林俊旸，生于1993年，阿里Qwen技術(shù)負(fù)責(zé)人，最年輕的P10級(jí)技術(shù)專家。

楊植麟，生于1993年，月之暗面創(chuàng)始人，公司賬上躺著100億元。

姚順雨，生于1998年，前OpenAI員工、剛上任騰訊AI首席科學(xué)家。

面對(duì)他們，剛完成公司上市，今年49歲的智譜創(chuàng)始人唐杰不得不感慨，長(zhǎng)江后浪推前浪。在他邊上，1953年出生的中國(guó)科學(xué)院院士張鈸笑稱，那我被拍了一波又一波。

在一片祥和里，中國(guó)的AI屆迎來了開年以來最強(qiáng)閉門會(huì)議。由清華大學(xué)基礎(chǔ)模型北京市重點(diǎn)實(shí)驗(yàn)室發(fā)起的“AGI-Next”峰會(huì)，幾乎聚集了國(guó)內(nèi)這一領(lǐng)域最強(qiáng)的青年代表。從另一個(gè)角度來看，除了DeepSeek，三大開源模型的核心人員都在了。

DeepSeek的缺席也情有可原。據(jù)The information透露，他們正在憋大招，可能會(huì)在春節(jié)前后發(fā)布V4版本，編程能力將有跨越式的提升。

但這并不妨礙像姚順雨這樣備受期待的天才少年們閃亮登場(chǎng)。

清華大學(xué)教授、智譜創(chuàng)始人唐杰：

Chat之戰(zhàn)已結(jié)束，下一戰(zhàn)是“做事”

1. 范式轉(zhuǎn)折點(diǎn)已到：隨著DeepSeek等大模型的出現(xiàn)，純聊天（Chat）的競(jìng)爭(zhēng)已基本結(jié)束，下一階段的競(jìng)爭(zhēng)核心是“行動(dòng)”（Action）與“做事情”（Doing things）。

2. 專注代碼（Coding）與智能體（Agent）：智譜團(tuán)隊(duì)經(jīng)過多次爭(zhēng)論后，將主要精力投入在Coding能力上，并認(rèn)為Agent是未來關(guān)鍵方向之一。

3. Agent成功三要素：真實(shí)價(jià)值（解決實(shí)際問題）、成本可控、執(zhí)行速度（搶出時(shí)間窗口）。

4. 智能效率：創(chuàng)新的爆發(fā)，往往是因?yàn)閷?duì)某件事投入巨大，效率卻不再提升。未來我們應(yīng)該定義一個(gè)衡量收益的新范式：智能效率（Intelligence Efficiency）。提升智能上限，擴(kuò)大規(guī)模（Scaling）可能是最“笨”的辦法，真正的挑戰(zhàn)在于：如何用更少的Scaling，獲得同樣的智能提升。

5. 2026年將有新范式突破：隨著學(xué)術(shù)界算力提升、工業(yè)界效率瓶頸顯現(xiàn)，持續(xù)學(xué)習(xí)（Continual Learning）、記憶（Memory）、多模態(tài)等領(lǐng)域，可能在2026年出現(xiàn)范式變革。

6. 中國(guó)AI的機(jī)會(huì)在于環(huán)境與堅(jiān)持：90后、00后更具冒險(xiǎn)精神，呼吁為敢冒險(xiǎn)的年輕一代提供更好的創(chuàng)新環(huán)境，并相信“笨笨的堅(jiān)持”可能讓中國(guó)團(tuán)隊(duì)最終走在前沿。

阿里千問大模型技術(shù)負(fù)責(zé)人林俊旸：

研究員本身就是產(chǎn)品經(jīng)理

Agent與具身智能結(jié)合會(huì)更有意思

1. 市場(chǎng)分化邏輯：OpenAI做To C平臺(tái)，Anthropic深度服務(wù)企業(yè)（在與金融領(lǐng)域客戶深度交流中發(fā)現(xiàn)真實(shí)機(jī)會(huì)），分化是自然發(fā)生的，是順應(yīng)市場(chǎng)需求后的自然結(jié)果；在美國(guó)，Coding任務(wù)的Token（文本處理的最小單元）消耗量巨大，這一點(diǎn)目前中國(guó)市場(chǎng)還沒達(dá)到同等量級(jí)。

