量子位 | MEET2026擠爆了，AI圈今年最該聽(tīng)的20+場(chǎng)演講&對(duì)談都在這
MEET2026擠爆了，AI圈今年最該聽(tīng)的20+場(chǎng)演講&對(duì)談都在這
現(xiàn)場(chǎng)參會(huì)觀眾近1500人，350萬(wàn)+人在線觀看！
組委會(huì) 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
DeepSeek炸翻全場(chǎng)，世界模型開啟通向AGI之路，“Agent元年”，具身智能全面開花，豆包手機(jī)讓AI終端熱度再上一個(gè)臺(tái)階……
AI世界里原本散落全年的高能節(jié)點(diǎn)，在今天，被集中點(diǎn)燃。
在量子位MEET2026智能未來(lái)大會(huì)上，這些被全年刷屏的關(guān)鍵詞，又一次被工業(yè)界、學(xué)術(shù)界、投資圈的大咖們高頻拆解，激情對(duì)線。
會(huì)場(chǎng)里座無(wú)虛席，過(guò)道被“站票”填滿。臺(tái)上是學(xué)術(shù)界和行業(yè)內(nèi)的第一線操盤手，臺(tái)下是來(lái)自大廠、獨(dú)角獸、科研機(jī)構(gòu)和資本方的長(zhǎng)期關(guān)注者們。
屏幕另一頭，線上觀眾在彈幕里叫好不斷，一整天都維持在熱度高位。
2025年的AI，在發(fā)展，在分裂，在重構(gòu)，迫使所有參與者給未來(lái)一個(gè)明確站隊(duì)方向。
今天的MEET2026智能未來(lái)大會(huì)舞臺(tái)，把所有力量&分歧&野心&機(jī)會(huì)同時(shí)擺上桌面。
從云到端，從模型到Agent，從軟到硬，在這場(chǎng)頂級(jí)密度的一天里，我們見(jiàn)證了最重要的一點(diǎn)：推動(dòng)AI進(jìn)步的人們，真的相信下一段曲線就在眼前。
來(lái)，跟著量子位碳基編輯一起，把這場(chǎng)大會(huì)拋出的關(guān)鍵信號(hào)好好捋一捋。
MEET2026智能未來(lái)大會(huì)是由量子位主辦的行業(yè)峰會(huì)，近30位產(chǎn)業(yè)代表與會(huì)討論。線下到場(chǎng)參會(huì)觀眾近1500人，線上直播觀眾350萬(wàn)+，獲得了主流媒體的廣泛關(guān)注與報(bào)道。
張亞勤，清華大學(xué)智能產(chǎn)業(yè)研究院(AIR)創(chuàng)始院長(zhǎng)、中國(guó)工程院外籍院士
MEET2026大會(huì)上，清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）創(chuàng)始院長(zhǎng)、中國(guó)工程院外籍院士張亞勤帶來(lái)了主題為《人工智能+趨勢(shì)》的分享。
以下是他的觀點(diǎn)精華提煉：
以ChatGPT與DeepSeek為代表，AI正從鑒別式走向生成式與推理式，在高效率、低成本和開源生態(tài)中加速落地。
新一輪人工智能，是信息智能、物理智能和生物智能的融合，本質(zhì)上也是原子、分子和比特的融合。
生成式AI正快速演化為智能體，任務(wù)長(zhǎng)度與能力同步提升、風(fēng)險(xiǎn)同步放大。
未來(lái)5~10年，基礎(chǔ)大模型像操作系統(tǒng)一樣在全球范圍內(nèi)收斂到不超過(guò)10個(gè)。
主戰(zhàn)場(chǎng)將走向“智能體互聯(lián)網(wǎng)”時(shí)代，智能體會(huì)取代今天的大部分SaaS和App，成為企業(yè)和個(gè)人與世界交互的默認(rèn)形態(tài)，同時(shí)這也是通往AGI的必經(jīng)之路。
王穎，百度集團(tuán)副總裁，文庫(kù)事業(yè)部、網(wǎng)盤事業(yè)部負(fù)責(zé)人
百度集團(tuán)副總裁，文庫(kù)事業(yè)部、網(wǎng)盤事業(yè)部負(fù)責(zé)人王穎，則以《AI打造超級(jí)智能體，成就超級(jí)個(gè)體、超級(jí)團(tuán)隊(duì)、超級(jí)組織》為主題分享了她的洞見(jiàn)。
以下是她的觀點(diǎn)精華提煉：
認(rèn)知偏差、落地?cái)鄬?、體驗(yàn)割裂成為了用戶目前使用AI產(chǎn)品的三大痛點(diǎn)。
要打造真正的超級(jí)個(gè)人智能體，賦能用戶成為超級(jí)個(gè)體，讓AI應(yīng)用想得全、想得對(duì)、做得好，實(shí)現(xiàn)個(gè)性化、自由化、通用化，使每個(gè)人能力加倍。
GenFlow是百度設(shè)計(jì)超級(jí)智能體框架的調(diào)度中樞，月活用戶達(dá)千萬(wàn)級(jí)，成為全球最大的通用智能體。作為首個(gè)全模態(tài)、全鏈路的通用智能體，可覆蓋學(xué)習(xí)、辦公、生活、娛樂(lè)全場(chǎng)景，滿足聊天、問(wèn)答、檢索、創(chuàng)作等核心需求。剛剛更新的GenFlow 3.0版本已經(jīng)內(nèi)置到百度文庫(kù)和百度網(wǎng)盤雙端。
百度文庫(kù)推出AI學(xué)習(xí)平臺(tái)OREATE AI，能端到端完成全場(chǎng)景全模態(tài)創(chuàng)作。新版本上線一個(gè)月月活突破140萬(wàn)，登頂ProductHunt全球日榜第一名。
百度網(wǎng)盤于今年9月上線全球175個(gè)國(guó)家和地區(qū)，具備多語(yǔ)言字幕、AI相機(jī)、AI筆記等特色功能。
王仲遠(yuǎn)，北京智源人工智能研究院院長(zhǎng)
《Al覺(jué)醒之年：從數(shù)字世界邁向物理世界》是北京智源人工智能研究院院長(zhǎng)王仲遠(yuǎn)在MEET2026智能未來(lái)大會(huì)上分享的主題。
以下是他的觀點(diǎn)精華提煉：
