清华学段|张钹院士:理解AI演进脉络,洞见智能时代未来图景

教授观点·2026.10.01·来源 南洋理工大学南洋商学院·阅读 6 分钟

张钹院士在清华学段以“迈向第三代人工智能”为题授课,解读AI七十余年演进。

尽管“人工智能”这一概念已经诞生70余年,人工智能也已经从早期的理论探索,走到了机器学习、深度学习,再到今天大模型、智能体等技术快速发展的阶段。但直到今天,对于“什么是人工智能”,学界仍没有一个完全统一、标准的定义。随着技术不断发展,人们对于“智能”的理解也在不断变化,人类对于这一年轻学科的探索仍有很长的路要走。

越是在这样的时刻,或许理解人工智能越是不能只从当下最热门的技术开始,而需要回到更长的时间尺度,重新观察这项技术从何而来,经历了怎样的演变,又将走向何处。

图片3

9月24日,南洋EMBA(中文)首期班海外学段清华大学的课堂上,中国科学院院士、清华大学人工智能研究院名誉院长、中国人工智能领域的奠基人之一张钹教授,以《人工智能发展与未来——迈向第三代人工智能》为题,带领学员从人工智能的发展历程出发,重新认识这项正在深刻改变产业的科技。

教授介绍

NTU EMBAC

图片4

张钹 教授

中国科学院院士

清华大学人工智能研究院名誉院长

清华大学计算机系教授

作为中国人工智能领域的奠基人之一,张钹教授的学术生涯几乎与中国人工智能的发展历程相伴。

在中国,人工智能研究起步于20世纪70年代末。1978年前后,清华大学开始开展人工智能方面的教学与科学研究,并招收相关方向的研究生;1979年,清华大学为本科生开设《人工智能导论》选修课。此后,从智能机器人实验室,到智能技术与系统国家重点实验室,再到2018年成立的清华大学人工智能研究院,张钹教授出任首任院长。人工智能逐渐从早期的研究方向,发展成为今天跨越多个学科领域的重要研究领域。而张钹教授,正是这段发展历程的亲历者和实践者之一。

图片5

1958年从清华大学自动控制系毕业后,张钹教授留校任教。20世纪70年代末,在中国人工智能研究刚刚起步的时候,他与林尧瑞、石纯一、黄昌宁等学者共同选择“人工智能与智能控制”作为新的教学与科研方向,由此进入人工智能领域。此后,他一直持续从事人工智能、人工神经网络、机器学习等相关领域的研究和应用。

从一个尚在探索中的研究方向,到今天成为广受关注的前沿领域,人工智能的发展已经走过很长一段路。而对于张钹教授而言,这段历史并不是书本上的回顾,而是其学术生涯的一部分。如今91岁高龄的张钹教授,依然活跃在教育一线,持续研究人工智能的前沿问题,不断探索这项技术的未来边界。

因此,这堂课的价值不仅在于理解最新的AI趋势,更在于聆听一位亲历并参与中国人工智能发展的学者,如何从更长的时间尺度审视这门学科的成长。

图片6

从发展脉络看技术演进

此次课程的主题,是人工智能的发展现状与未来。

张钹院士以人工智能70余年的发展脉络为主线,从人工智能的定义、发展阶段、技术路径到未来趋势,系统梳理了人工智能的演进逻辑。

过去七十余年,人工智能经历了多次研究范式的变化。早期以知识和推理为基础的符号主义,后来发展到以人工神经网络和数据驱动为代表的第二代人工智能,再到近年来大语言模型所带来的新变化,不同阶段都有各自的思想基础与技术路线,也伴随着新的问题。张钹教授长期关注的“第三代人工智能”,正是在这样的发展脉络中提出的。

图片7

图片8

图片9

早在2015年前后,在深度学习快速发展的背景下,张钹教授及其团队开始提出第三代人工智能的理念,关注如何将知识、数据、算法和算力结合起来,进一步解决人工智能系统的可解释性、安全性、可靠性和可扩展性等问题。

