中国 AI 全明星对谈实录：告别“聊天”时代，2026 才是真正的分水岭

2026 年初，一场被圈内人戏称为中国 AI “华山论剑”的 AGI-Next 闭门峰会在北京悄然举行。

这并不是一场普通的行业会议，而是一次真正的局内人聚会。现场坐席中，智谱首席科学家唐杰、月之暗面（Kimi）创始人杨植麟、通义千问（Qwen）负责人林俊旸等领军人物悉数到场。正如 53AI 创始人杨芳贤所言，这几乎汇集了中国 AI 行业的“全明星”阵容，甚至连公认的“开源四大天王”也到了三位（仅 DeepSeek 因故缺席）。

当全行业仍沉浸在 DeepSeek 带来的震撼中时，这群站在风暴中心的人已经在思考更深层的问题：在参数竞赛放缓、推理成本骤降的当下，中国 AI 的下一个变量究竟在哪？

唐杰在开场时提到了他珍视的“咖啡精神”。他回忆起早年在港科大与杨强教授喝咖啡的往事：做研究要像喝咖啡上瘾一样专注。这种“上瘾”般的坚持，正是中国 AI 领军者们在算力封锁与技术爆炸双重压力下的真实写照。

2. 范式转移：从“Chat”到“Doing”的决定性一跃

在这次峰会上，一个核心共识呼之欲出：AI 正在告别单纯的聊天时代。

智谱首席科学家唐杰明确指出，2025 年初 DeepSeek 的出现，标志着“Chat 时代”的基本终结。在他看来，对话能力已经逐渐成为一种“解决掉”的工程问题，而大模型的下一波浪潮，是让 AI 从“会聊”转变为“会做”。

“DeepSeek 这种范式下，Chat 时代基本上快到头了。新的范式是让每个人能够用 AI 做一件事情。” —— 唐杰

这种从“Chat”到“Doing”的跨越，本质上是 智能体（Agent） 能力的爆发。唐杰重点展示了智谱开源的 AutoGLM。作为一个 9B 参数规模的模型，它能以极高的执行效率在移动端运行。他特别提出了 Device Use 的概念，解释了为何“自主操作设备”是 Agent 的基石：因为现实世界尚未完全“API 化”，大量任务仍需在图形用户界面（GUI）上完成。AI 必须模拟人类点击、滑动，在 API 与 GUI 的张力中寻找平衡，才能接管复杂的长任务流。

未来，你只需说一句话，AI 就能自动跨应用操作：从搜集小红书攻略，到在高德地图收藏景点，再到 12306 订票。这种多达 40 步的异步长任务执行能力，标志着 AGI 真正开始介入数字化办公与现实生活的微循环。

3. 技术内卷新解：从“算力霸权”转向“算法品位”

当“暴力美学（Scaling Law）”在算力端遭遇边际效应递减，中国 AI 的顶尖大脑开始转向对效率和架构的极致追求。这不仅是技术选择，更是中国在 GPU 资源受限背景下的“生存进化”。

Kimi 创始人杨植麟提出，智能并不像电力那样可以等价交换，每个 Token 的价值是不同的。他强调了 Token Efficiency（Token 效率） 和 Linear Context（线性上下文）。Kimi 正在通过新架构 Kimi Linear 试图打破 Transformer 的计算复杂度，在实现长程任务性能超越全注意力的同时，速度提升了 6-10 倍。这标志着行业正从“算力密集型”向“算法高效型”策略转型——在有限的算力下挤出更多的智能。

通义千问负责人林俊旸则以一种“佛系”但坚定的姿态介绍了 Qwen3 的演进。尽管 Qwen 的吉祥物是性格温顺的“卡皮巴拉（水豚）”，但其技术野心却极具张力。Qwen3 旨在实现 “三进三出”的全模态能力，统一处理和生成文本、视觉、音频。

