炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！
新智元報道
編輯：LRST
【新智元導讀】OpenAI估值突破千億、NVIDIA 市值一度躍居全球前五，AI帶來的不止是技術浪潮，更是估值與認知的劇烈重塑。當我們站在AGI門前，下一步到底該怎麼走？來自美國科羅拉多大學丹佛分校與肯尼紹州立大學的華人團隊發佈“AI方法論三部曲”，首次提出“能力實現率（CRR）”模型、“認知幾何學”框架，指出我們正處於AI的“元語言時刻”，未來將邁向“思想微積分”時代——或許是AI發展最具前瞻性的理論體系之一。
AI的時代洪流滾滾向前，我們每個人都身處其中，感受着它的光榮與夢想，也承擔着它的迷茫與代價。
一方面，是資本市場的狂歡盛宴。OpenAI的估值衝向千億美金，英偉達的市值超越衆多老牌巨頭，任何與“AI”沾邊的概念都能輕易點燃投資者的熱情。
另一方面，是技術與應用的困惑。Adobe因AI功能收入不及預期，股價一夜閃崩；無數創業公司在“百模大戰”中力盡筋疲，卻仍在商業化的門前苦苦掙扎。
這場革命的核心矛盾已經浮現：巨大的潛力預期與緩慢的價值實現之間，存在着一條深不見底的鴻溝。
我們不禁要問：
現在，來自科羅拉多大學（CU Denver）和肯尼紹州立大學（KSU）的華人團隊，通過一個系統性的“AI方法論三部曲”系列論文，爲我們提供了深入的見解和答案。
這三篇論文如三塊基石，分別從經濟、認知、技術三個維度，構建了一個理解AI的完整世界觀。
第一篇：《AnchoringAICapabilities in Market Valuations: The Capability Realization Rate Model and Valuation Misalignment Risk》- 解決了“爲什麼”的問題。
第二篇：《Closer to Language than Steam: AL as the Cognitive Engine of a New Productivity Revolution》- 解決了“是什麼”的問題。
第三篇：《AI’s Euclid’s Elements Moment: From Language Models to Computable Thought》- 解決了“怎麼做”的問題。
能力實現率（CRR）
刺破萬億估值泡沫的探針
論文地址：https://arxiv.org/abs/2505.10590
爲什麼市場會對AI如此瘋狂？論文一針見血地指出：這是源於一種強大的認知偏誤——
錨定效應（Anchoring Effect）。
當OpenAI的GPT-4展現出驚人能力，其千億美金的估值就成了一個巨大的“錨” 。
投資者們將這個錨作爲價值判斷的起點，並將其投射到所有AI相關的公司上，堅信它們都能迅速將AI潛力轉化爲鉅額利潤 。
然而，潛力和現實之間，往往隔着萬水千山。
爲此，研究團隊提出了一個量化工具，能力實現率（Capability Realization Rate, CRR）模型。
這個公式精準地剖析了AI公司的價值內核。
CRR模型告訴我們，要想理解AI經濟的“爲什麼”，就必須區分“Hype（炒作）”和“Reality（現實）”。資本的熱情源於對潛力的錨定，但最終的勝利，只屬於那些能將CRR從百分之一提升到百分之百的公司。
AI不是蒸汽機
而是新語言
論文地址：https://arxiv.org/abs/2506.10281
既然AI的價值實現如此重要，那麼我們首先要搞清楚，AI到底“是什麼”？它驅動的是一場怎樣的革命？
許多人喜歡將AI比作“蒸汽機”或“電力”，認爲它將開啓新一輪的工業革命。但該系列的第二篇論文提出了一個更深刻的觀點：
AI的本質，更接近於人類“語言”和“文字”的發明，它是一場認知革命，而非工業革命。
蒸汽機延伸了人類的“肌肉”，而AI延伸的是人類的“心智” 。
這個類比並非文字遊戲，它揭示了AI影響世界的根本方式.
