AI開年最強閉門會議，93年的嘉賓都不算年輕，缺席的DeepSeek正在憋大招

林俊旸，生于1993年，阿里Qwen技術負責人，最年輕的P10級技術專家。

楊植麟，生于1993年，月之暗面創始人，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首席科學家。

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

在一片祥和里，中國的AI屆迎來了開年以來最強閉門會議。由清華大學基礎模型北京市重點實驗室發起的“AGI-Next”峰會，幾乎聚集了國內這一領域最強的青年代表。從另一個角度來看，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The information透露，他們正在憋大招，可能會在春節前后發布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。

清華大學教授、智譜創始人唐杰：

Chat之戰已結束，下一戰是“做事”

1. 范式轉折點已到：隨著DeepSeek等大模型的出現，純聊天（Chat）的競爭已基本結束，下一階段的競爭核心是“行動”（Action）與“做事情”（Doing things）。

2. 專注代碼（Coding）與智能體（Agent）：智譜團隊經過多次爭論后，將主要精力投入在Coding能力上，并認為Agent是未來關鍵方向之一。

3. Agent成功三要素：真實價值（解決實際問題）、成本可控、執行速度（搶出時間窗口）。

4. 智能效率：創新的爆發，往往是因為對某件事投入巨大，效率卻不再提升。未來我們應該定義一個衡量收益的新范式：智能效率（Intelligence Efficiency）。提升智能上限，擴大規模（Scaling）可能是最“笨”的辦法，真正的挑戰在于：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：隨著學術界算力提升、工業界效率瓶頸顯現，持續學習（Continual Learning）、記憶（Memory）、多模態等領域，可能在2026年出現范式變革。

6. 中國AI的機會在于環境與堅持：90后、00后更具冒險精神，呼吁為敢冒險的年輕一代提供更好的創新環境，并相信“笨笨的堅持”可能讓中國團隊最終走在前沿。

阿里千問大模型技術負責人林俊旸：

研究員本身就是產品經理

Agent與具身智能結合會更有意思

1. 市場分化邏輯：OpenAI做To C平臺，Anthropic深度服務企業（在與金融領域客戶深度交流中發現真實機會），分化是自然發生的，是順應市場需求后的自然結果；在美國，Coding任務的Token（文本處理的最小單元）消耗量巨大，這一點目前中國市場還沒達到同等量級。

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

3. 強化學習（RL）潛力未充分釋放：目前的強化學習范式尚處早期，潛力遠未被充分挖掘，全球范圍內仍面臨基礎設施等瓶頸。而下一代范式的核心在于“自主進化”與“主動性”，只是自主進化用什么技術手段、是否需要更新參數，見仁見智。

4. Agent的“模型即產品”思維：研究員本身就是產品經理，需要有產品思維，能端到端地把東西做出來。未來的Agent應該是托管式的，你給它一個模糊通用指令，它能在長周期的執行中自我決策和進化。另外，只有當AI與真實物理世界交互，才是Agent真正能長時間工作的場景。未來3-5年，Agent與具身智能的結合，會更有意思。

5. 通用Agent的機會在于長尾：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，因為它們有算力和數據優勢。

6. 對中國AI發展謹慎樂觀：未來3-5年中國公司引領全球的概率有多大，這是一個“危險”的問題，從概率角度談談中美差異：中美算力差距1-2個數量級；目前美國將更多算力投入前沿研究，中國更多用于交付；“窮則思變”，軟硬件協同可能孕育新機會。再加上中國新一代人的成長和營商環境的改善，有機會但面臨的困難非常大。

7. Qwen下一步發展的三個重點：

（1）構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模型，不僅能接收文本、圖像和語音，而且也要具備同時生成這些模態的能力。

（2）從訓練模型轉向訓練Agent，尤其是通過多輪強化學習和環境反饋，實現面向長時任務的推理能力。

（3）把語言模型進一步轉化為具備行動能力的（具身智能）Embodied模型。

騰訊“CEO/總裁辦公室”首席AI科學家姚順雨：

To B與To C明顯分化，自主學習已在發生

1. 對市場分化的兩大觀察：

（1）To B與To C的分化：To C對智能上限要求不高，更像是“搜索引擎加強版”；To B則呈現“越強越付費”邏輯——企業只愿意為最強的模型支付溢價，所以在To B市場，強模型和弱模型的分化會越來越明顯。

（2）垂直整合與分層模式的分化：To C產品中，模型與產品是強耦合、緊密迭代的；而To B場景中，趨勢似乎相反：模型層專注于把模型做得越來越強，應用層則想用最好的模型賦能不同的生產力環節。

2. 騰訊的雙軌策略：To C：聚焦上下文（Context）和環境信息，通過額外輸入提供價值（比如問“今天吃什么”，如果加上“今天很冷”“我在哪個商圈”等信息，又或者直接把相關聊天記錄丟給AI，回答的價值會完全不同）；To B：作為一家萬人規模的大公司，思考的是如何先“服務好自己”，充分利用內部場景沉淀真實數據。

3. 自主學習（Self-learning）的現在時：自主學習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“數據與任務”的場景化實踐。聊天變得個性化、像博士一樣探索新科學，這些都是不同維度的自主學習。因此，自主學習這件事“已經在發生了”，但目前受限于場景和效率，是“漸變而非突變”。

4. 想象力的問題：要實現真正的自主學習，現在最大的問題是想象力。我們還沒定義好驗證它的“任務”，是一個能賺錢的交易系統，還是解決人類未解的科學難題？我們需要先想象出它的樣子。

5. 2026年Agent展望：To B Agent進入上升通道，不依賴花哨創新，靠扎實的預訓練和后訓練；即使模型停止進化，僅靠更好地部署現有模型到真實場景，也能帶來10-100倍效率提升，對GDP產生5%-10%的影響，現在還遠沒到1%。

6. 中國AI的優勢與瓶頸：優勢在于工程能力、產業化效率、人才密度；瓶頸在于算力（光刻機、軟件生態）、To B市場成熟度、國際商業環境；核心挑戰，不斷涌現的人才能否引領新范式，需要更多冒險精神和長期探索文化。

7. 回國的感覺還是挺好的，吃 得 好很多。

月之暗面創始人楊植麟：

做模型本質上是在創造一種世界觀

1. Kimi的技術重點：2025年，月之暗面的兩個技術進化主線是：提升Token效率，以在有限的數據下沖擊更高的智能上限；擴展長上下文能力，以滿足智能體化時代越來越長程的任務對模型的記憶能力需求。

2. 智能的獨特性：智能和電力不一樣，它不是等價交換品。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CEO產生的智能，和一個設計師、一個音樂家產生的智能，截然不同。

3. 模型競爭的核心：未來的模型競爭，比的就是誰更有Taste，誰更有品味。做模型本質上是在創造一種世界觀，即你覺得什么樣的東西是好的，一個好的AI應該有什么樣的表現，應該追求什么樣的價值觀。所以，你在這個模型里注入了什么，它就會涌現出什么樣的智能。

4. 生態多樣性：不用擔心未來會有單一的模型一統世界，因為智能Taste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、探索宇宙。雖然有風險，但放棄發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

@紐約時報這篇報道，讓美國網友破防了>>

@當AI眼鏡陷作弊疑云>>

@他用20年時間打破腔鏡手術機器人的進口壟斷>>