1. 引言
2026 年 7 月 19 日，上海世界人工智能大会（WAIC）的思想者论坛上，图灵奖得主、中国科学院院士、清华大学交叉信息研究院及人工智能学院院长姚期智（Andrew Yao）发表了一场”反潮流”的演讲。
在当前 AI 行业几乎所有人都在谈论 AI 能做什么的时候，他选择了一个不同的角度——《AI 的第一性原理：人工智能的威力及其局限》。从计算理论、数学和逻辑学出发，冷静而深刻地剖析了 AI 真正的边界。
这场演讲信息密度极高。姚期智没有谈论模型参数、基准测试或产品落地，而是回到了最根本的问题：AI 到底是什么？它能做什么？它永远不能做什么？
本文将演讲核心内容梳理为以下几个部分。
2. AI 的本质：图灵机 + 数据
姚期智开宗明义：要理解 AI 的能力边界，必须先理解 AI 的本质。
现代 AI 高度依赖”机器学习”框架：给定一个任务和由参数 θ 决定的模型模板，核心问题只有两个——是否存在合适的 θ 能完成这个任务（表征问题），以及能否在合理的时空成本内找到它（学习问题）。
与传统计算机科学不同的是，机器学习将”从数据中学习”加入了算法的武器库，这正是 AI 近年来取得巨大进展的核心原因。
但姚期智提醒我们，回到第一性原理来看：
AI 的底层本质，就是一台加装了数据的图灵机。
这个定义看似朴素，却直接决定了 AI 的能力上限。图灵机解决不了的问题——比如著名的”停机问题”——AI 同样无法解决。数据再大、算力再强，也突破不了计算理论的基本定律。
3. AI 不可逾越的四个边界
姚期智从第一性原理出发，系统性地阐述了 AI 的四个根本局限。这些不是”当前阶段”的技术瓶颈，而是由数学和逻辑学决定的永久边界。
边界一：不能创造真正的新思想
爱因斯坦的相对论、图灵的可计算理论、哥德尔的不完备定理、量子力学的基本框架——这些从 0 到 1 的突破，都需要跳出已有范式。
大模型擅长在现有范式内进行优化和组合，但无法创造全新的范式。因为它的所有能力，本质上来自对人类已有知识的压缩与蒸馏。姚期智犀利地指出：
它可以告诉你人类已经知道的一切，但无法告诉你一个”全世界都还没有人知道的秘密”。
边界二：不能解决不可计算的问题
图灵在 90 年前证明了一个令人震撼的结论：世界上绝大多数问题是不可计算的。
停机问题只是其中最著名的一个例子。AI 再强大，也仍然是一种计算模型，必须遵守计算理论的基本定律。用姚期智的话说：
数学的边界，就是 AI 的边界。
这在哲学层面意味深长：人类的智慧包含着某种”超越算法”的东西，而 AI 无法触及那个领域。
边界三：不能给你训练数据中没有的东西
这个边界与第一个边界相关但有微妙区别。AI 可以在已有知识中进行令人惊叹的整合、推理和重新表达，但它无法凭空产生真正超出人类已有知识体系的内容。
姚期智强调，这不是一个工程问题——不是”数据再多一点、模型再大一点”就能突破的。它是一个认识论层面的限制。
边界四：不能做出真正的价值判断
AI 可以告诉你达到某个目标的最优路径，但无法告诉你应该追求哪个目标。
它可以计算效率、优化参数、预测结果，但”什么是好的""什么是值得做的""什么是正义的”——这些问题没有训练数据可以覆盖。价值判断需要的是主体性，而 AI 没有主体性。
| 四个边界 | 核心原因 | 是否可突破 |
|---|---|---|
| 不能创造新思想 | 能力来自已有知识的压缩 | ❌ 永久边界 |
| 不能解决不可计算问题 | 受计算理论基本定律约束 | ❌ 永久边界 |
| 不能超出训练数据 | 认识论层面的限制 | ❌ 永久边界 |
| 不能做价值判断 | 缺乏主体性 | ❌ 永久边界 |
4. AI 能做什么：三个层次
在划清了边界之后，姚期智也清晰地描绘了 AI 的能力版图。他将 AI 的能力分为三个层次：
| 层次 | 能力描述 | 当前状态 |
|---|---|---|
| 第一层：模仿人类 | 语言理解、知识问答、翻译、写作、简单推理 | 已达甚至超过普通人水平 |
| 第二层：超越人类 | 过目不忘的记忆、超高带宽并行处理、绝对耐心细致、不受偏见和情绪干扰 | 已在多个领域实现 |
| 第三层：人类做不到 | 解决不可计算问题、创造真正的新思想 | AI 同样做不到 |
第一层和第二层已经创造了巨大的价值。但理解第三层的存在，能帮我们校准对 AI 的期待——它既不是万能的，也不是无用的。
姚期智特别指出，第二层中 AI 超越人类的那些特质——不知疲倦、不情绪化、并行处理——恰恰是它最实用的价值所在。把苦力、计算和优化交给 AI，这本身就是一场革命。
5. 两个 AI 无法攻破的实例
为了让抽象的边界变得具体，姚期智举了两个实例，证明 AI 在某些领域确实毫无办法。
5.1 选择明文攻击下的密码学安全
以 ElGamal 公钥加密体系为例——基于特定数学假设（离散对数问题的难解性），这套密码体系可以从数学上证明能够抵御包括 AI 在内的所有经典计算机的攻击。
这不是”目前还没找到攻击方法”，而是”如果攻击成功，将意味着推翻了某些数学基础假设”。AI 在这里碰到的不是工程问题，是数学定理。
5.2 量子密钥分发（QKD）
