界面新聞記者 | 陸柯言 佘曉晨

　　界面新聞編輯 | 文姝琪

　　1月10日，一場關于AI的頂級對話在北京中關村悄然上演。

　　這場對話由清華大學基礎模型北京市重點實驗室、智譜AI共同發(fā)起。最重要的是，它罕見地集結了中國大模型領域最受關注的幾位“頂流”人物。他們分別是：

　　唐杰：清華大學教授、智譜創(chuàng)始人，三天前剛剛帶領智譜在港股敲鐘，造就“中國基模第一股”。

　　姚順雨：前OpenAI研究員，27歲的他現為騰訊CEO辦公室首席科學家、AI Infra 部及大語言模型部負責人。這也是入職騰訊后的公開首秀。

　　林俊旸：阿里巴巴通義千問大模型負責人，阿里最年輕P10級技術專家，掌舵著全球開源生態(tài)中下載量第一的阿里通義系列。

　　楊植麟：大模型“六小虎”之一——月之暗面創(chuàng)始人，公司剛剛官宣5億美元融資。

　　幾位平均年齡不到35歲的年輕人，幾乎握著中國AGI賽道上最貴的一批籌碼。 如此規(guī)格的同臺向來罕見，不僅因為他們背后代表著大廠與創(chuàng)業(yè)公司的生態(tài)博弈，更因為在“Chat（對話）范式”已成存量的今天，他們對下一代 AGI 路線圖的任何一次押注，都可能決定未來十年的行業(yè)座次。

　　從大模型的下一個“奇點時刻”，到對模型分化的觀察；從AI Agent的未來，到中國AI的勝算，這場萬字交鋒試圖在現實算力與商業(yè)落地的抉擇之中，尋找中國AGI最真實的突圍路徑。

　　Chat之后，大模型的下一個“奇點”在哪？

　　與會者的一個共識是，關于 AGI 的演進路線，Chat（對話）的競爭已經終結，大模型的未來應該向深水區(qū)更進一步，即解決問題與自主學習。

　　對于下一代范式的預測，一個高票答案是自主學習。林俊旸認為，2026 年最關鍵的“Bet（賭注）”在于 AI 的主動性。目前的 AI 范式是被動的，必須由人類通過 Prompt 啟動。他構思的未來范式是：環(huán)境直接 Prompt 模型，讓 AI 根據環(huán)境反饋自主思考、自主決策，而不僅僅是響應指令。

　　但他也表達了這種主動性可能會帶來的風險：“我最擔心的是他做一些不該做的事。比如主動產生一個想法，往會場里扔一顆炸彈。”他認為，培養(yǎng) AI 就像培養(yǎng)小孩，必須注入正確的方向指引，這是主動學習范式下不可回避的命題。

　　姚順雨也認為， AGI 接下來最重要的點就是自主學習。

　　在他看來，自主學習是一個漸變的過程。它不是一種孤立的方法論，而是由數據和任務驅動的場景演進。

　　他舉例，目前Claude 95%的代碼已經是由Claude自己編寫的，這本身就是一種自我優(yōu)化的循環(huán)。同時，像 ChatGPT 利用用戶數據風格，以及光標修改每隔幾小時就根據用戶數據進行更新，都是自主學習的早期信號。

　　姚順雨提出，自主學習最大的問題是想象力的限制：“現在大家很容易想象強化學習或者推理范式的未來。但如果 2026 年或者 2027 年，一個新的模型或者新的系統(tǒng)實現了自我學習，它應該是一個賺錢的交易系統(tǒng)？還是解決了人類之前沒法解決的科學問題？我們可能需要先想象到它長什么樣?！?/p>

　　談及哪家公司會引領下一代范式創(chuàng)新，姚順雨認為，盡管 OpenAI 內部因商業(yè)化等因素導致創(chuàng)新受損，但在全球范圍內，OpenAI 仍然是最有可能的那一家。

　　Scaling Law 還有用嗎？

　　Scaling Law（規(guī)模法則）是大模型領域的一個經驗公式。它默認，只要不斷地增加訓練數據量、模型參數量、和算力投入，模型性能就會越來越好，并且這種提升是可以預測的。

