钱还在往算力、存储和数据中心里涌，市场已经开始问：AI基建是不是到了阶段性高点?这轮热潮还能跑多久?与此同时，具身智能、世界模型、Agent、Token，以及从云到边到端的硬件变化，也在同时发生。

　　2026年过半，峰瑞资本科技投资人刘鹏琦和颜黔杭坐下来复盘了这半年：项目估值为什么一周一变?OpenClaw的热闹散去后留下了什么?世界模型为何集中爆发?“电力in，Token out”又意味着怎样的算力竞争?如果泡沫迟早会破，哪些公司能留在牌桌上?

　　刘鹏琦：站在2026年年中回头看，AI的演进一点没有慢下来。从OpenClaw、世界模型，到存储、光互联，再到智谱市值突破万亿港元，热点一波接一波。这些全挤在同一个半年里，我们今天正好顺着聊一遍，看看背后到底发生了什么。

　　第一个问题先问颜博，你上半年大概聊了多少个项目?

　　颜黔杭：差不多200到300个，其中AI相关的项目接近150到200个。

　　刘鹏琦：我的体感也差不多。如果用几个关键词描述上半年看项目的感受，你会选什么?

　　颜黔杭：第一个是FOMO(fear of missing out，错失恐惧)。热点领域会突然冒出大量以前没见过的人和项目，估值也在快速上涨。很多人会逼着自己把所有项目看一遍：我们今天投了吗?投了多少?是不是应该再多投一点?

　　第二个是结构分化。少数热门赛道融资很活跃，大部分赛道仍然冷静。二级市场也一样，科技股涨得很好，但不在热点范围内的股票可能不温不火，甚至下跌。

　　第三个是估值前置。过去做早期投资，什么Milestone(里程碑)对应什么估值，大家有一套相对明确的判断。公司形成共识、完成阶段性交付后，估值再往上走。现在热度和FOMO打破了很多经验，10亿美元估值可能在几个月内火箭式地出现。

　　刘鹏琦：有些项目一周时间估值就变了，甚至夸张到同时有三轮融资在进行，一轮在交割，一轮在谈协议，另一轮已经在敲定方案。面对这样的市场，作为投资人会焦虑吗?

　　颜黔杭：说不焦虑不现实。但我更焦虑的不是没投到某个项目，而是AI变得太快。每天都有新模型、新热词和新想法。你看到一条晚了几天的新闻，会忍不住想：我是不是已经被甩下了?

　　刘鹏琦：投资有偏价值的，也有偏机会型的，还是得拆开看，不能让市场情绪替你做决定。先把估值和FOMO放在一边，上半年真正长出了哪些新东西?

　　颜黔杭：我先说研究型创业。美国最近有个被讨论得很多的概念叫NeoLab，用商业化公司的方式解决长期研究问题。上半年出现了不少这样的公司。大家不再只问“是不是教授创业”，而是看教授出来做公司以后，研究能不能跑得比原来的组织方式更快。

　　再看AI应用和AI硬件，大家也开始回到产品本身。Manus出现后，市场一度FOMO Agent;后来Insta360又带起了一轮对AI硬件的关注。追了一轮热点之后，大家还是得回来找真正会定义产品的人。

　　AI Coding也让创业者不再局限于算法研究员和工程师。律师、设计师、产品经理，甚至家庭主妇，都可能用Coding工具做出产品。

　　刘鹏琦：以前经常说技术型创业者是“拿着锤子找钉子”。现在有点像钉子自己出来创业，锤子已经变成了普适化工具。

　　刘鹏琦：OpenClaw应该是上半年最受关注的事件之一。从全民“养龙虾”、抢Mac mini，到模型厂商和IM平台纷纷推出自己的Agent，热度现在又慢慢降下来了。开源让它一下走进了大众，但安全和体验的问题也跟着暴露出来。热闹过后，它到底留下了什么?

