21世纪经济报道记者 孔海丽 彭新 北京报道
1月10日，在由清华大学基础模型北京市重点实验室、智谱AI发起的AGI-Next前沿峰会上，罕见集齐了腾讯“CEO/总裁办公室”首席AI科学家姚顺雨、Kimi创始人杨植麟、智谱创始人唐杰、阿里巴巴Qwen技术负责人林俊旸以及加拿大皇家学院院士、香港科技大学荣休教授杨强等AI界知名大咖，围绕AI新范式、Agent、中国大模型公司的挑战及机会等话题展开了讨论。
其中，杨植麟首次深度分享了Kimi的技术重点，他透露，2025年，月之暗面的两个技术进化主线是提升“TokenEfficiency”，以在有限的数据下冲击更高的智能上限；以及扩展“长上下文”能力，以满足Agentic时代越来越长程的任务对模型的记忆能力需求。
履新腾讯后，姚顺雨首次公开亮相值得注意的是，此次峰会是姚顺雨加入腾讯后，首次对外界分享其对AI产业的观察。现年27岁的姚顺雨毕业于清华大学姚班和普林斯顿大学。他在2024年加入OpenAI后，迅速成为团队核心研究者之一，参与推动 AI Agent和任务执行系统方向的开发。
2025年12月17日，腾讯宣布升级大模型研发架构，新成立AI Infra部、AI Data部和数据计算平台部，旨在全面强化大模型的研发体系与核心能力。其中，姚顺雨出任“CEO/总裁办公室”首席AI科学家，向腾讯总裁刘炽平汇报；同时兼任AI Infra部、大语言模型部负责人。
姚顺雨指出，当前中美大模型市场均呈现出明显的分化特征，其中To C与To B市场的底层逻辑已截然不同。“对于To C市场，大部分用户在大部分时间并不需要极强的智能。”姚顺雨表示，虽然当前模型在数学推导等高阶能力上显著增强，但对于普通用户而言，ChatGPT等应用更多是“搜索引擎的加强版”。在这一领域，为了提供更好的体验，厂商倾向于走“垂直整合”路线，即模型层与应用层紧密耦合、快速迭代。
而在To B领域，逻辑则完全相反。“智能越高，代表生产力越高，溢价空间也越大。”姚顺雨观察到，企业级市场对模型能力的付费意愿呈现极端的头部效应。他举例称，市场愿意为顶级模型支付200美元/月的订阅费用，而对次级模型（50美元或20美元/月）兴趣寥寥。对此，姚顺雨称在编程等高频且严肃的生产力场景中，较弱模型产生的错误需要人工耗费大量精力去排查和监控，其隐性成本远超模型差价。因此，To B市场正走向分化，强模型和较弱模型的差距将更加明显。
进一步来看，姚顺雨认为，单纯的模型参数竞赛已不是C端产品的全部，未来的核心竞争力在于对“语境”（Context）的捕捉。“比如问‘今天吃什么’，今年问和去年问，答案不应一样。”姚顺雨解释道，更好的回答不单纯依赖更强的推理能力，而在于模型是否掌握用户的实时状态、位置、历史偏好甚至社交关系等“额外的Context”。
在To B端，鉴于国内企业软件市场付费意愿较弱的现实，姚顺雨提出大型科技公司应利用自身庞大的内部场景进行验证。与初创公司依赖外部标注商不同，一家拥有10万员工的大厂本身就是巨大的实验场。“怎么把真实世界的数据利用好，而不是仅仅依赖于标注商或者外部采购。”
下一代AI范式是什么？谈及自主学习的发展信号，姚顺雨提出了不同于普遍认知的观点，他认为2025年就已出现相关信号，部分团队正采用最新用户数据进行实时学习，新模型也在真实环境数据的支撑下开展训练。不过这些尝试尚未带来石破天惊的效果，核心原因在于其缺乏预训练能力，模型表现暂时不及OpenAI等头部公司的产品。
姚顺雨认为，自主学习发展面临的最大问题并非技术本身，而是“想象力”的缺失。他说，我们能够大致构想强化学习或推理范式落地后的形态，比如chatGPT O1模型通过强化学习与思维链，将数学题得分从10分提升至80分，但对于自主学习真正实现时该呈现怎样的具体任务与效果，尚未形成清晰认知。他举例说明，无论是能盈利的交易系统，还是能攻克人类未解科学难题的工具，只有明确了这些具象化的目标，才能真正判定新范式的到来。
当被问及2027年哪家公司最有可能实现新范式创新时，姚顺雨认为OpenAI的概率还是更大。尽管他坦言商业化等因素已在一定程度上削弱了OpenAI的创新基因，但综合来看，OpenAI依然是全球范围内最有可能诞生新范式的企业。