2. AGI的服務(wù)本質(zhì)：今天To B也好，To C也好，我們都是要解決真實(shí)的問題，怎么把人類世界變得更好。

3. 強(qiáng)化學(xué)習(xí)（RL）潛力未充分釋放：目前的強(qiáng)化學(xué)習(xí)范式尚處早期，潛力遠(yuǎn)未被充分挖掘，全球范圍內(nèi)仍面臨基礎(chǔ)設(shè)施等瓶頸。而下一代范式的核心在于“自主進(jìn)化”與“主動(dòng)性”，只是自主進(jìn)化用什么技術(shù)手段、是否需要更新參數(shù)，見仁見智。

4. Agent的“模型即產(chǎn)品”思維：研究員本身就是產(chǎn)品經(jīng)理，需要有產(chǎn)品思維，能端到端地把東西做出來。未來的Agent應(yīng)該是托管式的，你給它一個(gè)模糊通用指令，它能在長(zhǎng)周期的執(zhí)行中自我決策和進(jìn)化。另外，只有當(dāng)AI與真實(shí)物理世界交互，才是Agent真正能長(zhǎng)時(shí)間工作的場(chǎng)景。未來3-5年，Agent與具身智能的結(jié)合，會(huì)更有意思。

5. 通用Agent的機(jī)會(huì)在于長(zhǎng)尾：要不要做通用Agent？如果你是“套殼”高手，套 得 可以比模型公司做 得 更好，我覺得可以去做。否則可以留給模型公司，因?yàn)樗鼈冇兴懔蛿?shù)據(jù)優(yōu)勢(shì)。

6. 對(duì)中國(guó)AI發(fā)展謹(jǐn)慎樂觀：未來3-5年中國(guó)公司引領(lǐng)全球的概率有多大，這是一個(gè)“危險(xiǎn)”的問題，從概率角度談?wù)勚忻啦町悾褐忻浪懔Σ罹?-2個(gè)數(shù)量級(jí)；目前美國(guó)將更多算力投入前沿研究，中國(guó)更多用于交付；“窮則思變”，軟硬件協(xié)同可能孕育新機(jī)會(huì)。再加上中國(guó)新一代人的成長(zhǎng)和營(yíng)商環(huán)境的改善，有機(jī)會(huì)但面臨的困難非常大。

7. Qwen下一步發(fā)展的三個(gè)重點(diǎn)：

（1）構(gòu)建具備視覺輸出和推理能力的Omni模型，把能力真正收斂到多模態(tài)模型，不僅能接收文本、圖像和語(yǔ)音，而且也要具備同時(shí)生成這些模態(tài)的能力。

（2）從訓(xùn)練模型轉(zhuǎn)向訓(xùn)練Agent，尤其是通過多輪強(qiáng)化學(xué)習(xí)和環(huán)境反饋，實(shí)現(xiàn)面向長(zhǎng)時(shí)任務(wù)的推理能力。

（3）把語(yǔ)言模型進(jìn)一步轉(zhuǎn)化為具備行動(dòng)能力的（具身智能）Embodied模型。

騰訊“CEO/總裁辦公室”首席AI科學(xué)家姚順雨：

To B與To C明顯分化，自主學(xué)習(xí)已在發(fā)生

1. 對(duì)市場(chǎng)分化的兩大觀察：

（1）To B與To C的分化：To C對(duì)智能上限要求不高，更像是“搜索引擎加強(qiáng)版”；To B則呈現(xiàn)“越強(qiáng)越付費(fèi)”邏輯——企業(yè)只愿意為最強(qiáng)的模型支付溢價(jià)，所以在To B市場(chǎng)，強(qiáng)模型和弱模型的分化會(huì)越來越明顯。

（2）垂直整合與分層模式的分化：To C產(chǎn)品中，模型與產(chǎn)品是強(qiáng)耦合、緊密迭代的；而To B場(chǎng)景中，趨勢(shì)似乎相反：模型層專注于把模型做得越來越強(qiáng)，應(yīng)用層則想用最好的模型賦能不同的生產(chǎn)力環(huán)節(jié)。

2. 騰訊的雙軌策略：To C：聚焦上下文（Context）和環(huán)境信息，通過額外輸入提供價(jià)值（比如問“今天吃什么”，如果加上“今天很冷”“我在哪個(gè)商圈”等信息，又或者直接把相關(guān)聊天記錄丟給AI，回答的價(jià)值會(huì)完全不同）；To B：作為一家萬(wàn)人規(guī)模的大公司，思考的是如何先“服務(wù)好自己”，充分利用內(nèi)部場(chǎng)景沉淀真實(shí)數(shù)據(jù)。