　　颜黔杭：OpenClaw让很多普通人第一次自己部署Agent、下载Skills，再通过自然对话一点点把它调成自己想要的样子。它更像一种Agent OS(智能体操作系统)，不只是完成某一个任务的工具。

　　比如我有一个做美妆的自媒体朋友，想切入科技内容。她用OpenClaw搭了几套Workflow(工作流)，定向搜集科技信息，再形成内容生产的Pipeline(流水线)。Coding、PPT、电商和企业内部的流程任务，也已经有不少人在稳定使用。一波热潮之后，虽然有泡沫、波动和噪音，但吹开啤酒的泡沫，下面是醇厚的啤酒。

　　刘鹏琦：最近大家又开始强调Harness Engineering(智能体运行环境工程)。当大模型从聊天工具变成任务执行者，哪些东西开始变得更重要?

　　颜黔杭：Agent得在一个环境里做决定、执行任务，再根据结果调整，整个过程要转起来。模型只是里面那个“大脑”。Harness Engineering做的是把周边环境和反馈通路搭好，让模型自己在Workflow里跑，而不是人提前写死每一步。

　　刘鹏琦：这也和数据飞轮有关。传统互联网的个性化体验来自用户数据积累，Agent会不会成为形成数据飞轮和个性化体验的载体?

　　颜黔杭：Chatbot留下的主要是语言上下文，Agent留下的是任务轨迹：它怎么判断、怎么执行、调了什么工具，最后有没有把事情做完。这些轨迹可以拿来做Agent RL(智能体强化学习)。垂直场景的数据未必会回到基础模型公司手里，这才可能变成Agent创业公司的壁垒。

　　刘鹏琦：这么看，谁能拿到用户的任务轨迹，谁就更有主动权。现在场上大致有三类玩家：模型厂商、IM与办公平台、本地硬件。你更看好谁?

　　颜黔杭：它们做的事情不同。模型厂商适合搜索、深度研究和Coding等通用任务;办公平台有现成的文件、文档和业务流程;本地硬件更多与隐私有关。但“龙虾机”是不是一条成立的产品路线，还要打一个问号。一开始抢得最凶的是Mac mini，热度下来后，闲鱼上卖得最多的也是Mac mini。

　　本地硬件还有一个问题，数据到底归谁?比如一家公司的核心架构师使用Agent，他当然想用最好的模型，但如果架构设计和任务轨迹被模型公司拿去训练，对他来说风险很大。很多用户面临的冲突都是：我想用最好的模型，但不接受把数据交给它。你怎么看隐私与模型能力之间的取舍?

　　刘鹏琦：按过去的经验，大多数C端用户会先选效率和体验。但Pro C和B端不一样，技术文档、产品设计、业务数据都是企业的核心资产。机会可能就在这里：让企业用上最好的模型，同时把本地数据、权限和安全管住。

　　颜黔杭：我和鹏琦早年都看过SaaS和Fintech，对大B客户都有点又爱又恨：预算多，需求也复杂，服务起来很重。现在又多了FDE(前沿部署工程师)，得让懂模型和业务的人进到现场帮客户部署。AI服务大B，和过去的SaaS、Fintech会有什么不一样?

　　刘鹏琦：大B客户预算大，要求也高，加量不加价、定制成本高这些老问题还是会有。客户还会问：既然有开源模型，为什么要为AI服务多付钱?等AI真进了企业底层，数据安全、隐私、系统对接都要处理。还有幻觉，如果AI用在风控这类核心业务里，出错造成损失，到底算模型厂商、企业还是员工的责任?这个边界现在还没切清楚。谁能把这些问题解决，谁才有机会。

　　刘鹏琦：过去半年，大模型能力进步的速度是在加快，还是在放缓?

　　颜黔杭：如果看类似o1推理架构这样的跨越式创新，确实有一段时间没看到了。但模型做真实任务的能力还在进步。过去看数学测试和知识榜单，像让模型参加考试;现在看SWE-bench(软件工程基准测试)、Computer Use(计算机操作)和Agent Benchmark(智能体基准测试)，考的是它能不能修Bug、调工具、把一个长任务做完。模型已经从考场走到了工作现场。

　　刘鹏琦：有点像学生从学校毕业走入社会。知识储备可能已经基本形成，真正的考核是，他能在工作中发挥多少能力。这一轮表现最突出的公司，你会选谁?

