刊于《信报》，2026年6月1日
AI价值不在模型性能而在应用
许佳龙
科大协理副校长（学术发展）；信息、商业统计及营运学系讲座教授；艾礼文家族商学教授
笔者在本栏上篇文章分析了史丹福大学人类中心人工智能研究所（HAI）所发布的《2026年人工智能指数报告》（Artificial Intelligence Index Report 2026‧下简称《报告》），扼要论述了当前全球人工智能（AI）产业的主要发展趋势，其巧拙两面性以及数据质量存在的隐忧。
另外值得讨论的焦点，一是有关大模型性能的优劣比拼和追逐问题，尤其内地朋友与笔者讨论时，都提出「究竟那一个大模型性能更好」？「那一个应用更得心应手」？大家不断追求或不遗余力地去探究、沉醉于追逐和比较模型性能孰优孰劣。
模型性能与效率差异不大
笔者认为，这种大模型性能高下的探究和优劣追逐，意义并不大。报告提出一项研究发现与笔者的观点和判断相当脗合，即目前大模型之间的性能和表现效率，彼此相差不大。从评分角度看，个别模型的得分差距相当有限。据报告数据，顶级模型的性能正在趋于一致。这项研究发现与笔者的研究和观察相当一致，「在Arena排行榜和基准检验中，位于前列的4家公司，其Elo积分（借鉴了国际象棋等级分）相差不到25分。截至2026年3月，Anthropic（1,503）、xAI（1,495）、Google（1,494）、OpenAI（1,481）、阿里巴巴（1,449）和DeepSeek（1,424），均位列Arena Elo积分榜前列位置」（页71）。
因此，大家在使用大模型时，实在不必刻意追求那个性能更好、那个应用更得心应手，反而是应该着意这个模型如何直接地嵌入到自身的工作任务，促使我们的能力有所提升，具体落实应用，这无疑是更根本性的问题。
物理世界表现不济
此外，虽然目前大模型和机器人的发展如火如荼，一片火热，但技术应用到真实世界的场景，目前仍然相对有限。据报告资料，在现实物理世界中，AI机器人进入这个世界而能够圆满地完成任务，表现令人失望。报告发现，尽管机器人在受控环境中表现出色，但在大多数家务任务中仍然经常失败，只能成功完成12%的真实家务任务，凸显人工智能距离掌握物理世界，还有很长的路要走。在RLBench测试中（RLBench 是一个大规模的机器人学习基准检验与仿真的环境），于软件的仿真环境中之机器人，其操作成功率虽然达到89.4%，但可预测的实验室环境，与不可预测的家庭环境之间存在着巨大的差距（页 72）。报告强调了这种模拟实验环境与真实物理世界中的差异性，我们从机器人仅能完成12%的家务任务中，即可见其一斑。
聚焦性能非可取发展方向
很显然，AI进入真实物理世界中完成任务，确实还有很大的改善空间，需要进一步把机器人的功能，有效套用到物理世界中的任务上，协助人类解决更多日常生活上的应用。
对于人工智能和机器人的未来发展，笔者认为，智能体的发展若聚焦开发、或比拼追逐大模型性能并非一个可取方向，反而集中把AI技术或机器人如何与机械物理体系/世界配合，令我们能够在日常生活上，得以大量地应用到AI和机器人技术，完成过往人类需要使用人手，去直接操控物理世界中的一些工作任务，这个发展方向更值得我们汇聚资源去探索、发掘和投资。
最后，笔者提出的讨论焦点是，在若干不同专业范围，愈来愈多应用AI模型。但这些专业应用很多并非运用大模型，反而是为专业个别业务开拓出来的应用，如医疗、金融和研究等专业范畴，专门为其专业工作任务而训练出来。报告提到，「人工智能模型正在扩展到专业领域，在税务、抵押贷款处理、公司财务和法律推理等评估中，其性能准确率在60%到90%之间」（页71）。
AI真正价值在于应用
此外，「用于科学的人工智能模型可有超越人类科学家的表现，但模型愈大并非总是表现愈好。前沿模型在 Chem Bench 测试中，平均表现优于人类化学家，但在天文物理学的可重复性测试中，得分却低于 20%；在地球观测问题上的得分亦低于 33%。……大多数用于科学的基础人工智能模型都来自跨部门合作，这与通用人工智能领域由产业主导的格局截然不同」（页10）。
可以说，人工智能的应用，目前已覆盖到相当宽阔的界别范畴，而且普及速度「前所未有」——生成式人工智能在三年内就达到了53%的人口普及率，比个人计算机或网络的普及速度更快（页10），但普及的应用显然并非一个通用大模型所能够处理与应对。因此，在大模型性能和效率差异不大的情况下，与其不断追逐拓优大模型，倒不如聚焦把AI智能内嵌到个别专业/产业的需要和任务之中，在物理世界中得到实实在在的应用，这样才能充份体现出AI技术的具体价值。