2026世界杯赛程,世界杯投注,世界杯球队阵容,世界杯预测,世界杯直播/全网最全的2026年世界杯专题报道，提供赛程时间表、球队阵容、赔率分析、投注预测与实时比分，助你掌握每一场焦点战况。

　　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。

　　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。。。

　　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。

　　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？

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。