　　颜黔杭：我会选Anthropic。它很早就把重心押在Coding上，现在看这个决定很关键。它比别人更早意识到，模型不能只比考试成绩，还得看任务执行。Claude 3.5出来以后，AI Coding工具的体验进步很明显，Cursor这类产品也越来越好用;工具变好，用户变多，反馈再回到模型里，慢慢就滚起来了。

　　另一个原因是它的收入增长很快。Anthropic今年几次公开披露的年化收入都在快速上升，大家也开始讨论：如果Anthropic上市，会是什么量级的公司?推理成本和盈利能力的改善，也让很多人重新评估它。

　　刘鹏琦：听起来，它选了一个看着垂直、实际足够大的市场，先把这群用户打透。总比摊得很开，却没有一个方向足够领先要好。

　　颜黔杭：我不太会把Coding叫作垂直领域。Coding里面本来就有人的逻辑、推理和决策，要把一个算法真正变成能跑的Application(应用)。模型把Coding做深，推理、关联思考和链式决策都会跟着练起来。所以大家用Claude时，才会觉得它严谨、聪明。

　　有些模型很有想法，但不够可靠。Anthropic从Coding和Agent切进去，真实任务也在反过来练模型。有点像“知行合一”：它比别人更早把“知”和“行”放进同一个循环里。

　　今年Anthropic又推出了Fable 5和Mythos 5.Fable 5面向普通用户开放，Mythos 5的访问范围更窄;两款模型还一度暂停访问，后来又恢复了。你怎么看围绕这种限制产生的讨论?

　　刘鹏琦：网上已经有不少对这些模型的评价，但真正深度用过的人可能还不算多。我简单看了一下，它们在上下文长度、自适应循环思考，以及和Agent能力融合上，体验确实很强。至于所谓“封禁”，我觉得里面可能也有烟雾弹和饥饿营销的成分。它们是不是真的已经强到可以成为国家之间竞争的工具，还要再看。

　　颜黔杭：回头看国内模型，你觉得过去半年最大的变化是什么?

　　刘鹏琦：智谱是个很典型的例子。它也在往Coding方向发力，在架构和长程任务训练上做了自己的尝试。我们也听说，团队加入了过程奖励等方式来提升模型能力。国内团队还在不断往前试，架构、算法、模型能力都没有停。

　　数据这一块也在补。只做蒸馏，天花板很快就能看到。模型公司拿到更多钱以后，除了买算力、招人，也开始肯在高质量数据上花钱了。

　　DeepSeek也值得看。它发布模型后安静了一段时间，但一直在做自己的积累。今年一个明显变化，是它在融资和国产算力合作上的态度比过去更开放。

　　我理解，它需要通过估值和股权激励留住人才，也希望和国内算力厂商建立更深的合作。这样做不只是提升自己的模型，也是在带动整个产业生态。

　　颜黔杭：DeepSeek刚出来时，国内几家模型公司的资金规模大多还是几十亿元。在这个量级上，一家由量化基金支持的Research Lab(研究实验室)还能和大家竞争。去年到今年，大厂开始重金投入，阿里、小米都在砸钱，MiniMax、智谱上市后手里的资金也不再是几十亿元的体量。DeepSeek如果继续沿用原来的运转方式，相当于主动给自己增加难度。

　　但DeepSeek的风格倒没怎么变，所有选择还是围着一件事转：做出更好的大模型，而不是先追求短期商业化。

　　刘鹏琦：聊完国内几家模型公司，再看中美差距。你觉得这个差距是在变大，还是在变小?

