​在时代的变迁中，常常因一两个人，以远见卓识引领着时代的变革，塑造了世界的未来。“乔布斯”的名字如今已成为创新与颠覆的代名词，他以一部iPhone打破了手机的传统定义，开创了智能手机的新纪元;“马斯克”以其前瞻性的创新思维和颠覆性的业务模式， 在新能源汽车、航空航天和人工智能等领域掀起革命性浪潮。他们用梦想和坚持重塑了整个世界，推动了科技与社会的进步。

　　而当我们站在这个全新的历史节点上，有一批同样具备远见卓识和创新精神的新“梦想家”逐渐涌现，天图万境创始人图拉古正是其中的代表人物。2024年6月22日，在华为开发者大会(HDC 2024)上，图拉古发表演讲，提出了一种新的AI发展理论，如何让AI像人类生命体一样进化，用眼睛、耳朵和大脑来做出判断思考和行动，这是一种颠覆性的技术方向，拓宽了AI的边界。

　　图：天图万境创始人 图拉古

　　虽然AI赛道越来越卷，可实际上卷来卷去并没什么新花样，总体还是固定在AIGC范畴中。这种AI式生成内容本质上还是一种对现有素材的再编辑、再加工，其实不能算真正的“智慧”，输出结果也不稳定，并且难以控制。很多人至今都较少使用AI，因为他们根本不知道如何给AI下指令，最直观的体验就是用AI干活似乎还不如自己干活快，甚至在网上诞生了大批“使用提示词来指导AI的行动”的教程。

　　可图拉古所期盼的AI已经进入到了next level，让AI具有像人一样的感知能力，从而实现真正的AI。

　　比如当人闭上眼睛，我们通过听，可以知道是鸟叫还是虫鸣;听呼啸而过的车声，就能判断车辆的远近距离;看到一盆水向我们泼来，就能立刻躲避…… 人类做出这些行动往往是本能反应，根本不会需要提示词的引导。这，才是人类作为空间智能生物的“智慧”。今天，图拉古希望AI也要有同样的空间感知能力。

　　基于这个理念，图拉古带领他的团队专注该领域研发十年时间。在此次HDC 2024上的亮相，AI感知视听技术和基于此技术推出的“视频声效大模型”解决方案，可谓“十年窗下无人问，一朝成名天下知”。

　　AI感知视听技术首先用多个独立的单个引擎，构建了AI多方面的感知能力。比如AI图像分割，就是帮助AI建立对物体形象的判断和认知。比如AI空间计算，就是让AI通过一台普通的摄影机(单目)实现空间视频的拍摄，相当于让人用一只眼睛，看到这个立体的世界，让AI建立起对空间的感知能力。

　　当AI拥有了像人类一样的视觉、听觉后，再通过“联级神经元”帮助AI建立“大脑”中枢，最终获得与人类一样的感知能力。

　　图拉古表示，“我和我的团队一直致力于创造更加理想的空间智能。我们要让 AI拥有类人的记忆推理能力，让它理解行为意图、物质属性、运动规律、和空间关系。我们希望机器能够为人做事，或者帮人做事，知道哪些是人类需要的，并理解不同场景下人类的差异化需求，通过‘联级神经元’和多样数据的训练，让机器学会自我认知和决策，可以在数字世界中，像人类一样识别多样的世界环境，理解场景的复杂性。”

　　想象一下，通过视频声效大模型，我们只需要上传一个视频， 不需要费劲输入任何提示词，声音就能自动蹦出来：比如一辆火车从远及近开来，你就可以获得一个从小到大的声音;一个石头落入水中，你就可以听到石头落水的声音，甚至可以听到泛起涟漪后的微弱声音……这些声音的自动生成，其实都基于AI对真实世界物理规律的理解。

　　在这种趋势下，我们可以预见，未来的AI将不再仅仅是执行人类指令的工具，而是成为拥有自主感知、理解和决策能力的智能体，给各行各业带来翻天覆地的变化：

　　矿山深处曾经是人迹罕至的危险地带，今后能够让AI深入漆黑的环境中精准勘探，不仅提高了工作效率，更保障了工人们的安全。在这里，AI的每一次勘探都是对未知的挑战;

　　AI自动驾驶汽车会逐渐出现在城市街道中，它们拥有高超的驾驶技术，更能够感知周围的交通环境，做出最合理的决策，带着我们安全、快捷地到达目的地;

　　在医疗领域，AI能够化身敏锐洞察力的医生，它能够看到更立体的血管和组织，配合机械手完成最复杂、精密的手术。

　　……

　　天图万境的AI感知视听技术，正在希望AI可以像人类一样， 先通过“眼睛”和“耳朵”来感知这个世界，再凭借“大脑”里的经验记忆来预测和修正。天图万境将每个专用AI模型视为人类的神经元，让这些AI“神经元”团队合作，通过大规模的数据训练，让计算机逐渐理解并适应这个复杂多变的世界。它们能够“看到”物体的形状和颜色，通过AI图像分割“学会”认识物体，并判断出这是什么东西;它们能够“听到”声音的高低和节奏，甚至能够模拟出火车驶过、石头落水等真实声音效果。

　　最神奇的是， AI“神经元”不光能识别见过的东西，还能推理出没见过的信息，它们具备专业领域的丰富知识，能够理解这个复杂的世界。不仅减少了对硬件算力的依赖，还学习了人脑的功耗比，以极低的能量消耗处理复杂任务。这种“联级神经元”框架设计，正让计算机深度领悟我们生活的三维世界，在数字世界中揭示物理规律。

　　技术的飞跃不仅展现了人类智慧的结晶 ，更预示着一个全新纪元的来临。乔布斯将科技与美学、设计与商业完美融合;马斯克在多个领域引领潮流;图拉古原本是个电影导演，他把代码、AI与视听相结合，实现AI技术突破。在这个快速发展的时代，我们需要更多乔布斯、马斯克和图拉古， 他们以敏锐的洞察力和无限的创造力，不断对新技术进行探索，为世界带来改变和颠覆，为人类创造更加美好的生活。