原理。

2018年后發(fā)生的變化也是這樣。人們找到了走向通用人工智能的一條可行技術(shù)路線，通過數(shù)據(jù)驅(qū)動的方法訓(xùn)練模型，讓智能涌現(xiàn)，但是這個技術(shù)路線下發(fā)生相互作用的過程，我們不清楚。

《知識分子》：您說自回歸路線是通向AGI的唯一路徑。但對于AGI的定義爭論很多，您對它的看法是？

黃鐵軍：我的觀點是，通用人工智能已經(jīng)在一定程度上實現(xiàn)了。

按照傳統(tǒng)思維方式，大家會覺得沒實現(xiàn)，因為還沒搞清楚它的原理，怎么就算實現(xiàn)了呢？但現(xiàn)在的大模型已經(jīng)表現(xiàn)出很強(qiáng)的通用能力。你可以測試它，如果從能力上講，它比很多人還強(qiáng)。在這種情況下，我們還要堅持說它不是一個具有通用的智能系統(tǒng)，這就有點不講道理。

大家對 AGI 的認(rèn)知變化，也和人工智能歷史上概念的變化有關(guān)系。最早的通用人工智能定義，是從行為、功能、表現(xiàn)上看的，也就是圖靈測試。如果用一個第三方測試，在互動中判斷不出哪個是人、哪個是機(jī)器，那就說明這臺機(jī)器通過了測試。現(xiàn)在大模型已經(jīng)達(dá)到了這個要求。

AGI這個詞差不多是在 90 年代末出現(xiàn)的，至今也就二十幾年的時間。大家認(rèn)為 AGI 就是通用人工智能。但按照嚴(yán)格的定義，90 年代提出的 AGI 概念其實是更難實現(xiàn)的，它認(rèn)為AI需要有自我意識。

如果AGI是指有自我意識的人工智能，我認(rèn)為今天還沒實現(xiàn)，或者這至少是一個開放性問題。但如果我們不采取這種過于嚴(yán)格的概念，說 AGI 指的一定是有自我意識，而只是說它能像人一樣完成各種不同的任務(wù)，具備這種通用性，那我認(rèn)為現(xiàn)在是已經(jīng)有了。

《知識分子》：自回歸這條路線為什么能夠帶來變革。

黃鐵軍：這種方法抓到了智能演化的關(guān)鍵。“預(yù)測下一個詞元”看起來簡單，但實際是智能的核心問題。因為所有智能系統(tǒng)本質(zhì)上都在做一件事：用歷史推測未來。

動物要根據(jù)過去的經(jīng)驗判斷是否逃跑；人類根據(jù)歷史推斷經(jīng)濟(jì)走勢；讀書是為了提升對未來判斷的能力。智能的最基本功能，就是在不確定環(huán)境中，提高做出合理預(yù)期的概率。生物智能進(jìn)化過程，也就是合理選擇的概率不斷提升的過程。

這條路包含兩個缺一不可的部分。第一個是 Transformer。如果用生命科學(xué)類比，它就是“結(jié)構(gòu)基礎(chǔ)”。生命科學(xué)里講“結(jié)構(gòu)決定功能”，有什么樣的 DNA，就決定了什么樣的生理形態(tài)。在 AGI 領(lǐng)域，Transformer 就是那個基本結(jié)構(gòu)。

但僅有基礎(chǔ)還不夠。智能是在與周圍世界互動中慢慢演化的。人類大腦也一樣，它的智能不是一次性形成的，而是在環(huán)境變化中逐漸演化。這是所謂功能塑造結(jié)構(gòu)，環(huán)境的壓力在推動結(jié)構(gòu)的改變。

在人工智能中，這種演化依賴數(shù)據(jù)驅(qū)動。大模型通過自回歸訓(xùn)練，也就是不斷預(yù)測下一個詞元來學(xué)習(xí)規(guī)律。每一次預(yù)測都是一次嘗試：如果預(yù)測錯了，模型就根據(jù)數(shù)據(jù)調(diào)整內(nèi)部參數(shù)。預(yù)測對了，就強(qiáng)化這些連接。這樣，模型在海量數(shù)據(jù)作用下逐漸掌握語言、邏輯，甚至多模態(tài)信息的規(guī)律。 Transformer加上自回歸訓(xùn)練，滿足了智能演化的基本條件。

