AGI-Next前沿峰會是於2026年1月10日舉辦的一場人工智慧前沿峰會，由清華大學基礎模型北京市重點實驗室與智譜AI聯合發起，旨在對2025年大模型技術發展進行復盤，並展望2026年及未來的方向。該峰會匯集了智譜AI、月之暗面（Kimi）、通義千問（Qwen）等機構創始人及張鈸院士、楊強等學界人士，圍繞大模型從“聊天機器人”進化為“幹活的智慧型體”等下一代技術範式展開討論。被稱為“基模四傑”的月之暗面創始人楊植麟、阿里雲通義千問技術負責人林俊暘、騰訊首席AI科學家姚順雨和清華大學教授、智譜創始人唐傑均參與了探討，其中剛剛履新騰訊的姚順雨迎來了回國後的對外首秀。
峰會以超過70分鐘的圓桌討論形式進行，內容聚焦於AI從單純堆砌算力轉向追求“自我學習”的新探索。與會者探討了強化學習與可驗證獎勵（RLVR）、線性注意力機制、自主學習（Autonomous Learning）等具體技術方向，並對2026年可能發生的持續學習、記憶、多模態等範式革新進行了展望。峰會還設定了包括AGI/ASI發展前景與風險、AI大模型技術能力演進、下一代技術範式探索、中國AI發展的機遇與挑戰、具體技術路徑與成果在內的多個核心議題。
會議議題與討論,大模型發展方向的分化,對下一代範式推手的探討,智慧型體（Agent）的發展預測,中美AI發展路徑的差異分析,會議成果與影響,會議概況,與會嘉賓,
會議議題與討論
大模型發展方向的分化
姚順雨認為，To C和To B明顯發生了分化，在To C端大部分人多數時候其實不需要用到這么強的智慧型，更多像在用搜尋引擎的加強版，但在To B端智慧型越高很多時候就代表生產力越高、可以賺的錢越多，用戶願意為最強的模型支付溢價。垂直整合與模型和套用分層也開始出現分化，在To C套用垂直整合還是成立的，但對於To B來說趨勢似乎是相反的。姚順雨以騰訊為例，說明騰訊作為一個To C基因更強的公司，會思考如何讓大模型給用戶提供更多價值，同時也在思考如何服務好自身的To B場景。唐傑提到，在DeepSeek崛起後，智譜押注的下一個方向是Coding。
對下一代範式推手的探討
在2026年AGI-Next前沿峰會上，與會專家圍繞“誰將成為下一代範式的推手”展開討論。騰訊首席AI科學家姚順雨認為，新範式的瓶頸不是方法論，而是數據或者說任務，同時指出自主學習是新範式的前提並以漸變形式發生。姚順雨提到下一代範式最大的瓶頸可能是想像力，並預測OpenAI引領下一代範式創新的機率更大。阿里巴巴通義千問技術負責人林俊暘同樣認為下一代範式可能會落到自主學習上。林俊暘補充說AI更強的主動性或許也是下一個範式，即環境作為輸入信號驅動AI自主啟動和思考，但也表達了對安全問題的擔憂。
智譜AI創始人唐傑則認為Scaling定律依然有效，但瓶頸在於收益效率，提出應關注“智慧型的效率”，即用多少投入獲得智慧型增量。月之暗面創始人楊植麟在演講中強調Token效率的重要性，指出當預訓練Token耗盡後，提升每個Token的有效智慧型成為關鍵。楊植麟透露月之暗面過去一年核心工作壓在Token效率上，其K2模型通過新最佳化器與架構設計實現了“用一半數據達到相同效果”的等價Scaling收益。
智慧型體（Agent）的發展預測
在峰會上，與會嘉賓對2026年智慧型體（Agent）的發展趨勢進行了展望。拾象科技創始人李廣密觀察到，業界期待2026年Agent能處理更長時間跨度（如一至兩周）的工作量，可能成為Agent“創造經濟價值”的關鍵一年。
騰訊首席AI科學家姚順雨認為，生產力的Agent才剛剛開始。當前瓶頸不僅在於模型能力，更在於模型的廣泛部署以及用戶使用AI工具的技能差距。他指出，即便模型能力不變，若能將這些模型部署到世界各地的公司，仍可能帶來巨大的經濟收益。同時他強調，在中國推廣AI教育、提升公眾使用AI產品的能力具有重要意義。
阿里巴巴Qwen技術負責人林俊暘預測，藉助自我進化（self-improvement）和主動學習（active learning），未來的Agent能力將更強大，且形態將更趨“託管式”，減少與用戶的互動需求。他認為，模型、Agent與產品將趨向一體化。同時，他指出Agent的發展與複雜環境強相關，未來與具身智慧型（embodied AI）結合的物理環境是實現其處理更複雜、更長期任務的關鍵，這可能是未來三到五年內更有意義的發展方向。
智譜AI創始人兼首席科學家唐傑則從商業套用角度分析，認為Agent的發展走勢將取決於三個因素：其能解決任務的價值大小、解決成本以及套用疊代的速度。他總結稱，在大模型時代，競爭的關鍵在於“拼速度、拼時間”。
中美AI發展路徑的差異分析
姚順雨認為，中美大模型演進路徑差異的關鍵點在於中國能否突破算力瓶頸，包括光刻機和軟體生態等產能，以及能否培育更成熟的To B市場或參與國際競爭。姚順雨觀察到，在中國團隊更傾向於做已被證明可行的“確定性”事情，如預訓練，而對於探索性研究如長期記憶或持續學習則相對謹慎。此外，中國業界對刷榜或數字指標更為看重。
林俊暘提到，美國在算力投入上比中國大1~2個數量級，且更多算力用於下一代研究，而中國算力則大量消耗在現有模型交付上。林俊暘從軟硬結合角度指出了中國在晶片設計與AI架構快速疊代之間匹配的挑戰。林俊暘認為中國在冒險精神上仍需加強，但團隊中年輕一代的冒險精神在增強。
會議成果與影響
AGI-Next前沿峰會匯集了智譜AI唐傑、月之暗面楊植麟、阿里雲通義千問林俊暘、騰訊姚順雨等產業界與學術界人士。會議進行了超過70分鐘的圓桌討論。會議探討了人工智慧從“聊天機器人”向“智慧型體”發展的趨勢。
會議討論顯示，人工智慧正從對話轉向能夠執行任務的智慧型體。“自主學習”成為技術探索的一個方向。
月之暗面宣布其K2模型在HLE測試中的準確率為45%，並提及了K系列模型的後續計畫。智譜AI介紹了GLM-4.7模型在Agent和編程能力方面的提升。通義千問分享了通過開源社區反饋進行模型疊代的實踐。
此次峰會探討了人工智慧技術的未來發展方向。會議內容涉及中國AI產業對技術發展的看法。
