清華AGI峰會，一場關于大模型未來的硬核思辨

當清華大學基礎模型北京市重點實驗室發起的 AGI-Next 前沿峰會拉開帷幕，智譜唐杰、Kimi 楊植麟、阿里林俊旸、騰訊姚順雨等 “基模四杰” 齊聚一堂，這場堪稱 AI 圈 “華山論劍” 的盛會，沒有花哨的概念炒作，只有高密度的技術碰撞與犀利的行業預判。從大模型的能力躍遷到 Agent 的未來圖景，從中美 AI 賽道的差距研判到自主學習的范式突破，各位大咖的分享，勾勒出了 2025 年之后人工智能發展的清晰脈絡 —— 大模型的 “對話時代” 已然落幕，“做事時代” 的競爭正式開啟。

從 “聊天” 到 “做事”：大模型的范式轉折點

“DeepSeek 橫空出世后，Chat 已經基本結束了，下一步是走向做事。” 智譜創始人唐杰的這句話，無疑是整場峰會的核心論點。在他看來，大模型的發展軌跡恰似人類的成長之路，從 2020 年解決簡單的問答任務，到 2023 年具備研究生層級的推理能力，再到如今沖擊 HLE（人類終極測試）的高難度挑戰，模型的智能水平正在快速迭代。

但單純的 “對話” 已經觸及天花板。唐杰坦言，如今再在 Chat 領域深耕，大概率只能在個性化、情感化層面做小幅優化，整體范式的發展空間已經嚴重收斂。真正的突破口，在于讓 AI 從 “能說會道” 轉向 “動手實踐”。

基于這一判斷，智譜選擇將核心精力投向 Coding 與 Agent 的融合。從 4.5 版本到 4.7 版本，智譜通過構建真實編程環境的可驗證反饋源，結合強化學習與指令微調的雙向優化，讓模型在生成復雜程序時的穩定性大幅提升。但唐杰也直言，當前的挑戰依然嚴峻 —— 如何將 Benchmark 上的亮眼成績，真正轉化為用戶可感知的體驗提升；如何在強化 Agent 能力的同時，避免損害模型的通用能力，這些都是亟待攻克的難題。

模型即世界觀：技術突破背后的底層邏輯

如果說唐杰的分享聚焦于 “做什么”，那么 Kimi 創始人楊植麟的演講則解答了 “怎么做”。在他看來，做模型的本質，是在創造一種世界觀。這種世界觀的構建，離不開兩個核心維度：Token efficiency與Long context。

楊植麟提出，Transformer 架構之所以能取代 LSTM 成為主流，核心優勢在于長上下文場景下的低 Position Loss。而想要打造頂尖的 Agent 模型，就必須在這兩個維度上持續突破。Kimi 的實踐給出了清晰的答案：一方面，通過自研的 MUON 二階優化器，實現了兩倍的 Token 效率提升，用 50% 的數據就能達到傳統 Adam 優化器的效果；另一方面，推出 kimi Linear 線性注意力架構，在百萬級上下文長度下，實現了比全注意力機制更快的推理速度與更優的任務表現。

更值得關注的是，楊植麟將模型的 “品位” 與 “價值觀” 提升到了前所未有的高度。他強調，智能并非可等價交換的商品，CEO、設計師、音樂家的智能各有其獨特價值。未來的大模型競爭，不再是單純的參數規模比拼，而是模型 “世界觀” 的較量 —— 一個好的 AI，應當具備清晰的價值取向，成為人類探索未知世界的鑰匙，而非簡單的工具。

機遇與差距：中國 AI 的反超之路有多遠？

阿里千問負責人林俊旸的發言，為這場技術盛宴注入了一劑清醒劑。面對 “中國能否在 AI 賽道反超” 的問題，他給出了一個坦誠的答案：“20% 這個數字已經很樂觀。”

林俊旸的判斷，基于中美在算力投入與研發方向上的客觀差距。他坦言，美國的頭部 AI 企業，正將大量算力投入到下一代技術的探索中，而國內企業的算力更多消耗在產品交付上。這種差距，直接體現在技術創新的節奏上。但他也強調，“窮則生變”，算力的限制反而倒逼國內企業走出了一條 “算法與基礎設施聯合優化” 的特色之路。

千問的實踐就是最好的例證。從最初為幫助博士生畢業而開源的 1.8B 小模型，到如今支持 119 種語言及方言、上下文長度突破 1M 的 Qwen3 系列，千問始終堅持 “開源” 與 “多模態” 兩大戰略。林俊旸認為，中國 AI 的機會，在于將技術扎根于真實的應用場景 —— 無論是幫助巴基斯坦用戶解決烏爾都語大模型的空白，還是通過視覺模型實現 “畫個圖就能生成 APP” 的生產力革新，這些接地氣的探索，正是中國 AI 的獨特優勢。

分化與共識：Agent 時代的行業新格局

圓桌論壇上的交鋒，將峰會的熱度推向了高潮。姚順雨 “貼臉跳屏” 的出場方式，瞬間點燃了現場氣氛，而他關于 toC 與 toB 市場分化的觀點，更是引發了全場共鳴。

姚順雨直言，toC 與 toB 的 AI 發展邏輯截然不同。對于 toC 用戶而言，大部分人并不需要頂尖的智能，大模型更多扮演著 “搜索引擎加強版” 的角色；而在 toB 領域，智能水平直接等同于生產力，企業愿意為更高精度的模型支付溢價。這種分化，直接導致了行業格局的變化 ——toC 市場趨向于模型與產品的強耦合，而 toB 市場則呈現出 “模型層” 與 “應用層” 的分工協作。

關于 Agent 的未來，四位嘉賓達成了共識：2026 年將是 Agent 創造經濟價值的關鍵一年。但想要實現 “自動化一周任務流” 的目標，還需要跨越兩道門檻：一是模型能力的持續提升，二是環境交互的深度拓展。林俊旸的暢想頗具前瞻性 —— 未來的 Agent，不應局限于電腦屏幕的虛擬操作，而應走向真實世界，指揮機器人完成科學實驗，真正實現 “具身智能” 的突破。

尾聲：AGI 的終極命題與人類的責任

張鈸院士的壓軸發言，為這場峰會畫上了一個充滿哲學思辨的句號。他指出，當前的大語言模型，基于分布式語義原理構建的語義關系，本質上是對人類語言的近似模擬，存在指稱缺失、因果缺失等五大先天不足。而 AGI 的終極目標，并非追求 “像人一樣思考”，而是要實現時空一致的多模態理解、可控的在線學習、可驗證的長期規劃等五大核心能力。

更重要的是，張鈸院士強調，AI 時代的企業家肩負著全新的使命。他們不僅是技術的推動者，更是價值的定義者 —— 需要將知識、倫理與應用融為一體，讓人工智能成為造福人類的通用技術。

這場清華峰會上的思辨，不僅是一次技術的碰撞，更是一次對人工智能未來的集體探索。當大模型告別 “聊天” 的舒適區，邁向 “做事” 的深水區，中國 AI 產業的機遇與挑戰，都藏在每一個腳踏實地的技術突破里。而關于 AGI 的終極答案，或許就藏在人類與機器的共生進化之路中。