2026年AI走向如何？柴天佑院士、何小鵬等大咖如是說——

2025年，人工智能領(lǐng)域迎來一系列密集突破。1月份，DeepSeek R1橫空出世，以高效推理和開源策略引爆全球關(guān)注；春節(jié)期間，宇樹機(jī)器人亮相央視春晚，將具身智能推向公眾視野；3 月前后，一些中國(guó)公司在智能體方向集中引發(fā)關(guān)注：AI 智能體 Manus 走熱，Lovart 等創(chuàng)作型智能體進(jìn)入設(shè)計(jì)工作流，智能體開始被視為具備結(jié)果交付能力的生產(chǎn)力。

下半年的發(fā)展節(jié)奏也進(jìn)一步提速：Claude 4、Gemini 3相繼刷新能力邊界， Nano Banana和Sora 2 上線并迅速出圈，生成式圖片和視頻創(chuàng)作領(lǐng)域迎來集中爆發(fā)。12月中旬，OpenAI 正式推出 GPT-5.2，將年度模型競(jìng)賽繼續(xù)推向高潮。

回看這一年的重要節(jié)點(diǎn)，人工智能的變化已不再體現(xiàn)為單項(xiàng)能力的提升，而是在推理效率、智能體執(zhí)行、多模態(tài)創(chuàng)作與具身智能等多個(gè)方向同時(shí)推進(jìn)。每一次突破都在拉近人類與超級(jí)智能的距離，也引發(fā)了業(yè)界對(duì)技術(shù)演進(jìn)方向、產(chǎn)業(yè)落地路徑和治理框架的深度思考。

在這一背景下，由騰訊新聞主辦的2025騰訊ConTech大會(huì)暨騰訊科技Hi Tech Day于12月18日正式播出，匯聚了中國(guó)工程院院士、知名專家和學(xué)者、頭部科技企業(yè)創(chuàng)始人及知名投資人，圍繞工業(yè)智能、物理AI、大模型進(jìn)化、具身智能、AI治理等前沿議題展開深度對(duì)話，共同探討智能時(shí)代的機(jī)遇與挑戰(zhàn)。

騰訊新聞運(yùn)營(yíng)總經(jīng)理黃晨霞在開場(chǎng)致辭中指出，智能浪潮從未像現(xiàn)在這樣澎湃，我們正處在范式重構(gòu)的關(guān)鍵節(jié)點(diǎn)——當(dāng)下的智能浪潮不僅是能力升級(jí)，更是一場(chǎng)關(guān)于應(yīng)用方式和協(xié)同模式的范式重構(gòu)，既關(guān)乎技術(shù)高度，也關(guān)乎落地深度與倫理尺度。

黃晨霞表示：“騰訊新聞與騰訊科技希望搭建連接前沿與落地、思想與實(shí)踐的平臺(tái)，匯聚學(xué)界、產(chǎn)業(yè)與技術(shù)力量，共同思考‘技術(shù)應(yīng)為何所用’。在鼓勵(lì)創(chuàng)新突破的同時(shí)，始終保持對(duì)技術(shù)邊界的敬畏，推動(dòng)智能技術(shù)轉(zhuǎn)化為真實(shí)、可持續(xù)的社會(huì)價(jià)值”。

中國(guó)工程院院士柴天佑：工業(yè)智能化，決定未來制造體系的競(jìng)爭(zhēng)高度

中國(guó)工程院院士柴天佑從工業(yè)革命的歷史出發(fā)，系統(tǒng)闡述了智能化興起的根本原因。他指出，歷次工業(yè)革命的本質(zhì)，都是物質(zhì)流、能源流與信息流的協(xié)同變革：物質(zhì)轉(zhuǎn)化依賴能源，而能源如何被高效利用，最終取決于信息流，即感知、決策與執(zhí)行能力。比如蒸汽機(jī)、電力和數(shù)字計(jì)算機(jī)的出現(xiàn)，分別推動(dòng)了比例控制、PID 控制以及自動(dòng)化與信息化等體系的發(fā)展——信息流能力的提升始終是工業(yè)進(jìn)步的關(guān)鍵。