當(dāng)下人工智能處于第三次浪潮的重要拐點(diǎn)，大模型推動(dòng)其從弱人工智能邁向通用人工智能，推動(dòng)機(jī)器人從1.0專用機(jī)器人時(shí)代進(jìn)入2.0通用具身智能時(shí)代。
視頻是能夠大規(guī)模獲得的模擬真實(shí)世界的高效載體，同時(shí)包含時(shí)間、空間、物理、因果關(guān)系以及意圖等各種要素。
2025年往后，第三代Scaling范式的關(guān)鍵在多模態(tài)。智源研究院的悟界·Emu3.5，通過(guò)統(tǒng)一的自回歸架構(gòu)，將大語(yǔ)言模型的Next-Token Prediction升級(jí)為在多模態(tài)數(shù)據(jù)上進(jìn)行Next-State Prediction，預(yù)示著AI從語(yǔ)言學(xué)習(xí)邁入多模態(tài)世界學(xué)習(xí)。
目前的具身大模型依然是不好用、不通用、不易用。不好用，指的是具身大模型還沒(méi)有達(dá)到ChatGPT時(shí)刻；不通用，指的是很多模型只能適用一個(gè)本體或者同一個(gè)品牌的本體；不易用，指的是大腦、小腦以及本體之間的適配度還是不夠高。
智源研究院從成立起堅(jiān)持開源開放，過(guò)去兩年多開源2200多個(gè)模型，下載量突破6.9億次；開源近百個(gè)數(shù)據(jù)集，下載量超120萬(wàn)次。
萬(wàn)衛(wèi)星，高通公司AI產(chǎn)品技術(shù)中國(guó)區(qū)負(fù)責(zé)人
會(huì)上，高通公司AI產(chǎn)品技術(shù)中國(guó)區(qū)負(fù)責(zé)人萬(wàn)衛(wèi)星發(fā)表演講，聚焦于《混合AI：從云端到邊緣智能》。
以下是他的觀點(diǎn)精華提煉：
AI行業(yè)的演進(jìn)，第一階段是感知AI；第二階段是隨ChatGPT興起的生成式AI；第三階段是智能體AI，可在幾乎無(wú)人類干預(yù)情況下做自主行動(dòng)；第四階段我們把它叫做物理AI，AI能理解真實(shí)物理世界并根據(jù)真實(shí)物理規(guī)律做出反饋和響應(yīng)。
兩年前端側(cè)只能跑1–2K上下文，去年可以跑4K，今年已經(jīng)支持8K-16K。在9月份的驍龍峰會(huì)上，可看到在一些特殊場(chǎng)景下，甚至可實(shí)現(xiàn)最長(zhǎng)128K的端側(cè)大模型部署。
從模態(tài)來(lái)看，終端側(cè)正在從單一文字模態(tài)，向支持文本、圖片、視頻、音頻、語(yǔ)音等多模態(tài)，甚至全模態(tài)方向演進(jìn)。生態(tài)系統(tǒng)從單體模型向復(fù)合系統(tǒng)的轉(zhuǎn)變是邁向智能體AI的基礎(chǔ)。
在終端側(cè)運(yùn)行大模型，最大的好處之一是個(gè)性化。
在終端側(cè)運(yùn)行大語(yǔ)言模型主要面臨內(nèi)存限制、帶寬限制和功耗控制等挑戰(zhàn)，為此高通進(jìn)行了一系列技術(shù)儲(chǔ)備與預(yù)研：量化與壓縮、并行解碼技術(shù)等以提高推理效率、先進(jìn)NPU與異構(gòu)計(jì)算架構(gòu)。
陳曉建，亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理
亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建，分享了題為《Agentic AI未來(lái)已來(lái)》的見(jiàn)解。
以下是他的觀點(diǎn)精華提煉：
Agent從各個(gè)方面都可以讓AI泛化出強(qiáng)大的生產(chǎn)力，可以替代很多人類之前的工作，甚至可以去做很多人類以前做不到的事情。
一個(gè)成功的Agent的構(gòu)建，需要三個(gè)至關(guān)重要的模塊：第一是底層的模型“大腦”，能夠提供有效的決策；第二個(gè)是中間的代碼；特別之處在于，它還有第三個(gè)模塊tools，在整個(gè)三層架構(gòu)中相當(dāng)于“手和腳”。
從POC階段邁向生產(chǎn)部署常會(huì)遇到挑戰(zhàn)，兩者差異明顯：一方面，POC使用篩選后的高質(zhì)量數(shù)據(jù)，而生產(chǎn)環(huán)境數(shù)據(jù)無(wú)法人為優(yōu)化；另一方面，生產(chǎn)還需解決安全、擴(kuò)容、成本、高可用等一系列問(wèn)題。
模型定制化仍面臨諸多挑戰(zhàn)，Amazon SageMaker AI提供全面的模型定制支持，包括強(qiáng)化微調(diào)、無(wú)檢查點(diǎn)訓(xùn)練以及Nova Forge等四類不同的定制化能力。
Nova Forge關(guān)鍵優(yōu)勢(shì)在于：它允許在基礎(chǔ)模型訓(xùn)練階段就引入自有數(shù)據(jù)進(jìn)行定制。就像人類學(xué)語(yǔ)言在幼年時(shí)最容易一樣，模型在“成長(zhǎng)”過(guò)程中進(jìn)行定制，其效果通常優(yōu)于在訓(xùn)練完成后再進(jìn)行微調(diào)。
趙俊博，浙江大學(xué)百人計(jì)劃研究員、博士生導(dǎo)師，螞蟻集團(tuán)資深技術(shù)專家
浙江大學(xué)百人計(jì)劃研究員、博士生導(dǎo)師，螞蟻集團(tuán)資深技術(shù)專家趙俊博，帶來(lái)了題為《LLaDA：AGI路上的非共識(shí)宣言》的前沿分享。
以下是他的觀點(diǎn)精華提煉：
所有生成模型本質(zhì)上都是在擬合數(shù)據(jù)分布。自回歸模型提供了一種擬合方式，它將整體分布拆解為一系列遵循單向因果順序的條件概率來(lái)逐步建模。但這種方式并不是唯一的路徑。
開源模型LLaDA采用擴(kuò)散語(yǔ)言模型架構(gòu)，暫不考慮MoE的情況下，在相同的計(jì)算量和性能目標(biāo)下，LLaDA所需的參數(shù)規(guī)?？梢员茸曰貧w模型更小。
擴(kuò)散架構(gòu)在推理過(guò)程中可以直接修改和控制token，而不需要像自回歸模型那樣重新生成整段內(nèi)容。
