DeepSeek 资深研究员陈德里前几天在互联网大会上的这段话可以单独摘一下（观点暗合了萨顿的 the Era of Experience，以及 Andrej Karpathy 曾提出的名词 Jagged Intelligence）：
“如果我们只把目光聚焦在今天的AI，它肯定有很多瓶颈。举个例子，现在的AI并不具备像人那样稳定的、可跨领域泛化的智力。表现上，它能在一些非常复杂的领域表现卓越，却在一些人类认为很简单的任务上表现得离奇得差。也就是它现在的智能具有某种不完备性，我们也可以称之为锯齿智能（jagged intelligence）。
这个问题是怎么产生的呢？因为现在的AI训练完成后，参数都是固定的，无法像人类一样在真实世界里持续自我迭代和进化。类比人类的大脑，它只提供了核心学习算法和少量本能，剩下的人类知识都是通过后天终身学习获得的。
所以，我们要做的就是让AI具备这种稳定的、可泛化的学习算法，同时建立起它跟真实世界更多的链接——比如多模态、包括具身智能等等——让模型能像人一样，在更真实的环境里做持续的、终身的学习和自主迭代。
刚才说的是眼前的问题。而如果我们把目光拉长放远，放到10到20年后 AGI 实现的时间来看，今天这些问题都是可以被解决的，因为技术发展往往具有加速度。举个例子，三年前ChatGPT刚出来时，做小学数学题还经常出错，但现在它已经能在国际奥数竞赛中获得金牌。我们也可以相信，当技术迈过某些关键节点后，会迎来跨越式发展。”
