在近期舉辦的智能未來大會上，著名語音科學家Daniel Povey以獨特的視角，將AI技術發展與生物進化過程進行了深度類比，引發了與會者的廣泛關注。作為小米集團首席語音科學家，他提出，AI技術的演進路徑與生物進化有著驚人的相似性，都遵循著不斷試錯、篩選最優解的底層邏輯。
Daniel Povey指出，AI“配方”的設計本質上是一個持續迭代的過程。科研人員提出新理論、發布新論文，但最終能落地的往往是那些經過實踐檢驗的“配方”。這一過程與生物進化中的自然選擇極為相似：生命體通過基因突變產生變異，環境則篩選出適應度更高的個體。在AI領域，這種篩選機制體現在不同模型架構的競爭與淘汰中，只有性能更優的方案才能被廣泛采用。
他進一步解釋，AI發展的節奏也與生物進化的“間斷平衡”理論吻合。歷史上，生物進化曾長期處于停滯狀態，直到某些關鍵突破引發劇變。例如，光合作用的出現徹底改變了地球生態。AI領域同樣存在類似現象：Transformer架構的誕生，原本為語言模型設計，卻意外推動了計算機視覺、語音識別等多個領域的革新。這種跨領域的突破，正是AI技術實現躍遷的重要動力。
在談到技術演進的速度時，Daniel Povey強調了開源的重要性。他以自身經歷為例，2012年因工業界對開源的抵觸轉投學術界，而如今小米等企業積極擁抱開源文化，為他提供了理想的研究環境。他直言，若沒有開源，AI研究的速度可能降低千倍。開源社區的協作模式，使得研究人員無需重復造輪子，而是能站在前人的基礎上快速迭代，這種效率提升對技術突破至關重要。
對于AI的未來方向，他提出“通才”與“專才”的平衡策略。自然界中，熊貓等專才在穩定環境中占據優勢，而老鼠等通才則能在環境劇變時生存。AI領域同樣需要保留多種技術路線：一方面，利用Transformer等成熟架構賦能現有產品；另一方面，投入資源探索未知方向，為下一個顛覆性技術儲備可能性。他透露，自己的團隊正在研發名為Zapformer的通用聲音基座模型，旨在突破傳統語音識別的局限，實現從“人聲”到“萬聲”的跨越。
Daniel Povey坦言，探索性研究的成功率極低，但他堅信“廣撒網”的策略終將有所回報。他以自身經歷為例，早年提出的類似LayerNorm的歸一化模塊，雖未在當時引起關注，卻為后續研究提供了靈感。這種對長期價值的堅持，也體現在小米的AI戰略中：既通過SOTA級技術賦能“人車家全生態”，又支持團隊在語音、模型架構等領域開展前沿探索。在他看來，這種“雙軌制”是大公司在技術競爭中保持活力的關鍵。