　　颜黔杭：在极速版和通用标准版模型上，中美差距确实在缩小。2022年大家觉得很难追上，2023、2024年还在说差一两年，到今年体感可能只差几个月。最近智谱联合创始人唐杰在X上和马斯克有过一段对话。马斯克说，中国大模型可能要到2027年一季度才能追上前沿水平;唐杰回了句“不会那么久”。

　　短期难以克服的差距仍然是基础设施和算力。美国有更大的算力集群，可以同时跑更多实验;中国更擅长花小钱办大事，通过算法和工程效率快速跟进。

　　刘鹏琦：对。机器多，就能同时跑更多实验，模型架构也有更大的探索空间。国内现在补数据的能力比以前强了，数据对模型进步的贡献也在提高。再看极速版和轻量模型，我们在效率和成本上确实有优势。

　　颜黔杭：中国模型也开始被更多人看到了。MiniMax的模型被OpenClaw支持;英伟达3月GTC的议程和相关演讲里，Kimi和MiniMax也都被提到。极速版、标准版和通用版这几层，我们都追得很快。

　　视频生成更有意思，国内的声音反而更大。Seedance发布后，市场一度传出其ARR已经达到20亿美元，不过火山引擎后来表示，外界流传的收入数字普遍偏高。海外除了Google Veo 3.0仍然保持着关注度，Sora的市场声量相比刚发布时小了不少。在视频模型上，国内看起来反而更强。

　　刘鹏琦：因为视频生成消耗的Token很多，单位Token的成本和效率会被成倍放大。国内厂商可以通过架构设计和更高效地利用算力，把成本降到用户能接受的范围。

　　再往下就绕不开AI基础设施。模型厂商不断提高资本开支，Token消耗也在涨，算力成本迟早会变成瓶颈。你看到基础设施发生了哪些变化?

　　颜黔杭：大家现在问的已经不只是“算力够不够”，而是这一整套系统能不能跑顺。除了“算”，还得看“存”和“传输”。假设有一万个计算节点，结果没法及时传到下一个节点，其他节点就只能等。像雇了一万名流水线工人，材料送得太慢，总有人在那里磨洋工。

　　所以光互联、HBM(高带宽存储器)、DRAM(动态随机存取存储器)和SSD(固态硬盘)才会越来越重要。把整个系统抽象一下，其实就一件事：“电力in，Token out。”怎么让电力和运行支出换回更多Token，芯片、存储、通信、液冷和软件都得一起优化。

　　刘鹏琦：看基建也不能只看云。端侧是手机、手表、耳机这些身边的设备;边缘侧可以是NAS(网络附加存储)、一体机或企业内部设备;云端再提供大规模算力。简单任务放在端侧，个人和企业的私有数据留在边缘侧，复杂编程和长程推理再交给云。

　　颜黔杭：云侧短期吸走了大量资源，端侧反而得在更少的算力、更低的成本下把功能做出来。对创业公司来说，这种约束里也藏着机会。

　　刘鹏琦：2026年上半年，世界模型突然成了一个热词。具身智能、视频生成、游戏、物理仿真都在讲它。我的理解是，世界模型不一定对应某一种具体模型，它更像是：给世界一个外部干预，再预测下一个时刻会发生什么。

　　按这个定义，牛顿定律是不是也可以理解成一种世界模型?颜博，你怎么理解世界模型?它和VLA(视觉—语言—动作模型)、视频生成模型、大语言模型分别是什么关系?

　　颜黔杭：世界模型其实不是新概念，强化学习里一直有。现在能看到几条路线：视频模型生成下一帧，3D世界模型搭出可交互的空间，JEPA(联合嵌入预测架构)把世界抽象成隐空间表征，WAM(世界动作模型)则把世界模型和Action Policy(动作策略)接在一起。

　　刘鹏琦：语言是高度抽象的信息，但现实世界还有视觉、触觉和空间关系。我觉得世界模型更像人的先天能力，语言模型更像后天学习。两者的迭代方式不同，但共同塑造了人的智能。你同意这个判断吗?世界模型未来会和LLM(大语言模型)形成什么关系?

