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。