《知識分子》：預(yù)測下一個詞元是如何發(fā)揮作用的？

黃鐵軍：詞元是自然語言處理的基本單元，可以是單詞、詞組或詞根，也可以是標(biāo)點符號或人工定義的標(biāo)記，本質(zhì)上只是符號。理解符號的意義有兩種方式，一種是直接感受，但AI 沒有身體，它只能通過符號與符號之間的關(guān)系來學(xué)習(xí)意義。

2018年之前，早期的詞向量方法通過統(tǒng)計詞與詞之間的共現(xiàn)關(guān)系，把每個詞映射到一個高維向量空間。誰經(jīng)常和誰一起出現(xiàn)，它們在空間中的距離就更近。

但這一階段的表示是“固定”的。一個詞無論出現(xiàn)在什么語境中，其向量基本不變。模型學(xué)到的是詞的平均意義，而不是語境中的動態(tài)角色。也就是說，它解決了“詞是什么意思”的問題，卻沒有解決“詞在這句話里是什么意思”的問題。

Transformer 的出現(xiàn)改變了這一點。舉個例子，《紅樓夢》書中前后幾十回的伏筆是相互關(guān)聯(lián)的，理解人物不能只看名字，而是要看他與誰互動、經(jīng)歷過什么。Transformer 能夠做的，是在給定的詞元序列中，發(fā)現(xiàn)任意兩個詞元之間的關(guān)系。放到《紅樓夢》里，就是能夠計算出書中任意兩個字的相關(guān)性。

人的智能要理解一部小說或長文章，其實也是在上下文中建立關(guān)系、反復(fù)推敲邏輯。模型本質(zhì)上就在做這件事，只不過它是在更大規(guī)模、更高維度上完成的。不僅理解了內(nèi)容，甚至比我們絕大多數(shù)人讀書理解得都要透徹。

所以，當(dāng)模型預(yù)測下一個詞元時，它并不是簡單地做詞頻統(tǒng)計。它是在調(diào)用一個高度復(fù)雜的結(jié)構(gòu)，對當(dāng)前上下文的全部關(guān)系進(jìn)行壓縮表達(dá)。預(yù)測只是它的表現(xiàn)，真正發(fā)生的是結(jié)構(gòu)對規(guī)律的內(nèi)化，并通過這種關(guān)系推演出后續(xù)的發(fā)展。

02 讓AI像預(yù)測語言一樣預(yù)測物理世界

《知識分子》：人工智能現(xiàn)在表現(xiàn)出的能力已經(jīng)相當(dāng)強(qiáng)。但很多研究者認(rèn)為，如果不能把模型內(nèi)部機(jī)理完全解釋清楚，它就不能算真正的通用人工智能。

黃鐵軍：說實話，這是一種典型的書呆子思維。DeepSeek引發(fā)全球震動后，DeepMind CEO哈薩比斯評論道，“DeepSeek可能是中國最好的人工智能模型，但沒展示任何新的科學(xué)進(jìn)展”。這種批評就是戴著科學(xué)的眼鏡來看技術(shù)創(chuàng)新問題。

如果一定要類比，人類歷史上很多偉大的技術(shù)突破都是“先有技術(shù)路徑，后有科學(xué)原理”。比如飛機(jī)的發(fā)明，萊特兄弟造出飛機(jī)時，空氣動力學(xué)還遠(yuǎn)未完善，飛機(jī)的飛行原理在當(dāng)時也未能完全被理論界解釋清楚，但這并不妨礙飛機(jī)已經(jīng)成功飛上了天，并改變了世界。

人工智能的發(fā)展目前也處于這個階段。大模型現(xiàn)在更接近一項工程創(chuàng)新，而非傳統(tǒng)意義上純粹的科學(xué)探索。通過“預(yù)測下一個token”這個方法論，人類已經(jīng)制造出了具備通用能力的智能系統(tǒng)，這種實踐上的成功是無可辯駁的。

另外，我們必須明確一點：智能本身是極其復(fù)雜的，它不能被簡化成一套幾條規(guī)則或者公式。僅僅因為它不符合特定的原理或規(guī)則，就否定當(dāng)下大模型的智能水平，這像拒絕承認(rèn)飛機(jī)會飛那樣可笑。

