2026年，大模型发展的未来路径已经显露出明显分化。

硅谷处于头部位置的公司，不会再尝试对所有方向进行覆盖了，而是会分别针对Agent（智能体）等能力加以押注。中国市场这儿情况同样是这样的，一方面呢，开源模型在全球这个舞台之上迅速地崛起了，另一方面呢，不同团队依据围绕To C（即面向消费者端）、To B（也就是面向企业端）、Agent等路径去展开差异化的探索 。

与此同时，有关大模型下一代范式的讨论热度正在不断攀升。于预训练与强化学习渐成为人们共同认可的观念之后，自主学习，还有自主进化以及具备更高自主性的Agent，被视作有可能开启新一轮技术跃迁的方向。然而这些设想依旧面临着许多尚未解决的问题，智能提升效率怎样进行衡量。长期推理与现实世界反馈怎样形成闭环。安全与控制边界又应当怎样去确定。

在1月10日的下午，有一场由清华大学基础模型北京市重点实验室发起的AGI - Next前沿峰会，智谱的创始人唐杰给出了各自的判断，腾讯“CEO/总裁办公室”首席人工智能科学家姚顺雨给出了各自的判断，月之暗面（Kimi）创始人、首席执行官杨植麟给出了各自的判断，Qwen技术负责人林俊旸给出了各自的判断，加拿大皇家学院院士、香港科技大学荣休教授杨强等来自产业与学术界的多位核心参与者给出了各自的判断。

《每日经济新闻》的记者注意到，存在这样一个情况，值得留意的是，唐杰身为来自清华大学的教授，而姚顺雨及杨植麟这两位，均是从清华大学学府毕业的 。

随着分化演变成常态，随着Agent开始承担起真实经济价值，中国的大模型公司有没有可能在未来三到五年内，从快速跟随者转变成为全球范式的定义者呢？

圆桌对话现场，左上为线上参会的姚顺雨 图片来源：主办方

分化进行时：替代搜索之后，下一个目标是编码

在这场围绕大模型未来的讨论中，分化成为最先被抛出的关键词。

担任圆桌对话主持人的拾象科技CEO李广密讲道，在过去的一年当中，不管是硅谷地区，还是中国范围之内，那些大模型公司于技术路径方面，在产品形态这一块，以及针对于目标市场之上，均呈现出了清清楚楚的分流状况 。

姚顺雨的判断是，大模型的分化正在沿着两条主线展开。

分化存在两种情况，一种是面向消费端的，另一种是面向企业端的。在他的认知里，过去一年时间，普通用户对于GPT升级迭代所产生的感受，已然不再具备强烈程度。“如今使用GPT，和去年相比，（使用时的）感受差异并不是特别显著。然而与之相反的是，Coding（编码方面）稍微夸张论述下的话，已然在对整个计算机行业行事的方式进行改写，如今人不再从事代码编写工作，而是运用英语同电脑展开交流。”。

姚顺雨觉得，这样的差异，直接致使了两种市场针对于模型能力的需求呈现出根本不一样 。

大多数时候，为消费而付出的一方里的多数使用者在大量的时间当中并不需求相当强大的智能，模型于技术方面展开地提升一般都不容易经日常而被察觉，更多情形下，它通常以进阶后的用以探查信息服务工具被使用，乃至不少用户不懂的确能怎样去鼓动模型的智能 。

在企业端（B端）的那个场景里，状况却是刚好相反的。智能的水平和生产力差不多呈现线性的关联，“对于B端来讲，很清楚的一点就是智能水平越高，那就意味着生产力水平越高，价值含量同样越大，这些都是相互有关联的。”姚顺雨觉得，在这个市场当中，强模型与次强模型之间的差距会持续被放大。从价格方面来看，就算最强模型的订阅费用明显要高很多，可好多用户依旧乐意去为之支付溢价，原因是在复杂任务里，智能提升所带来的效率提升更加显著。

