《科創(chuàng)板日報》1月11 日（記者 李明明）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，國產(chǎn)AI基模四杰罕見同聚一堂。

其中的AGI-Next圓桌論壇陣容亮眼，基模三杰一同登臺：作為本次閉門會主辦方，剛于1月8日閃耀登陸港股、摘得“全球大模型第一股”桂冠的智譜，其創(chuàng)始人兼首席科學家唐杰率先發(fā)表開場演講，隨后以東道主身份領銜開啟圓桌論壇；阿里通義千問Qwen技術負責人林俊旸同步亮相；更具看點的是，不久前官宣加盟騰訊、出任核心AI崗位的姚順雨，此番完成入職后的首次公開亮相并正式發(fā)聲，瞬間成為全場焦點。

閉門會上的另一人物，則是時下焦點“AI六小虎”的代表人物——月之暗面CEO楊植麟，其剛官宣的5億美元新一輪融資，也讓此次聚首更具行業(yè)風向標意義。

楊植麟表示，下一代模型（K3及后續(xù)）將持續(xù)優(yōu)化架構與技術，同時注重數(shù)據(jù)質(zhì)量與模型“品位（Taste）”，打造具有獨特世界觀與價值觀的智能體。堅持推進AGI/ASI開發(fā)，視其為突破人類文明上限、探索未知世界的關鍵工具，在控制風險的前提下持續(xù)技術突破，計劃長期迭代至K100。

以下為AGI-Next圓桌對話重點內(nèi)容，經(jīng)《科創(chuàng)板日報》編輯整理：

模型分化趨勢

主持人李廣密：唐杰老師，從行業(yè)觀察來看，智譜在Coding領域表現(xiàn)突出，在相關榜單上排名靠前，同時在長程Agent技術上也有深入布局。結合這些行業(yè)實踐，你如何看待模型分化這一主題？

唐杰：模型分化需要回歸到最本質(zhì)的問題。早期大模型發(fā)展階段，行業(yè)聚焦于基座模型的研發(fā)。2023年，我們率先推出了Chat產(chǎn)品，當時的首要想法是盡快將產(chǎn)品上線——由于國家相關規(guī)定要求，當年八九月份多家企業(yè)的大模型集中上線。

但當時的實際情況是，十余家企業(yè)的大模型紛紛亮相，但每家的用戶規(guī)模都相對有限；而如今，行業(yè)分化已極為顯著。

經(jīng)過一年的深入思考，我意識到早期的發(fā)展模式并未真正解決核心問題。我最初的預判是，大模型將替代搜索引擎——如今確實有很多用戶在使用大模型替代搜索功能，但谷歌并未被替代，反而通過自我革新優(yōu)化了搜索服務。

從這個角度來看，大模型替代搜索的“戰(zhàn)役”在DeepSeek推出后就已結束。

DeepSeek之后，行業(yè)需要思考的是“下一場戰(zhàn)役”的核心方向。我們團隊為此爭論了無數(shù)個夜晚，最終，一方面得益于運氣，另一方面也源于戰(zhàn)略聚焦，我們將所有精力都投入到了Coding領域。

姚順雨：我對模型分化有兩點核心感受：一是To C與To B領域已出現(xiàn)明顯分化；二是垂直整合路徑與模型-應用分層路徑也開始呈現(xiàn)分化趨勢。

先談第一點感受。當前提及AI，大家首先想到的便是ChatGPT與Claude code，二者分別代表了To C與To B領域的典型標桿。

值得注意的是，如今使用ChatGPT的體驗與去年相比差異不大；而編程領域則發(fā)生了翻天覆地的變化，夸張地說，它已重塑了整個計算機行業(yè)的工作模式——人們不再直接編寫代碼，而是通過英語與電腦進行交互來完成相關工作。 核心差異在于，對于To C領域而言，大多數(shù)人在多數(shù)情況下并不需要極強的智能支持。