在計(jì)算受限情況下，LLaDA采用“完形填空”式預(yù)測(cè)，相比自回歸模型更為data-hungry，對(duì)數(shù)據(jù)需求更大、吸收數(shù)據(jù)更快。
LLaDA與自回歸模型的Scaling Law存在差異，我們已驗(yàn)證LLaDA可以擴(kuò)展到千億規(guī)模，但繼續(xù)往上會(huì)面臨新的挑戰(zhàn)。
喻友平，中關(guān)村科金總裁
中關(guān)村科金總裁喻友平則帶來(lái)了主題為《數(shù)智融合·質(zhì)效雙升：企業(yè)智能體賦能新質(zhì)生產(chǎn)力躍遷》的分享。
以下是他的觀點(diǎn)精華提煉：
從互聯(lián)網(wǎng)時(shí)代到AI時(shí)代，本質(zhì)上是連接的進(jìn)化，即智能體作為超級(jí)連接器實(shí)現(xiàn)人與數(shù)據(jù)、知識(shí)、智能的更強(qiáng)連接。
企業(yè)要實(shí)現(xiàn)智能體落地，主要優(yōu)化集中在場(chǎng)景的選擇和評(píng)估、企業(yè)內(nèi)部數(shù)據(jù)和知識(shí)的整理、模型的選擇和構(gòu)建三個(gè)環(huán)節(jié)上，這三個(gè)要素需要循環(huán)迭代、持續(xù)進(jìn)化。
企業(yè)用好智能體的關(guān)鍵在于三個(gè)平臺(tái)：連接算力、容納各種開源模型的大模型平臺(tái)，這也是企業(yè)認(rèn)知能力的中樞；提供感知能力的AI能力平臺(tái)；把企業(yè)的經(jīng)驗(yàn)和記憶沉淀下來(lái)的AI數(shù)據(jù)平臺(tái)。
我們?cè)谄髽I(yè)級(jí)大模型平臺(tái)上，通過(guò)構(gòu)建智能體集市，集中管理和協(xié)同成百上千個(gè)智能體，并以人機(jī)協(xié)作為核心落地模式，才能在企業(yè)的營(yíng)銷服務(wù)、辦公運(yùn)營(yíng)、研發(fā)生產(chǎn)環(huán)節(jié)里帶來(lái)價(jià)值。
企業(yè)級(jí)智能體落地與ToC智能體最大的不同，在于對(duì)“規(guī)?；⒊杀拘屎途取钡臉O致要求。
Dennis Yue，Google Cloud大中華區(qū)企業(yè)與中國(guó)初創(chuàng)業(yè)務(wù)負(fù)責(zé)人
Google Cloud大中華區(qū)企業(yè)與中國(guó)初創(chuàng)業(yè)務(wù)負(fù)責(zé)人Dennis Yue以主題《AI時(shí)代領(lǐng)航：Google全鏈路賦能初創(chuàng)企業(yè)高效出海》進(jìn)行了分享。
以下是他的觀點(diǎn)精華提煉：
初創(chuàng)企業(yè)在出海不同階段面臨不同側(cè)重點(diǎn)與挑戰(zhàn)，Google一體化的出海解決方案，將創(chuàng)新調(diào)研、產(chǎn)品上云、獲客營(yíng)銷、全球分發(fā)與變現(xiàn)、智能體協(xié)同及支付體系等鏈路貫通，賦能企業(yè)高效出海。
智能體自主協(xié)作可解決復(fù)雜問(wèn)題、自動(dòng)化流程并自主執(zhí)行任務(wù)，由此催生新商業(yè)模式。谷歌主導(dǎo)的A2A協(xié)議，既支持企業(yè)內(nèi)部不同部門智能體的連接，也能打通企業(yè)間、企業(yè)與外部智能體之間安全有效的通信。
擁有100萬(wàn)Token超長(zhǎng)上下文、原生多模態(tài)及精準(zhǔn)工具調(diào)用的Gemini模型，正邁向能夠進(jìn)行多步邏輯推理、解決問(wèn)題、執(zhí)行任務(wù)的AI行動(dòng)時(shí)代，并在持續(xù)迭代創(chuàng)新。
朱寧，上海交通大學(xué)上海高級(jí)金融學(xué)院金融學(xué)教授
上海交通大學(xué)上海高級(jí)金融學(xué)院金融學(xué)教授朱寧分享了名為《AI時(shí)代的經(jīng)濟(jì)學(xué)思考》的主旨演講。
以下是他的觀點(diǎn)精華提煉：
AI出現(xiàn)之后，稀缺的概念改變了。如何在稀缺面前做出更好的選擇，是需要更加深入思考的問(wèn)題。
當(dāng)AI替代人進(jìn)行工作決策時(shí)，AI可能會(huì)出于自己的想法來(lái)進(jìn)行資源配置，一定程度上出現(xiàn)人和算法的競(jìng)爭(zhēng)、算法和算法的競(jìng)爭(zhēng)。
據(jù)諾獎(jiǎng)得主、經(jīng)濟(jì)學(xué)教授Daron Acemoglu估算，在今后的十年里，AI每年可提升全球經(jīng)濟(jì)增長(zhǎng)0.5到0.7個(gè)百分點(diǎn)。
隨著越來(lái)越多的AI進(jìn)入整個(gè)貿(mào)易領(lǐng)域，更多的貿(mào)易發(fā)展不會(huì)以具體的物理形式發(fā)生。
未來(lái)不要去想哪個(gè)行業(yè)在AI革命面前是安全的、完全不會(huì)被替代的，而是應(yīng)該更多考慮如何更好地掌握AI技術(shù)，和AI共生。
趙策，卓世科技合伙人、副總裁
《行業(yè)大模型及應(yīng)用破局AI商業(yè)化落地》是卓世科技合伙人、副總裁趙策在現(xiàn)場(chǎng)演講中分享的主題。
以下是他的觀點(diǎn)精華提煉：
2025年，尤其是DeepSeek出來(lái)后，大家更關(guān)心的是如何去做行業(yè)的落地、場(chǎng)景的賦能和商業(yè)化變現(xiàn)，這是非常直接也非常實(shí)惠的事情。
想要讓感知物理世界和場(chǎng)景落地，需要配合終端來(lái)實(shí)現(xiàn)。需要完成“模型-終端-數(shù)據(jù)-模型”的商業(yè)閉環(huán)。
做好商業(yè)化落地的組合拳，技術(shù)-產(chǎn)品-商業(yè)-服務(wù)。
