21世紀經濟報道記者 孔海麗 彭新 北京報道

1月10日，在由清華大學基礎模型北京市重點實驗室、智譜AI發(fā)起的AGI-Next前沿峰會上，罕見集齊了騰訊“CEO/總裁辦公室”首席AI科學家姚順雨、Kimi創(chuàng)始人楊植麟、智譜創(chuàng)始人唐杰、阿里巴巴Qwen技術負責人林俊旸以及加拿大皇家學院院士、香港科技大學榮休教授楊強等AI界知名大咖，圍繞AI新范式、Agent、中國大模型公司的挑戰(zhàn)及機會等話題展開了討論。

其中，楊植麟首次深度分享了Kimi的技術重點，他透露，2025年，月之暗面的兩個技術進化主線是提升“TokenEfficiency”，以在有限的數(shù)據(jù)下沖擊更高的智能上限；以及擴展“長上下文”能力，以滿足Agentic時代越來越長程的任務對模型的記憶能力需求。

00:51

履新騰訊后，姚順雨首次公開亮相

值得注意的是，此次峰會是姚順雨加入騰訊后，首次對外界分享其對AI產業(yè)的觀察。現(xiàn)年27歲的姚順雨畢業(yè)于清華大學姚班和普林斯頓大學。他在2024年加入OpenAI后，迅速成為團隊核心研究者之一，參與推動 AI Agent和任務執(zhí)行系統(tǒng)方向的開發(fā)。

2025年12月17日，騰訊宣布升級大模型研發(fā)架構，新成立AI Infra部、AI Data部和數(shù)據(jù)計算平臺部，旨在全面強化大模型的研發(fā)體系與核心能力。其中，姚順雨出任“CEO/總裁辦公室”首席AI科學家，向騰訊總裁劉熾平匯報；同時兼任AI Infra部、大語言模型部負責人。

01:11

姚順雨指出，當前中美大模型市場均呈現(xiàn)出明顯的分化特征，其中To C與To B市場的底層邏輯已截然不同?！皩τ赥o C市場，大部分用戶在大部分時間并不需要極強的智能。”姚順雨表示，雖然當前模型在數(shù)學推導等高階能力上顯著增強，但對于普通用戶而言，ChatGPT等應用更多是“搜索引擎的加強版”。在這一領域，為了提供更好的體驗，廠商傾向于走“垂直整合”路線，即模型層與應用層緊密耦合、快速迭代。

而在To B領域，邏輯則完全相反。“智能越高，代表生產力越高，溢價空間也越大。”姚順雨觀察到，企業(yè)級市場對模型能力的付費意愿呈現(xiàn)極端的頭部效應。他舉例稱，市場愿意為頂級模型支付200美元/月的訂閱費用，而對次級模型（50美元或20美元/月）興趣寥寥。對此，姚順雨稱在編程等高頻且嚴肅的生產力場景中，較弱模型產生的錯誤需要人工耗費大量精力去排查和監(jiān)控，其隱性成本遠超模型差價。因此，To B市場正走向分化，強模型和較弱模型的差距將更加明顯。

進一步來看，姚順雨認為，單純的模型參數(shù)競賽已不是C端產品的全部，未來的核心競爭力在于對“語境”（Context）的捕捉?！氨热鐔枴裉斐允裁础?，今年問和去年問，答案不應一樣?！币樣杲忉尩?，更好的回答不單純依賴更強的推理能力，而在于模型是否掌握用戶的實時狀態(tài)、位置、歷史偏好甚至社交關系等“額外的Context”。

在To B端，鑒于國內企業(yè)軟件市場付費意愿較弱的現(xiàn)實，姚順雨提出大型科技公司應利用自身龐大的內部場景進行驗證。與初創(chuàng)公司依賴外部標注商不同，一家擁有10萬員工的大廠本身就是巨大的實驗場?！霸趺窗颜鎸嵤澜绲臄?shù)據(jù)利用好，而不是僅僅依賴于標注商或者外部采購?！?/p>

下一代AI范式是什么？

談及自主學習的發(fā)展信號，姚順雨提出了不同于普遍認知的觀點，他認為2025年就已出現(xiàn)相關信號，部分團隊正采用最新用戶數(shù)據(jù)進行實時學習，新模型也在真實環(huán)境數(shù)據(jù)的支撐下開展訓練。不過這些嘗試尚未帶來石破天驚的效果，核心原因在于其缺乏預訓練能力，模型表現(xiàn)暫時不及OpenAI等頭部公司的產品。

姚順雨認為，自主學習發(fā)展面臨的最大問題并非技術本身，而是“想象力”的缺失。他說，我們能夠大致構想強化學習或推理范式落地后的形態(tài)，比如chatGPT O1模型通過強化學習與思維鏈，將數(shù)學題得分從10分提升至80分，但對于自主學習真正實現(xiàn)時該呈現(xiàn)怎樣的具體任務與效果，尚未形成清晰認知。他舉例說明，無論是能盈利的交易系統(tǒng)，還是能攻克人類未解科學難題的工具，只有明確了這些具象化的目標，才能真正判定新范式的到來。

當被問及2027年哪家公司最有可能實現(xiàn)新范式創(chuàng)新時，姚順雨認為OpenAI的概率還是更大。盡管他坦言商業(yè)化等因素已在一定程度上削弱了OpenAI的創(chuàng)新基因，但綜合來看，OpenAI依然是全球范圍內最有可能誕生新范式的企業(yè)。