盡管如今ChatGPT在撰寫專業(yè)內(nèi)容的能力上較去年有所提升，但多數(shù)用戶難以感知到這種變化。在中國市場，To C端的AI產(chǎn)品更多扮演著搜索引擎加強版的角色，很多用戶甚至不清楚如何充分激發(fā)其智能潛力。 而在To B領域，智能水平與生產(chǎn)力、商業(yè)價值直接掛鉤，智能越高，所創(chuàng)造的價值也就越大。此外，To B市場中，用戶更傾向于選擇最強的模型。

再談第二點感受，即垂直整合與模型-應用分層路徑的分化。以ChatGPT Agent與“Claude/Gemini+Manus”這類應用層產(chǎn)品的對比為例，過去行業(yè)普遍認為垂直整合能力更強的企業(yè)更具優(yōu)勢，但從當前實際情況來看，結論并非絕對。

模型層與應用層所需的核心能力存在較大差異，尤其對于To B或生產(chǎn)力相關場景而言，大規(guī)模預訓練仍是關鍵環(huán)節(jié)，這對產(chǎn)品型公司來說難度極大；但與此同時，要充分發(fā)揮優(yōu)質(zhì)模型的溢出價值，還需在應用側(cè)、環(huán)境側(cè)開展大量配套工作。 以上便是我對模型分化的兩點觀察。

主持人李廣密：鑒于你目前的新身份，能否分享一下在中國市場環(huán)境下，你后續(xù)的發(fā)展思路？是否有明確的發(fā)展特點或核心關鍵詞可以透露？

姚順雨：騰訊無疑是一家To C基因深厚的公司，我們核心思考的是如何借助當前大模型及AI技術的發(fā)展，為用戶創(chuàng)造更多價值。

其中一個關鍵認知是，無論是更強的模型，還是更優(yōu)的環(huán)境，很多時候都離不開額外的上下文信息（Context）。

我常舉這樣一個例子：當用戶詢問“今天該吃什么”時，無論去年、今年還是明天詢問ChatGPT，得到的答案差異不大。要讓這個問題的答案更貼合用戶需求，并非需要更大的模型、更強的預訓練、更優(yōu)的強化學習、更完善的Agent環(huán)境或更強大的搜索引擎，而是需要更多額外的輸入信息（即Context）。

而在To B領域，中國市場面臨著諸多挑戰(zhàn)。生產(chǎn)力革命相關的業(yè)務，包括許多中國企業(yè)推出的Coding Agent，往往需要開拓海外市場。我們的思路是先服務好自身內(nèi)部場景：與創(chuàng)業(yè)公司相比，大公司本身擁有豐富的應用場景和提升生產(chǎn)力的需求。如果我們的模型能在內(nèi)部場景中實現(xiàn)優(yōu)化，不僅能讓模型形成獨特優(yōu)勢，推動公司自身發(fā)展，更重要的是能夠捕捉到真實世界場景中的數(shù)據(jù)。

例如，創(chuàng)業(yè)公司若想開展Coding Agent相關的數(shù)據(jù)標注工作，需要依靠軟件工程師設計標注規(guī)則，但數(shù)據(jù)公司的數(shù)量和人力有限，最終會受到限制；而對于擁有10萬員工規(guī)模的大公司而言，則可以嘗試充分利用真實世界的數(shù)據(jù)，擺脫對標注商或固定協(xié)議的依賴。

主持人李廣密：接下來有請林俊旸先生，你如何看待千問未來的生態(tài)定位及分化方向？

林俊旸：從原則上來說，我不便對公司戰(zhàn)略發(fā)表評論，但我認為公司的基因并非一成不變，而是由一代又一代的從業(yè)者共同塑造的。

例如，如今姚順雨先生加入騰訊后，騰訊或許會逐漸融入順雨先生的做事風格與基因。 在此，我想分享一下我們對AGI的理解：無論To B還是To C領域，我們的核心目標都是解決真實存在的問題，讓人類世界變得更加美好。即便是To C產(chǎn)品，也會出現(xiàn)分化趨勢。

如今OpenAI更偏向平臺化發(fā)展，而To C產(chǎn)品最終需要明確自身服務的核心用戶群體。當前，許多AI產(chǎn)品會聚焦醫(yī)療、物流等垂直領域；我也關注到Coding領域的企業(yè)發(fā)展勢頭迅猛，據(jù)我了解，他們與客戶的交流頻率極高——這是我們目前有待提升的地方。

