朱松纯重返 WAIC：警惕大模型万能叙事，中国 AI 需要原创路线

北京通用人工智能研究院院长朱松纯时隔七年重返世界人工智能大会（WAIC）。在 2026 年 7 月 19 日的「思想者论坛」上，他用一小时演讲及与 36 氪的深度对话，再次亮明自己坚持三年的核心立场：大语言模型无法自然通向通用人工智能（AGI），当前 AI 热潮存在明显泡沫，中国需要走出属于自己的原创技术路线。

七年缺席与「马斯克信仰」

朱松纯上一次出现在 WAIC 是 2019 年。过去七年，他几乎缺席这一中国最大的 AI 产业秀场，本身即是对「大模型万能」叙事的不认同。从 2022 年底 ChatGPT 引爆大模型浪潮开始，他就反复强调：单纯扩大参数、数据和算力，并不会自动涌现出 AGI。在他看来，热潮背后的资本营销和国际叙事，远比真正的技术突破更强大。

此次回归，朱松纯把过去几年的 AI 热概括为一场由「硅谷、华尔街、华盛顿三重奏」共同推动的资本与地缘政治叙事，并直言中国科技界长期困在美国定义的问题中——「信息从美国传过来，我们再请美国专家讲一遍，形成了信息倒灌和放大。」他点名了一种他称之为「马斯克信仰」的现象：投资者对科技领袖宏大叙事的盲目追随，「马斯克说的事情 80% 没有做成」，超级高铁关停、全自动驾驶推迟十余次、脑机接口远低预期——承诺越宏大、兑现越迟缓，市场反应反而越狂热。

大模型≠AGI 终点

朱松纯明确指出，大模型作为工具，能在聊天、内容生成、代码辅助等场景发挥作用，但具备应用价值并不意味着它就是 AGI。两者是不同层面的问题：

大模型主要处理语言序列中的统计关联，擅长模式匹配；
真正的 AGI 需要物理常识、社会认知、自主任务生成和价值驱动；
模型在某些题目上得分高，或能完成工具调用，不能等同于「涌现」了通用智能。

他用一个比喻解释 Scaling Law 的局限：把数据、参数和算力规模不断扩大描述成通向 AGI 的充分条件，但「一个人不建立知识结构和思维能力，只靠提前拿到大量试卷，也不会因此获得通用能力」。在他看来，AI 真正的瓶颈还包括认知架构和价值系统，而非仅仅是算力。

CUV 框架与「通通」智能体

朱松纯的技术路线区别于主流 Transformer 架构，以因果推理和内在价值驱动为核心。其团队提出的 CUV 通用智能框架包含三层：

C（认知架构）：组织信息和决策，决定智能体能形成什么样的能力；
U（能力/势能函数）：涵盖感知、认知与行动能力；
V（价值系统）：驱动目标选择与行为方向。

围绕这一框架，团队研发了通用人工智能操作系统 TongOS、编程语言 TongPL，以及通用智能人「通通」。与主要依靠外部指令驱动的大模型产品不同，「通通」被设计为由内在价值系统驱动、能自主理解环境、生成任务并规划行动的智能体原型。按团队评测口径，其部分认知和行为能力已达到五至六岁儿童水平。2026 年 3 月，「通通」3.0 在中关村论坛亮相，在空间智能、认知智能和社交智能方面完成升级；同期发布的「通脑」被定位为连接通用智能体与物理机器人的具身智能核心引擎。

泡沫的本质与原创路径的检验

朱松纯直言当前 AI 行业存在明显泡沫。泡沫的本质是把一项尚未成熟的技术未来价值，过早、过度地折现到今天。 他观察到，从大模型、Agent 到具身智能、世界模型，热点不断轮换，其中确有真实进步，也有大量标签化和同质化。训练和运行成本持续增加，模型又需要快速迭代，收入却无法覆盖投入，这种结构非常脆弱。

他认为泡沫并非全无正面作用——资本高密度投入会加快基础设施建设、吸引人才，但也带来资金损失、人才错配、社会预期失真，以及对长期科研生态的伤害：大量团队追逐短期热点，投资机构只愿意投可以迅速包装和退出的项目，真正需要五到十年积累的原创研究反而难以获得支持。

面对「通通尚未跑通商业化闭环」的质疑，朱松纯回应称：任何真正原创的技术路线都需要经历验证过程，不能因短期内没有形成大规模收入就被否定。AGI 这样的大科学大工程，评价周期不能只用一两个季度的收入来衡量。他同时强调，评价标准本身也是叙事权的一部分——如果行业只用参数量、训练算力和少数语言榜单定义先进性，其他技术路径即使在通用能力、数据效率和可解释性上表现更好，也很难被看见。

社会智能：下一个真正前沿

在演讲与对话末尾，朱松纯把「社会智能」正式推到台前。他指出，人类智能最深刻的部分在于社会智能——理解身份、关系、情绪、意图、责任、权利和利益，这些能力比识别物体或生成语言更加复杂，也是当前所有大模型交白卷的维度。他将社会智能视为通向 AGI 的最后屏障，并认为这是「大模型之后」的真正前沿。

围绕这一方向，北京通用人工智能研究院正推动从个体认知向多智能体交互、社会模拟和人工文明研究的扩展。2025 年，Science 先后报道了团队围绕「通通」以及从 AGI 智能体走向 AGI 社会的研究路径，关注其将通用智能从个体认知进一步扩展到多智能体交互与社会模拟的尝试。在朱松纯看来，真正的原创突破需要继续向哲学和基础理论层追溯——只有重新定义问题，而不只是把别人的路线跑得更快，中国 AI 才有可能走出属于自己的路径。