林俊旸，生于1993年，阿里Qwen技术负责人，最年轻的P10级技术专家。

杨植麟，生于1993年，月之暗面创始人，公司账上躺着100亿元。

姚顺雨，生于1998年，前OpenAI员工、刚上任腾讯AI首席科学家。

面对他们，刚完成公司上市，今年49岁的智谱创始人唐杰不得不感慨，长江后浪推前浪。在他边上，1953年出生的中国科学院院士张钹笑称，那我被拍了一波又一波。

在一片祥和里，中国的AI界昨天下午迎来了开年以来最强闭门会议。由清华大学基础模型北京市重点实验室发起的“AGI-Next”峰会，几乎聚集了国内这一领域最强的青年代表。从另一个角度来看，除了DeepSeek，三大开源模型的核心人员都在了。

DeepSeek的缺席也情有可原。据Theinformation透露，他们正在憋大招，可能会在春节前后发布V4版本，编程能力将有跨越式的提升。

但这并不妨碍像姚顺雨这样备受期待的天才少年们闪亮登场。

清华大学教授、智谱创始人唐杰：

Chat之战已结束，下一战是“做事”

1.范式转折点已到：随着DeepSeek等大模型的出现，纯聊天（Chat）的竞争已基本结束，下一阶段的竞争核心是“行动”（Action）与“做事情”（Doingthings）。

2.专注代码（Coding）与智能体（Agent）：智谱团队经过多次争论后，将主要精力投入在Coding能力上，并认为Agent是未来关键方向之一。

3.Agent成功三要素：真实价值（解决实际问题）、成本可控、执行速度（抢出时间窗口）。

4.智能效率：创新的爆发，往往是因为对某件事投入巨大，效率却不再提升。未来我们应该定义一个衡量收益的新范式：智能效率（IntelligenceEfficiency）。提升智能上限，扩大规模（Scaling）可能是最“笨”的办法，真正的挑战在于：如何用更少的Scaling，获得同样的智能提升。

5.2026年将有新范式突破：随着学术界算力提升、工业界效率瓶颈显现，持续学习（ContinualLearning）、记忆（Memory）、多模态等领域，可能在2026年出现范式变革。

6.中国AI的机会在于环境与坚持：90后、00后更具冒险精神，呼吁为敢冒险的年轻一代提供更好的创新环境，并相信“笨笨的坚持”可能让中国团队最终走在前沿。

阿里千问大模型技术负责人林俊旸：

研究员本身就是产品经理

Agent与具身智能结合会更有意思

1.市场分化逻辑：OpenAI做ToC平台，Anthropic深度服务企业（在与金融领域客户深度交流中发现真实机会），分化是自然发生的，是顺应市场需求后的自然结果；在美国，Coding任务的Token（文本处理的最小单元）消耗量巨大，这一点目前中国市场还没达到同等量级。

2.AGI的服务本质：今天ToB也好，ToC也好，我们都是要解决真实的问题，怎么把人类世界变得更好。

3.强化学习（RL）潜力未充分释放：目前的强化学习范式尚处早期，潜力远未被充分挖掘，全球范围内仍面临基础设施等瓶颈。而下一代范式的核心在于“自主进化”与“主动性”，只是自主进化用什么技术手段、是否需要更新参数，见仁见智。

4.Agent的“模型即产品”思维：研究员本身就是产品经理，需要有产品思维，能端到端地把东西做出来。未来的Agent应该是托管式的，你给它一个模糊通用指令，它能在长周期的执行中自我决策和进化。另外，只有当AI与真实物理世界交互，才是Agent真正能长时间工作的场景。未来3-5年，Agent与具身智能的结合，会更有意思。

5.通用Agent的机会在于长尾：要不要做通用Agent？如果你是“套壳”高手，套得可以比模型公司做得更好，我觉得可以去做。否则可以留给模型公司，因为它们有算力和数据优势。

6.对中国AI发展谨慎乐观：未来3-5年中国公司引领全球的概率有多大，这是一个“危险”的问题，从概率角度谈谈中美差异：中美算力差距1-2个数量级；目前美国将更多算力投入前沿研究，中国更多用于交付；“穷则思变”，软硬件协同可能孕育新机会。再加上中国新一代人的成长和营商环境的改善，有机会但面临的困难非常大。