盡管我們具備一定的優(yōu)勢，但中國SaaS市場與美國市場存在顯著差異，這些企業(yè)通過高頻客戶交流，能夠快速捕捉到市場機會。我與美國多家API廠商交流后發(fā)現(xiàn)，他們并未預料到Coding領域的需求量如此龐大；而在中國市場，Coding領域的需求規(guī)模相對較小，至少從我的觀察來看是這樣，這一點并非所有從業(yè)者都能深刻感知。 當前我們開展的相關工作，也是基于客戶反饋捕捉到的市場機會。

因此，我認為行業(yè)分化是自然演進的結果，我們更愿意秉持AGI的發(fā)展理念，專注于AGI該做的事情，順應行業(yè)發(fā)展趨勢推進相關工作。

Agent戰(zhàn)略與2026年展望

主持人李廣密：結合2026年Agent有望完成人類1-2周工作量的行業(yè)預期，從模型公司的視角來看，你認為Agent戰(zhàn)略應如何布局？

姚順雨：我認為Agent在To B與To C領域的發(fā)展路徑仍存在顯著差異。從當前趨勢來看，To B領域的Agent已進入快速增長通道，且增長勢頭并未放緩。 值得注意的是，To B領域的Agent發(fā)展其實并未依賴過多創(chuàng)新——核心邏輯就是通過擴大模型預訓練規(guī)模、持續(xù)優(yōu)化真實世界任務的后訓練，讓模型不斷變得更聰明，進而創(chuàng)造更大的商業(yè)價值。

從某種意義上說，To B領域的發(fā)展目標高度一致：模型智能越高，能解決的任務就越多；解決的任務越多，創(chuàng)造的商業(yè)收益就越大。 而To C領域的情況則更為復雜。

我們知道，DAU等產(chǎn)品指標與模型智能水平往往并不相關，甚至可能呈現(xiàn)反向關系。這也是To B領域能夠聚焦模型能力提升的重要原因——只要模型持續(xù)優(yōu)化，收益就會同步增長，形成正向循環(huán)。

當前，To B領域的生產(chǎn)力型Agent仍處于發(fā)展初期，除了模型本身，還有兩個關鍵問題需要解決：一是環(huán)境適配問題，二是部署落地問題。在加入OpenAI之前，我曾在一家To B公司實習，這段經(jīng)歷讓我收獲頗豐。其中最大的感悟是：即便當前所有模型的訓練都停止，模型能力不再提升，只要將現(xiàn)有模型部署到全球各類企業(yè)中，就能帶來10倍甚至100倍的收益，對GDP產(chǎn)生5%-10%的影響；但目前，AI對GDP的實際影響還不到1%，這意味著部署落地環(huán)節(jié)仍有巨大的優(yōu)化空間。 另一個關鍵問題是用戶教育。

我觀察到，當前人與人之間的差距正逐漸拉大——這種差距并非源于AI對人類工作的替代，而是源于對AI工具的使用能力：會使用AI工具的人正在替代不會使用的人。就像當年電腦普及后，那些主動學習編程的人，與依然依賴計算尺、傳統(tǒng)算法的人相比，形成了巨大的能力差距。

因此，當前中國在AI領域能做的最有意義的事情之一，就是加強用戶教育，教會大家如何更好地使用大模型。

林俊旸：這其實涉及到產(chǎn)品哲學的問題。Manus的成功有目共睹，但“套殼模式”是否是Agent的未來發(fā)展方向，行業(yè)內(nèi)仍存在爭議。

到目前為止，我比較認同“模型即產(chǎn)品”的觀點。我們內(nèi)部的研究員也在開展相關嘗試，聚焦真實世界的需求打造產(chǎn)品。

我相信，未來的Agent完全有能力完成人類1-2周的工作量，這與剛才提到的主動學習密切相關：要實現(xiàn)長時間的任務處理，Agent必須在工作過程中實現(xiàn)自我進化，同時具備自主規(guī)劃任務的能力——因為它接收的指令往往是非常通用的，這意味著Agent已從“人機來回交互模式”升級為“托管式模式”。

