标题：小米语音首席科学家：AI发展如生物进化，不开源将大幅减缓进程

正文：
编辑部 整理自 MEET2026 | 量子位

从生物进化的漫长历程到AI技术的快速迭代，两者遵循着相似的底层逻辑。在探寻下一代AI架构的关键时刻，小米集团首席语音科学家、IEEE Fellow Daniel Povey提出，AI“配方”的设计本质上是一个不断试错的过程，其进化速度取决于复制新想法所需的时间。

在量子位主办的MEET2026智能未来大会上，Povey强调开源是AI进化的核心加速器。没有开源，行业发展可能慢上千倍；而开源让技术像生物适应环境一样，经历“长期停滞+瞬间爆发”的非线性跃迁。他建议大公司采取“两条腿走路”策略：一方面利用Transformer等现有技术赋能产品，另一方面探索未知领域，寻找颠覆性的机会。

核心观点梳理
- AI演进与生物进化类似，通过尝试不同技术变体筛选出最优方案。
- AI发展呈现“间断平衡”，长期停滞后可能出现突然跃迁。
- 开源对加速研究至关重要，闭源会让研究速度大幅降低。
- 不要押注单一任务或模型，应保留多样性以增加突破机会。
- 大公司应同时使用成熟技术和探索新技术，双管齐下。

像生物进化一样快速试错
AI“配方”的设计过程如同生物进化，需不断尝试和筛选有效方案。生物进化受环境影响，AI则受限于硬件和数据资源，但两者都通过外部作用推动进步。例如，生物界的“大氧化事件”改变了进化轨迹，而AI领域的Transformers最初为语言模型设计，却在多任务中大放异彩。

开源决定AI进化速度
类比生物的“世代间隔”，AI复制新想法的时间决定了进化速度。过去这一周期可能长达两年，如今缩短至六个月。开源工具如PyTorch让复现变得高效，而闭源则会显著拖慢研发进度。

寻找Transformer之后的颠覆者
AI发展难以预测，正如生物进化无法预判哪种生物胜出。我们需要在多种任务上探索新思路，保持模型架构的多样性，因为下一个重大突破可能来自意想不到的方向。

Povey团队正在研发一种新语音模型Zapformer，实现了从“人声”到“万声”、从优化结构到创新理论、从专用优化到通用健壮的三大跨越。所有成果均开源，体现了小米对开源生态的支持。