　　唐杰指出了當前 Scaling Law 面臨的效率困境。從 2025 年初的 10T 數據，到現在的 30T 甚至未來的 100T，單純增加數據量的收益正在遞減。“如果你不創(chuàng)新，花掉 10 個億、20 個億，收益卻很小，這就不值得了。

　　他提出了一個新的衡量標準：Intelligence Efficiency（智能效率）。

　　唐杰認為，提升智能上限“最笨”的方法是 Scaling，而更聰明的做法應該是定義智能效率——即如何用更少的算力投入、更小的 Scaling 規(guī)模，獲得同等甚至更高的智能提升。他預判，在持續(xù)學習、Memory（記憶）以及多模態(tài)領域，這種追求效率的范式變革一定會發(fā)生。

　　楊植麟則認為，Scaling Law 還遠未到達終點，但其內涵發(fā)生了變化。Scaling 不僅僅意味著堆算力，而是在架構、優(yōu)化器、數據層面做技術改進，目的是為了讓模型，擁有更好的“Taste（品味）”，這正是模型之間形成護城河的關鍵。他認為，Token 效率與長文本將是決定 AI 智力水平的核心因素。

　　林俊旸觀察到，人類與AI 不斷交互，只會讓它上下文變得越來越長，導致AI 變得越來越笨，這件事“很煩人”。

　　他提出的一種思路是“測試時擴展” （Test-time Scaling）。與其在訓練階段死磕數據量，他認為 o1 系列證明了另一條路：即在推理時就投入更多計算資源，讓模型變強。

　　對模型分化的觀察

　　模型分化是本次會議的一個焦點問題。它指的是，大模型不再試圖做一個樣樣精通但卻樣樣都平庸的通用工具，而是根據場景、產品形態(tài)和技術特性，裂變成不同的方向。

　　作為在硅谷和中國都擁有經驗的研究者，姚順雨認為，模型的分化首先發(fā)生在商業(yè)邏輯上。

　　他認為，在 B 端（企業(yè)）場景，智能直接等同于收益。美國市場用戶愿意為強模型支付數倍溢價，因為強模型能將任務正確率從 60% 提升到 90%，大幅降低了人工監(jiān)控成本。因此在 To B 領域，強弱模型的分化會越來越極端。

　　相反，To C （用戶）的分化不在于模型變大，而在于 Context（上下文）的厚度。他認為，To C 產品應通過垂直整合，讓模型感知用戶的實時環(huán)境，如天氣、聊天記錄等，而非盲目 Scaling。因此，To C 應用必須走“垂直整合”路線，讓模型與產品強耦合。

　　被問及“千問在未來 AGI 的生態(tài)位”時，林俊旸認為這與公司基因關系并不大。在他看來，今天To B 和 To C 都是在服務真實的人類。這個問題本質是，應該怎么讓人類世界變得更好。

　　他以 Anthropic 為例，指出其在 Coding（編程） 領域的成功是由于頻繁與 B 端客戶交流，發(fā)現了真實場景中巨大的 Token 消耗，而在中國，Coding的Token消耗還沒有那么大。

　　人工智能科學家、加拿大皇家科學院院士楊強提出，當大模型進入穩(wěn)態(tài)，學術界應研究智能上限和幻覺平衡”——即投入多少資源能換取多少錯誤率的降低，這是一種類似經濟學的風險收益平衡。

　　他建議，大模型研究應借鑒人類的睡眠機制——晚上睡覺，事實上是在清理噪音，使得第二天學習的準確率持續(xù)的提升，不至于是兩個錯誤率的疊加，大模型的持續(xù)學習中，同樣需要類似的噪音清理。

　　“價值”決定Agent的未來

　　2026年，市場普遍對 Agent 的價值爆發(fā)充滿信心。但在與會嘉賓被問及“ Agent 真的能幫人類自動化1-2周的工作嗎？”這一問題時，大家的觀點也透露出對于不同方向的期待。

