才開年沒幾天，這幫搞AI的就坐不住了。

上周末，智譜AI聯(lián)合清華大學基礎(chǔ)模型北京市重點實驗室，搞了個AGI Next前沿峰會，傳說中的“開源四杰”，一下就來了三家。

清華大學教授、智譜創(chuàng)始人唐杰，月之暗面創(chuàng)始人楊植麟，還有阿里Qwen的技術(shù)負責人林俊旸，一個個都是名頭響當當?shù)娜宋铩?/p>

除此之外，這段時間風頭正盛的騰訊CEO辦公室首席科學家姚順雨，回國后也首次公開露臉，帶來了一些讓人感到“頭大”的操作。

人沒到場，只露了臉。。。照片里看起來頭最大的那個人就是他。

當然，現(xiàn)場也不乏學術(shù)界的代表，像加拿大皇家學院院士、香港科技大學榮休教授楊強，還有清華大學教授、院士張鈸。

91歲的張院士雖然自嘲“早已經(jīng)被替代了” ，但說出來的話相當犀利，直言現(xiàn)在的大語言模型并不是人類語言的真正模型。

這群大佬湊在一塊，沒有把時間浪費在商業(yè)互吹上，更多的是聊技術(shù)路線、新的范式。比如Chat AI基本上到頭了，接下來應(yīng)該往哪走？再比如咱們雖然顯卡沒美國多，但窮則思變搞不好能憋出大招。。。

這么說吧，他們把之后AI可能會怎么發(fā)展，給提前“劇透”了一部分。

隔壁咱們也正好去了現(xiàn)場，今天也一起來看看會上都有哪些干貨。

“Chat范式快到頭了”，這是智譜創(chuàng)始人唐杰在現(xiàn)場拋出的一個暴論。

在他看來，隨著 DeepSeek 的橫空出世，大家做得再好，更個性化、更有情感，無非就是在對話上修修補補，玩不出什么新花樣。

至于新范式，說白了就是讓AI干活兒。

過去一年，不管是寫代碼的 Coding，還是能處理復(fù)雜任務(wù)的 Agentic，其實都是在往這個方向走。

圓桌會議上，主持人就針對Agent拋了一個很高的預(yù)期：到了 2026 年，能不能讓它跑個幾天幾夜，把人類一兩周的工作量給干了？

不過在Agent這事兒上，大佬們沒有盲目畫餅，而是拋出了幾個冷思考。

世超斗膽總結(jié)下，就是別拿大炮轟蚊子。

在Qwen技術(shù)負責人林俊旸看來，Agent 真正的機會，不在于那些大家都能想到的頭部需求，而是那些翻遍全網(wǎng)都找不到解決方案的長尾問題。

而從性價比的視角來看，如果一個簡單的需求，也非要讓AI在后臺燒錢推理半天，這筆買賣顯然也是不劃算的。

不過現(xiàn)在更大的問題可能是，AI還沒那么聰明，要實現(xiàn)這種能干活的 AI，是繼續(xù)無腦堆顯卡、堆數(shù)據(jù)嗎？

一直以來，大力出奇跡的Scaling，都被業(yè)內(nèi)看作是提高模型智能水平的有效手段。但峰會現(xiàn)場，唐杰卻認為這是“人類偷懶的一種方法”。

因為光靠堆料帶來的收益正在變低，如果還只盯著參數(shù)量，不去找新的范式，那其實就是一種思維上的懶惰。

在這一點上，楊植麟說得可能更具體。

他們通過Token efficiency（Token效率）和Long Context（長上下文），來實現(xiàn)更好的Agent智能。

具體來說，Token efficiency 就是指在遵循 Scaling Law 的前提下，讓模型在有限的訓練數(shù)據(jù)里，把智商上限拉得更高 。為此，Kimi 甚至搞出了新的二階優(yōu)化器 MUON 和線性注意力機制，愣是把效率提升了 2 倍。

