在近期举办的智能未来大会上，著名语音科学家Daniel Povey以独特的视角，将AI技术发展与生物进化过程进行了深度类比，引发了与会者的广泛关注。作为小米集团首席语音科学家，他提出，AI技术的演进路径与生物进化有着惊人的相似性，都遵循着不断试错、筛选最优解的底层逻辑。
Daniel Povey指出，AI“配方”的设计本质上是一个持续迭代的过程。科研人员提出新理论、发布新论文，但最终能落地的往往是那些经过实践检验的“配方”。这一过程与生物进化中的自然选择极为相似：生命体通过基因突变产生变异，环境则筛选出适应度更高的个体。在AI领域，这种筛选机制体现在不同模型架构的竞争与淘汰中，只有性能更优的方案才能被广泛采用。
他进一步解释，AI发展的节奏也与生物进化的“间断平衡”理论吻合。历史上，生物进化曾长期处于停滞状态，直到某些关键突破引发剧变。例如，光合作用的出现彻底改变了地球生态。AI领域同样存在类似现象：Transformer架构的诞生，原本为语言模型设计，却意外推动了计算机视觉、语音识别等多个领域的革新。这种跨领域的突破，正是AI技术实现跃迁的重要动力。
在谈到技术演进的速度时，Daniel Povey强调了开源的重要性。他以自身经历为例，2012年因工业界对开源的抵触转投学术界，而如今小米等企业积极拥抱开源文化，为他提供了理想的研究环境。他直言，若没有开源，AI研究的速度可能降低千倍。开源社区的协作模式，使得研究人员无需重复造轮子，而是能站在前人的基础上快速迭代，这种效率提升对技术突破至关重要。
对于AI的未来方向，他提出“通才”与“专才”的平衡策略。自然界中，熊猫等专才在稳定环境中占据优势，而老鼠等通才则能在环境剧变时生存。AI领域同样需要保留多种技术路线：一方面，利用Transformer等成熟架构赋能现有产品；另一方面，投入资源探索未知方向，为下一个颠覆性技术储备可能性。他透露，自己的团队正在研发名为Zapformer的通用声音基座模型，旨在突破传统语音识别的局限，实现从“人声”到“万声”的跨越。
Daniel Povey坦言，探索性研究的成功率极低，但他坚信“广撒网”的策略终将有所回报。他以自身经历为例，早年提出的类似LayerNorm的归一化模块，虽未在当时引起关注，却为后续研究提供了灵感。这种对长期价值的坚持，也体现在小米的AI战略中：既通过SOTA级技术赋能“人车家全生态”，又支持团队在语音、模型架构等领域开展前沿探索。在他看来，这种“双轨制”是大公司在技术竞争中保持活力的关键。
