上海市政协委员，商汤科技董事长兼CEO徐立，在2025世界人工智能大会主论坛上发表主旨演讲。图片来源：商汤科技

7月26日，2025世界人工智能大会在沪开幕。大会开幕以来，系列论坛上嘉宾们的观点层出不穷，问题形形色色，但共通点在于，大家都谈到了AI技术快速发展，正在为自身行业带来范式性的变革。其中，上海市政协委员，商汤科技董事长兼CEO徐立，在2025世界人工智能大会主论坛上发表了主旨演讲，分享了关于人工智能演进的一些思考。
随着单一模态的进化触及边界，AI的演进路径是什么？“最初是感知AI：2011—2012年深度学习在视觉领域兴起，随着 CNN、ResNet 等算法迭代共同推动了第一波认知升级和产业落地。”徐立说，“ 2017-2018 年，伴随Transformer 及自然语言模型的发展，进入了生成式AI的阶段，带动行业发展并逐步重塑大众认知至当前高峰，从GPT到智能体、多模态大模型，乃至到现在第三个热点高峰旨在改变现实世界的具身AI与世界模型。”

图中为上海市政协委员，上海市工商联人工智能专委会首任轮值主任徐立，图右一为上海市政协委员，上海市工商联人工智能专委会秘书长，上海库帕思科技有限公司CEO黄海清。图片来源：世界人工智能大会

AI 和机器学习，究竟学习的是什么？徐立认为，感知时代的智能主要来自人工标注：AI是通过学习人工标注获得能力。现在说得更通用的 AI 根植于自然语言。互联网文本天然蕴含知识，无需后期标注加工。正是自然语言的高知识密度，促成了模型的强大泛化与通用能力，成为当今通用AI 发展的关键基石。
能否从原始、无序的视频图像中挖掘更多知识？徐立表示，“融合视觉感知与语言能力，构建原生多模态系统。建立更自然的图文关联，形成更长的多模态思维链。借助这种思维链持续激发模型能力，智能是被激发出来的，难以在毫无基础的环境中凭空产生。”
当书本与互联网知识穷尽时，下一代的智能将从何处获取？第一阶段靠标注，第二阶段靠语言，接下来呢？徐立认为，当前机器人及具身智能的潜在瓶颈，正在于对高质量数据采集的巨大需求。
具身理念的来源，强调与现实世界的探索与交互至关重要。徐立认为，接下来，需要强大的现实世界理解模型+深度3D理解模型来协同提升该能力。
“商汤推出了自己的'开悟'世界模型，'开悟'世界模型也是视频生成模型，但它考虑了时间、空间的一致性。”徐立说，“期待和大家一起经历AI发展的三个变化，感知世界，进而更好地理解世界、生成世界，最后与现实的硬件交互来改变我们的世界。”
值得一提的是，会议期间，上海市工商联人工智能专委会正式成立。首任轮值主任由徐立担任，秘书长由上海市政协委员，上海库帕思科技有限公司CEO黄海清担任。