10月19日至22日，2026年金融街论坛年会在北京金融街举办 。
金融街论坛年会召开期间 ，《每日经济新闻》记者就大模型幻觉如何解决等问题采访了中国工程院院士、“星光中国芯工程”总指挥邓中翰 。
邓中翰指出，大语言模型基于大数据统计和词元预测展开 ，存在过程不可解释性以及人工智能幻觉等一系列基础性问题 ，这在人工智能进一步发展中可能形成重大风险。
中国工程院院士 、“星光中国芯工程 ”总指挥邓中翰每经记者张寿林摄
邓中翰表示 ，近年来 ，随着GPU（图形处理器）成为人工智能芯片计算的主要硬件载体，技术取得了重大进步。但与此同时 ，大语言模型基于大数据统计和词元预测的计算方式 ，确实存在不可解释性和人工智能幻觉等一系列基础性问题 。这些问题在人工智能进一步发展过程中，可能构成重大风险 。当前世界上很多科学家都对此提出关切 ，围绕世界模型 、物理AI（人工智能）等方向提出了一系列思考。
近年来 ，“星光中国芯工程 ”针对GPU以及如何进一步发展人工智能计算，也开展了系统性研究 。他们发现 ，在当前大语言模型的词元预测基础上 ，通过叠加CPU（中央处理器）所承载的人类知识规则和约束条件，将这些规则和约束条件嵌入大模型计算底层，可有效防止可能产生的偏离规则、偏离约束的预测 ，从而进一步减少由统计预测偏差产生的幻觉 。
他说 ，这一探索已取得一些重要成果，特别是在感知人工智能领域、面向物理AI方向 ，他们牵头制定SVAC（安全防范监控数字视音频编解码技术标准）国家标准 ，同时提出一系列具有突破性的技术路线。例如，视音频编解码是物理AI最基本的技术环节 ，也是人工智能与外在物理世界连接的最重要方法之一 。他们引入绝对时间与视音频编解码共同混合编码 ，并在视音频编解码中采用元计算方式，把时间 、空间 、因果关系及其他约束条件引入视音频编解码和人工智能计算 ，从而使未来的模型学习和推理更好地涵盖时间、空间 、因果关系 、物理条件等关键内容 。
简而言之 ，人工智能发展并非没有问题，相反仍存在若干重大挑战。他相信全世界的科学家正在针对这些挑战寻找更多方法 ，“星光中国芯工程”和数字感知芯片技术全国重点实验室也在努力推进 。
邓中翰说 ，他们团队的路线是基于多核异构XPU架构——其中GPU与CPU协同计算，通过类似人的左右脑协同计算，将基于大数据的推理计算与人类知识、物理关系和约束条件的规则计算相叠加 ，用CPU来处理逻辑关系 、因果关系和约束条件 ，形成一种混合计算模式，以进一步减少人工智能幻觉 ，推动提升人工智能的可解释性 ，推动人工智能在物理AI和世界模型方面进一步发展 。在这方面，已经迭代推出五代XPU多核异构芯片。2025年 ，成功实现了单芯片运行DeepSeek大模型 。并且通过这些模型 ，结合时间 、空间、物理条件关系，来确认我们在观察视音频景象中的分析识别 ，并对它们进行处理 ，包括报警和决策 。
总结而言，算法需要算力来支撑 ，而算力需要不同架构的不断发展。传统计算阶段 ，算力主要依托CPU实现；今天，大量人工智能依托GPU这种并行化架构来实现。他认为，在人工智能的新时代 ，需要GPU与CPU共同构成的多核异构架构 ，来更好地实现更低功耗 。人脑有关注机制和遗忘机制，这是经过数亿年进化形成的 ，相当于人的智慧算法 ，但并没有很好地体现在当前CPU或GPU算法中 。因此，当前基于CPU 、GPU的计算 ，应更好地借鉴人脑进化形成的智慧 ，特别是关注机制和遗忘机制，以解决高功耗的暴力计算问题。
（文章来源：每日经济新闻）
