人工智能的发展正站在一个关键的十字路口，单纯的对话交互已成为过去，业界正全力探索让模型具备自主行动与深度思考的新范式。AGI-Next 峰会汇集了中国 AI 领域的顶尖头脑，他们不仅剖析了当前技术的瓶颈，更对 Scaling Law 的未来、自主学习的前景以及中国 AI 的突围之路展开了深度对话，为我们理解这场正在发生的智能革命提供了宝贵的视角。
智能速览
美团开源 EvoCUA 模型，在桌面自动化基准测试中登顶开源榜首。
智谱唐杰认为 Chat 范式已近尾声，AI 下一阶段的核心是“做事”。
月之暗面杨植麟提出提升“Token效率”的新架构，应对长上下文挑战。
行业专家普遍认为“自主学习”是 AI 发展的下一个关键突破方向。
圆桌对话深度剖析了中国 AI 发展的机遇、算力瓶颈与差异化路径。
精华内容
随着大模型能力的持续进化，单纯的对话交互已不再是焦点。业界正将目光投向更深远的领域：让模型具备真正的行动力、思考能力乃至自主性，一场关于 AI 发展新范式的探索已然开启。
Chat时代落幕
智谱首席科学家唐杰在峰会上明确指出，2025年初 DeepSeek 的出现，标志着以对话为核心的 Chat 范式已基本接近尾声。他认为，AI 的下一个范式是让每个人能用它来“做事”。这一转变并非空谈，美团开源的 EvoCUA 模型便是最佳例证。该模型专注于 Windows 桌面自动化，仅凭屏幕截图和自然语言指令，就能在 Chrome、Excel 等软件中执行多轮精细操作，在 OSWorld 基准测试中以 56.7% 的任务完成率位居全球开源模型榜首。
这种从“说”到“做”的转向，正在催生新一代的智能体模型。智谱通过整合 Thinking、Agentic 和 Coding 能力，并结合可验证奖励强化学习，显著提升了 GLM-4.7 在真实编程任务中的表现。其开源的 9B 模型 AutoGLM 更是能在手机后台完成包含 40 个步骤的订票等复杂任务，展现了强大的端到端执行能力。
Scaling的反思
尽管 Scaling Law 依然是 AI 发展的主旋律，但领军人物们已开始对其进行深度反思。月之暗面创始人杨植麟从第一性原理出发，认为所有大模型都是将能源转化为智能的过程，但效率至关重要。他介绍，团队通过 MUON 二阶优化器，实现了两倍的 Token 效率提升，即用一半的数据达到同等智能水平。其下一代架构 Kimi Linear 采用线性注意力机制，在长程任务上性能超越全注意力，速度提升 6-10 倍。
唐杰则对此有更冷静的判断，他认为单纯的 Scaling 是“偷懒的办法”，模型的泛化水平仍有待提高，未来必须探索新的模型架构以解决 Transformer 的计算复杂度问题。这种对效率和新架构的追求，与研究团队推出的 UniCorn 框架不谋而合。该框架通过自博弈机制，让统一多模态模型在理解与生成间自我改进，无需外部监督，为实现更高效的智能体提供了新思路。
走向自主学习
峰会的圆桌对话中，“自主学习”成为与会者公认的未来方向。腾讯 AI 首席科学家姚顺雨认为，自主学习并非突变，而是一个已在发生的渐变过程，当前的瓶颈在于“想象力”，即缺乏一个能证明其实现的标准任务。阿里云林俊旸则对 Agent 带来的“主动性”表达了安全层面的担忧。
唐杰对 2026 年出现范式革新抱有信心，他指出学术界算力的增长和 Scaling 路径遭遇的“智能效率”瓶颈，将共同催生创新。他设想，未来的 AI 应该模仿人脑的认知学习过程，构建包含短期、工作、长期记忆的系统，并具备类似人类“快思考”和“慢思考”的双系统，通过 Scaling 数据、推理和自学习环境来实现真正的智能进化。
中国AI的竞逐
在探讨中国 AI 未来时，现场气氛坦诚而务实。姚顺雨表示乐观，认为关键在于突破硬件瓶颈和培育 To B 市场。林俊旸则给出了 20% 的概率，他坦言中美在算力投入上存在数量级差异，中国的优势在于“穷则思变”，被逼出了算法和工程优化能力。他提到，年轻一代的冒险精神正在增强。
唐杰承认差距，但他强调中国的机会在于：有一群敢于冒险的聪明人、持续改善的创新环境以及研究者自身的坚持。杨强教授则从互联网发展史出发，看好中国在 To C 应用层面的巨大优势。这场讨论揭示了，中国 AI 的发展路径不会是简单复刻美国，而是在资源约束下，走出一条以算法创新、工程优化和应用落地为核心的差异化道路。
这场峰会不仅是对当前技术成就的巡礼，更是对未来发展路径的深刻洞察与大胆展望。从 Scaling Law 的优化到新范式的探索，从模型能力的提升到产业落地的挑战，每一步都充满了变数与机遇。AI 正从被动的工具，向能够思考、行动、甚至自主学习的“新物种”演进。未来已来，我们如何定义、引导并与这些日益强大的智能体共存，将是这个时代最重要的课题。
