在2025世界人工智能大会（WAIC）的盛大开幕式上，商汤科技董事长兼首席执行官徐立发表了题为《人工智能的十年演进》的主旨演讲，深刻剖析了人工智能技术的飞速发展历程。
徐立指出，过去十年间，人工智能领域经历了三次重大飞跃。最初，深度学习技术推动了感知智能的崛起，以CNN、ResNet等算法为代表，结合ImageNet上1400万张标注图片，开启了视觉应用在多个垂直领域的先河。这一时期的标志性事件是Hinton团队在2012年首次在ImageNet竞赛中夺冠，相当于将一个人十年的标注知识传授给了AI。
紧接着，2017至2018年间，Transformer模型的横空出世引领了生成式智能的浪潮。这些模型通过学习海量高密度文本信息，显著提升了模型的泛化能力和通用性。从ChatGPT到多模态大模型、智能体乃至具身智能，大众对AI技术的认知达到了前所未有的高度。
徐立强调，在AI的不同发展阶段，数据始终是智能的源泉。在感知智能时代，AI依赖于人工标注的数据；而到了生成式智能时代，则主要依赖互联网上的自然语言数据。然而，这些数据终将有用尽的一天。因此，未来AI技术需要转向“真实世界互动数据”，通过主动与环境交互来加速进化。
为了跨越虚拟世界与现实世界之间的鸿沟，商汤科技打造了“开悟”世界模型，并在WAIC上推出了能够举一反千的“开悟”平台。该平台能够生成符合3D真实情况和物理规律的多视角视频，为自动驾驶等场景提供AI自举与自学的能力。例如，在自动驾驶的Corner Case——加塞场景中，“开悟”平台可以生成大量不同光照、天气、道路结构和车型条件下的加塞视频，从而帮助AI模型更好地学习和适应这一复杂场景。
徐立进一步解释，人工智能正沿着“感知世界—理解世界—生成世界”的路径前行。在感知世界阶段，AI主要依赖于标注数据；在理解世界阶段，则通过高密度语言数据推动智能的泛化和通用性；而到了生成世界阶段，AI将与现实硬件交互，改变我们的世界。徐立还透露，随着模型的不断发展，未来甚至可能出现通过方向盘、刹车和油门等输入来控制视频生成的情况，让用户在真实的街景场景中“驾驶”。
在演讲的最后部分，徐立展示了“开悟”平台的实际操作。通过自然语言描述场景和需求，平台能够生成多个不同视角且符合3D真实情况的视频。这些视频不仅符合物理规则，还能真正切入用户的使用场景。徐立表示，这一平台的推出将极大地推动AI技术在各个领域的应用和发展。