柴天佑院士認(rèn)為，新一輪工業(yè)革命正在發(fā)生，其核心并不只是能源變化，而是信息流的再次躍遷。由大數(shù)據(jù)驅(qū)動(dòng)的人工智能、工業(yè)互聯(lián)網(wǎng)、數(shù)字孿生與元宇宙等技術(shù)，使工業(yè)系統(tǒng)首次能夠在數(shù)字空間中完成感知、決策與優(yōu)化，再將結(jié)果安全地應(yīng)用到真實(shí)生產(chǎn)過程。他特別強(qiáng)調(diào)，工業(yè) AI 與通用大模型存在本質(zhì)差異：工業(yè)場(chǎng)景要求“決策不能錯(cuò)、感知不能錯(cuò)、執(zhí)行不能錯(cuò)”，追求的是可驗(yàn)證、可優(yōu)化、可閉環(huán)的智能能力。

柴天佑以氧化鎂砂生產(chǎn)線為例，展示數(shù)字孿生與智能算法如何實(shí)現(xiàn)高危工藝無人化、自學(xué)習(xí)參數(shù)優(yōu)化與顯著節(jié)能增效，說明工業(yè)智能化能夠重構(gòu)生產(chǎn)方式，并推動(dòng)產(chǎn)業(yè)體系持續(xù)演進(jìn)。

小鵬汽車何小鵬：機(jī)器人、無人駕駛汽車與低空飛行器，或?qū)⒊赡贻p人的“新三大件”

在本次大會(huì)上，小鵬汽車董事長(zhǎng)、CEO何小鵬分享了對(duì)于“物理AI”的深度思考與實(shí)踐。

何小鵬認(rèn)為，人工智能正在從數(shù)字世界走向真實(shí)的物理世界。他提出，AI 時(shí)代正在出現(xiàn)新的規(guī)律：一方面，數(shù)據(jù)、算力和模型會(huì)不斷相互強(qiáng)化，形成類似“黑洞”的效應(yīng)，讓智能快速進(jìn)化；另一方面，大量智能體可以像螞蟻一樣去中心化協(xié)作，各自思考、行動(dòng)，卻能高效配合。

何小鵬回顧了不同年代的“三大件”變化：從自行車、手表、縫紉機(jī)，到彩電、冰箱、洗衣機(jī)，再到汽車成為重要消費(fèi)品。他認(rèn)為，隨著 AI 與物理世界的深度結(jié)合，年輕人的生活標(biāo)配也將發(fā)生變化。何小鵬判斷，未來十年，機(jī)器人、無人駕駛汽車和低空飛行器，有可能逐步走入日常生活，成為新的“智能體三大件”。在他看來，汽車、機(jī)器人和飛行器在本質(zhì)上是同源的物理 AI 系統(tǒng)，底層都依賴感知、決策和執(zhí)行能力的融合。

他特別提到，人形機(jī)器人更容易融入以人為中心設(shè)計(jì)的現(xiàn)實(shí)環(huán)境，具備更廣泛的應(yīng)用潛力；而自動(dòng)駕駛與飛行汽車，將在不同場(chǎng)景下改變?nèi)藗兊某鲂蟹绞健：涡※i強(qiáng)調(diào)，這些變化不會(huì)一蹴而就，但隨著技術(shù)成熟和場(chǎng)景落地，物理 AI 正在從概念走向現(xiàn)實(shí)生活。

清華大學(xué)教授梁正：全球人工智能治理進(jìn)入空前活躍階段，但面臨四個(gè)結(jié)構(gòu)性矛盾

本次大會(huì)上，清華大學(xué)人工智能國(guó)際治理研究院（AIIG）發(fā)布了年度報(bào)告《邁向可衡量的治理：2025年度回顧與行動(dòng)建議》。作為獨(dú)家合作媒體，騰訊科技將于 2026 年與清華大學(xué)人工智能治理研究院持續(xù)推出系列內(nèi)容，共建人工智能治理 IMA 知識(shí)庫(kù)。

清華大學(xué)教授、清華大學(xué)人工智能國(guó)際治理研究院副院長(zhǎng)、清華大學(xué)中國(guó)科技政策研究中心副主任梁正在此次大會(huì)上也解讀了這份研究報(bào)告。

他指出，2025 年是人工智能發(fā)展與治理的關(guān)鍵節(jié)點(diǎn)——隨著 AI 從單一工具走向具備自主行動(dòng)能力的智能體，并逐步進(jìn)入自動(dòng)駕駛等物理世界場(chǎng)景，現(xiàn)有治理框架正面臨新的挑戰(zhàn)，包括隱私保護(hù)、責(zé)任界定以及風(fēng)險(xiǎn)外溢等問題。