　　颜黔杭：我也更倾向于两者互补。语言和包括视觉、听觉、触觉、嗅觉在内的五感，都是人与世界交互的方式。大语言模型先解决了语言层面的智能，我们自然会继续探索AI对物理世界的理解和预测。

　　刘鹏琦：为什么世界模型偏偏在今年上半年爆发?

　　颜黔杭：先是视频模型成熟了，生成结果越来越像真的。3D表征技术也往前走了，从Mesh(网格)、点云到NeRF(神经辐射场)、3D Gaussian Splatting(3D高斯泼溅)，创业团队们都已经具备生成和操作3D世界的技术基础。再加上开源视频模型，很多想法可以很快拿来验证。

　　刘鹏琦：但世界模型和具身智能都缺少包含物理信息的数据。行业经常讲数据金字塔，底层是互联网视频与合成数据，中间是带有多模态信息的第一视角数据，顶端是真机遥操作数据。这个瓶颈怎么解决?

　　颜黔杭：我们不缺普通视频数据，缺的是蕴含物理状态和规律的数据。第一类是真实传感器采集;第二类是物理仿真和数字孪生;第三类是基于视频反推接触和受力状态。真实数据最好，但成本最高，最后要把三类数据组成一个梯度系统。

　　聊个轻松一点的。如果世界模型开始出现明确的商业化进展，你觉得消费者最先会在哪些场景感受到?是游戏、内容消费，还是最近一直在讲的具身智能?

　　刘鹏琦：我猜是游戏和内容消费。这些场景不追求绝对准确，只要能骗过人的眼睛就可以。具身智能要在真实世界里操作，对数据、成功率和安全性的要求都更高。

　　颜黔杭：如果世界模型真能用在游戏里，我还挺期待以后不再看到各种诡异的穿模和Bug。

　　刘鹏琦：从内容消费再转向具身智能，世界模型给这个行业带来了什么变化?现在有人认为VLA会被世界模型取代，真的是这样吗?

　　颜黔杭：我觉得不会。人打网球时，面对陌生动作可能会先想象怎么回球;但高速来球时，专业运动员依靠身体本能直接反击。世界模型更像“先想再动”，VLA更像根据视觉输入直接输出动作，两者可以互补。

　　刘鹏琦：具身智能落地还有一个“不可能三角”：长程复杂任务、高成功率和跨场景泛化，目前很难同时满足。触觉也很关键。如果机器人只靠手上的触觉传感器，就能还原物体的大致三维形状，说明能力已经达到比较高的水平。

　　颜黔杭：我们看过一个很直观的案例。一个仅一两百元的二指夹爪，加上触觉传感器形成力控闭环后，就能夹起豆腐而不把它捏碎。但触觉怎样与模型适配，目前还在很早期。

　　刘鹏琦：除了Agent、世界模型和具身智能这些最热的领域，你觉得还有哪些方向，值得创业者特别关注?

　　颜黔杭：我最近最感兴趣的一个方向，是更广义的AI for Science(人工智能驱动科学研究)。把科研过程拆开，从提出问题、查资料，到实验、分析、验证，看看哪些环节能交给AI，研究速度能不能提起来。它比前几年大家熟悉的AlphaFold又往外走了一层。

　　刘鹏琦：有点像把科研本身变成一条可以被重新组织的Pipeline(流水线)。

　　颜黔杭：对。今年已经能看到不少Auto Research(自动研究)的工作，只是大多还局限在某些领域。接下来更值得看的是，它能不能进入更多学科，极大加快科研创新。还有一个例子和刚才聊的世界模型有关。传统的物理仿真，底层常常要靠偏微分方程求解。过去做仿真有个很痛苦的问题：想算得准，就会很慢;想算得快，又容易不准。现在大家开始用AI、神经算子去替代一部分PDE(偏微分方程)求解。如果真的能做到又快又准，就是很实在的一步进展。

　　最近我觉得特别有意思的是社会科学。以前社科研究缺少高效的实验和推演机制：要么把真实社会当成实验环境，做大范围调研;要么小范围抽样，做Sampling(采样)。现在AI能不能为社会科学提供新的推演方法，切进其中一些环节，加快研究?这一下就把AI for Science的思路打开了，不再只是AI for材料、AI for生物科技。