《知識分子》：但如果一直搞不清楚大模型背后的原理，這種技術(shù)創(chuàng)新能算是一門嚴(yán)謹(jǐn)?shù)目茖W(xué)嗎？

黃鐵軍：原理并不是必要的。我之所以強(qiáng)調(diào)“不必要”，并不是說原理沒有用、不好，而是說不要以它為前提。現(xiàn)在的問題是，一旦講“必要”，很多人就會認(rèn)為要發(fā)明一套原理才能往下走。我覺得這種認(rèn)知真的限制了一些人做出更大貢獻(xiàn)的機(jī)會，因為他們的思維太固化了。其實我以前也是這樣的，但我后來終于解放了自己。

我們發(fā)現(xiàn)了一套有效的方法論，能把海量數(shù)據(jù)轉(zhuǎn)化為智能，這套方法已經(jīng)跑通了。至于其中的機(jī)制，那是后續(xù)科學(xué)研究的任務(wù)，不能作為我們放棄技術(shù)創(chuàng)新的前提。我們不應(yīng)因為迷信已知的科學(xué)思維方式，就去否認(rèn)技術(shù)創(chuàng)新的客觀結(jié)果。

當(dāng)下的重點是工程化、規(guī)模化，把這條路走深、走透徹。至于人工智能的科學(xué)原理，自然會有后來的研究者完成。

《知識分子》：如果不能總結(jié)成一些規(guī)則或者公式，可以有一些標(biāo)準(zhǔn)判斷智能發(fā)展到什么程度了嗎？

黃鐵軍：可以設(shè)定一些測量指標(biāo)，但隨著智能的復(fù)雜化，測量它的尺子也要有變化。真正的智能的復(fù)雜性是無窮無盡的，我們不能削足適履，只拿著靜態(tài)的標(biāo)準(zhǔn)去丈量智能。有限的測量只能是一個了解它的一個窗口，遠(yuǎn)遠(yuǎn)不是全部。

《知識分子》：您此前多次提到，大模型首先是一種技術(shù)創(chuàng)新。但像Nature這樣的頂級期刊，往往更看重基礎(chǔ)科學(xué)和理論上的原創(chuàng)貢獻(xiàn)。智源這次選擇把 Emu3 這種相關(guān)的成果投給它，是出于什么考慮？

黃鐵軍：我希望能糾正傳統(tǒng)自然科學(xué)的偏見。很多自然科學(xué)背景的人，被自己的思維方式固化了。他們習(xí)慣于先有一個客觀存在的對象，然后去尋找它背后的規(guī)律。

但人工智能不是這樣。人工智能這個系統(tǒng)本身并不存在于自然界，它是需要被創(chuàng)造出來的，是一個技術(shù)創(chuàng)新。和傳統(tǒng)自然科學(xué)研究的內(nèi)容，可以說是完全相反的兩個方向，用一個方向的思維方式去套到另外一個方向，是南轅北轍的。

很多人總在問：“人工智能背后的規(guī)律是什么？”可問題是，首先得有一個已經(jīng)存在的事物，才談得上研究它的規(guī)律。生命存在，所以可以研究生命規(guī)律。但人工智能這個系統(tǒng)本身還在被建造之中，還沒做出來就追問它的終極原理，那等于把技術(shù)創(chuàng)新的過程卡死了。

如果我們等到完全搞清楚原理才開始動手，那可能 300 年都做不出來。技術(shù)史從來不是這樣走的。歷史的常態(tài)，是先有技術(shù)突破，后有科學(xué)解釋。先有飛機(jī)，后有空氣動力學(xué)的發(fā)展。先去開發(fā)人工智能，再去研究人工智能科學(xué)。所謂“事有終始，知所先后，則近道矣”，順序都沒有弄清楚，就用自然科學(xué)的尺度去判斷完全不同的方向，有什么可驕傲的呢？

03 用自回歸路線，統(tǒng)一多模態(tài)

《知識分子》：這篇發(fā)表在Nature的論文，核心發(fā)現(xiàn)是僅通過自回歸路徑即可實現(xiàn)多模態(tài)學(xué)習(xí)的統(tǒng)一。在您看來，目前主流多模態(tài)模型的技術(shù)局限在哪里？