另一条分化路径，则出现在垂直整合与模型应用分层之间。

姚顺雨讲道，以往的时候，垂直整合常常被视作是最优的解决办法，模型跟应用是紧密地耦合在一起的，从上端一直到下端有着优化。然而呢，现实的情况正变得愈发复杂起来。在面向消费端的那些场景当中，这样的路径依旧是成立的，像GPT、豆包等这类产品，都是那模型与产品以强劲的方式耦合起来且紧密地进行迭代所产生的结果。而在面向企业端的场景里，趋势却刚好是相反的，模型的能力持续地增强，与此同时，也存在着出色的应用层产品在不同的生产力环节发挥出价值。

不可否认，林俊旸从另外一个视角对这种自然而然趋向分化的合理性予以了补充。他持有这样的观点，不管是针对企业端而言，还是面向消费端来讲，最终所服务的皆是实实在在的问题，分化在很大程度上源自于其所接触到的用户以及场景自身。诸多机会是在与客户频繁地进行交流的过程中自然而然地显现出来的，“大家的分化属于自然的分化，我更倾向于相信AGI（通用人工智能），去做AGI应当做的事情，听之任之。”。

唐杰所进行的观察存在着更为现实的情况，单纯去做一个“Chat产品”，事实上并不能切实解决问题。对于他所作言语的表述，表示之时，其自身针对模型竞争而言的第一个判断是可以起到替代搜索的作用，然而这场战役伴随DeepSeek此现象呈现的时候戛然而止，进入全新的阶段。紧接着，实际所面临的真正问题已然转变成为AI接下来要去做的事情究竟是什么。“夜晚之中有过很多次就相关问题而起的团队方面的多种争论，最终，所有的精力被我们放置在了Coding之上。”。

从学术界的层面来看，杨强将分化视作工业界与学术界彼此间关系的转变，“长久以来，学术界身为观望者，工业界处在引领向前冲的位置，致使好多涉足学术界的人着手做起工业界的事务，这着实是件幸事。”杨强认定，随着数目众多、性能得以稳定保持的大模型相继面世，一个全新的阶段已然来临 学术界理应赶紧跟上步伐，去处理工业界尚未有时间处理的某些问题，诸如智能所能达到的上限、资源的分配情况、推理与记忆实现平衡的基础性问题 。 。

技术发展的下一步：AI将会自主学习

若讲分化所作答的是方方面面各自朝着哪个方向前行，那么第二个处于关键地位的问题实则是朝着技术的后续发展指向去的。,。

纵观过去三年，预训练充分地发展着，强化学习已然成为了一种共识，在李广密看来，行业正在等待着全新的学习范式崭露头角呀。

从自主学习角度出发的是姚顺雨，他觉着，自主学习并非是单一的方法论，而是数据，或者是任务，聊天里的个性化，对不同企业代码的熟知，如同博士去探索未知科学领域那般，都是不同形态呈现的自主学习，其技术面临的挑战或者方法论是不一样的 。

姚顺雨觉得，自主学习能力已然属于正在进行中的状况。GPT持续凭借用户数据去调整聊天风格，Claude借助自身生成的代码来实现自我完善，这些均可当成是自主学习的形态。“这些有关自主学习的实例兴许仍限定于每一个特定的场景内部，并未让人体会到十分强大的影响力。这件事已然正处于发生的进程当中，或许效率一类的情况受到约束，它更像是一种逐渐演变的过程，并非是突然的变化。”。

在他的认知当中，真正的问题并非在于技术，而是存在于想象力方面，要是有人宣称某个全新的模型或者系统达成了自我学习的状态后，人们应当凭借什么样的任务、什么样的效果呈现，以此来确认这一情况呢？“它能够赚取大量的钱财、切实解决了人类以前无法解决的科学问题抑或是其他方面？我认为或许需要先去想象它将会呈现出怎样的模样。”。

林俊旸认可自学习兴许成为下一个模式是可能的，不过它还仍旧处于早期时期，强化学习自身始终存在大量潜力未曾被尽情释放。对于自学习，他觉得人工智能必定需要自我进化，然而这未必意味着参数去被更新。关键的问题在于模型能不能在长期任务里面做到让自身能力不出现退化，并且与此同时拥有更为强大的主动性。

