才开年没几天，这帮搞AI的就坐不住了。

上周末，智谱AI联合清华大学基础模型北京市重点实验室，搞了个AGI Next前沿峰会， 传说中的“开源四杰”，一下就来了三家。

清华大学教授、智谱创始人唐杰，月之暗面创始人杨植麟，还有阿里Qwen的技术负责人林俊旸，一个个都是名头响当当的人物。

除此之外，这段时间风头正盛的腾讯CEO办公室首席科学家姚顺雨，回国后也首次公开露脸， 带来了一些让人感到“头大”的操作。

人没到场，只露了脸。。。照片里看起来头最大的那个人就是他。

当然，现场也不乏学术界的代表，像加拿大皇家学院院士、香港科技大学荣休教授杨强，还有清华大学教授、院士张钹。

91岁的张院士虽然自嘲“早已经被替代了” ，但说出来的话相当犀利， 直言现在的大语言模型并不是人类语言的真正模型。

这群大佬凑在一块，没有把时间浪费在商业互吹上，更多的是聊技术路线、新的范式。比如Chat AI基本上到头了，接下来应该往哪走？再比如咱们虽然显卡没美国多，但穷则思变搞不好能憋出大招。。。

这么说吧，他们把之后AI可能会怎么发展，给提前“剧透”了一部分。

隔壁咱们也正好去了现场，今天也一起来看看会上都有哪些干货。

“Chat范式快到头了”，这是智谱创始人唐杰在现场抛出的一个暴论。

在他看来，随着 DeepSeek 的横空出世，大家做得再好，更个性化、更有情感，无非就是在对话上修修补补，玩不出什么新花样。

至于新范式， 说白了就是让AI干活儿。

过去一年，不管是写代码的 Coding，还是能处理复杂任务的 Agentic，其实都是在往这个方向走。

圆桌会议上，主持人就针对Agent抛了一个很高的预期：到了 2026 年，能不能让它跑个几天几夜，把人类一两周的工作量给干了？

不过在Agent这事儿上，大佬们没有盲目画饼，而是抛出了几个冷思考。

世超斗胆总结下，就是别拿大炮轰蚊子。

在Qwen技术负责人林俊旸看来，Agent 真正的机会，不在于那些大家都能想到的头部需求，而是那些翻遍全网都找不到解决方案的长尾问题。

而从性价比的视角来看，如果一个简单的需求，也非要让AI在后台烧钱推理半天，这笔买卖显然也是不划算的。

不过现在更大的问题可能是，AI还没那么聪明，要实现这种能干活的 AI，是继续无脑堆显卡、堆数据吗？

一直以来，大力出奇迹的Scaling，都被业内看作是提高模型智能水平的有效手段。但峰会现场， 唐杰却认为这是“人类偷懒的一种方法”。

因为光靠堆料带来的收益正在变低，如果还只盯着参数量，不去找新的范式，那其实就是一种思维上的懒惰。

在这一点上，杨植麟说得可能更具体。

他们通过Token efficiency（Token效率）和Long Context（长上下文），来实现更好的Agent智能。

具体来说，Token efficiency 就是指在遵循 Scaling Law 的前提下，让模型在有限的训练数据里，把智商上限拉得更高 。为此，Kimi 甚至搞出了新的二阶优化器 MUON 和线性注意力机制，愣是把效率提升了 2 倍。

说人话就是，少吃草，多挤奶。

除了抠效率，这次峰会，“自主学习”也是被反复提及的关键词之一。

啥叫自主学习？简单来说，就是让AI自己悟道。

听起来有点超前，但姚顺雨直接甩出了两个已经实现了的案例：

一个是 ChatGPT，正在利用海量的用户对话数据，不断地进行自我微调和风格适应。另一个更狠，在Claude这个项目里， 有 95% 的代码其实是Claude自己写的。

按照姚顺雨的说法，在硅谷大街小巷的咖啡馆里，自主学习已经成为了一种共识。

而当被问到，谁最可能引领这个新范式时，姚顺雨也给出了一个判断： 虽然 OpenAI 的创新基因可能因为商业化被削弱了，但它仍然是那个最有可能的选手。

聊完技术，咱们还得聊聊大模型在产业端的情况。

现场，姚顺雨就提到了他对于模型分化的两个观察。

一个是C端对模型智能的钝感力，换句话说，大模型的能力具体变强了多少，多数C端用户是感受不到的。

面向C端用户的产品，模型智商提高 10 分还是 20 分，对用户来说区别不大。有时候一个 80 分的模型配合丝滑的交互，体验反而可能会吊打 90 分的模型。

但在ToB领域，就不一样了，强弱分化很明显。

在这里，模型越强，代表着能解决的任务越多，产生的价值就越大。所以，谁家模型能帮程序员把写代码的效率，哪怕只提升10%，企业也愿意掏钱。

另外一个， 则是垂直整合和模型应用分层两条路径的分化。

ToB的垂直整合未必成立，尤其对于生产力场景来说，模型层和应用层需要的能力不太一样。但在ToC应用上，垂直整合还是成立的，无论是ChatGPT还是豆包，模型和产品都在非常强耦合地紧密迭代。

最后，一个敏感但避不开的问题，就是AI的中美竞争，几位嘉宾也没藏着掖着。

唐杰很坦诚，在他看来，虽然国内在开源上有了一些成绩， 但实际上中美差距可能还在拉大。

那咱们缺的是啥？显卡吗？

是，也不是。 比起显卡，咱们更缺的其实是胆子。

姚顺雨直言，国内团队复现技术那叫一个快，只要一个技术被证明是可行的，咱们一拥而上能做得更好。

但如果是个不确定的新范式，大家就不敢碰了。说白了，就是缺了点冒险精神。

不过林俊旸最后，还是给了国内一个 20% 的胜率。

咱们国内团队虽然不像美国巨头那样富得流油，显卡随便烧，但穷也有穷的活法。

正是因为资源有限，逼得大家必须在算法和架构上抠细节，这种被逼出来的创新，搞不好能比那些显卡大户搞出来的东西更扎实。

反正通过这场坦白局，世超对之后AI的发展可以说是非常兴奋了。

新的范式正在破土而出，大模型可能会迎来比想象中更具突破性的进展。大家不再迷信那些静态的排行榜和跑分，而是更关注模型在真实世界里，解决复杂问题的能力。。。

也许在不远的将来，当我们回望今天，就会发现我们正站在人类历史的变革前夜。

撰文：西西

编辑：江江&面线

美编：焕妍

图片、资料来源：

峰会现场

部分图源网络