從這個角度來看，Agent對模型的要求極高：模型本身就是Agent的核心，Agent就是產(chǎn)品的核心。如果模型與Agent、產(chǎn)品實現(xiàn)深度一體化，那么打造基礎模型的過程，本質(zhì)上就是在打造產(chǎn)品。因此，持續(xù)提升模型能力上限，包括通過規(guī)?；⊿caling）優(yōu)化模型性能，是Agent實現(xiàn)長期任務處理的關鍵。

此外，Agent與環(huán)境的交互能力也至關重要。當前，Agent的交互環(huán)境還相對簡單，主要局限于電腦端。未來，AI的交互環(huán)境能否擴展到真實的人類世界？例如，Agent能否指揮機器人開展實驗，從而提升研發(fā)效率？如果Agent能夠?qū)崿F(xiàn)與真實物理世界的交互，那么它才能真正完成長時間、復雜的任務，而不僅僅是在電腦端編寫文件等簡單工作——這類簡單任務今年就能實現(xiàn)規(guī)?；涞兀磥?-5年，Agent與具身智能的結合將讓相關應用變得更加有趣。

主持人李廣密：我想追問俊旸先生一個尖銳的問題。在你看來，通用Agent的發(fā)展機會屬于創(chuàng)業(yè)者，還是模型公司——隨著時間推移，模型公司是否必然能做好通用Agent？

林俊旸：我從事基礎模型研發(fā)工作，不便以創(chuàng)業(yè)導師的身份給出建議。但我想引用一位成功人士的觀點：做通用Agent最核心的價值在于關注長尾問題，這也是AI最大的魅力所在。

在馬太效應的影響下，頭部問題往往容易得到解決——就像當年做推薦系統(tǒng)時，商品推薦往往集中在頭部，我們曾嘗試將尾部商品推送給用戶，但作為一名多模態(tài)領域的從業(yè)者，跨界去解決推薦系統(tǒng)的馬太效應問題，幾乎是“死路一條”。

如今，AGI的核心目標之一就是解決長尾問題：當一個用戶在全世界范圍內(nèi)都找不到解決某個問題的方案時，AI能夠提供幫助，這就是AI的核心價值所在。 因此，是否要入局通用Agent領域，需要結合自身優(yōu)勢判斷：如果你擅長產(chǎn)品“套殼”，且能做得比模型公司更出色，那么這是一個值得嘗試的方向；但如果缺乏這樣的信心，那么通用Agent可能更適合模型公司以“模型即產(chǎn)品”的模式推進——因為當遇到問題時，模型公司可以通過快速訓練模型、投入算力資源來解決，這是它們的天然優(yōu)勢。

楊強：我認為Agent的發(fā)展將經(jīng)歷四個階段，核心劃分依據(jù)是“目標定義主體”（人為定義/AI自動定義）與“規(guī)劃動作主體”（人為定義/AI自動定義）的組合。當前，Agent仍處于非常初級的階段——目標由人類定義，規(guī)劃動作也由人類設計，因此當前的Agent軟件系統(tǒng)本質(zhì)上只是更高級的工具。

未來，我預計將出現(xiàn)能夠觀察人類工作、充分利用數(shù)據(jù)的大模型。最終，目標與規(guī)劃動作都將由大模型自主定義，Agent將成為大模型內(nèi)生的原生系統(tǒng)（native system）。

唐杰：我認為，Agent的未來走勢將由三個核心因素決定：

第一，價值解決能力。Agent是否能真正解決人類面臨的問題，以及解決這些問題的價值大?。坷?，早期的GPT-S等Agent產(chǎn)品，由于功能相對簡單，最終被提示詞（promoment）技術替代，許多Agent產(chǎn)品也因此逐漸退出市場。因此，Agent要實現(xiàn)可持續(xù)發(fā)展，必須具備解決高價值問題的能力，真正為用戶帶來幫助。

第二，成本控制能力。開展Agent相關業(yè)務的成本有多高？如果成本過高，即便具備一定的價值解決能力，也難以實現(xiàn)規(guī)模化發(fā)展。就像俊旸先生提到的，有些問題通過調(diào)用API就能解決；但反過來，如果這些問題具備較高的商業(yè)價值，API提供商可能會將相關功能整合到自身產(chǎn)品中——這是一個矛盾的過程，也是基座模型與應用層產(chǎn)品始終面臨的核心問題。