已經(jīng)摸索出企業(yè)服務(wù)方向最容易落地的三個(gè)方向：工程流程自動(dòng)化，行業(yè)研究報(bào)告，智能化辦公助手。
卓世在醫(yī)療健康領(lǐng)域與AI緊密結(jié)合的兩個(gè)方向，一個(gè)是基層衛(wèi)生（社區(qū)醫(yī)院），卓世已經(jīng)利用大模型已經(jīng)融合2000多種常見(jiàn)病、常見(jiàn)藥以及相關(guān)服務(wù)來(lái)服務(wù)居民；另一個(gè)是進(jìn)三甲醫(yī)院去看病，結(jié)合醫(yī)院在專項(xiàng)病種的優(yōu)勢(shì)數(shù)據(jù)，訓(xùn)練專業(yè)病種大模型，形成大模型輔助診療。
AI在工業(yè)制造落地是一個(gè)組合拳，大模型融合視覺(jué)模型和時(shí)序模型，來(lái)處理各種生產(chǎn)和傳感的數(shù)據(jù)，大模型作為大腦形成對(duì)數(shù)據(jù)的分析和決策支撐。能夠自動(dòng)化調(diào)配生產(chǎn)，調(diào)優(yōu)生成工藝，在其中起到大腦的作用。
GenAI Talk：對(duì)話文遠(yuǎn)知行WeRide創(chuàng)始人兼CEO韓旭
上午的GenAI Talk環(huán)節(jié)，文遠(yuǎn)知行WeRide創(chuàng)始人兼CEO韓旭，與量子位聯(lián)合創(chuàng)始人兼總編輯李根就《第一批自動(dòng)駕駛創(chuàng)業(yè)者的第二個(gè)八年》展開對(duì)談。
以下是對(duì)韓旭的觀點(diǎn)精華提煉：
L2和L4之間的壁壘其實(shí)根本就沒(méi)有被打破。很多公司沒(méi)有做過(guò)L4，但紛紛說(shuō)自己的L4戰(zhàn)略。真正的L4公司需要至少有二、三十輛車的純無(wú)人車隊(duì)運(yùn)營(yíng)半年以上。
L2+/L2++做好不易，但與純無(wú)人的L4難度相比差距巨大，區(qū)別如同在江里做一艘小船和做一艘跨洋大船。
佩服馬斯克，但預(yù)測(cè)稱如果馬斯克還是用Model 3或者M(jìn)odel Y這樣的量產(chǎn)車，不裝激光雷達(dá)，三年之內(nèi)特斯拉在舊金山無(wú)法做到今天Waymo的水平。三年之后大家可以看有沒(méi)有被打臉。
AI放大了人與人的差別，優(yōu)秀人才價(jià)值大幅提升。文遠(yuǎn)知行上市后有可兌現(xiàn)的財(cái)力，且需要頂尖人才解決自動(dòng)駕駛及具身智能等前沿問(wèn)題，因此推出了300萬(wàn)～500萬(wàn)重金“英才計(jì)劃”招募人才。
預(yù)測(cè)：隨著大模型發(fā)展，如果算力等條件滿足，8年后可能出現(xiàn)比人類99.99%司機(jī)都開得好的自動(dòng)駕駛——即出現(xiàn)類似AlphaGo時(shí)刻，自動(dòng)駕駛在開車方面全面超越人類。
尤洋，潞晨科技創(chuàng)始人兼董事長(zhǎng)，新加坡國(guó)立大學(xué)校長(zhǎng)青年教授
潞晨科技創(chuàng)始人兼董事長(zhǎng)，新加坡國(guó)立大學(xué)校長(zhǎng)青年教授尤洋，深入闡述了《AI大模型賦能千行百業(yè)》。
以下是他的觀點(diǎn)精華提煉：
大模型的應(yīng)用肯定不僅限于聊天機(jī)器人或者編程助手，未來(lái)大模型在千行百業(yè)里邊落地，才能產(chǎn)生它最大的價(jià)值。大模型的價(jià)值在很多場(chǎng)景還沒(méi)有真正發(fā)揮出來(lái)。
有三類企業(yè)需要行業(yè)模型或者私有模型，第一類是傳統(tǒng)大型企業(yè)，第二類是有海量數(shù)據(jù)的中小型企業(yè)，第三類是顛覆行業(yè)的新興公司。
用大模型做To B，最關(guān)鍵的是后訓(xùn)練或Agent化，如果只是調(diào)大模型API，大家用的模型都一樣，顯然沒(méi)有任何差異性。開源模型只有在被“專業(yè)訓(xùn)練”后才能戰(zhàn)勝閉源模型。
企業(yè)部署大模型成功的關(guān)鍵，一是要最大化算力效率，另外還要有微調(diào)SDK和低代碼模板。
潞晨云最新上線微調(diào)SDK，開發(fā)者僅需專注模型與算法創(chuàng)新，訓(xùn)練調(diào)度、分布式框架適配、底層云基礎(chǔ)設(shè)施及運(yùn)維由平臺(tái)完成。
宣善明，商湯大裝置副總裁、CTO
商湯大裝置副總裁、CTO宣善明，其演講主題為《商湯大裝置，推進(jìn)AI基礎(chǔ)設(shè)施的深度演進(jìn)與行業(yè)落地》。
以下是他的觀點(diǎn)精華提煉：
目前商湯的戰(zhàn)略是“1+X”，“1”即核心業(yè)務(wù)，包括大裝置、大模型、AI應(yīng)用三位一體；“X”即創(chuàng)新業(yè)務(wù)，包括智駕、醫(yī)療、零售等模塊。
大裝置方面，商湯始終堅(jiān)持自身優(yōu)勢(shì)，打造最懂大模型的AI Infra，依托多年的核心技術(shù)積累，目前算力總規(guī)模達(dá)32000P。
商湯智算中心通過(guò)算電協(xié)同，削峰平谷，精準(zhǔn)預(yù)測(cè)15分鐘內(nèi)算力對(duì)電力的消耗，已實(shí)現(xiàn)年化降低7%電費(fèi)，實(shí)現(xiàn)年度碳減排超過(guò)3000噸，綜合算效提升15%，同時(shí)模型預(yù)測(cè)準(zhǔn)確率可達(dá)88%。
商湯聯(lián)合國(guó)內(nèi)十余家廠商共同發(fā)布了“商湯大裝置算力Mall”。在算力Mall上，客戶能夠使用自由組合和調(diào)配多樣化的國(guó)產(chǎn)算力資源、平臺(tái)工具和行業(yè)模型服務(wù)，同時(shí)在此基礎(chǔ)上獲得一個(gè)通用的、可無(wú)縫實(shí)現(xiàn)其算法的環(huán)境。