今天,大模型的发展又为人工智能带来了新的变化。

机器正在展现出越来越强的语言理解、生成和迁移能力,人工智能也从过去相对确定的单一任务,逐渐走向更加开放、复杂和动态的应用环境。与此同时,智能体、多模态、世界模型、具身智能等新的研究方向不断出现,关于机器如何感知、理解、推理和行动的问题,也随之变得更加复杂。

技术能力的不断扩展,并不意味着人工智能已经找到了最终答案。

相反,随着机器能够完成的事情越来越多,一些更加基础的问题也重新浮现出来:机器究竟在多大程度上理解了它所处理的信息?所谓“智能”的边界在哪里?当人工智能进入更加复杂、开放的现实环境中,它是否能够保持稳定、可靠和可控?

这些问题并没有随着技术的发展而消失,而是在新的阶段呈现出新的形式。

图片10

图片11

图片12

图片13

图片14

图片15

01超越技术热点 建立客观认知

回望人工智能的发展历程,会发现它并不是一条始终向前的直线。它经历过技术突破,也经历过低潮;经历过热潮,也经历过重新审视。今天的大模型热潮,也是这门学科漫长发展历程中的一个阶段。

将时间尺度拉长,许多今天看似全新的技术,都可以在过去数十年的探索中找到某种脉络;而一些今天仍未解决的问题,也可能需要更长时间才能得到答案。

在当下技术迭代频繁的环境中,这堂课提供了一个超越技术热点的客观视域:暂时离开快速变化的技术热点,从人工智能发展的长线脉络出发,重新观察技术的演进、能力的边界,以及那些始终没有被完全回答的问题。

对于一门七十余年的“年轻”学科而言,未来依然有许多未知。

技术仍在向前,而关于“智能”的探索,也仍在继续,这也是人工智能的魅力所在。

图片16

关于我们

图片17

图片18

图片19

图片20

图片21

图片22

图片23

图片24

联系方式

官网

ntu.edu.sg/business/embac

电话

+65 65922457 / 69047247

邮箱

nbs_embac@ntu.edu.sg

02地址

91 Nanyang Ave, Wee Cho Yaw Plaza, 01-028, Singapore 639956

清华学段|张钹院士:理解AI演进脉络,洞见智能时代未来图景
教授观点·2026.10.01·来源 南洋理工大学南洋商学院·阅读 6 分钟

张钹院士在清华学段以“迈向第三代人工智能”为题授课,解读AI七十余年演进。

尽管“人工智能”这一概念已经诞生70余年,人工智能也已经从早期的理论探索,走到了机器学习、深度学习,再到今天大模型、智能体等技术快速发展的阶段。但直到今天,对于“什么是人工智能”,学界仍没有一个完全统一、标准的定义。随着技术不断发展,人们对于“智能”的理解也在不断变化,人类对于这一年轻学科的探索仍有很长的路要走。

越是在这样的时刻,或许理解人工智能越是不能只从当下最热门的技术开始,而需要回到更长的时间尺度,重新观察这项技术从何而来,经历了怎样的演变,又将走向何处。

图片3

9月24日,南洋EMBA(中文)首期班海外学段清华大学的课堂上,中国科学院院士、清华大学人工智能研究院名誉院长、中国人工智能领域的奠基人之一张钹教授,以《人工智能发展与未来——迈向第三代人工智能》为题,带领学员从人工智能的发展历程出发,重新认识这项正在深刻改变产业的科技。

教授介绍

NTU EMBAC

图片4

张钹 教授

中国科学院院士

清华大学人工智能研究院名誉院长

清华大学计算机系教授

作为中国人工智能领域的奠基人之一,张钹教授的学术生涯几乎与中国人工智能的发展历程相伴。

在中国,人工智能研究起步于20世纪70年代末。1978年前后,清华大学开始开展人工智能方面的教学与科学研究,并招收相关方向的研究生;1979年,清华大学为本科生开设《人工智能导论》选修课。此后,从智能机器人实验室,到智能技术与系统国家重点实验室,再到2018年成立的清华大学人工智能研究院,张钹教授出任首任院长。人工智能逐渐从早期的研究方向,发展成为今天跨越多个学科领域的重要研究领域。而张钹教授,正是这段发展历程的亲历者和实践者之一。

