大模型把“会说话”这件事推到了很高的位置，BIGAI关心的却一直是另一个问题：机器能不能在真实或仿真的环境里行动，理解物体、任务、他人意图，以及行为后果。
这条路线不新，也不热闹。它常被放在大模型叙事的边缘。但从朱松纯在 ICLR 2025 的主题演讲，到“通通”2.0的发布，再到通智测试的提出，BIGAI其实一直在回答同一个问题：通用智能不能只停在语言和生成能力上。
ICLR 2025上，朱松纯讲的不是模型参数
据北京大学新闻网报道，2025年4月24日，ICLR 2025在新加坡举行。北京大学智能学院和人工智能研究院院长、北京通用人工智能研究院（BIGAI）院长朱松纯受邀发表了题为“AGI：框架、原型、定义和基准”的60分钟主题演讲。
这个题目本身就能看出BIGAI的关注点：框架、原型、定义、基准。它不是单纯追问模型规模，也不是只看生成效果，而是要把“什么算通用人工智能”这件事重新拆开。
BIGAI官网关于通智测试的材料里，对通用人工智能有一个相当明确的描述：关键在于“通用”，目标是让智能体具有自主的感知、认知、决策、学习、执行和社会协作能力，并符合人类情感、伦理与道德观念。
这句话看起来抽象，但落到具体场景就很清楚。一个智能体如果只会回答“牛奶洒了怎么办”，和它真的能发现牛奶洒了、判断需要清理、执行擦拭动作，并理解这样做与他人需求有关，差别很大。
BIGAI押注的，正是后面这种能力。
“通通”的看点不在像不像人
朱松纯在《人民日报》相关报道中被介绍为计算机视觉专家、统计与应用数学家、人工智能专家，长期致力于构建计算机视觉、认知科学乃至人工智能科学的统一数理框架。他在国际顶级期刊和会议上发表论文300余篇，三次获得计算机视觉领域国际最高奖项马尔奖，两次担任国际计算机视觉与模式识别大会主席。
这些履历说明了一件事：BIGAI的路线不是临时换赛道，而是从计算机视觉、认知科学和人工智能基础框架里长出来的。
“通通”是这条路线最容易被外界感知的产品形态。
《人民日报》相关报道提到，“通通”会收拾玩具、主动擦拭牛奶污渍、与人对答。科学网报道则显示，在2025年3月29日召开的2025中关村论坛年会通用人工智能论坛上，BIGAI发布了“通通”2.0版本；相较于此前“三四岁的小女孩”水平，“通通”2.0被介绍为达到“五六岁”的水平。
这个表述容易引发争议，因为“几岁水平”并不是一个简单指标。但它至少透露出BIGAI的评估方向：他们想观察一个智能体是否在语言、认知、行动等能力上持续成长，而不是只展示一次漂亮的对话或生成结果。
收拾玩具、擦拭污渍，看上去不像惊艳的AI演示。可这些动作背后需要的能力并不轻：识别场景，判断任务，选择动作，处理物体关系，还要把行为放进社会语境里理解。
这也是BIGAI路线和很多生成式模型叙事的分叉点。前者更在意智能体能不能把“知道”变成“会做”。
通智测试想补上AGI评估的缺口
围绕通用人工智能，行业最容易陷入两个极端：一边用聊天能力代替智能，一边用某个单项任务的表现判断系统是否接近AGI。BIGAI提出通智测试，正是为了把这个问题往更具体的方向拉。
BIGAI官网材料显示，2023年8月9日，朱松纯教授带领跨媒体通用人工智能全国重点实验室团队在中国工程院院刊 Engineering 上发表《通智测试：通用人工智能具身物理与社会测试评级系统》。材料还提到，谷歌DeepMind在同年11月发表arXiv论文提出通用人工智能分类方法。
通智测试强调的是“具身物理与社会测试”。这几个字很关键。
它意味着AGI评估不应只看系统能不能答题、写代码、总结文本，还要看它能否面对物理环境和社会互动。比如物体会掉落，液体会扩散，工具有用途，人有情绪和意图，行动会带来后果。
如果一个系统在文本里能解释这些道理，却无法在环境中稳定处理它们，BIGAI大概率不会把它视为真正意义上的通用智能。
这种评估思路没有大模型排行榜那么直观，也不容易形成传播爆点。但它抓住了一个更难绕开的事实：智能体最终要进入世界，而世界不是纯文本环境。
认知架构为什么仍有位置
现在讨论AI，很容易被模型能力牵着走：会不会写、会不会画、会不会推理、会不会调用工具。BIGAI的路线提醒人们，通用智能还有一个更底层的问题——系统内部如何组织这些能力。
认知架构关心的不是某一次输出是否漂亮，而是感知、记忆、推理、决策、行动如何连接。世界模型关心的也不是画面是否逼真，而是智能体是否理解环境中的对象、关系和因果。
这类路线的短板也明显：进展慢，展示难，评估复杂，不像生成式模型那样容易被普通用户立刻感知。但它的价值在机器人、具身智能和复杂交互任务里会更突出。因为这些场景里，错误不是一句话说错那么简单，可能是动作失败、任务中断，甚至带来安全风险。
BIGAI并不是站在大模型的对立面。更准确地说，它试图把语言能力、感知能力、行动能力和社会理解放进同一个智能体框架里。大模型可以成为其中一部分，但很难单独承担全部解释。
朱松纯在《人民日报》报道中说过：“一定要做出些原创性成果。”放在BIGAI这条路线上看，这句话不是口号。它对应的是一种选择：不只追随更大模型和更强生成效果，而是继续追问机器怎样获得对世界的理解。
这条路线是否被低估，现在还不能用一个发布会或一个演示下结论。但至少可以确定，BIGAI讨论的不是边缘问题。只要通用人工智能还要面对物理环境、社会协作和伦理约束，认知架构与世界模型就不会退出牌桌。