林俊旸特别提到了 Qwen 家族中那个看似不起眼的 1.8B 模型。这背后有一个充满人文关怀的理由：为了让那些缺乏算力资源的硕士生、博士生能够跑通实验，顺利毕业。这种从小模型切入构建科研生态的策略，反而为 Qwen 赢得了极高的社区粘性。

4. 科学的冷水：张钹院士的“五个缺失”警告

在工业界的一片乐观氛围中，中国科学院 91 岁高龄的张钹院士 的压轴发言如同一盆冷静的“科学冷水”。这位中国 AI 的泰斗级人物敏锐地指出，当前的工业繁荣与科学底层之间存在着巨大的断裂。

张院士尖锐地指出，目前的模型本质上依然是基于“共现频率”的几何结构近似，而非真正掌握了语义。他提出了大模型目前存在的 “五个缺失”：

1. 指称的缺失： 符号无法真正对应现实世界的实体。

2. 真值与因果的缺失： 只有统计相关性，没有逻辑因果链。

3. 语用的缺失： 不理解语言在社交语境下的真实意图。

4. 多义与动态语境的缺失： 处理复杂多变的语境仍显僵硬。

5. 闭环行为的缺失： 无法在现实环境中形成完整自我修正的闭环。

张院士警告称，这五个缺失是当前 LLM 估值的“玻璃天花板”。即便参数再大，如果无法突破底层语义缺失，AI 依然只是一个高级的统计机器。关于治理，他留下了震撼全场的洞见：“最主要的治理不是治理机器，而是治理人类，也就是研究者和使用者。”

5. 中美博弈：开源的辉煌与隐形的“陷阱”

谈及中美竞争，现场的嘉宾表现出了难得的辩证与清醒。

唐杰引用 Artificial Analysis 的榜单指出，到 2025 年底，全球开源模型的前五名基本被中国模型占据。然而，在这份辉煌战绩背后，他指出了一处隐忧：美国顶尖模型正加速走向闭源，中美之间的真实差距可能仍在拉大。当中国在开源领域“复现并超越”时，美国可能已经在闭源领域探索全新的范式。

在圆桌讨论中，林俊旸给出了一个冷峻的预判：中国引领下一次 AI 范式转移的概率仅为 20%。但他同时认为，正是因为“穷”，中国团队才更有动力进行“穷则思变”的创新，例如在算法效率与软硬结合上寻找突破口。

6. 2026 展望：从“自学习”到“极致上下文”

对于即将到来的 2026 年，嘉宾们给出了三个核心关键词：

• 自主学习（Self-learning）： AI 能够通过环境反馈自我进化，甚至产生科研 Idea。

• 多模态感统： 像人类一样打通视、听、动。

• AI for Science： 推理能力的提升将引爆生物制药与材料科学。

腾讯的姚顺雨则从产品视角解构了智能的本质——Context（上下文）。他举了一个极具生活气息的例子：如果 AI 要回答“今晚吃什么”，它需要的不是更大的参数，而是懂你的“私有上下文”——比如你老婆现在在哪，今天天气如何，你最近的饮食偏好。2026 年，To C 产品的分水岭将不再是基座模型的大小，而是谁能更精准地捕捉用户的实时语境。

7. 结语：在不确定性中“笨笨地坚持”

这场中国 AI 全明星对话，既有对技术巅峰的狂热追求，也有对科学边界的敬畏与冷静。

唐杰在结语中呼应了他最初的“咖啡精神”：中国 AI 的机会在于一群聪明人敢于冒风险，并愿意“笨笨地坚持”。这种长期主义的耐力，或许才是对抗算力霸权最有效的武器。

会议结束时，留下了一个引人深思的课题：当 AI 能够独立执行为期一周的任务流时，人类作为“管理者”最核心的价值将剩下什么？

或许，正如张钹院士所言，AI 最终定义的是人类自己。我们不仅要创造智能，更要学习如何与一种全新的“数字主体”共存。