商湯大裝置不僅是要做一個(gè)算力平臺(tái)，而是在框架、模型優(yōu)化、推理加速等方面的全棧能力，全面賦能科研機(jī)構(gòu)、互聯(lián)網(wǎng)企業(yè)與AI創(chuàng)業(yè)團(tuán)隊(duì)等迭代模型、提升效率。
Daniel Povey，小米集團(tuán)首席語(yǔ)音科學(xué)家，IEEE Fellow
小米集團(tuán)首席語(yǔ)音科學(xué)家，IEEE Fellow Daniel Povey以《The Evolution of AI——Lessons from evolution for the future of AI development》為主題進(jìn)行了分享。
以下是他的觀點(diǎn)精華提煉：
人工智能的演進(jìn)和生物有機(jī)體的進(jìn)化過(guò)程非常相似，通過(guò)嘗試不同的技術(shù)變體，然后篩選出在目標(biāo)任務(wù)上表現(xiàn)更優(yōu)的方案。
類比生物進(jìn)化中的“間斷平衡”，AI的發(fā)展并非連續(xù)，而是“長(zhǎng)期停滯+突然躍遷”，停滯期也不會(huì)永遠(yuǎn)持續(xù)。
開源對(duì)進(jìn)化速度至關(guān)重要，如果每家公司都閉源，那么研究速度可能會(huì)降低為原來(lái)的千分之一。
從進(jìn)化類比中可以得出：不要押注單一任務(wù)或單一路線，推動(dòng)跨任務(wù)的技術(shù)融合；在進(jìn)化過(guò)程中找到AI“通才”與“專才”的平衡；保留多種不同模型架構(gòu)的存續(xù)，從而增加發(fā)掘?qū)嵱眯录夹g(shù)的機(jī)會(huì)。
大公司雙管齊下是有意義的，一方面使用當(dāng)前業(yè)界領(lǐng)先的技術(shù)方案，另一方面進(jìn)行探索性研究，以尋找下一個(gè)重大突破。
姚欣，PPIO聯(lián)合創(chuàng)始人兼CEO
PPIO聯(lián)合創(chuàng)始人兼CEO姚欣則以《PPIO，打造Agentic AI的底層基座》展開了深入分享。
以下是他的觀點(diǎn)精華提煉：
今年以來(lái)，AI正在進(jìn)入一個(gè)全新的時(shí)代，從“思考與回答”轉(zhuǎn)向“自主行動(dòng)與創(chuàng)造”。
真正成熟的智能體，必須具備自主分析與自主決策能力，而執(zhí)行力落地是其中的關(guān)鍵環(huán)節(jié)。
智能體并不只是一個(gè)被動(dòng)聽(tīng)指令的執(zhí)行器，而是一整套完整閉環(huán)的智能系統(tǒng)，主要包含三層能力：認(rèn)知規(guī)劃、行動(dòng)協(xié)作、分析反饋。
Agent Infra本質(zhì)上就是在做AI時(shí)代的操作系統(tǒng)，它管理的不是硬件資源，而是模型能力、工具調(diào)用與任務(wù)執(zhí)行的“智能資源”，通過(guò)統(tǒng)一調(diào)度，為上層應(yīng)用開發(fā)者提供運(yùn)行基礎(chǔ)。
Agent Infra的核心在于Runtime，它要解決的不只是“如何讓智能體更聰明”，而是讓智能體具備跨環(huán)境通用運(yùn)行能力，能夠穩(wěn)定啟動(dòng)、持續(xù)運(yùn)行，并對(duì)多種能力進(jìn)行統(tǒng)一編排與調(diào)度。
方漢，昆侖萬(wàn)維董事長(zhǎng)兼CEO
昆侖萬(wàn)維董事長(zhǎng)兼CEO方漢以《智能體思考與展望：昆侖萬(wàn)維Skywork Super Agent演進(jìn)之路》為主題，深入分享了他的所思所聞。
以下是他的觀點(diǎn)精華提煉：
Skywork Super Agents是昆侖萬(wàn)維今年5月發(fā)布的產(chǎn)品，它包括五個(gè)專家Agents和一個(gè)通用Agent，PPT模式可以在五分鐘之內(nèi)生成30頁(yè)P(yáng)PT。40%的DAU用戶使用PPT模式。
Agent的本質(zhì)不是AGI，Agent的本質(zhì)是可驗(yàn)證過(guò)程的自動(dòng)化，擅長(zhǎng)數(shù)學(xué)代碼和結(jié)構(gòu)化決策，不擅長(zhǎng)創(chuàng)新范式突破和新框架?，F(xiàn)在到了Agent發(fā)展的拐點(diǎn)。
AI進(jìn)程最直接的落地場(chǎng)景是AI Office；第二是各種各樣的垂類場(chǎng)景，但這些場(chǎng)景存在一個(gè)巨大問(wèn)題，就是不存在好的數(shù)據(jù)集。
通用Agent的渠道之爭(zhēng)，對(duì)傳統(tǒng)渠道來(lái)說(shuō)是生死之戰(zhàn)。只有硬件手機(jī)廠商才能決定自己的手機(jī)上可以裝什么Agent，其它任何Agent廠商都是沒(méi)有這個(gè)能力的。
Agent將重寫公司組織，因?yàn)榱鞒虒儆谶^(guò)程數(shù)據(jù)，只要可驗(yàn)證就可以被自動(dòng)化。而我們的每一個(gè)崗位實(shí)際上變成了Agent的執(zhí)行上下文，重復(fù)操作的崗位將消失，取而代之的是過(guò)程架構(gòu)師。
喬梁，太初元碁聯(lián)合創(chuàng)始人兼首席運(yùn)營(yíng)官
太初元碁聯(lián)合創(chuàng)始人兼首席運(yùn)營(yíng)官喬梁的演講主旨是《超智融合計(jì)算新范式下的國(guó)產(chǎn)算力生態(tài)建設(shè)》。
以下是他的觀點(diǎn)精華提煉：
AI技術(shù)的成熟改變了傳統(tǒng)科學(xué)計(jì)算模式，高性能計(jì)算技術(shù)在傳統(tǒng)生產(chǎn)制造、科學(xué)研究和AI落地場(chǎng)景中貫穿始終。未來(lái)，硬件廠商和軟件開發(fā)者都將面臨更大市場(chǎng)機(jī)會(huì)和發(fā)展前景。
2016年神威太湖之光采用了有別于ASIC或DSA等的異構(gòu)眾核通用計(jì)算架構(gòu)，實(shí)現(xiàn)了純國(guó)產(chǎn)自主可控的硬件架構(gòu)和生態(tài)體系。