　　另一个方向是AI硬件。国内有成熟的硬件供应链，也有一批很聪明的年轻创始人和产品经理，再加上越来越好的AI基础设施，他们可以很快把想法做成产品。我更期待的是，这片土壤里会不会随机长出一些我们没预料到的东西。

　　刘鹏琦：AI硬件不只是在给用户提供一个功能，它和世界模型也连得很近。网上已经沉淀了大量数字化数据，但人和物理世界怎么交互，包括行为数据、生命体征数据、脑电数据，还是很缺。以后这些硬件可能带着算力、AI软件和各种传感器，在使用中慢慢理解我们，再反过来提供服务。

　　创业公司还得想清楚：你做的是一个数据采集器，还是一个Data Hub(数据枢纽)?如果它能把用户在其他场景里的信息也接进来，能做的事就会多很多。

　　刘鹏琦：最后聊聊资本市场。今年宇树已经拿到科创板IPO注册批文，进入发行阶段;智谱和MiniMax年初上市后，股价经历波动甚至开始分化。Kimi、DeepSeek、阶跃星辰相继完成大额融资。你怎么看这一轮AI公司的上市潮?它会怎样影响一级市场?

　　颜黔杭：站在一级投资人的角度，大家能赚钱当然是好事。对这些基础模型公司来说，上市也是一次资本化兑现：生态位置已经有了阶段性证明，接下来还要打更久的仗，需要更多弹药。

　　这类公司长期有价值，短期又要持续烧钱做研究，资本市场给了它们继续投入的条件。OpenAI、Anthropic也差不多。看它们，不能完全用传统公司的PE框架来估值，大家更在意它们最后能占住什么生态位置。互联网公司早期上市时，看的也不只是眼前赚不赚钱。

　　刘鹏琦：但这一轮AI，大家也承认存在泡沫。更多巨头上市之后，泡沫会破吗?

　　颜黔杭：预测泡沫哪天破很难。谁都可以说泡沫终究会破，但这是一句正确的废话。短期看，上市可能会给一级市场再添一波FOMO;但二级市场反馈快，业务做得不好，或者研究进展撑不起预期，股价很快就会反映出来。头部公司表现得好，一级市场还有空间;如果它们撑不住，就会反过来压低一级市场的估值。到时候大家会重新算账：二级市场的估值都站不住，一级还这么贵，甚至一二级倒挂，是不是该冷静一点?今年上半年涨得很快的估值，也可能迎来一段冷静期。

　　刘鹏琦：哪天破确实猜不准。那换个问法，假设泡沫开始破了，会发生什么?哪些公司更有可能活下来，甚至变成真正的好公司?

　　颜黔杭：泡沫里的心态很像炒股，大家都觉得自己买的那只明天还能涨停。市场一冷，钱就会往更好的资产上收。像世界模型、具身智能模型这类研究驱动的方向，公司得不断交出关键里程碑，还得在行业里保持位置。只靠Demo、靠讲故事，没有成果输出，后面就很难再拿钱。

　　做落地的公司，最后还是看商业模式稳不稳、订单真不真。遇到冲击时能不能扛住，决定了它能不能活下来。

　　刘鹏琦：我倒觉得，泡沫破裂未必全是坏事。无论软件、大模型还是具身智能，上游的算力和基础设施成本都可能降下来。现在很多项目落不了地，卡的就是资本开支和成本。用户用得起了，落地反而会更快。

　　颜黔杭：对，而且对一级市场来说，上市也不是终点。等真正能退出的时候，股价还是要回到合理价值，二级市场的反应很快。

　　刘鹏琦：最后，如果让你押注一个下半年的变量，你会选什么?