图片5

1958年从清华大学自动控制系毕业后,张钹教授留校任教。20世纪70年代末,在中国人工智能研究刚刚起步的时候,他与林尧瑞、石纯一、黄昌宁等学者共同选择“人工智能与智能控制”作为新的教学与科研方向,由此进入人工智能领域。此后,他一直持续从事人工智能、人工神经网络、机器学习等相关领域的研究和应用。

从一个尚在探索中的研究方向,到今天成为广受关注的前沿领域,人工智能的发展已经走过很长一段路。而对于张钹教授而言,这段历史并不是书本上的回顾,而是其学术生涯的一部分。如今91岁高龄的张钹教授,依然活跃在教育一线,持续研究人工智能的前沿问题,不断探索这项技术的未来边界。

因此,这堂课的价值不仅在于理解最新的AI趋势,更在于聆听一位亲历并参与中国人工智能发展的学者,如何从更长的时间尺度审视这门学科的成长。

图片6

从发展脉络看技术演进

此次课程的主题,是人工智能的发展现状与未来。

张钹院士以人工智能70余年的发展脉络为主线,从人工智能的定义、发展阶段、技术路径到未来趋势,系统梳理了人工智能的演进逻辑。

过去七十余年,人工智能经历了多次研究范式的变化。早期以知识和推理为基础的符号主义,后来发展到以人工神经网络和数据驱动为代表的第二代人工智能,再到近年来大语言模型所带来的新变化,不同阶段都有各自的思想基础与技术路线,也伴随着新的问题。张钹教授长期关注的“第三代人工智能”,正是在这样的发展脉络中提出的。

图片7

图片8

图片9

早在2015年前后,在深度学习快速发展的背景下,张钹教授及其团队开始提出第三代人工智能的理念,关注如何将知识、数据、算法和算力结合起来,进一步解决人工智能系统的可解释性、安全性、可靠性和可扩展性等问题。

今天,大模型的发展又为人工智能带来了新的变化。

机器正在展现出越来越强的语言理解、生成和迁移能力,人工智能也从过去相对确定的单一任务,逐渐走向更加开放、复杂和动态的应用环境。与此同时,智能体、多模态、世界模型、具身智能等新的研究方向不断出现,关于机器如何感知、理解、推理和行动的问题,也随之变得更加复杂。

技术能力的不断扩展,并不意味着人工智能已经找到了最终答案。

相反,随着机器能够完成的事情越来越多,一些更加基础的问题也重新浮现出来:机器究竟在多大程度上理解了它所处理的信息?所谓“智能”的边界在哪里?当人工智能进入更加复杂、开放的现实环境中,它是否能够保持稳定、可靠和可控?

这些问题并没有随着技术的发展而消失,而是在新的阶段呈现出新的形式。

图片10

图片11

图片12

图片13

图片14

图片15

01超越技术热点 建立客观认知

回望人工智能的发展历程,会发现它并不是一条始终向前的直线。它经历过技术突破,也经历过低潮;经历过热潮,也经历过重新审视。今天的大模型热潮,也是这门学科漫长发展历程中的一个阶段。

将时间尺度拉长,许多今天看似全新的技术,都可以在过去数十年的探索中找到某种脉络;而一些今天仍未解决的问题,也可能需要更长时间才能得到答案。

在当下技术迭代频繁的环境中,这堂课提供了一个超越技术热点的客观视域:暂时离开快速变化的技术热点,从人工智能发展的长线脉络出发,重新观察技术的演进、能力的边界,以及那些始终没有被完全回答的问题。

对于一门七十余年的“年轻”学科而言,未来依然有许多未知。

技术仍在向前,而关于“智能”的探索,也仍在继续,这也是人工智能的魅力所在。

图片16

关于我们

图片17

图片18

图片19

图片20

图片21

图片22

图片23

图片24

联系方式

官网

ntu.edu.sg/business/embac

电话

+65 65922457 / 69047247

邮箱

nbs_embac@ntu.edu.sg

02地址

91 Nanyang Ave, Wee Cho Yaw Plaza, 01-028, Singapore 639956