超智融合是大勢(shì)所趨，將面向更多計(jì)算領(lǐng)域場(chǎng)景，需要綜合算力基礎(chǔ)設(shè)施提供智算底座。
單顆芯片性能已經(jīng)成為AI算法發(fā)展瓶頸，太初元碁自主設(shè)計(jì)的TC link，可以實(shí)現(xiàn)128卡間的scale up高速互聯(lián)拓展，為AI算法增長(zhǎng)提供硬件基礎(chǔ)。未來(lái)也需要集成度更高的高性能計(jì)算系統(tǒng)，為AI算法提供硬件基礎(chǔ)。
國(guó)內(nèi)發(fā)展人工智能產(chǎn)業(yè)離不開開源生態(tài)，行業(yè)需要企業(yè)共同組建開源平臺(tái)。
劉凡平，RockAI CEO
圍繞《硬件覺(jué)醒：讓AI不再被Transformer束縛》這一主題，RockAI CEO劉凡平帶來(lái)了自己的演講。
以下是他的觀點(diǎn)精華提煉：
為token付費(fèi)是一件很愚蠢的事情，用戶應(yīng)該為智能付費(fèi)。
端側(cè)模型不是云端大模型的小參數(shù)版本，端側(cè)模型關(guān)鍵在于自主學(xué)習(xí)和記憶，Transformer架構(gòu)模型無(wú)法在端側(cè)實(shí)現(xiàn)這一點(diǎn)。
人工智能要發(fā)展到下一個(gè)臺(tái)階，一定要突破兩座大山。第一座大山是Transformer，第二座大山是反向傳播算法。
原生記憶和自主學(xué)習(xí)帶來(lái)的變化除了token不再收費(fèi)，更多的還有重新定義硬件的價(jià)值。
每臺(tái)設(shè)備擁有自己的能力并能向物理世界學(xué)習(xí)，就會(huì)產(chǎn)生群體智能，如同人類社會(huì)個(gè)體相互合作產(chǎn)生知識(shí)。現(xiàn)有大模型（尤其是Transformer架構(gòu)大模型）本身不產(chǎn)生知識(shí)，只是傳播知識(shí)；群體智能才是邁向通用人工智能的最佳途徑。
王雁鵬，百度智能云AI計(jì)算首席科學(xué)家
百度智能云AI計(jì)算首席科學(xué)家王雁鵬，圍繞《昆侖芯的規(guī)?；瘧?yīng)用之路》展開分享。
以下是他的觀點(diǎn)精華提煉：
國(guó)產(chǎn)芯片的替代有一個(gè)漸進(jìn)式的過(guò)程，昆侖芯從第一代開始已經(jīng)做到了在搜索線上系統(tǒng)全量用推理，真正難的是在大規(guī)模訓(xùn)練場(chǎng)景。
現(xiàn)在Scale換了一個(gè)維度，變成了模型參數(shù)的Scale和任務(wù)訓(xùn)練規(guī)模的Scale，由此帶來(lái)了整個(gè)系統(tǒng)層面的Scale，映射到硬件上就有不同的size、各種形狀、不同的切分策略和并行策略。
當(dāng)前重要發(fā)展方向是MoE，它在某種程度上延續(xù)了原有的Scaling Law，能夠繼續(xù)擴(kuò)大參數(shù)規(guī)模，同時(shí)不增加激活參數(shù)規(guī)模。但系統(tǒng)層面會(huì)面臨新的挑戰(zhàn)：模型參數(shù)變得更大、輸入序列變長(zhǎng)，通信占比顯著提升，占比提升意味著整個(gè)模型架構(gòu)都要有變化。
如果要讓我們的芯片真正地走出我們自己的場(chǎng)景、讓更多的人去接受，它一定要綁定一個(gè)更優(yōu)秀的大模型。
王潛，自變量機(jī)器人創(chuàng)始人兼CEO
自變量機(jī)器人創(chuàng)始人兼CEO王潛，解讀了《構(gòu)建物理世界的基礎(chǔ)模型》。
以下是他的觀點(diǎn)精華提煉：
最近具身智能領(lǐng)域有一個(gè)爭(zhēng)論：具身智能究竟應(yīng)被視為應(yīng)用，還是應(yīng)當(dāng)被定位為獨(dú)立的基礎(chǔ)模型？我們非常明確地認(rèn)為，具身智能模型獨(dú)立或平行于虛擬世界中的語(yǔ)言、多模態(tài)模型，是一種專門面向物理世界的基礎(chǔ)模型。
物理世界的特性與虛擬世界差異巨大，尤其是物理事件存在高度隨機(jī)性。
現(xiàn)有的模型架構(gòu)、訓(xùn)練方法和數(shù)據(jù)能力，很難對(duì)高度隨機(jī)性的現(xiàn)象做出充分準(zhǔn)確的刻畫。
如果以未來(lái)十年為尺度，具身智能基礎(chǔ)模型甚至有可能反過(guò)來(lái)吞噬現(xiàn)有多模態(tài)模型的生存空間。
要構(gòu)建一個(gè)統(tǒng)一的基礎(chǔ)模型，它自然應(yīng)是完全端到端的。這一點(diǎn)在當(dāng)下某種程度上已經(jīng)成為行業(yè)共識(shí)。
楊海波，光輪智能聯(lián)合創(chuàng)始人兼總裁
光輪智能聯(lián)合創(chuàng)始人兼總裁楊海波，也帶來(lái)主題演講《打造全棧自研仿真基礎(chǔ)設(shè)施，加速世界模型與物理AI落地》。
以下是他的觀點(diǎn)精華提煉：
光輪智能在業(yè)界以仿真合成數(shù)據(jù)被大家所熟知，而支撐這套數(shù)據(jù)體系的底層是我們?nèi)珬Ｗ匝械姆抡婊A(chǔ)設(shè)施。這套基礎(chǔ)設(shè)施也是未來(lái)支撐世界模型及物理AI落地的關(guān)鍵。
為什么傳統(tǒng)仿真的Sim2Real總是失效？主要有三方面：物理不夠真實(shí)、資產(chǎn)視覺(jué)失真、交互行為不準(zhǔn)確。
光輪智能全棧自研了“測(cè)量-建模-求解”三位一體仿真解決方案。實(shí)際去測(cè)量真實(shí)世界，而不再依賴猜測(cè)和經(jīng)驗(yàn)，并在仿真下進(jìn)行視覺(jué)、物理交互、動(dòng)作等與真實(shí)測(cè)量對(duì)齊的建模，從而縮小sim2real gap。