從認知外包到認知增強
幾千年前，文字的發明是人類第一次偉大的認知革命。它讓人類可以將記憶“外包”到泥板和莎草紙上，從而積累和傳承遠超個體記憶極限的知識。
今天的AI，正是新一代的“認知外包”工具。我們可以將信息檢索、數據分析、內容草擬等任務交給AI，從而解放我們的大腦，專注於更高層次的創造、戰略和決策。
從信息傳播到知識生成
如果說古騰堡的印刷機通過大規模複製，引爆了知識傳播的革命，那麼AI則更進一步。它不僅傳播知識，更能分析、綜合，乃至生成全新的知識。一個AI模型可以在幾分鐘內閱讀數百萬篇論文，發現人類科學家可能忽略的模式，就像AlphaFold預測蛋白質結構、AI發現新抗生素“Halicin”一樣。
AI的燃料是數據，它的引擎是算法，而它的產物，是曾被認爲是人類專屬的——思想、洞見和創造力 。
將AI理解爲“認知引擎”而非“物理引擎”，我們就抓住了這場變革的核心。它意味着，AI的普及將從根本上重塑所有依賴於知識和信息的工作——也就是今天經濟中的幾乎所有行業。
AI認知幾何學
通往AGI的五大時刻
論文鏈接：https://arxiv.org/abs/2506.23080
既然我們知道了“爲什麼”和“是什麼”，那麼最關鍵的問題來了：AI將“怎麼做”，它會如何演化？我們又該如何參與並引領這一進程？
系列的第三篇論文，也是最具前瞻性的部分，構建了一個名爲“AI認知幾何學（Geometry of Cognition）”的框架 。它指出，AI的演化並非隨機的“布朗運動”，而是一條結構清晰、有跡可循的道路。
這條路，與人類自身認知技術的發展史，有着驚人的同構性。
研究團隊將AI的演進劃分爲五個革命性的“時刻”：
1. 專家系統時代
歷史類比：古代美索不達米亞的楔形文字，主要用於記賬和法令，功能具體、領域狹窄。這就像是人類早期試圖固化特定知識的嘗試，雖然有效但侷限性明顯。
AI範式：上世紀80年代的專家系統（如MYCIN），將特定領域（如醫學診斷）的知識編碼爲固定的“IF-THEN”規則 。這類系統在特定場景下表現出色，但缺乏通用性。
特點：刻板、脆弱 。一旦遇到規則之外的情況，系統就會崩潰 。這是一個只能“記錄知識”而不能“生成思想”的時代，AI尚處於模仿和記憶的初級階段。
Transformer時代（我們剛經歷）
歷史類比：字母表的發明，用有限的幾個符號（字母）就能組合出無窮的詞彙和思想，實現了對語言的通用抽象表示。這標誌着人類信息處理能力的飛躍，從具體的圖像和符號走向了抽象的編碼。
AI範式：2017年誕生的Transformer架構。它通過Tokenization（分詞）和Self-Attention（自注意力機制），創造了一套AI的“字母表”，可以處理文本、圖像、蛋白質序列等任何信息。
特點：強大、通用，但也帶來了不透明性（黑箱問題）。我們知道它很強大，但不知道它內部的“語法規則”是什麼，這爲AI的解釋性和可控性帶來了挑戰。
元語言時刻，當下我們所處的時代
歷史類比：古希臘人發明了語法、邏輯和修辭學，開始“研究語言本身”，讓思想過程變得可以分析和結構化。
AI範式：我們今天看到的技術，如思維鏈（Chain-of-Thought, CoT）、Constitutional AI (CAI)和Agentic Frameworks (ReAct)，正是AI開始反思自身“思考過程”的標誌。
特點：AI開始擁有自我反思和治理的能力。這是從“會說”到“會思考如何說”的巨大飛躍。
數學符號時刻，下一個前沿標題
歷史類比：牛頓和萊布尼茨發明微積分。他們創造了一套新的符號系統（如 dy/dx, ∫ ），將複雜的連續變化問題，轉化爲可計算、可驗證的代數運算。
AI範式：未來的AI，其思考過程將不再是模糊的自然語言，而是可執行、可驗證的形式化程序。這需要兩大技術的突破：
特點：AI的思想將變成一種“可計算的思想微積分”，從根本上解決了當前長鏈條推理中的“錯誤累積”問題，是通往可靠自主智能的必經之路。
形式邏輯系統時刻，終極目標
歷史類比：弗雷格和羅素等人試圖將整個數學建立在堅實的形式邏輯公理之上，創造一個完美、無懈可擊的推理體系。
AI範式：AGI的最終形態，可能不是一個巨大的、黑箱的神經網絡，而是一個其行爲可被形式化驗證（Formal Verification）、可證明（Provably）對人類有益且價值對齊的智能系統 。
特點：AI的“能力”和“安全”在這一刻合二爲一。它將成爲一個我們能完全理解和信任的、並行的認知架構。
更重要的是，這五個時刻的演進是自反的（Reflexive）。
AI在“元語言時刻”發展的自我反思能力，將反過來幫助它重構自己在“字母表時刻”的底層表示方式，從而爲邁向“數學符號時刻”奠定基礎 。這是一個不斷“自我迭代、自我重建”的螺旋上升過程。
AI不只是工具
而是認知方式的再創造
“AI方法論三部曲”爲我們描繪了一幅壯麗的畫卷。它用CRR模型解釋了當前市場的“狂熱之源”，提醒我們價值終將回歸實現；
用“認知引擎”的比喻，定義了這場革命的“根本性質”，讓我們不再拘泥於工業時代的舊思維；
最終，用“認知幾何學”的五大時刻，爲我們指明瞭從現在到未來的“演進路徑”，讓混沌的探索有了清晰的航標。
在AI這場浩蕩進化中，模型規模也許會再翻十倍，但真正決定未來的，是我們能否構建出“思想的數學語言”。
正如文字之於文明、幾何之於理性，下一代AI的基石，可能是一套我們尚未發明的“思想微積分”。
我們正站在“元語言時刻”的黎明，這是AI學會自我審視的開端。下一個偉大的機遇，將屬於那些能夠率先創造出AI“思想微積分”的開拓者。
作者介紹
Xinmin Fang是科羅拉多大學計算機專業的博士生，研究方向包括移動計算和物聯網、機器人。
Lingfeng Tao是肯尼紹州立大學助理教授，主要研究機器人控制、人機系統和人工智能。
Zhengxiong Li是科羅拉多大學助理教授，主要研究方向是AI機器人、物聯網/移動計算。
參考資料：
https://arxiv.org/abs/2505.10590
https://arxiv.org/abs/2506.10281
https://arxiv.org/abs/2506.23080
（轉自：網易科技）