　　颜黔杭：我会看真实的数据闭环。具身智能也好，Agent也好，只要能让数据和使用反馈持续转起来，或者帮别人把这套机制搭起来，都有机会，做“卖铲子”的也可以。

　　刘鹏琦：我的判断也差不多。下半年应该会看到更多能落地、能带来收入的项目。泡沫什么时候破很难猜，但技术不可能跳过周期，直接走到AGI(通用人工智能)，中间一定会经历波动。在波动里能不能落地，能不能拿到收入、融资或者数据，决定了公司能不能建立阶段性的优势，以及有没有机会参与下一轮竞争。

　　目前，大多数AI系统的训练和评估依赖于标准化的测试方法。这些测试通常采用简单的评分规则：只要答案正确就能得分，答错或表示“不知道”则不得分。这种机制类似于人类教育中的应试考试。在这种环境下，AI模型学会了优先追求“得分”，而不是追求“真实”或“准确”。为了获得更高的分数，模型更倾向于猜测答案，而不是承认自己不知道。

　　研究人员发现，这种训练方式导致AI形成了一种“蒙题策略”。就像学生在考试中不会空题一样，AI也被训练成尽量给出一个答案，哪怕这个答案可能是错的。久而久之，模型开始生成听起来合理但缺乏事实依据的内容。这种行为在技术上被称为“幻觉”，它不是随机出错，而是系统性偏差的结果。

　　OpenAI的工程师举例说明，当被问到一个冷门历史事件时，如果模型没有确切信息，理想的做法是回答“我不清楚”。但在现有评分体系下，这样的回答得分为零。相反，如果模型编造一个看似合理的回答，哪怕内容虚假，只要听起来像模像样，就有可能被判定为“正确”或“部分正确”，从而获得分数。这种激励机制让AI更愿意“编故事”而不是“说实话”。

　　这一发现揭示了一个更深层的问题：AI的行为是由训练目标决定的。如果目标是“得分最高”，那么AI就会选择最可能得分的方式，哪怕这意味着说谎。这与人类的学习过程有本质区别。人在学习中不仅追求答案正确，还重视理解过程和诚实态度。但AI没有这样的价值观，它只遵循程序设定的规则。

　　为了解决这个问题，OpenAI正在尝试新的训练方法。他们提出，未来的评估体系应该鼓励AI在不确定时主动承认无知。例如，可以引入“诚实加分”机制，当模型正确识别自身知识边界并如实回答“不知道”时，也能获得一定分数。这样可以改变模型的行为倾向，使其更倾向于真实表达，而不是盲目猜测。

　　此外，研究人员还在探索多维度评分系统。除了答案的准确性，还会评估回答的可靠性、信息来源的可追溯性以及表达的清晰度。通过更全面的评价标准，引导AI形成更健康、更可信的回应模式。这种方法类似于从“只看考试成绩”转向“综合素养评价”的教育改革。

　　技术专家指出，改变训练方式只是第一步。更重要的是，整个AI行业需要重新思考如何定义“智能”。当前的主流观点认为，能回答问题的AI就是聪明的。但真正的智能应该包括判断力、自我认知和责任感。一个只知道编造答案的系统，再流畅也称不上真正智能。

　　用户在使用AI时也应提高警惕。不能因为回答听起来专业就全盘接受。尤其是在涉及医疗、法律、金融等关键领域时，必须对AI提供的信息进行核实。AI可以作为辅助工具，但不能替代人类的判断。

　　未来，随着技术进步和评估体系的完善，AI的“幻觉”问题有望逐步缓解。但这需要开发者、研究机构和用户的共同努力。开发者要优化训练方法，研究机构要建立更科学的评测标准，用户则要理性使用，不盲目信任。

　　总的来说，ChatGPT等AI模型出现“胡说八道”的现象，不是偶然的技术故障，而是现有训练机制下的必然结果。它提醒我们，技术本身没有对错，关键在于我们如何设计和使用它。只有建立以真实、诚实为核心的AI训练体系，才能让人工智能真正成为值得信赖的助手。

　　这个问题的解决，不仅关乎技术进步，更关乎人与机器之间的信任关系。当我们教会AI说“我不知道”的时候，它才真正迈出了走向可信智能的第一步。