然而，这却引出了全新的风险维度这一情况。“我极其担忧安全方面的问题，并非担忧它在今日说出某些不该说出口的话语，最为担忧的是它做出一些不应该开展的事情。”林俊旸抱以这般看法是觉得，在让模型拥有主动行动能力的这个时候，还务必得给它注入正确的方向了。

杨强提出了另外其中的一种具备可能性的路径，模型能力处于持续增强的状态下，通用大模型跟本地专用小模型之间的协作，变得越发具备可能性，特别是在医疗、金融等这些领域之中。

唐杰对2026年会出现范式革新很有信心。

唐杰觉得，一方面，学术界正获取算力以及实验条件，工业界跟学术界之间的差距在变小，“或许仍存在10倍的差距，不过它已然孵化出种子，学术界具备这个创新的基因。”。

一方面，大模型的领域已然踏入那样的阶段，那是高投入、低效率的阶段。持续去坚持高参数训练，尽管依旧是存在收益的，然而收益已然是极小的了。在这样的背景境遇之下，唐杰持有这样的观点，智能效率是什么呢，就是要用变少的投入去换来变多的智能增量，可这恰恰就是范式创新极有可能发生之处。

不过，杨植麟觉得，下一阶段，Scaling（扩展）依旧是重点所在。然而，新出现的变化在于，Scaling并非仅仅意味着堆积算力，而是要在架构、优化器以及数据层面进行技术改进，接下来的重点是使模型具备更好的“Taste”（品味）。在他的认知里，智能与电力、货币等能够实现等价交换的资源全然不同，“在智能的维度，存在着非常多Taste的空间，空间是以指数形式增加的，并非模型趋于相同。”。

Agent、长期任务与中国团队的可能性

模型推理能力有所增强之后，Agent不再单单是聊天工具了，它开始拥有了在后台持续开展工作的能力，并且能够完成复杂的任务流 。

姚顺雨持有这样的看法，Agent在针对企业端场景里的增长曲线仍旧没有减缓，它的核心逻辑没有发生改变，模型的智能水平要是越高，那解决的任务就会越多，在To B这种情况下带来的收益就会越大。就算模型能力停止了提升，只是把现有的模型部署到各个企业当中，也足够带来数量级的生产力提升。

林俊旸反倒更偏向于模型就是产品这样的判断，在他的认知里，往后的Agent理应可以在任务当中自己学习，自己进化，自己决策，从这般的角度去看，对于模型能力上限的提高，实际上就是在做产品。

从更长远的视角去看，林俊旸持有这样的观点，Agent在未来要具备与物理世界交互的能力，比如说参与实验这一行为，还有制造生产以及进行科学探索等方面，如此才有可能将真正的工作能力释放出来。林俊旸还表示，“在接下来的3至5年时间里，这件事情会变得更具趣味性，这或许又得和具身智能关联起来。”林俊旸同时指出，长尾问题才是AI所具有的魅力之处，当模型能够解决那些在全世界范围之内都找寻不到答案的问题时，用户才会切实地感知到AI的能力。

唐杰却持有这样的观点，即Agent自身是否给人类处理存在价值的事务，做此事务的成本究竟有多高，以及做应用的速度到底有多快，这些因素抉择了Agent未来的走向。“从大模型发展至今，更多的是在比拼速度、较量时间，或许我们代码无误了，我们就会在这一方面前行得更为长远一些，但或许如若失败，半年之后便会消逝。”。

在那场讨论行将结尾之际，话题回转到一个视野更为宏观宽泛的问题之上：从当下起的未来三到五年这个时间段里，中国团队成长为全球同领域当中最为领先的 AI 公司的可能性究竟会有多大呢？

偏乐观的是姚顺雨的态度，他觉得，中国在工程复现方面的能力被多次验证了，在规模化落地上的能力也被多次验证了，而真正的关键变量集中在了算力瓶颈方面，还集中在了To B市场成熟度上 。

每日经济新闻