AGI Summit 2026 SF 参会攻略（三）AI 为什么能够工作？斯坦福教授正在寻找大模型背后的答案
过去三年，我们每天都在使用 AI。
ChatGPT 会写文章。
Claude 会分析长文档。
Gemini 能理解图片。
Sora 可以生成视频。
几乎每天，都有新的模型刷新纪录。
但是，如果你走进 Stanford、MIT 或 OpenAI 的研究实验室，你会发现一个很有趣的现象：
大家越来越会使用 AI，却越来越意识到，我们其实并没有真正理解 AI。
为什么 Transformer 可以成功？
为什么 Scaling Law（不断增加模型、数据和算力）会持续有效？
为什么扩散模型（Diffusion Models）能够生成如此真实的图像和视频？
为什么神经网络会”涌现（Emergence）“出以前没有设计过的能力？
这些问题，到今天仍然没有完整答案。
而今年 AGI Summit 2026上，两位来自斯坦福大学的教授，正长期研究这些问题。
他们关注的，不是如何把 ChatGPT 做得更快，而是：为什么 AI 会有效？未来还能走多远？
Surya Ganguli：当物理学家开始研究 AI
如果要在斯坦福找一位最擅长解释“AI 为什么能够工作”的人，很多研究者都会想到：
Surya Ganguli。他的背景非常特别，MIT 连续获得三个学位，后来到 Berkeley 做弦理论（String Theory）研究。再转向神经科学，最后进入 Stanford，利用物理学的方法研究深度学习。
很多人说：他不是在训练 AI，他是在研究 AI 背后的自然规律。
Diffusion Models 的理论源头
今天，大家熟悉：Stable Diffusion，Midjourney，DALL·E，Sora，Flux几乎都属于Diffusion Models（扩散模型）。
但很多人不知道，扩散模型最早的重要理论思想，正来自 Ganguli 参与的研究。
他参与发表的《Deep Unsupervised Learning using Nonequilibrium Thermodynamics》
首次把非平衡热力学与生成模型联系起来。
后来，整个 Diffusion Model 路线迅速发展，成为今天图像、视频生成的重要基础。
换句话说，今天你看到的一张 AI 图片，背后可能都能追溯到这条理论路线。 Scaling 会一直有效吗？
最近几年，整个 AI 行业几乎都相信：Scaling Law。
模型越来越大，能力越来越强。
但 Ganguli 更关心：Scaling 有没有终点？
未来几年，AI 将消耗越来越多能源。GPU 不可能无限增加。电力也不可能无限供应。
他曾公开讨论：未来 AI 可能需要新增数十 GW 的电力。这意味着，真正限制 AI 的，可能不是算法，而是物理世界。所以，他研究的问题，已经不仅是 AI。而是：AI 与能源；AI 与物理；AI 与整个自然世界。 如果有机会与Ganguli交流
可以问：您认为 Scaling Law 会一直成立吗？还是未来必须寻找新的 AI 架构？ Ellen Vitercik：未来，AI 会开始设计 AI 吗？
如果 Ganguli 在解释：AI 为什么能够工作。
那么另一位年轻教授 Ellen Vitercik 正在研究：AI 如何设计更好的 AI。
听起来有点绕，其实很好理解。
过去几十年，算法都是人设计的。例如：排序算法，搜索算法，优化算法，全部来自工程师。
但是，未来呢？如果 AI 自己能够学习：怎样设计更好的算法，会发生什么？
这就是她长期研究的方向：Data-Driven Algorithm Design。
AI 不只是写代码
过去几年，大家已经习惯：让 AI 写程序。
但是，Vitercik 研究的是：AI 如何直接优化算法。
例如：自动寻找最佳搜索策略；自动设计优化器；自动调整算法参数。
未来，程序员可能不只是写代码。
AI 本身，也可能成为算法设计师。
为什么她值得关注？
她是 Stanford AI 年轻一代教授代表之一。
博士毕业于 Carnegie Mellon University，曾获得 ACM 最佳论文奖。
来 Stanford 前，还是 Berkeley Miller Fellow。
很多人认为，她代表的是：下一代 AI Theory。
也就是说，今天大家还没有意识到的重要方向。
如果现场交流
可以问：您认为未来十年，AI 是否能够自动设计新的算法，而不仅仅是使用已有算法？
理论为什么重要？
很多学生觉得：理论离自己很远。真正重要的是：会不会用 ChatGPT。
其实，每一次 AI 革命，都来自理论突破。
Transformer，
Attention，
Diffusion，
Scaling Law。
这些词，最开始都只是论文。
几年之后，才变成产品。
今天，Ganguli 和 Vitercik 研究的问题，
也许几年后，就会成为下一代 AI 的基础。
所以，很多时候，大学实验室看到的是：五年后的未来。产业界解决的是：今天的问题。
给学生的一点建议
如果你准备参加 AGI Summit，
一定不要只关注：哪个模型更强，哪个产品更新。
更建议去听听这些教授讨论：
为什么 AI 能够工作。
因为真正决定未来的人，往往不是最快做出产品的人。
而是最早理解底层原理的人。
很多时候，一篇理论论文，会在几年之后，改变整个行业。
— 2026 AGI Summit 见 —
AGI Summit 2026 将于 2026 年 7 月 18–19 日 在 旧金山 Palace of Fine Arts（艺术宫） 举办。
大会汇聚来自 Stanford、UC Berkeley、OpenAI、Google DeepMind、Anthropic、Microsoft、NVIDIA 等高校与企业的顶尖研究者、创业者和行业领袖，共同探讨人工智能的最新进展与未来方向。
作为 AGI Summit K12 AI Initiative-Youth AI 合作组织，App-In Club 将组织学生参与 Youth AI Panel、AI Project Showcase、Youth AI Awards、Student Networking 等活动，为青少年提供与全球 AI 社区交流和展示的机会。
🎟 成人购票
App-In Club 专属优惠码：APPIN（15% OFF）
🎓 学生团购票
两天通票：$99
一天票：$59
学生报名、Youth AI 活动及学生团购登记：
下篇预告： 下一篇，我们将一起认识另外三位来自 Stanford 的教授：
Lei Xing —— AI 如何改变癌症治疗与医学影像
Ethan Goh —— GPT 如何真正进入医院
Angèle Christin —— AI 如何改变新闻、平台和每一个普通人的工作
当 AI 开始真正进入医疗与社会，新的问题已经不再只是：AI 能做什么？
而是：AI 将如何改变我们每一个人的生活？
Comments