商汤科技联合创始人、首席执行官徐立在一次关于人工智能技术发展的对话中指出，AI技术的重大突破往往呈现出明显的“非连续性”特征，其质变过程存在显著的偶然性，这一观点为我们理解当前AI技术演进路径与网络技术开发模式提供了全新视角。
在传统技术发展范式中，进步常被视为线性累积的过程，通过持续优化与迭代逐步提升性能。徐立强调，人工智能，尤其是深度学习领域的关键进展，多次证明其遵循不同的逻辑。例如，从卷积神经网络（CNN）的兴起到Transformer架构的崛起，并非完全源于对前代技术的渐进式改进，而是源于研究思路、基础理论或工程实践上的跳跃式创新。这种“非连续性”意味着，技术轨迹可能因一个偶然的发现、一次跨领域的灵感碰撞或一个未被预见的数据集特性而发生根本性转向。质变往往孕育于这些看似偶然的节点之中。
徐立进一步阐释，这种偶然性并非纯粹的运气，而是深厚技术积淀与开放探索环境共同作用下的“必然偶然”。它要求研发生态具备足够的多样性、包容性和试错空间，允许非常规思路的涌现与验证。在网络技术开发的具体实践中，这意味着需要构建能够快速原型化、大规模实验并能敏捷响应意外发现的工程体系。开发团队不应仅致力于预定目标的渐进达成，更需保持对边缘现象、失败案例和跨学科信号的敏锐感知，因为突破性创新可能隐藏其中。
面对AI技术发展的非连续特质，徐立认为，企业和技术开发者需调整战略与心态。一方面，需在基础研究和技术基建上进行长期、稳健的投入，为偶然出现的“质变火花”储备充足的“燃料”与“氧气”——即计算资源、数据基础与人才储备。另一方面，应建立更灵活的组织与创新机制，例如通过内部创业、产学研深度合作、开源社区参与等方式，拓宽技术触角，增加与突破性机会的接触面。
徐立的观点揭示了AI技术创新背后的复杂动力学。在推动网络技术开发与AI落地的进程中，拥抱非连续性，理解并善用质变中的偶然性，或许正是引领下一轮技术浪潮的关键。这不仅是技术策略的调整，更是一种关于创新哲学的全新思考。