他強(qiáng)調(diào)，當(dāng)前 AI 發(fā)展面臨算力與能源瓶頸、地緣政治疊加競(jìng)爭(zhēng)以及低成本模型濫用等多重壓力。在工業(yè)、醫(yī)療等垂直領(lǐng)域，準(zhǔn)確性、可控性與人機(jī)信任已成為影響應(yīng)用落地的關(guān)鍵因素。梁正認(rèn)為，全球 AI 治理正進(jìn)入空前活躍卻高度分化的階段，治理倡議多、實(shí)際行動(dòng)少，多邊共識(shí)約束力不足。

在此背景下，他總結(jié)了四個(gè)結(jié)構(gòu)性矛盾：技術(shù)快速演進(jìn)與靜態(tài)治理方式的矛盾；發(fā)展與治理被簡(jiǎn)化為二元選擇的思維定勢(shì)；國(guó)家競(jìng)爭(zhēng)導(dǎo)致全球公共產(chǎn)品供給不足；以及缺乏系統(tǒng)性、可衡量的治理框架與工具。梁正提出，應(yīng)推動(dòng)“敏捷治理”，通過監(jiān)管沙盒、負(fù)責(zé)任設(shè)計(jì)和國(guó)際協(xié)作，構(gòu)建一套可衡量、可審計(jì)、可驗(yàn)證的 AI 治理體系，以更好的治理支撐人工智能的健康發(fā)展。

2025 年，隨著大語言模型的能力迭代不斷，正在快速接近或超越人類水平，人工智能的核心問題已然從“能不能做出來”（即技術(shù)可行性和前沿突破），轉(zhuǎn)向“能不能長(zhǎng)期跑下去”（即可持續(xù)性、可靠性與規(guī)模化產(chǎn)業(yè)落地），這也成為產(chǎn)業(yè)界展望2026年AI發(fā)展的核心關(guān)注議題。

圍繞這個(gè)方向，本次大會(huì)也設(shè)置了三場(chǎng)圓桌論壇：

第一場(chǎng)聚焦大模型自身的演進(jìn)方向，討論“模型如何變強(qiáng)、變省、變可用”；
第二場(chǎng)回到更底層的算力與基礎(chǔ)設(shè)施，追問“通向 AGI 需要哪些不可替代的底座能力” ；
第三場(chǎng)則直面產(chǎn)業(yè)落地，拆解 AI 在真實(shí)組織與流程中落地所遭遇的結(jié)構(gòu)性阻礙和機(jī)會(huì)。

模型能力層：高效模型與開源生態(tài)，正成“中國(guó)新路徑”

2025年，大模型的競(jìng)爭(zhēng)不再只看規(guī)模，而是開始圍繞效率、結(jié)構(gòu)與生態(tài)展開的一場(chǎng)博弈。

在首場(chǎng)圓桌論壇《2025，大模型再進(jìn)化》中，華中師范大學(xué)助理教授熊宇軒，北京智源人工智能研究院院長(zhǎng)王仲遠(yuǎn)，清華大學(xué)長(zhǎng)聘副教授 、面壁智能聯(lián)合創(chuàng)始人兼首席科學(xué)家劉知遠(yuǎn)以及峰瑞資本投資合伙人陳石，從技術(shù)、產(chǎn)業(yè)與投資多重視角，系統(tǒng)梳理了2025年大模型演進(jìn)的關(guān)鍵變化。

熊宇軒指出，2025 年大模型已從“規(guī)模突破”進(jìn)入“能力進(jìn)化”階段，單純堆算力、堆參數(shù)的邊際效益正在下降。當(dāng)下，入場(chǎng)的諸多中國(guó)公司們正通過高效模型、端云協(xié)同與開源生態(tài)，探索一條不同于傳統(tǒng)路徑的原創(chuàng)發(fā)展路線。

王仲遠(yuǎn)也認(rèn)同這一判斷，表示大語言模型在文本維度正進(jìn)入相對(duì)成熟階段，受限于互聯(lián)網(wǎng)數(shù)據(jù)天花板，性能提升趨緩，但多模態(tài)模型正迎來新的突破窗口。他強(qiáng)調(diào)，大模型的學(xué)習(xí)范式正在從“Reading from Text”走向“Reading from Video”，視頻與物理世界數(shù)據(jù)所蘊(yùn)含的時(shí)間、空間和因果信息，將推動(dòng)人工智能加速?gòu)臄?shù)字世界邁向物理世界。

