在近期举办的智能未来行业峰会上，RockAI创始人刘凡平提出一个引发行业热议的观点：人工智能若要实现质的飞跃，必须突破两大技术瓶颈——Transformer架构与反向传播算法。这一论断与当前主流技术路线形成鲜明对比，为行业发展提供了全新思考维度。
当前大模型发展呈现算力与数据规模持续攀升的态势，但刘凡平认为单纯追求模型参数扩张已陷入边际效应递减的困境。他指出，现有技术体系下智能设备仍停留在工具属性，而下一代智能应当具备原生记忆能力与自主学习机制，使终端设备能够像生物大脑般动态进化。这种转变意味着AI发展重心将从云端集中式计算转向分布式智能生态构建。
针对行业普遍采用的Token付费模式，刘凡平提出尖锐批评。他以语言交流效率为例，强调智能服务应当按价值而非数据量计费。这种观点直指当前商业模式的核心矛盾，暗示未来智能硬件的价值评估体系将发生根本性转变。当设备具备个性化记忆能力时，用户与机器的互动将产生情感联结，这种价值共创模式远超传统功能消费范畴。
端侧智能的发展路径成为讨论焦点。刘凡平团队研发的Yan架构模型通过极端稀疏化设计，在移动端实现了类脑激活机制。实验数据显示，该模型在3B参数规模下即可支持多模态感知与实时记忆更新，这种技术突破使得智能手机、家用机器人等设备能够在离线状态下持续学习。对比传统Transformer架构，新方案在能效比方面展现出两个数量级的优势，为终端设备智能化提供了可行方案。
具身智能的落地难题获得新解法。刘凡平以机器狗演示为例，展示设备在陌生环境中现场学习操作家电的能力。这种场景化自适应能力源于架构层面的创新，记忆模块与推理引擎的深度融合使模型能够根据环境反馈动态调整参数。当每个设备都成为独立智能体时，群体协作产生的知识涌现效应将超越任何中心化大模型，这种分布式智能网络更接近人类社会的认知进化模式。
技术路线分歧背后折射出行业对通用人工智能（AGI）实现路径的不同认知。刘凡平强调，当前大模型本质上是知识传播工具而非创造主体，真正智能应当具备原生记忆形成与自主价值判断能力。他预言，未来三年内行业将见证技术架构的范式转移，能够持续进化的智能设备将重新定义人机交互关系，这场变革或将催生价值万亿级的智能硬件新生态。
