清华智能产业研究院孵化了十家AI公司，总估值累计冲到了1500亿。

作为这1500亿背后的核心操盘手，张亚勤院士在与「暗涌Waves」的对话中，他抛出了一个判断：长期看AI没有泡沫，但早期的AI公司一定会有泡沫。

我们这些每天焦虑着被机器淘汰的普通人，可能完全被市场里那些虚幻的狂热给带偏了。

很多朋友可能纳闷，这泡沫到底藏在哪，现在的AI究竟走到了哪一步。

张亚勤给了一个非常精准的时代坐标，现在的AI大概相当于1998年到1999年的互联网。

那时候雅虎被资本疯狂追捧，大家都在毫无保留地砸钱搞基建。今天的情况惊人的相似。全球的科技巨头都在往数据中心和芯片里砸入。

大家敢这么花钱，是因为看到了OpenAI和Anthropic史无前例的收入增速，市场被这种高增长打了一针强心剂。

但这种狂奔能不能持续，巨头们自己其实也需要去证明。

这些砸下去的算力到底能不能转化成真实的订单和收入，未来两三年是一个极其关键的观察期。如果收入增速跟不上现在的指数曲线，这个循环就会出大问题。

当前机器人赛道，国外有几百家做具身智能的公司，但张亚勤预测，三四年后可能只会剩下20家。

国内的大模型赛道同样残酷，走到最后大概率只会有三四家企业能活下来。

那些短期拿到超高估值的明星项目，要是拿着钱什么都想干，最后极有可能没跑出业务成果。
那AI到底会不会马上演化成超级智能全面接管现实？

张亚勤把智能切分成了数字智能、物理智能和生物智能。

数字智能之所以能一日千里，是因为过去二十多年的互联网沉淀了海量的图文视频，加上算法算力的突破，自然就涌现出了强大的能力。

但物理世界完全是另外一套游戏规则。原子世界根本不遵守摩尔定律。

你想让机器控制好一个机械臂或者一根手指，光靠无脑堆算力是毫无用处的。

更底层的一个硬伤在于数据和词元的差异。
在大语言模型里，训练用的Token都是人类经过几千年抽象出来的字词，天生就带有明确的结构和含义。

但在真实世界里，视觉设备拍下来的最小单元是一颗颗像素，单独一片像素根本没有任何物理含义。
机器人发出的电机动作信号也面临同样的困境。

有些人尝试让机器人戴上第一人称视角的设备去学习人类行为。

但这又带来一个新麻烦，在模拟器里跑得完美的数据，一放到真实世界里往往就失效了。

所以必须去做从真实到模拟再回到真实的RSR闭环，这个过程极其痛苦且缓慢。

为了让机器人真正理解环境并做出动作，学术界现在基本分成了两派。

一派在做VLA也就是视觉语言动作模型，试图把大语言模型的方法论平移过来。

用语言作为主线去驱动机器，好是好，但人类那些微妙的肢体动作往往很难用语言去精确描述。
另一派在世界模型，试图让机器直接通过纯视觉去产生动作，绕开语言的辅助，就像端到端的自动驾驶一样。

张亚勤认为，最终的破局点大概率是这两种路线的深度融合。

清华的研发团队为了解决这些瓶颈，已经在尝试各种黑科技。

比如他们研发的X-VLA系统，甚至试图把各种不同机械臂的能力给归一化，让机器人在不同设备之间实现技能的跨界迁移。

这就好比让一个只会用筷子的人，突然能无缝切换去熟练使用手术刀，极其硬核。

其实看懂了物理AI目前面临的这些卡点，你也就明白了为什么大厂的通用机器人迟迟无法落地。
通用的家庭服务机器人，可能还得再等上十年以上。

既然通用的路还很长，张亚勤给出的建议，让这些具有自主进化能力的智能体，先去解决那些特定场景里的真问题。

把机器人送下几百米深的煤矿，让它们钻进黑漆漆的地下管网去巡检，去那些极其危险地方干活。
「AI不一定要学人，不一定要超过人」。
现在整个硅谷都在钻牛角尖，大家追求那个没有上限的超级智能。

大家都想要造一个比人类还要聪明完美的神明。
但人本身就有坏的缺陷，AI在放大我们工作能力的同时，也会把那些人性里最幽暗的部分一起放大。

如果没有任何明确的目标，只是一味追求比人更厉害，那带来的失控风险是根本无法承受的。

2026年4月，Anthropic内部出了一个叫Claude Mythos的模型。

但他们根本不敢对外发布，因为这个模型已经具备了自主识别软件漏洞的能力，一旦放出去，极有可能引发大面积的灾难性网络攻击。

技术狂飙的背面，全是不受控的深渊。

所以我一直觉得，AI最终的使命，是去帮助具体的人，让我们能活得更久一点，过得更舒适一点。

我们每天活在社交媒体编织的焦虑里，总觉得再不学点就要被时代抛弃了。

连那些汇聚了顶尖大脑、手握着1500亿估值的科学家们，都在老老实实地让机器人先去干煤矿巡检的苦力活。

你就是一个普通的上班族，真的没必要去替大厂操心什么超级智能的降临。