黃鐵軍：現(xiàn)在說到多模態(tài)，大家容易想到的是“多個模態(tài)”。也就是把視覺、聽覺、文字這些模態(tài)簡單拼在一起，就成了所謂多模態(tài)。

例如，Transformer在文字任務(wù)上表現(xiàn)優(yōu)秀，但沒有覆蓋多模態(tài)。現(xiàn)在圖像和視頻生成領(lǐng)域主要使用的是Diffusion模型，它的原理是通過迭代去噪實現(xiàn)高分辨率合成。視覺-語言感知方面，主要依賴組合式方法，利用 CLIP 編碼器與大模型。

如果只是為了解決某個特定模態(tài)的問題，針對它的特點去找一些專用的架構(gòu)或算法，效果確實能做得比較好。但是，如果每一個模態(tài)都要靠特殊的補(bǔ)丁去縫合，那就不能叫做通用智能。我們關(guān)心的是，有沒有一條通用路線，可以解決各種模態(tài)、各種數(shù)據(jù)的智能問題。

這就是自回歸路線的價值所在，也是我們認(rèn)定未來構(gòu)建通用人工智能的核心思路。Emu3 就是在這一思路下誕生的。通過對 Emu3 的實驗驗證，我們發(fā)現(xiàn)即使不依賴擴(kuò)散模型或組合式架構(gòu)，純粹的自回歸模型在感知和生成上也能達(dá)到旗艦?zāi)Ｐ退健?/p>

《知識分子》：論文提到Emu3 采用純自回歸路徑生成視頻，且性能表現(xiàn)足以對標(biāo)目前主流的擴(kuò)散模型（Diffusion Model）。純自回歸與擴(kuò)散模型在本質(zhì)區(qū)別上是什么？

黃鐵軍：Diffusion的生成，是生成內(nèi)容本身，并不是我前面提到的演化生成，這兩者有根本區(qū)別。

自回歸路線適合所有類型的數(shù)據(jù)，是個通用的方法。通過預(yù)測下一個詞元，它能夠?qū)λ蓄愋偷臄?shù)據(jù)進(jìn)行建模。圖像、視頻，甚至是機(jī)器人的動作，這種方法都能處理。這也是我們堅持自回歸路線的理由，它有很大希望能夠統(tǒng)一所有的模態(tài)。

Diffusion 模型在生成圖像和視頻時表現(xiàn)很出色，它的核心是模擬物理擴(kuò)散過程：比如墨水滴在水中擴(kuò)散，從初始狀態(tài)到混合狀態(tài)，然后通過逆向過程生成圖像或視頻。這類方法擅長生成視覺效果，畫面看起來逼真，但它并不關(guān)注畫面背后事物之間的真實規(guī)律。這種方法適合圖像生成這個相對較窄的領(lǐng)域，是一個專用的方法。

當(dāng)面對語言或其他抽象數(shù)據(jù)時，情況就不同了。語言中，詞語之間存在復(fù)雜的語義和結(jié)構(gòu)關(guān)系，小說中的角色、事件和概念相互聯(lián)系，形成龐大而復(fù)雜的網(wǎng)絡(luò)。這種復(fù)雜性遠(yuǎn)超過物理世界中分子或像素的相互作用，Diffusion 方法在這種情況下無法有效建模。它無法捕捉詞語之間深層的邏輯關(guān)系，也不能推演未來的發(fā)展。

《知識分子》：后續(xù)的研究，還會進(jìn)一步擴(kuò)展到其他模態(tài)嗎？

黃鐵軍：這篇論文已經(jīng)給出了答案。我們把Emu3 轉(zhuǎn)化成視覺-語言-動作（VLA）模型，直接去跑機(jī)器人操作任務(wù)。在 CALVIN 這個長程操作的基準(zhǔn)測試?yán)铮@種通用路線做出來的效果，完全不輸給那些專門針對機(jī)器人開發(fā)的模型。

有一點很重要：我們是直接做視覺、語言和動作的離散編碼，不像有些路徑還需要專門搞視頻后訓(xùn)練。這再次證明了，自回歸就是一個普適邏輯。它不需要針對特定任務(wù)打補(bǔ)丁，只要邏輯通了，就能從感知和生成自然地延伸到具身領(lǐng)域。