7.Qwen下一步发展的三个重点：

（1）构建具备视觉输出和推理能力的Omni模型，把能力真正收敛到多模态模型，不仅能接收文本、图像和语音，而且也要具备同时生成这些模态的能力。

（2）从训练模型转向训练Agent，尤其是通过多轮强化学习和环境反馈，实现面向长时任务的推理能力。

（3）把语言模型进一步转化为具备行动能力的（具身智能）Embodied模型。

腾讯“CEO/总裁办公室”首席AI科学家姚顺雨：

ToB与ToC明显分化，自主学习已在发生

1.对市场分化的两大观察：

（1）ToB与ToC的分化：ToC对智能上限要求不高，更像是“搜索引擎加强版”；ToB则呈现“越强越付费”逻辑——企业只愿意为最强的模型支付溢价，所以在ToB市场，强模型和弱模型的分化会越来越明显。

（2）垂直整合与分层模式的分化：ToC产品中，模型与产品是强耦合、紧密迭代的；而ToB场景中，趋势似乎相反：模型层专注于把模型做得越来越强，应用层则想用最好的模型赋能不同的生产力环节。

2.腾讯的双轨策略：ToC：聚焦上下文（Context）和环境信息，通过额外输入提供价值（比如问“今天吃什么”，如果加上“今天很冷”“我在哪个商圈”等信息，又或者直接把相关聊天记录丢给AI，回答的价值会完全不同）；ToB：作为一家万人规模的大公司，思考的是如何先“服务好自己”，充分利用内部场景沉淀真实数据。

3.自主学习（Self-learning）的现在时：自主学习已成为非常热门的词汇，它并非单一方法论，而是高度依赖于具体的“数据与任务”的场景化实践。聊天变得个性化、像博士一样探索新科学，这些都是不同维度的自主学习。因此，自主学习这件事“已经在发生了”，但目前受限于场景和效率，是“渐变而非突变”。

4.想象力的问题：要实现真正的自主学习，现在最大的问题是想象力。我们还没定义好验证它的“任务”，是一个能赚钱的交易系统，还是解决人类未解的科学难题？我们需要先想象出它的样子。

5.2026年Agent展望：ToBAgent进入上升通道，不依赖花哨创新，靠扎实的预训练和后训练；即使模型停止进化，仅靠更好地部署现有模型到真实场景，也能带来10-100倍效率提升，对GDP产生5%-10%的影响，现在还远没到1%。

6.中国AI的优势与瓶颈：优势在于工程能力、产业化效率、人才密度；瓶颈在于算力（光刻机、软件生态）、ToB市场成熟度、国际商业环境；核心挑战，不断涌现的人才能否引领新范式，需要更多冒险精神和长期探索文化。

7.回国的感觉还是挺好的，吃得好很多。

月之暗面创始人杨植麟：

做模型本质上是在创造一种世界观

1.Kimi的技术重点：过去的2025年，月之暗面的两个技术进化主线是：提升Token效率，以在有限的数据下冲击更高的智能上限；扩展长上下文能力，以满足智能体化时代越来越长程的任务对模型的记忆能力需求。

2.智能的独特性：智能和电力不一样，它不是等价交换品。你在深圳用的1度电，和在北京用的1度电，完全一样，但一个CEO产生的智能，和一个设计师、一个音乐家产生的智能，截然不同。

3.模型竞争的核心：未来的模型竞争，比的就是谁更有Taste，谁更有品味。做模型本质上是在创造一种世界观，即你觉得什么样的东西是好的，一个好的AI应该有什么样的表现，应该追求什么样的价值观。所以，你在这个模型里注入了什么，它就会涌现出什么样的智能。

4.生态多样性：不用担心未来会有单一的模型一统世界，因为智能Taste的差异是巨大的。

5.AI的安全问题：AI可能是人类探索未知的钥匙，能帮我们攻克癌症、解决能源危机、探索宇宙。虽然有风险，但放弃发展就等于放弃人类文明的上限（最后一句援引自他和Kimi的聊天记录）。