第三，應用迭代速度。能否抓住關鍵的時間窗口，快速滿足市場需求？如果能拉開半年的時間差距，快速推出產(chǎn)品并持續(xù)迭代，就能在市場競爭中占據(jù)優(yōu)勢；反之，如果錯失時間窗口，可能在半年內(nèi)就被競爭對手超越。 當前，大模型領域的競爭更多是速度與時間的競爭。也許一次代碼優(yōu)化、一次技術突破，就能讓企業(yè)在Agent領域走得更遠；但如果失敗，可能在半年內(nèi)就失去市場機會。今年，我們在Coding領域投入較多，在Agent領域僅開展了初步探索，目前Coding相關產(chǎn)品的調(diào)用量表現(xiàn)良好。未來，Agent將是我們重點布局的方向之一。

未來3-5年中國AI企業(yè)的引領概率與關鍵條件

主持人李廣密：未來3-5年，全球最領先的AI公司出自中國團隊的概率有多大？我們能否從當前的跟隨者轉(zhuǎn)變?yōu)槲磥淼囊I者？ 唐杰：首先，我們必須承認，中美在AI研究領域，尤其是企業(yè)界的AI實驗室方面，確實存在差距——這是一個客觀事實。 但從積極的方面來看，中國AI行業(yè)的發(fā)展環(huán)境正在不斷改善，尤其是90后、00后一代的從業(yè)者，展現(xiàn)出了更強的創(chuàng)新活力，遠遠超過了我們這一代。我曾在一次會議上開玩笑說：“我們這一代是最不幸運的——上一代從業(yè)者依然在堅守崗位，我們還未完全站穩(wěn)腳跟，下一代就已經(jīng)成長起來，世界已經(jīng)無縫交接給了年輕人?！?

我認為，中國AI企業(yè)實現(xiàn)超越的機會主要體現(xiàn)在三個方面：

第一，敢于冒險的人才儲備。如今，一群聰明的年輕人愿意投身高風險的創(chuàng)新事業(yè)——00后、90后一代中，包括俊旸、Kimi團隊成員、順雨等，都展現(xiàn)出了強烈的冒險精神，愿意為了創(chuàng)新突破而拼搏。

第二，持續(xù)優(yōu)化的發(fā)展環(huán)境。無論是國家層面的政策支持、大企業(yè)與小企業(yè)之間的良性競爭，還是整體營商環(huán)境的改善，都為創(chuàng)新提供了重要保障。就像俊旸先生提到的，當前許多企業(yè)的精力仍被產(chǎn)品交付占據(jù)，如果能夠通過環(huán)境優(yōu)化，讓敢于冒險的聰明人有更多時間專注于創(chuàng)新工作（例如讓俊旸先生有更多精力投入創(chuàng)新研發(fā)），中國AI行業(yè)的發(fā)展速度將進一步加快。這需要政府、企業(yè)等多方共同努力。

第三，堅持不懈的精神品質(zhì)。創(chuàng)新之路從來都不是一帆風順的，環(huán)境也永遠不會達到完美狀態(tài)。我們恰恰有幸經(jīng)歷了從環(huán)境相對薄弱到逐漸改善的過程，這段經(jīng)歷本身就是一種財富，能夠讓我們積累更多的經(jīng)驗與感悟。只要我們堅持在正確的道路上敢于冒險、持續(xù)探索，即便面臨困難與挑戰(zhàn)，也有可能最終實現(xiàn)超越。

姚順雨：我對中國AI企業(yè)成為全球領先者持樂觀態(tài)度，概率相對較高。從過往經(jīng)驗來看，任何一個被驗證可行的賽道，中國企業(yè)都能快速復現(xiàn)，并在局部領域做到更優(yōu)——制造業(yè)、電動車等行業(yè)的發(fā)展歷程已經(jīng)充分證明了這一點。

