2026年7月，科技行业资深研究者Will Knight发布的行业观察指出，当前主流大语言模型、多模态AI虽在特定任务表现上远超人类，但通用学习能力仍未达到1岁婴儿水平，业界已出现以婴儿大脑神经架构为参考的下一代AI研发路径，相关探索已吸引OpenAI、DeepMind等头部机构布局，有望加速通用人工智能落地进程。
当前主流大模型的训练参数已经突破十万亿级别，OpenAI最新推出的GPT-4o在律师资格考试、高等数学竞赛等标准化测试中的得分已经超过99%的人类应试者，但在面对需要快速适应新场景的通用能力测试中表现堪忧：1岁左右的婴儿仅需要观察1-2次成年人操作陌生玩具的动作，就能自主复刻背后的逻辑，而当前最先进的多模态AI完成同类任务至少需要300次以上的标注样本训练，且容错率仍超过40%。
这种能力的巨大差异，核心原因在于当前AI的训练逻辑是“拟合已有数据”，而非婴儿天然具备的“探索未知场景”能力，后者能够自主判断事物之间的因果关系，而非单纯依赖统计规律给出答案。
发展神经科学的研究成果正在为AI研发提供新的破局思路。婴儿的大脑具备天然的高效学习机制：1岁婴儿的大脑突触密度达到成年人的200%，会在对外界的探索中自动修剪无效连接，快速建立因果关系判断，整个过程不需要任何人工标注数据，学习效率是当前主流AI训练算法的数百倍。
目前OpenAI、DeepMind均已组建跨学科研发团队，将婴儿大脑的神经架构纳入下一代AGI模型的研发参考，DeepMind去年推出的BabyAI探索模型，在无标注环境下的物理规则学习效率，已经较传统Transformer模型提升了47%。
不过现阶段的类脑AI探索仍处于非常早期的阶段。目前科研团队仅能模拟婴儿大脑不到1%的神经元连接机制，要完整复刻婴儿的动态学习、因果推理等核心能力，预计还需要5-10年的技术积累。
但业内普遍认为，这一方向一旦取得突破，将从根本上解决当前大模型依赖海量标注数据、幻觉频发、迁移能力弱等核心痛点，为通用人工智能的真正落地铺平道路。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号