沒(méi)有好的生態(tài)支撐，仿真平臺(tái)無(wú)法持續(xù)發(fā)展。真正好的仿真平臺(tái)從來(lái)都不是獨(dú)立的，而是需要生態(tài)構(gòu)建，需要海量的使用場(chǎng)景來(lái)驗(yàn)證和優(yōu)化，也需要持續(xù)的商業(yè)回報(bào)來(lái)加強(qiáng)技術(shù)投入。
光輪智能從一開始就聚焦于打造仿真領(lǐng)域的“爆品應(yīng)用”，包括仿真遙操數(shù)采、大規(guī)模仿真強(qiáng)化學(xué)習(xí)訓(xùn)練平臺(tái)LW-BenchHub、為具身前沿模型打造的行業(yè)評(píng)測(cè)標(biāo)準(zhǔn)RoboFinals。
毛健，云徙科技COO/副總裁
云徙科技COO/副總裁毛健帶來(lái)專題分享，主題是《從算法到業(yè)績(jī)——共創(chuàng)運(yùn)營(yíng)新范式，跨越AI價(jià)值的系統(tǒng)性鴻溝》。
以下是他的觀點(diǎn)精華提煉：
現(xiàn)在不是“AI+”的時(shí)代，而是“運(yùn)營(yíng)xAI”，AI從工具躍遷到業(yè)務(wù)主體。
對(duì)于企業(yè)來(lái)講，核心的訴求不是買AI工具，而是能夠直接對(duì)業(yè)務(wù)結(jié)果負(fù)責(zé)的AI運(yùn)營(yíng)智能體。
云徙科技作為企業(yè)全鏈路AI解決方案賦能伙伴，我們認(rèn)為要讓智能體走向自主運(yùn)營(yíng)有三步。第一步重塑業(yè)務(wù)流，建立可拆解、可重生、可協(xié)同、可被調(diào)用、可自動(dòng)化的動(dòng)態(tài)業(yè)務(wù)基座；第二步在重塑的業(yè)務(wù)流上，建立面向AI的知識(shí)圖譜和數(shù)據(jù)供應(yīng)鏈；第三步為業(yè)務(wù)注入AI大腦，從單體AI工具升級(jí)為智能體協(xié)同矩陣，形成一個(gè)從業(yè)務(wù)、數(shù)據(jù)到AI的協(xié)同智能體，三者能夠共生互動(dòng)的飛輪，本身這個(gè)系統(tǒng)的進(jìn)化能力才能不斷增強(qiáng)。
年輕人是AI生產(chǎn)力釋放的主力軍，經(jīng)驗(yàn)老道的AI從業(yè)者則需要把更多的精力放在企業(yè)中，為年輕人創(chuàng)造更多釋放AI潛力的生產(chǎn)關(guān)系。
給AI創(chuàng)業(yè)者的四點(diǎn)建議：在增量中找市場(chǎng)、在專業(yè)里找空間、在業(yè)務(wù)中找場(chǎng)景、在結(jié)果中找收益。
張延柏，靈心巧手聯(lián)合創(chuàng)始人
靈心巧手聯(lián)合創(chuàng)始人張延柏在MEET2026大會(huì)上，作了題為《以靈巧手和云端智腦為核心的具身智能平臺(tái)》的主題分享。
以下是他的觀點(diǎn)精華提煉：
靈巧手是具身智能的核心零部件之一，一方面靈巧手可以不依賴人形機(jī)器人，率先獨(dú)立應(yīng)用于真實(shí)場(chǎng)景，另一方面靈巧手也是一個(gè)高門檻的軟硬一體平臺(tái)。
一個(gè)真正好的靈巧手，必須在高自由度、耐用性和性價(jià)比的硬件基礎(chǔ)上，結(jié)合成熟的算法生態(tài)，具備與真實(shí)世界穩(wěn)定、高效交互的能力。
當(dāng)前全球靈巧手有三種主流技術(shù)路線：腱繩傳動(dòng)方案、剛性連桿傳動(dòng)、電機(jī)直驅(qū)傳動(dòng)。靈心巧手在這三個(gè)方向都有對(duì)應(yīng)的解決方案。
中國(guó)在具身智能硬件，尤其是機(jī)器人與靈巧手領(lǐng)域，優(yōu)勢(shì)相當(dāng)明顯，甚至是遙遙領(lǐng)先。
靈心巧手目前走兩個(gè)方向：軟件算法部分，讓靈巧手像人一樣，完成多種真實(shí)物理世界任務(wù)；硬件底座部分，三大核心部件（觸覺(jué)傳感器、電機(jī)、減速器）全部堅(jiān)持自研，并通過(guò)雙團(tuán)隊(duì)賽馬機(jī)制持續(xù)提升微型化與耐用性，形成長(zhǎng)期工程壁壘。
孫茂松，清華大學(xué)人工智能研究院常務(wù)副院長(zhǎng)，歐洲科學(xué)院外籍院士
圍繞GenAI，清華大學(xué)人工智能研究院常務(wù)副院長(zhǎng)，歐洲科學(xué)院外籍院士孫茂松以《生成式人工智能和大模型：前沿態(tài)勢(shì)、核心挑戰(zhàn)及發(fā)展路徑》為主題，展開了深入分享。
以下是他的觀點(diǎn)精華提煉：
當(dāng)模型規(guī)模、數(shù)據(jù)規(guī)模持續(xù)增大時(shí)，可能會(huì)出現(xiàn)能力涌現(xiàn)。這種高度非線性變化所帶來(lái)的不確定性體現(xiàn)了大模型最有魅力之處。預(yù)計(jì)未來(lái)幾年，有標(biāo)準(zhǔn)答案的人類最難考試可能也難不住機(jī)器。
當(dāng)下大模型和具身智能面臨的本質(zhì)挑戰(zhàn)在于如何理順“言、知、行”的關(guān)系，讓機(jī)器真正實(shí)現(xiàn)“知行合一”。這個(gè)問(wèn)題的“求解”，非常困難，關(guān)涉人工智能的重大理論和基礎(chǔ)方法創(chuàng)新。
Scaling Laws到底能走多遠(yuǎn)，具有相當(dāng)?shù)牟淮_定性。任何信息系統(tǒng)發(fā)展到一定階段通常就會(huì)呈現(xiàn)趨于飽和的傾向。不過(guò)，一旦出現(xiàn)了新的涌現(xiàn)現(xiàn)象，又能打破這種飽和。所以國(guó)內(nèi)仍需有少量頂級(jí)團(tuán)隊(duì)緊跟全球前沿發(fā)展，探索Scaling極限。
未來(lái)幾年內(nèi)，人形機(jī)器人要進(jìn)入通用開放環(huán)境自主進(jìn)行較為復(fù)雜的工作幾乎是不可能的。應(yīng)立足于在盡可能多的特定真實(shí)場(chǎng)景或真實(shí)任務(wù)上實(shí)現(xiàn)人工智能應(yīng)用“星火燎原”式的落地發(fā)展。這是完全可能的（但機(jī)器人不一定是人形），也應(yīng)該是絕大多數(shù)企業(yè)應(yīng)下大力氣去做的。