林俊旸从更务实的角度切入，他认为当前RL（强化学习）的潜力尚未充分释放，相关探索仍处于早期阶段，全球范围内都存在类似的发展瓶颈。对于下一代AI范式，他提出了两个核心方向。
其一，AI的自主进化。他提到有观点认为，人类与AI的持续交互只会让上下文不断拉长，反而导致AI“变笨”，这一现象值得深思。而实现自主进化是否需要更新模型参数，行业内可采用不同技术路径达成，暂无统一答案。
其二，AI的主动性提升。当前AI的启动与运行高度依赖人类协助，未来能否实现自主思考、主动行动，是新范式的重要特征。但这一方向也潜藏着严峻的安全风险，他特别强调，担忧的并非AI“说不该说的话”，而是其可能主动实施危险行为，比如产生伤害他人的想法并付诸行动。因此，如同培养孩子一般为AI注入正确导向，是发展主动性过程中不可或缺的环节。
关于自主学习的落地场景，林俊旸认为自动化AI研究员的实现或许无需依赖自主学习，短期内即可替代人工完成模型训练工作；而持续理解用户需求、实现个性化交互，更有可能成为自主学习的首个突破口。
对于2026年Memory技术能否实现突破性跨越，林俊旸表示，技术本质上呈线性发展，所谓“突破性”更多是人类的主观感受。目前Memory技术仅能让AI记住过往信息，却无法像人类一样深度理解运用。
林俊旸预测，Memory技术可能还需一年左右发展，当算法与基础设施实现更好融合，或许能达到“临界点”，让人类感受到类似人与人之间的记忆理解能力。
唐杰对2026年AI范式革新充满信心，他认为持续学习、Memory、多模态等方向均有望诞生新范式。而新范式的出现，核心驱动力源于两大趋势。
一方面，学术界与工业界的创新差距显著缩小。此前工业界在大模型领域遥遥领先，2023-2024年时，工业界拥有上万片算力卡，而高校往往仅有0片或1片，差距高达万倍；但到2025年底至2026年初，众多高校已配备充足算力卡，不少老师及硅谷学者纷纷投身大模型架构、持续学习等领域研究，尽管当前双方差距仍有10倍，但学术界已孵化出创新种子，具备了突破的潜力。
另一方面，大模型发展面临效率瓶颈。当前行业在大模型领域投入巨大，但效率低下的问题日益凸显。数据规模从2025年初的10TB增长至当前30TB，未来甚至可能扩展到100TB，但规模扩张带来的收益与高昂的计算成本不成正比，盲目投入10亿、20亿资金可能仅获微薄回报。同时，反复重训基座模型、过度依赖RL的模式，收益已逐渐递减。因此，未来需明确“智能效率”（Intelligence efficiency）的核心地位，即在更少投入下实现更大的智能增量，这种对效率的追求将倒逼新范式诞生。
唐杰透露，其团队也在积极投身相关研究，期待成为新范式的推动者，但也坦言创新结果存在不确定性。
AI Agent今年如何走？除了模型本身的演进，AI Agent（智能体）发展走向被视为2026年AI产业的关键变化。
对于Agent的发展阶段，杨强提出了四阶段演进框架：从目标和规划均由人类定义，过渡到AI自动定义。他认为，当前的Agent系统仍处于初级阶段，大部分依赖人工设定目标和规划；未来将出现原生系统，即大模型将能够观察人类工作，自主利用数据，内生地定义目标与规划路径。
林俊旸指出，通用Agent的核心能力在于解决长尾问题。他指出，解决头部需求相对容易，但解决长尾需求极难，而今天AGI（通用人工智能）的价值，恰恰在于能解决用户“到处找不到答案”的难题。
对于Agent领域，创业者与大模型公司的竞争问题，林俊旸直言这一问题“见仁见智”。他表示，如果创业者“善于套壳”，在产品化上能做得比模型公司更好，仍有创业机会；但对于模型公司而言，其优势在于践行模型即产品原则，遇到问题时，可以通过重训模型、消耗算力来从底层解决。
然而，Agent商业化落地的现实挑战依存在。唐杰指出了决定Agent的三个核心要素：价值、成本（Cost）与速度。他强调，首先要看Agent是否解决了真正有价值的人类事务；其次是成本问题，“如果调一个API就能解决问题，但Agent的成本特别大，那就构成了矛盾”。
更多内容请下载21财经APP
益通网提示：文章来自网络，不代表本站观点。
胜亿优配 罕见集齐姚顺雨、杨植麟、唐杰、林俊旸，清华这场AI峰会说了啥
宜春股票配资网官网 重大生态环境修复治理工程推动环境质量持续向好
顶牛贷配资APP下载 京东外卖：坚决支持国务院反垄断反不正当竞争委员会办公室开展外卖行业调查评估