3. 自主學(xué)習(xí)（Self-learning）的現(xiàn)在時(shí)：自主學(xué)習(xí)已成為非常熱門的詞匯，它并非單一方法論，而是高度依賴于具體的“數(shù)據(jù)與任務(wù)”的場(chǎng)景化實(shí)踐。聊天變得個(gè)性化、像博士一樣探索新科學(xué)，這些都是不同維度的自主學(xué)習(xí)。因此，自主學(xué)習(xí)這件事“已經(jīng)在發(fā)生了”，但目前受限于場(chǎng)景和效率，是“漸變而非突變”。

4. 想象力的問題：要實(shí)現(xiàn)真正的自主學(xué)習(xí)，現(xiàn)在最大的問題是想象力。我們還沒定義好驗(yàn)證它的“任務(wù)”，是一個(gè)能賺錢的交易系統(tǒng)，還是解決人類未解的科學(xué)難題？我們需要先想象出它的樣子。

5. 2026年Agent展望：To B Agent進(jìn)入上升通道，不依賴花哨創(chuàng)新，靠扎實(shí)的預(yù)訓(xùn)練和后訓(xùn)練；即使模型停止進(jìn)化，僅靠更好地部署現(xiàn)有模型到真實(shí)場(chǎng)景，也能帶來10-100倍效率提升，對(duì)GDP產(chǎn)生5%-10%的影響，現(xiàn)在還遠(yuǎn)沒到1%。

6. 中國(guó)AI的優(yōu)勢(shì)與瓶頸：優(yōu)勢(shì)在于工程能力、產(chǎn)業(yè)化效率、人才密度；瓶頸在于算力（光刻機(jī)、軟件生態(tài)）、To B市場(chǎng)成熟度、國(guó)際商業(yè)環(huán)境；核心挑戰(zhàn)，不斷涌現(xiàn)的人才能否引領(lǐng)新范式，需要更多冒險(xiǎn)精神和長(zhǎng)期探索文化。

7. 回國(guó)的感覺還是挺好的，吃 得 好很多。

月之暗面創(chuàng)始人楊植麟：

做模型本質(zhì)上是在創(chuàng)造一種世界觀

1. Kimi的技術(shù)重點(diǎn)：2025年，月之暗面的兩個(gè)技術(shù)進(jìn)化主線是：提升Token效率，以在有限的數(shù)據(jù)下沖擊更高的智能上限；擴(kuò)展長(zhǎng)上下文能力，以滿足智能體化時(shí)代越來越長(zhǎng)程的任務(wù)對(duì)模型的記憶能力需求。

2. 智能的獨(dú)特性：智能和電力不一樣，它不是等價(jià)交換品。你在深圳用的1度電，和在北京用的1度電，完全一樣，但一個(gè)CEO產(chǎn)生的智能，和一個(gè)設(shè)計(jì)師、一個(gè)音樂家產(chǎn)生的智能，截然不同。

3. 模型競(jìng)爭(zhēng)的核心：未來的模型競(jìng)爭(zhēng)，比的就是誰(shuí)更有Taste，誰(shuí)更有品味。做模型本質(zhì)上是在創(chuàng)造一種世界觀，即你覺得什么樣的東西是好的，一個(gè)好的AI應(yīng)該有什么樣的表現(xiàn)，應(yīng)該追求什么樣的價(jià)值觀。所以，你在這個(gè)模型里注入了什么，它就會(huì)涌現(xiàn)出什么樣的智能。

4. 生態(tài)多樣性：不用擔(dān)心未來會(huì)有單一的模型一統(tǒng)世界，因?yàn)橹悄躎aste的差異是巨大的。

5. AI的安全問題：AI可能是人類探索未知的鑰匙，能幫我們攻克癌癥、解決能源危機(jī)、探索宇宙。雖然有風(fēng)險(xiǎn)，但放棄發(fā)展就等于放棄人類文明的上限（最后一句援引自他和Kimi的聊天記錄）。

文 | 童蔚

VIEW MORE

@紐約時(shí)報(bào)這篇報(bào)道，讓美國(guó)網(wǎng)友破防了>>

@當(dāng)AI眼鏡陷作弊疑云>>

@他用20年時(shí)間打破腔鏡手術(shù)機(jī)器人的進(jìn)口壟斷>>