林俊旸從更務實的角度切入，他認為當前RL（強化學習）的潛力尚未充分釋放，相關探索仍處于早期階段，全球范圍內都存在類似的發(fā)展瓶頸。對于下一代AI范式，他提出了兩個核心方向。

其一，AI的自主進化。他提到有觀點認為，人類與AI的持續(xù)交互只會讓上下文不斷拉長，反而導致AI“變笨”，這一現(xiàn)象值得深思。而實現(xiàn)自主進化是否需要更新模型參數(shù)，行業(yè)內可采用不同技術路徑達成，暫無統(tǒng)一答案。

其二，AI的主動性提升。當前AI的啟動與運行高度依賴人類協(xié)助，未來能否實現(xiàn)自主思考、主動行動，是新范式的重要特征。但這一方向也潛藏著嚴峻的安全風險，他特別強調，擔憂的并非AI“說不該說的話”，而是其可能主動實施危險行為，比如產生傷害他人的想法并付諸行動。因此，如同培養(yǎng)孩子一般為AI注入正確導向，是發(fā)展主動性過程中不可或缺的環(huán)節(jié)。

關于自主學習的落地場景，林俊旸認為自動化AI研究員的實現(xiàn)或許無需依賴自主學習，短期內即可替代人工完成模型訓練工作；而持續(xù)理解用戶需求、實現(xiàn)個性化交互，更有可能成為自主學習的首個突破口。

對于2026年Memory技術能否實現(xiàn)突破性跨越，林俊旸表示，技術本質上呈線性發(fā)展，所謂“突破性”更多是人類的主觀感受。目前Memory技術僅能讓AI記住過往信息，卻無法像人類一樣深度理解運用。

林俊旸預測，Memory技術可能還需一年左右發(fā)展，當算法與基礎設施實現(xiàn)更好融合，或許能達到“臨界點”，讓人類感受到類似人與人之間的記憶理解能力。

01:00

唐杰對2026年AI范式革新充滿信心，他認為持續(xù)學習、Memory、多模態(tài)等方向均有望誕生新范式。而新范式的出現(xiàn)，核心驅動力源于兩大趨勢。

一方面，學術界與工業(yè)界的創(chuàng)新差距顯著縮小。此前工業(yè)界在大模型領域遙遙領先，2023-2024年時，工業(yè)界擁有上萬片算力卡，而高校往往僅有0片或1片，差距高達萬倍；但到2025年底至2026年初，眾多高校已配備充足算力卡，不少老師及硅谷學者紛紛投身大模型架構、持續(xù)學習等領域研究，盡管當前雙方差距仍有10倍，但學術界已孵化出創(chuàng)新種子，具備了突破的潛力。

另一方面，大模型發(fā)展面臨效率瓶頸。當前行業(yè)在大模型領域投入巨大，但效率低下的問題日益凸顯。數(shù)據(jù)規(guī)模從2025年初的10TB增長至當前30TB，未來甚至可能擴展到100TB，但規(guī)模擴張帶來的收益與高昂的計算成本不成正比，盲目投入10億、20億資金可能僅獲微薄回報。同時，反復重訓基座模型、過度依賴RL的模式，收益已逐漸遞減。因此，未來需明確“智能效率”（Intelligence efficiency）的核心地位，即在更少投入下實現(xiàn)更大的智能增量，這種對效率的追求將倒逼新范式誕生。

唐杰透露，其團隊也在積極投身相關研究，期待成為新范式的推動者，但也坦言創(chuàng)新結果存在不確定性。

AI Agent今年如何走？

除了模型本身的演進，AI Agent（智能體）發(fā)展走向被視為2026年AI產業(yè)的關鍵變化。

對于Agent的發(fā)展階段，楊強提出了四階段演進框架：從目標和規(guī)劃均由人類定義，過渡到AI自動定義。他認為，當前的Agent系統(tǒng)仍處于初級階段，大部分依賴人工設定目標和規(guī)劃；未來將出現(xiàn)原生系統(tǒng)，即大模型將能夠觀察人類工作，自主利用數(shù)據(jù)，內生地定義目標與規(guī)劃路徑。

林俊旸指出，通用Agent的核心能力在于解決長尾問題。他指出，解決頭部需求相對容易，但解決長尾需求極難，而今天AGI（通用人工智能）的價值，恰恰在于能解決用戶“到處找不到答案”的難題。

對于Agent領域，創(chuàng)業(yè)者與大模型公司的競爭問題，林俊旸直言這一問題“見仁見智”。他表示，如果創(chuàng)業(yè)者“善于套殼”，在產品化上能做得比模型公司更好，仍有創(chuàng)業(yè)機會；但對于模型公司而言，其優(yōu)勢在于踐行模型即產品原則，遇到問題時，可以通過重訓模型、消耗算力來從底層解決。

然而，Agent商業(yè)化落地的現(xiàn)實挑戰(zhàn)依存在。唐杰指出了決定Agent的三個核心要素：價值、成本（Cost）與速度。他強調，首先要看Agent是否解決了真正有價值的人類事務；其次是成本問題，“如果調一個API就能解決問題，但Agent的成本特別大，那就構成了矛盾”。