在模型形態(tài)上，這一變化進(jìn)一步催生了新的演進(jìn)規(guī)律路徑。劉知遠(yuǎn)提出，大模型發(fā)展正在呈現(xiàn)類似摩爾定律的“密度法則”——通過技術(shù)創(chuàng)新，在更小參數(shù)規(guī)模中壓縮更高能力。小模型并非能力退化，而是向高密度、高效率演進(jìn)。他認(rèn)為，端云協(xié)同將成為長(zhǎng)期結(jié)構(gòu)：端側(cè)負(fù)責(zé)實(shí)時(shí)感知與行動(dòng)，云端承擔(dān)深度規(guī)劃與知識(shí)整合。

從產(chǎn)業(yè)與投資角度，陳石認(rèn)為，2025年大模型競(jìng)爭(zhēng)的護(hù)城河正在重構(gòu)，不再是單一算力或參數(shù)優(yōu)勢(shì)，而是由算力組織能力、模型能力上限與生態(tài)厚度共同構(gòu)成。其中，能否通過應(yīng)用與合作伙伴形成持續(xù)的數(shù)據(jù)反饋閉環(huán)，將成為拉開差距的關(guān)鍵。

圍繞智能體與具身智能，嘉賓一致認(rèn)為該領(lǐng)域仍處早期階段，但人工智能進(jìn)入物理世界是不可逆趨勢(shì)。在此過程中，開源生態(tài)、高效模型與端側(cè)創(chuàng)新，被視為中國(guó)公司們參與全球競(jìng)爭(zhēng)的重要現(xiàn)實(shí)路徑。

基礎(chǔ)設(shè)施層：算力、模型與基礎(chǔ)設(shè)施，共同決定AGI門檻

當(dāng)模型參數(shù)不斷刷新紀(jì)錄，算力投入持續(xù)攀升，一個(gè)更根本的問題正在浮現(xiàn)：我們是否已經(jīng)站在通向 AGI 的正確路徑上？是沿著既有架構(gòu)持續(xù)演進(jìn)，還是需要一次底層范式的重構(gòu)？在行業(yè)分歧與共識(shí)并存的當(dāng)下，第二場(chǎng)圓桌將視角拉回基礎(chǔ)層，圍繞算力形態(tài)、模型架構(gòu)與基礎(chǔ)設(shè)施展開討論，嘗試回答——通向 AGI，究竟需要哪些真正不可或缺的“入場(chǎng)券”。

英諾天使基金合伙人、北京前沿國(guó)際人工智能研究院理事長(zhǎng)王晟，硅基流動(dòng)創(chuàng)始人兼首席產(chǎn)品官胡健，階躍星辰首席科學(xué)家張祥雨，沐曦高級(jí)副總裁孫國(guó)梁等多位業(yè)內(nèi)嘉賓，深入探討通向 AGI 的底層支撐體系。

多位嘉賓指出，AGI 并非單點(diǎn)突破，而是由算力體系、模型架構(gòu)、基礎(chǔ)設(shè)施與生態(tài)協(xié)同共同驅(qū)動(dòng)的系統(tǒng)性躍遷。胡健從 AI Infra 角度強(qiáng)調(diào)，算力與模型之間亟需更高效、低成本的中間層基礎(chǔ)設(shè)施，以支撐模型訓(xùn)練、推理與應(yīng)用的快速迭代。張祥雨表示，下一代基礎(chǔ)模型正在從單一模態(tài)走向多模態(tài)原生融合，視覺、語言、語音乃至具身能力將統(tǒng)一于同一模型體系中，這是通向更高層智能的重要方向。

在被問及“開源、閉源”之爭(zhēng)時(shí)，硅基流動(dòng)胡健強(qiáng)調(diào)這是一種“老二、老三”生存法則的博弈。“就像安卓對(duì)抗iOS。DeepSeek一出來，市場(chǎng)炸了，大家就都得跟進(jìn)，這是一種低競(jìng)爭(zhēng)倒逼的趨勢(shì)。”胡健表示，如果模型不開源，智能如果只掌握在少數(shù)企業(yè)手里，客戶不得不依賴這些巨頭，并為此承擔(dān)更高的成本與代價(jià)。而在算法側(cè)，階躍星辰首席科學(xué)家張祥雨拋出了一枚“深水炸彈”：現(xiàn)有的Transformer架構(gòu)可能是一條死胡同。

