文章核心观点 本次AGI-Next前沿峰会汇集了国内顶尖AI公司及学者，共同探讨了AI新范式、Agent发展、大模型技术演进及市场趋势 与会专家普遍认为，行业正从单纯的参数规模竞赛转向对智能效率、上下文理解及长程任务能力的追求 To B与To C市场逻辑分化明显，而新范式的突破有赖于学术界与工业界差距的缩小以及对效率瓶颈的克服 [1][4][8][9] 大模型技术演进重点 - 月之暗面（Kimi）2025年的技术进化主线是提升“Token Efficiency”（令牌效率）以在有限数据下冲击更高智能上限，并扩展“长上下文”能力以满足Agentic时代对长程任务记忆的需求 [3] - 单纯的模型参数竞赛已不是C端产品的全部，未来的核心竞争力在于对“语境”（Context）的捕捉，例如用户的实时状态、位置、历史偏好等额外信息 [5] - 大模型发展面临效率瓶颈，数据规模从2025年初的10TB增长至当前30TB，未来可能扩展到100TB，但规模扩张带来的收益与高昂计算成本不成正比，未来需明确“智能效率”的核心地位，即在更少投入下实现更大的智能增量 [9] 中美大模型市场分化特征 - To C市场：大部分用户在大部分时间并不需要极强的智能，当前模型对普通用户而言更像是“搜索引擎的加强版”，厂商倾向于走“垂直整合”路线，即模型层与应用层紧密耦合、快速迭代 [4] - To B市场：逻辑完全相反，智能越高代表生产力越高，溢价空间也越大，企业级市场对模型能力的付费意愿呈现极端的头部效应，市场愿意为顶级模型支付200美元/月的订阅费用，而对50美元或20美元/月的次级模型兴趣寥寥 [5] - 鉴于国内企业软件市场付费意愿较弱的现实，大型科技公司应利用自身庞大的内部场景（例如拥有10万员工的大厂）进行验证，利用好真实世界的数据而非仅仅依赖外部标注商 [5] 下一代AI范式与自主学习 - 对于自主学习，有观点认为2025年已出现相关信号，部分团队正采用最新用户数据进行实时学习，但尝试尚未带来石破天惊的效果，核心原因在于其缺乏预训练能力，模型表现暂时不及OpenAI等头部产品 [6] - 自主学习发展面临的最大问题并非技术本身，而是“想象力”的缺失，对于自主学习真正实现时应呈现的具体任务与效果（如能盈利的交易系统或攻克人类未解科学难题的工具），尚未形成清晰认知 [6] - 当被问及2027年哪家公司最有可能实现新范式创新时，观点认为OpenAI的概率更大，尽管商业化等因素已在一定程度上削弱了其创新基因，但综合来看依然是全球范围内最有可能诞生新范式的企业 [6] - 对于下一代AI范式，提出了两个核心方向：其一，AI的自主进化，行业内可采用不同技术路径达成，暂无统一答案；其二，AI的主动性提升，即实现自主思考、主动行动，但这一方向潜藏着严峻的安全风险 [7] - 关于自主学习的落地场景，自动化AI研究员的实现或许无需依赖自主学习，短期内即可替代人工完成模型训练工作；而持续理解用户需求、实现个性化交互，更有可能成为自主学习的首个突破口 [7] Memory技术与学术工业界趋势 - 对于2026年Memory技术能否实现突破性跨越，观点认为技术本质上呈线性发展，目前Memory技术仅能让AI记住过往信息，却无法像人类一样深度理解运用，预测可能还需一年左右发展，当算法与基础设施实现更好融合时或许能达到“临界点” [8] - 新范式的出现，核心驱动力源于两大趋势：一方面，学术界与工业界的创新差距显著缩小，2023-2024年时工业界拥有上万片算力卡而高校往往仅有0片或1片，差距高达万倍；但到2025年底至2026年初，众多高校已配备充足算力卡，尽管当前双方差距仍有10倍，但学术界已孵化出创新种子 [8] - 另一方面，大模型发展面临效率瓶颈，反复重训基座模型、过度依赖RL的模式，收益已逐渐递减 [9] AI Agent的发展与挑战 - AI Agent（智能体）发展走向被视为2026年AI产业的关键变化 [11] - 对于Agent的发展阶段，提出了四阶段演进框架：从目标和规划均由人类定义，过渡到AI自动定义，当前的Agent系统仍处于初级阶段，大部分依赖人工设定；未来将出现原生系统，即大模型能够观察人类工作，自主利用数据，内生地定义目标与规划路径 [11] - 通用Agent的核心能力在于解决长尾问题，今天AGI的价值恰恰在于能解决用户“到处找不到答案”的难题 [11] - 对于Agent领域创业者与大模型公司的竞争问题，如果创业者“善于套壳”，在产品化上能做得比模型公司更好，仍有创业机会；模型公司的优势在于践行模型即产品原则，遇到问题时可以通过重训模型、消耗算力来从底层解决 [11] - Agent商业化落地的现实挑战依存在，决定Agent的三个核心要素是：价值、成本与速度，首先需看是否解决了真正有价值的人类事务，其次是成本问题，如果调一个API就能解决问题但Agent的成本特别大，那就构成了矛盾 [12]