　　姚順雨認為，To B 方面，Agent 正處在不斷上升的曲線上，目前沒有變慢的趨勢。但是在 To C 場景下， DAU 和模型智能很多時候不僅不相關，甚至會相反。他指出，除了模型本身還有兩個瓶頸，一個是環(huán)境和部署（Deployment）問題；另一個是教育問題。因此他認為，在今天的中國，想要擴大 To C Agent 的機會，教育大家如何更好地使用 AI 產品是一個最大的、最有意義的事情。

　　在通用 Agent 的創(chuàng)業(yè)機遇上，林俊旸用了Peak（ Manus 聯合創(chuàng)始人）的一句話表達他的觀點：“通用 Agent 最有意思的事情在于解決長尾問題，或者是說今天 AI 更大的魅力是在長尾?！?/p>

　　他較為認同“模型即產品”這個觀點，同時認為Agent的未來應當不僅僅出現在電腦里，而是和真實物理世界交互——那才是 Agent 能做長時間工作的情景。對于未來 Agent 的發(fā)展場景，林俊旸預判稱，一些在電腦環(huán)境里做的，今年很快就可以完成；但接下來三到五年要完成的 Agent 任務，可能和具身智能會結合起來。

　　楊強將Agent 的出現分為四個階段，而他判斷認為，我們現在處在最初級的階段：目標是人定義的，規(guī)劃也是人做的。在他的預測中，未來會出現這樣一個階段：大模型會觀察人的工作，把人的過程數據利用起來，最終實現目標和規(guī)劃都由大模型來定義， Agent 應該是由大模型內生的一個系統(tǒng)。

　　關于Agent能否真正爆發(fā)，唐杰的觀點則相對務實而尖銳。他認為，有幾個方面決定了 Agent 未來的走勢，首先是 Agent 這個事情的價值、能不能真正幫助人；第二是成本；第三是做應用的速度。在他看來，現在的大模型更多是拼速度、拼時間，“也許我們代碼正確了，也許我們就會在這方面走的更遠一點，但也許失敗以后就半年，半年就沒了?！?/p>

　　創(chuàng)新將成為中美競爭的關鍵詞

　　在這場會議中，唐杰顯露出對于中美之間差距的保守態(tài)度。他認為，雖然中國模型在快速迭代，但差距可能并沒有縮小，因為美國還有大量未開源的閉源模型。參會嘉賓均認同“差距”的存在，同樣也在如何縮小差距上有不少共識。

　　作為剛剛從美國公司加入騰訊的前 OpenAI 研究員，姚順雨在這個話題上著重提到了范式創(chuàng)新。他認為，中國要從今天的跟隨者變成未來的引領者，有幾個比較關鍵的點，第一個是算力突破，第二個是除了 To C 之外，能不能有更成熟或者更好的 To B 的市場，或者有沒有機會在國際的商業(yè)環(huán)境競爭。

　　他坦言，今天很多做生產力或者做 To B 的模型和應用還是會誕生在美國，原因是美國的支付意愿更強，文化更好。更重要的是，主觀上有更多有創(chuàng)業(yè)精神或者冒險精神的人，真的想要去做前沿探索或者新的范式突破的事情。

　　“目前來看，一個范式一旦發(fā)生，我們可以用很少的卡、很高的效率去局部做得更好，我們到底能不能引領新的范式？這可能是今天中國唯一要解決的問題。”姚順雨指出，希望大家能走出“榜單的束縛”，堅持自己覺得是不是正確的過程。

　　林俊旸和姚順雨提到的關鍵詞類似，同樣強調了冒險和創(chuàng)新的重要性。

　　不過，會議的最后，唐杰也在“差距”之外指出了一些中國市場的趕超機會。他認為，首先要承認中國和美國之間的差距，但現在國內的情況正在慢慢變好，尤其體現在90后、00后身上。

　　在他的總結中，中國的機會可能出現在三個方面，一是一群聰明人真的敢做特別冒險的事；二是更好的環(huán)境，包括營商環(huán)境；第三，回到個人身上，能不能堅持的問題?！拔覀兡懿荒茉敢庠谝粭l路上敢做、敢冒險，而且環(huán)境還不錯。”