量子密钥分发利用量子力学的基本原理——任何窃听行为都会不可避免地扰动量子态，从而被通信双方检测到。
姚期智特别提到，中国在这一领域处于世界领先地位：2016 年发射了全球首颗量子科学实验卫星”墨子号”，并已建成覆盖全国超过 1 万公里的量子密钥分发网络。
原则上帝都无法破解——除非你推翻量子力学本身。
这两个实例的共同点在于：安全性不依赖于”攻击者能力有限”，而是依赖于物理定律和数学定理。AI 在这些领域是无能为力的。理解这一点，恰恰是构建安全 AI 系统的基础。
6. AI 的下一个层次：从 AI for Science 到 Science for AI
在划清边界之后，姚期智将目光投向了未来。他认为，未来 3 到 5 年 AI 最令人兴奋的方向是 AI for Science——用 AI 赋能科学研究。
6.1 AI 赋能天文学
姚期智分享了清华大学团队的一项成果：使用名为 Asterisk AI 的神经网络，处理詹姆斯·韦伯太空望远镜（JWST）传回的早期宇宙数据。通过对星系形态的精确重构，团队成功将人类可观测的时间线向前推进了 1 亿年——逼近大爆炸后仅 1 亿年的状态。
6.2 AI 推动理论突破
在更硬核的理论层面，两个近期的例子让学界震动了：
- Gemini DeepThink 模型解决了困扰物理学界 40 年的”宇宙弦问题”（cosmic string problem）
- OpenAI 最新模型推翻了埃尔德什在 80 年前提出的”单位距离问题”猜想——最令人惊讶的是，证明过程中用到了深奥的分圆数论技巧，在纯数学家看来”不该是 AI 能想到的”
这些突破暗示了一件事：AI 不仅是一个工程工具，它正在成为科学发现的催化剂。它可以发现人类数学家尚未注意到的连接，可以处理人类无法同时处理的数据维度。
7. 量子 AI：新的范式正在浮现
演讲中最令人振奋的部分，是姚期智提出的”AI 的下一个层次”。
当前的 AI 建立在经典图灵机之上。但如果把学习的载体从图灵机换成量子机器呢？姚期智提出了一个核心问题：
是否能在一个更通用的计算模型下，做出连当前 AI 都做不到的事情？
7.1 AI 赋能量子计算
一个已经发生的突破来自谷歌。2025 年，谷歌 Willow 量子芯片（约 100 个物理量子比特）借助 AlphaQubit 神经网络解码器，首次将量子纠错的错误率降到了临界阈值以下。
这是量子计算领域的一个里程碑。没有 AI 的辅助，仅靠传统纠错算法，这个阈值一直无法突破。AI 和量子计算的结合，产生了 1+1 > 2 的效果。
7.2 量子增强 AI 的前景
反过来，量子计算也将赋能 AI。量子计算机能够从第一性原理出发模拟分子和材料的量子行为——这是经典计算机原则上无法高效完成的任务。
姚期智的预测是：
未来 5 到 10 年，量子 AI 将取得巨大进展。AI 的新鲜感迟早会过去，量子 AI 会接棒，让科学探索的火焰持续燃烧。
他进一步描绘了一个愿景：量子 AI 将在新材料研发、药物研发等领域实现突破性进展，实现爱因斯坦那代科学家”从第一性原理出发理解世界”的梦想。
8. 振聋发聩的警示：人类越来越像 AI
演讲中有一段话，可能是整场论坛传播最广的金句。在所有人都在担心 AI 变得太像人类的时候，姚期智提出了一个反向的警告：
“很多人担心 AI 会变得比人聪明，然后统治人类。我觉得这个担心还太早了。在那一天到来之前，我们首先要面对的一个更大的危险是：人类会变得越来越像 AI。”
这段话值得深思。当人类开始放弃独立思考、放弃价值判断、放弃探索的勇气，把所有问题都交给 AI 去回答时——真正的危险不是 AI 超过了人类，而是人类自己降到了 AI 的水平。
姚期智的言下之意是：AI 的边界不是一套笼子，而是一面镜子。 它照出了什么是”只有人才能做的事”，也照出了什么是”人不该放弃的事”。
9. 六个值得关注的未来方向
在演讲的总结部分，姚期智列出了他看好的六个未来方向：
- AI for Science — AI 赋能科学发现，从天文到生物到材料
- 量子 AI — 量子计算与 AI 的双向赋能
- 可靠的大模型系统 — 构建可验证、可信任的 AI 基础设施
- Mathematics for AI — 用数学为 AI 提供理论基础和边界分析
- AI 安全 — 在能力增长的同时确保安全可控
- AI for AI — 用 AI 改进 AI 本身，深入理解智能的本质
这六个方向之间并非独立，而是形成了一个闭环：AI for Science 拓展能力边界，Science for AI 提供理论根基，Mathematics for AI 刻画能力极限，AI 安全确保可控，AI for AI 推动自我进化。
10. 结语
姚期智用一句话收尾了他的演讲——
“AI 不是来取代人类的，而是来解放人类的。”
把苦力、计算、优化交给 AI。把创造新思想、探索未知、做出价值判断——这些 AI 永远做不到的事情——留给人类自己。
在行业集体狂热追高的时候，姚期智这场演讲提供了一个稀缺的视角：冷静地看清 AI 的局限，恰恰是人类用好 AI 的前提。
知道什么不能做，才知道什么值得做。
参考来源