說人話就是，少吃草，多擠奶。

除了摳效率，這次峰會，“自主學習”也是被反復(fù)提及的關(guān)鍵詞之一。

啥叫自主學習？簡單來說，就是讓AI自己悟道。

聽起來有點超前，但姚順雨直接甩出了兩個已經(jīng)實現(xiàn)了的案例：

一個是 ChatGPT，正在利用海量的用戶對話數(shù)據(jù)，不斷地進行自我微調(diào)和風格適應(yīng)。另一個更狠，在Claude這個項目里，有 95% 的代碼其實是Claude自己寫的。

按照姚順雨的說法，在硅谷大街小巷的咖啡館里，自主學習已經(jīng)成為了一種共識。

而當被問到，誰最可能引領(lǐng)這個新范式時，姚順雨也給出了一個判斷：雖然 OpenAI 的創(chuàng)新基因可能因為商業(yè)化被削弱了，但它仍然是那個最有可能的選手。

聊完技術(shù)，咱們還得聊聊大模型在產(chǎn)業(yè)端的情況。

現(xiàn)場，姚順雨就提到了他對于模型分化的兩個觀察。

一個是C端對模型智能的鈍感力，換句話說，大模型的能力具體變強了多少，多數(shù)C端用戶是感受不到的。

面向C端用戶的產(chǎn)品，模型智商提高 10 分還是 20 分，對用戶來說區(qū)別不大。有時候一個 80 分的模型配合絲滑的交互，體驗反而可能會吊打 90 分的模型。

但在ToB領(lǐng)域，就不一樣了，強弱分化很明顯。

在這里，模型越強，代表著能解決的任務(wù)越多，產(chǎn)生的價值就越大。所以，誰家模型能幫程序員把寫代碼的效率，哪怕只提升10%，企業(yè)也愿意掏錢。

另外一個，則是垂直整合和模型應(yīng)用分層兩條路徑的分化。

ToB的垂直整合未必成立，尤其對于生產(chǎn)力場景來說，模型層和應(yīng)用層需要的能力不太一樣。但在ToC應(yīng)用上，垂直整合還是成立的，無論是ChatGPT還是豆包，模型和產(chǎn)品都在非常強耦合地緊密迭代。

最后，一個敏感但避不開的問題，就是AI的中美競爭，幾位嘉賓也沒藏著掖著。

唐杰很坦誠，在他看來，雖然國內(nèi)在開源上有了一些成績，但實際上中美差距可能還在拉大。

那咱們?nèi)钡氖巧叮匡@卡嗎？

是，也不是。比起顯卡，咱們更缺的其實是膽子。

姚順雨直言，國內(nèi)團隊復(fù)現(xiàn)技術(shù)那叫一個快，只要一個技術(shù)被證明是可行的，咱們一擁而上能做得更好。

但如果是個不確定的新范式，大家就不敢碰了。說白了，就是缺了點冒險精神。

不過林俊旸最后，還是給了國內(nèi)一個20% 的勝率。

咱們國內(nèi)團隊雖然不像美國巨頭那樣富得流油，顯卡隨便燒，但窮也有窮的活法。

正是因為資源有限，逼得大家必須在算法和架構(gòu)上摳細節(jié)，這種被逼出來的創(chuàng)新，搞不好能比那些顯卡大戶搞出來的東西更扎實。

反正通過這場坦白局，世超對之后AI的發(fā)展可以說是非常興奮了。

新的范式正在破土而出，大模型可能會迎來比想象中更具突破性的進展。大家不再迷信那些靜態(tài)的排行榜和跑分，而是更關(guān)注模型在真實世界里，解決復(fù)雜問題的能力。。。

也許在不遠的將來，當我們回望今天，就會發(fā)現(xiàn)我們正站在人類歷史的變革前夜。

撰文：西西

編輯：江江&面線

美編：煥妍

圖片、資料來源：

峰會現(xiàn)場

部分圖源網(wǎng)絡(luò)