Nature發(fā)表的這項工作，其實是我們在 2024 年基于 Emu3 的初始版本完成的。到了 2025 年，我們又推出了 Emu3.5。

圍繞這個新版本，我們有了更深層的發(fā)現(xiàn)：隨著模型參數(shù)、數(shù)據(jù)和算力的規(guī)模增長，模型對物理世界的動態(tài)、時空關(guān)系以及因果邏輯，表現(xiàn)出了明顯的理解和預(yù)測能力的涌現(xiàn)。這說明大模型的Scaling Law 不僅僅在語言上靈驗，把它擴(kuò)展到比語言更復(fù)雜、充滿物理規(guī)律的真實世界，這條路同樣是走得通的。

《知識分子》：雖然Emu3 證明了自回歸路線在多模態(tài)上的潛力，但目前這仍然是一種路徑嘗試。要真正實現(xiàn)“世界模型”，我們還缺什么？

黃鐵軍：最近很多人在討論Scaling Law 是不是到頭了，我認(rèn)為這個說法是不對的，不是這條規(guī)律到頭了，而是語言相關(guān)的數(shù)據(jù)挖掘到頭了。

大家現(xiàn)在談“世界模型”，但什么才叫“世界”？對機(jī)器人來說，進(jìn)房間不碰桌子、抓杯子知道力道，這就算認(rèn)識世界了嗎？遠(yuǎn)遠(yuǎn)不夠。真實的客觀世界有復(fù)雜的物理相互作用：你撞墻時，墻是水泥的還是木頭的？如果是玻璃，你能不能直接沖過去？這些關(guān)于力學(xué)、關(guān)于物質(zhì)屬性的邏輯，在今天的模型訓(xùn)練里其實是缺失的。

往深了說，原子與分子之間的相互作用、混凝土凝固后的硬度，難道不是世界的一部分嗎？如果是，那科學(xué)實驗的數(shù)據(jù)、對分子測量的各種數(shù)據(jù)，都該拿來訓(xùn)練。只靠今天互聯(lián)網(wǎng)上的這點語言和圖像數(shù)據(jù)，是撐不起真正的通用人工智能的。

哪怕建模了人類已知的所有細(xì)節(jié)，我們也遠(yuǎn)沒有窮盡這個世界。客觀世界的復(fù)雜性是無限的，我們只能不斷去逼近它。只要這種無限性還在，只要我們能引入更深層的科學(xué)數(shù)據(jù)，Scaling Law 就沒有頭。

《知識分子》：智源一直在支持來自高校和企業(yè)界的學(xué)者。那作為一個獨立研究機(jī)構(gòu)，智源做的研究和大學(xué)以及企業(yè)做的研究有什么不同。

黃鐵軍：智源不做大學(xué)和企業(yè)正在做的事情。

有些事情大學(xué)做不了，不是因為沒有能力，而是條件不夠。想做一個有系統(tǒng)的、實際可操作的項目，需要團(tuán)隊、經(jīng)費、時間去搭建。學(xué)校里，老師可以自己琢磨理論問題，但要做一個完整的系統(tǒng)，就必須先找經(jīng)費、組團(tuán)隊，這個周期很長。而AI 的迭代速度根本不等你慢慢跑經(jīng)費。等你花一年時間把錢拿到手，技術(shù)風(fēng)向可能早就變了。

再說企業(yè)。企業(yè)是務(wù)實的，當(dāng)一條技術(shù)路線還沒有徹底跑通、還只是一種信念的時候，企業(yè)是不敢砸重金去試錯的。企業(yè)愿意做的是別人已經(jīng)試過了、行之有效的東西，然后迅速把它變成可預(yù)期的產(chǎn)品。

智源處在大學(xué)和企業(yè)之間的中間地帶。我們有相對穩(wěn)定的經(jīng)費和團(tuán)隊，我們只要達(dá)成共識，自回歸路線是解決所有模態(tài)的唯一通用路線，那我們就直接動手干。工程技術(shù)的東西，對不對不是靠說服，而是要拿實際的結(jié)果來證明。

我們要做的就是花時間把東西做出來。一旦證明這條路通了，企業(yè)自然會跟進(jìn)，花更多的錢去產(chǎn)業(yè)化