前沿圓桌：距離Al Agent革新千行百業(yè)還有多久
2025年已成為公認(rèn)的“Agent元年”。
AI Agent技術(shù)已在客服、理賠等場(chǎng)景驗(yàn)證價(jià)值，但全面革新仍面臨數(shù)據(jù)、場(chǎng)景與組織協(xié)同的挑戰(zhàn)，需技術(shù)與行業(yè)深度共創(chuàng)
下午的圓桌環(huán)節(jié)，三位來(lái)自產(chǎn)業(yè)界與科技界的嘉賓共論AI Agent的革新進(jìn)程。他們分別是：
小宿科技聯(lián)合創(chuàng)始人兼CEO，杜知恒。
聯(lián)匯科技CEO兼首席科學(xué)家，趙天成。
螞蟻集團(tuán)平臺(tái)體驗(yàn)技術(shù)部負(fù)責(zé)人，徐達(dá)峰。
圓桌環(huán)節(jié)圍繞以下幾個(gè)問(wèn)題展開：
各位平臺(tái)上目前效果最好/最具代表性的的Agent落地場(chǎng)景是什么？
行業(yè)中存在“通用Agent/工具普及”和“垂直Agent/場(chǎng)景深度”的路徑之爭(zhēng)，如何看待這兩種路徑的長(zhǎng)期發(fā)展？
一個(gè)真正“好用”的AI智能體最核心的評(píng)價(jià)標(biāo)準(zhǔn)是什么？
Agent的產(chǎn)業(yè)鏈可以大致怎樣劃分？現(xiàn)在還有哪些部分是比較關(guān)鍵，但仍有所欠缺？
除了大模型，AI Agent產(chǎn)品還有哪些關(guān)鍵的技術(shù)卡點(diǎn)/技術(shù)提升點(diǎn)？
2025年是公認(rèn)的“AI Agent元年”，切身感受中，這一年最重大的變化是什么？
下一步的關(guān)鍵演進(jìn)方向是什么？
……
三位嘉賓圍繞這些話題都分享了哪些值得關(guān)注的觀點(diǎn)？
小宿科技聯(lián)合創(chuàng)始人兼CEO杜知恒表示：
過(guò)去一年Agent進(jìn)化明顯，在PPT制作、產(chǎn)品文檔編寫、編碼等核心工作流中能交付實(shí)習(xí)生水平的結(jié)果。
越來(lái)越多軟件垂類在采用AI能力，提升服務(wù)客戶的效率和質(zhì)量。
好的Agent應(yīng)能像人一樣交付結(jié)果，從實(shí)習(xí)生水平逐步提升，以能否在場(chǎng)景中交付相對(duì)完整的結(jié)果作為主要評(píng)判標(biāo)準(zhǔn)，即便存在“抽卡”情況，性價(jià)比依然較高。
多數(shù)Agent存在負(fù)毛利問(wèn)題，完成任務(wù)的代價(jià)高于用戶支付意愿，這對(duì)創(chuàng)業(yè)者來(lái)說(shuō)是巨大挑戰(zhàn)，也影響基礎(chǔ)設(shè)施提供商的可持續(xù)發(fā)展。
當(dāng)前Agent在三四線城市和日常生活中的滲透率較低。
聯(lián)匯科技CEO兼首席科學(xué)家趙天成表示：
今年多模態(tài)和執(zhí)行端應(yīng)用帶來(lái)顯著ROI。多模態(tài)方面，新的多模態(tài)模型提升了智能體對(duì)圖像和視頻的理解能力，打開了更多數(shù)字空間場(chǎng)景；執(zhí)行端方面，智能體可控制終端設(shè)備解決問(wèn)題，使終端價(jià)值提升百倍。
好用Agent的存在標(biāo)準(zhǔn)，一是采用AI原生方式開發(fā)，徹底用Agent替代工作流環(huán)節(jié)；二是Agent應(yīng)具備可進(jìn)化性，能在使用過(guò)程中根據(jù)用戶反饋和上下文不斷優(yōu)化。
在物理場(chǎng)景應(yīng)用中，需要解決雙腦架構(gòu)集成問(wèn)題：即大語(yǔ)言模型給出指令后，端側(cè)需有類似小腦的模型進(jìn)行快速執(zhí)行，以實(shí)現(xiàn)高效協(xié)作。
在建模和工程化方面，當(dāng)前Agent在可靠性和效果上仍需提升。
每個(gè)人每天使用的最高頻的三個(gè)APP中有兩個(gè)是Agent時(shí)，才意味著AI Agent進(jìn)入新發(fā)展階段。
螞蟻集團(tuán)平臺(tái)體驗(yàn)技術(shù)部負(fù)責(zé)人徐達(dá)峰表示：
2025年，WeaveFox、多模態(tài)生碼的Coding Agent從“寫代碼”邁向“跑流程”，在項(xiàng)目中能看懂設(shè)計(jì)稿、理解上下文和組件規(guī)范，然后自動(dòng)生成可上線代碼。多個(gè)項(xiàng)目規(guī)?；瘜?shí)踐下來(lái)相比人工提效3~5倍。
衡量好的Agent指標(biāo)，需具備可控性、可解釋性，能持續(xù)穩(wěn)定執(zhí)行任務(wù)。需要設(shè)計(jì)人機(jī)協(xié)作流程，在任務(wù)不完美時(shí)，能暴露問(wèn)題、可回溯回滾，可由人接管，更像靠譜的同事，而非偶爾帶來(lái)驚喜的天才小學(xué)生。
在數(shù)據(jù)和算法、模型能力層面，Agent的技術(shù)依賴會(huì)逐漸收斂；而在Agent本身框架和集成層還需要諸如數(shù)據(jù)、權(quán)限管控等能力，行業(yè)應(yīng)用層面有趨勢(shì)從App向智能硬件延展，催生出更多行業(yè)應(yīng)用和場(chǎng)景。
為讓大眾使用AI Agent產(chǎn)品，產(chǎn)品設(shè)計(jì)要盡可能降低使用門檻，不能預(yù)設(shè)用戶有專業(yè)知識(shí)背景，比如百寶箱的超級(jí)智能體，一句話就能開始，開箱即用。
AI Agent可以聚焦中高頻場(chǎng)景，同時(shí)設(shè)計(jì)創(chuàng)意玩法，如螞蟻的靈光App可制作閃游戲和閃應(yīng)用就很有特色。