哈喽，大家好，老庐今天要跟大家聊个 2025 年底 AI 圈最火的话题：清华大学教授、智谱 AI 首席科学家唐杰分享的八点感悟，直接在业界掀起了轩然大波。

这位中国 AI 领域的领军人物，看透了当前 AI 发展的核心脉络：AI 正在从 " 理解世界 " 向 " 融入世界 " 全面转型，不再是单纯的 " 知识学霸 "，而是要成为创造价值的 " 职场人 "。

这一转变背后，是 AI 产业的关键转向：基础模型预训练的边际效益已趋于平缓，行业焦点从 " 提升智能 " 转向 " 转化生产力 "。

2026 年 AI 真的会颠覆我们的工作方式吗？那些被热议的领域大模型又将何去何从？

AI 不是炫技，而是替代工作的 " 实干家 "

在唐杰看来，AI 应用的核心从不是创造新奇的程序形态，而是替代或重构人类的工作：这才是技术落地的终极逻辑。

就像现在的聊天类应用，早已不只是问答工具，不仅部分替代了传统搜索引擎，还融入了情感交互功能，实实在在改变了信息获取的方式。

这不是危言耸听，而是技术发展的必然：AI 不再是实验室里的 " 花架子 "，而是要走进各行各业解决实际问题，唐杰甚至预测，2026 年将成为 AI 替代特定工种的爆发年。

这一判断也得到了企业界的认同，信也科技首席技术官王玉翔就提到，AI 新范式的本质是技术深度赋能业务逻辑，而非简单叠加模型能力。

随着 AI" 端到端 " 的发展趋势越来越明显，研发与应用之间的界限正在不断模糊。

未来，那些不能创造真实价值的 AI 产品，注定会被市场淘汰：毕竟企业和用户要的不是 " 能说话 " 的 AI，而是 " 能干活 " 的 AI。

实战 + 进化，AI 落地的两把 " 钥匙 "

要实现 " 融入世界 " 的转型，AI 必须掌握两把关键钥匙：实战能力与持续进化能力，这也是唐杰观点的核心支撑。

先说说实战能力，过去的大模型就像读到博士却没上过班的 " 学霸 "，知识储备足但缺乏实践经验。现在 AI 要 " 上岗 "，首先得实现从 " 回答问题 " 到 " 解决问题 " 的跨越。

不能只在标准化测试中拿高分，更要应对现实世界中那些边界模糊、分布不均的长尾问题。

其次，要从 " 静态知识库 " 升级为 " 动态记忆体 "，通过上下文窗口、检索增强生成和模型参数，分别对应人类的短、中、长期记忆，还得解决 " 灾难性遗忘 " 的难题。

关键是 Agent 技术的崛起，这是 AI 从 " 认知系统 " 转向 " 生产系统 " 的里程碑，能自主规划、决策、执行任务，真正形成生产力，正如张亚勤所说，智能体 AI 正实现从 " 工具 " 到 " 智能伙伴 " 的质变。

再看持续进化能力，当前大模型离线训练、定期更新的模式，不仅浪费计算资源，还会丢失宝贵的用户交互数据。

唐杰认为，在线学习与自我评估将成为下一代 AI 技术范式：模型必须先知道自己 " 对不对 "，才能明确优化目标，实现真正的自我迭代。

这一观点和 OpenAI 前联合创始人 JohnSchulman、谷歌 DeepMind 首席执行官 DemisHassabis 等顶尖科学家不谋而合，他们都认为持续在线学习是通往通用人工智能的关键缺失环节。

领域大模型成 " 过渡品 "，具身智能 2026 可期

唐杰的观点中，最具颠覆性的莫过于 " 领域大模型是个伪命题 "，他认为，在 AGI 真正实现前，领域模型只是过渡方案。

长期来看，所有特定领域的数据、流程和 Agent 数据，最终都会被通用主模型吸收。

那些试图靠领域大模型构建 " 护城河 " 的企业，本质上是想把 AI 驯化为专属工具，但 AI 的本质是 " 海啸 "，终将席卷一切。

老庐认为，与其纠结于打造领域大模型的 " 护城河 "，不如聚焦技术落地：毕竟 AI 的 " 海啸 " 之势，从来不是靠壁垒能阻挡的。

对于大家关注的多模态技术，唐杰持审慎态度：前景虽广，但当前对提升 AGI 智能上限的作用有限，更务实的是分阶段发展文本理解、多模态感知与生成，同时保持交叉探索。

而具身智能面临的挑战更严峻，数据采集成本高、机器人本体稳定性不足，都限制了其通用能力。

但好消息是，随着数据规模扩大，加上腾讯张正友提出的 " 身智融合 " 发展方向，唐杰预测 2026 年该领域有望取得实质性突破。

如今，AI 产业的规模定律已从 " 预训练规模定律 " 转向 " 推理规模定律 "，并最终指向 " 智能体规模定律 "，唐杰的思考，为 AI 从 " 实验室 " 走向 " 现实世界 " 提供了清晰的路线图。

未来，AI 比拼的不再是参数大小和数据多少，而是融入环境、持续学习、创造价值的核心能力，2026 年的 AI 浪潮，值得我们每一个人期待。

清华唐杰：领域大模型，伪命题