要實現(xiàn)這一目標，我認為需要滿足三個關鍵條件： 第一，突破算力瓶頸。核心在于中國的光刻機技術能否實現(xiàn)突破——如果算力最終成為制約行業(yè)發(fā)展的瓶頸，我們必須具備自主解決的能力。當前，中國在電力資源、基礎設施建設等方面具備顯著優(yōu)勢；但算力領域仍面臨兩大核心瓶頸：一是產(chǎn)能問題（包括光刻機技術突破），二是軟件生態(tài)建設。如果能解決這兩個問題，將為中國AI企業(yè)的發(fā)展提供強大支撐。

第二，培育成熟的市場環(huán)境。除了To C領域，我們需要打造更成熟的To B市場，同時提升中國企業(yè)在國際商業(yè)環(huán)境中的競爭力。

當前，許多生產(chǎn)力導向的To B模型或應用仍誕生于美國，核心原因在于美國市場的支付意愿更強，商業(yè)文化更成熟；而在國內(nèi)，To B領域的發(fā)展面臨諸多挑戰(zhàn)，因此許多企業(yè)選擇出?；驀H化布局。這是中國AI企業(yè)需要突破的客觀市場因素。

第三，強化主觀層面的創(chuàng)新精神。通過與行業(yè)內(nèi)眾多人士交流，我深刻感受到，中國擁有大量優(yōu)秀的人才——任何一個被證明可行的事情，都會有很多人積極嘗試，并努力做到更好。但不足之處在于，愿意突破新范式、開展高風險探索的人相對較少。這背后涉及經(jīng)濟環(huán)境、商業(yè)環(huán)境、文化氛圍等多重因素。如果能涌現(xiàn)更多具備創(chuàng)業(yè)精神、冒險精神的人才，專注于前沿探索與新范式突破，中國AI企業(yè)將有望實現(xiàn)從跟隨到引領的跨越。

當前，中國企業(yè)在商業(yè)運營、產(chǎn)業(yè)設計、工程落地等方面已具備超越美國企業(yè)的能力；唯一需要解決的，就是能否引領新范式的誕生。

主持人李廣密：我想追問順雨先生一個問題。結合你在OpenAI、灣區(qū)DeepMind等海外實驗室的經(jīng)歷，你認為中國實驗室的研究文化與美國相比存在哪些差異？這種研究文化對AI原生企業(yè)（AI Native）的發(fā)展有哪些根本性影響？你對中國的研究文化有哪些呼吁或建議？

姚順雨：不同地區(qū)、不同實驗室的研究文化存在顯著差異，甚至美國不同實驗室之間的差異，可能比中美實驗室之間的差異還要大，中國國內(nèi)的情況也是如此。

結合我的觀察，中國研究文化主要存在兩點需要改進的地方： 一是更傾向于開展“安全型”研究。例如，預訓練技術已被證明可行，盡管其中仍存在大量技術難題，但只要被驗證具有價值，中國研究者有信心在幾個月內(nèi)攻克相關問題；但如果是探索長期記憶、持續(xù)學習等尚未明確可行性的領域，大家往往會猶豫不前。這并非僅僅因為大家更偏好確定性的事情、不愿開展創(chuàng)新性探索，更重要的是，文化積累與整體認知的沉淀需要時間。

例如，OpenAI在2022年就已啟動相關前沿探索，而國內(nèi)直到2023年才開始跟進，這導致雙方在對技術的理解上存在一定差距。這種差距難以通過榜單數(shù)據(jù)直接體現(xiàn)，但會潛移默化地影響研究者的做事方式，這可能需要時間來逐步彌補。 二是過度關注榜單與數(shù)字指標。

值得肯定的是，DeepSeek在這方面做得相對較好——他們并不盲目追求榜單數(shù)字，而是更關注兩個核心問題：一是所做的事情是否正確；二是產(chǎn)品體驗是否真正得到優(yōu)化。這一點非常值得行業(yè)學習。以Claude為例，它在編程或軟件工程相關榜單上的排名并非最高，但用戶普遍認為它是最好用的產(chǎn)品。

因此，我呼吁行業(yè)從業(yè)者能夠擺脫榜單的束縛，堅持做正確的事情，注重產(chǎn)品的實際體驗與長期價值。