王晟總結(jié)指出，當(dāng)前技術(shù)范式正處在“穩(wěn)態(tài)”與“躍遷”之間：一方面，既有架構(gòu)仍在演進(jìn)；另一方面，圍繞模型、算力與基礎(chǔ)設(shè)施的重構(gòu)已經(jīng)啟動(dòng)。AGI 的到來，不取決于某一家公司或某一技術(shù)，而取決于底層引擎是否真正成熟。

產(chǎn)業(yè)落地層：AI 能不能落地，卡的不是模型，而是“隱性數(shù)據(jù)”

當(dāng)AI大模型技術(shù)越來越強(qiáng)，一個(gè)更現(xiàn)實(shí)的問題正在浮現(xiàn)：它究竟能不能在企業(yè)里真正跑起來？第三場(chǎng)圓桌聚焦“AI+產(chǎn)業(yè)”的關(guān)鍵卡點(diǎn)，清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）助理教授、智源學(xué)者趙昊，清華大學(xué)經(jīng)濟(jì)管理學(xué)院可口可樂講席教授、清華大學(xué)經(jīng)濟(jì)管理學(xué)院互聯(lián)網(wǎng)發(fā)展與治理研究中心主任陳煜波，明略科技創(chuàng)始人、CEO兼CTO吳明輝，蘇州明義微電子技術(shù)有限公司創(chuàng)始人朱從義，智平方科技有限公司副總裁邱巍，圍繞落地方面的難點(diǎn)展開拆解。

趙昊從產(chǎn)業(yè)與科研交叉視角指出，AI落地的共性瓶頸并非單一模型能力，而在于高價(jià)值數(shù)據(jù)與隱性知識(shí)難以外溢——無論是企業(yè)決策邏輯，還是高端制造中的關(guān)鍵工藝參數(shù)等方面，都會(huì)對(duì)AI構(gòu)成核心約束，必須以系統(tǒng)工程思維統(tǒng)籌推進(jìn)。

在企業(yè)實(shí)踐層面，明略科技創(chuàng)始人吳明輝進(jìn)一步拆解了這一問題的內(nèi)部結(jié)構(gòu)。他指出，企業(yè)決策所依賴的信息至少分為三層：公開數(shù)據(jù)、企業(yè)私有數(shù)據(jù)，以及最難被系統(tǒng)捕捉的——決策者腦中尚未顯性化的隱性信息。這一層信息不僅存在“技術(shù)能否承載”的問題，更面臨“是否愿意交付”的現(xiàn)實(shí)障礙，直接決定了AI能否真正參與到企業(yè)的核心決策之中。

當(dāng) AI 進(jìn)一步走向物理世界，技術(shù)挑戰(zhàn)與組織問題同時(shí)顯現(xiàn)。邱巍從具身智能落地經(jīng)驗(yàn)出發(fā)，總結(jié)出“聰明、快、隱私”三重門檻：模型泛化能力與“快慢系統(tǒng)”仍需持續(xù)迭代；與此同時(shí)，高端制造場(chǎng)景中的工藝流程數(shù)據(jù)具有極高保密性，引出了“數(shù)據(jù)治權(quán)”的現(xiàn)實(shí)難題——模型究竟應(yīng)在客戶側(cè)訓(xùn)練，還是在廠商側(cè)訓(xùn)練。

在組織與協(xié)作層面，陳煜波以“騎馬打仗”作比喻指出，人機(jī)協(xié)同并非新命題，但AI正在重塑協(xié)作方式。問題的關(guān)鍵不在于“替代人”，而在于重新定義流程與技能分工，探索“人如何與AI協(xié)作、互補(bǔ)”。

不過，即便上層問題得到解決，AI落地仍受制于更底層的基礎(chǔ)設(shè)施約束。朱從義將視角拉回能源與供電層面，指出GPU功耗躍遷正在帶來效率、供電密度與“瞬態(tài)負(fù)載”等系統(tǒng)性挑戰(zhàn)。朱從義指出，隨著GPU功率密度持續(xù)攀升，電力正在成為AI算力體系的關(guān)鍵瓶頸。未來，只有通過系統(tǒng)級(jí)供電架構(gòu)升級(jí)（如800V直流架構(gòu)），才能在提升效率的同時(shí)保障穩(wěn)定性，支撐AI在產(chǎn)業(yè)場(chǎng)景中的長(zhǎng)期運(yùn)行。