1月10日，由清華大學(xué)基礎(chǔ)模型北京市重點(diǎn)實(shí)驗(yàn)室與智譜AI聯(lián)合主辦的AGI-Next前沿峰會(huì)圓桌對(duì)話，圍繞2026年AI發(fā)展重點(diǎn)展開(kāi)深度交鋒。

2025年是中國(guó)開(kāi)源模型大放異彩的一年，是開(kāi)源四杰在全球大放異彩的一年，而且是Coding過(guò)去一年有10-20倍增長(zhǎng)的一年，包括海外也在提Scaling到底走到哪一步了，有沒(méi)有新范式出來(lái)了，接下來(lái)這個(gè)Panel是到底接下來(lái)怎么走。

姚順雨（騰訊首席人工智能AI科學(xué)家）：我有兩個(gè)大的感受，一個(gè)感受是To C和To B發(fā)生了明顯的分化，另外一個(gè)感受是垂直整合這條路，以及模型和應(yīng)用分層這條路，也開(kāi)始出現(xiàn)了分化。

當(dāng)大家想到AI就是兩個(gè)，ChatGPT，另外一個(gè)Claude Code，是做To C和To B的典范。Coding夸張一點(diǎn)來(lái)講，已經(jīng)在重塑整個(gè)計(jì)算機(jī)行業(yè)做事的方式，人已經(jīng)不再寫代碼，而是用英語(yǔ)和電腦去交流。

對(duì)于To C來(lái)說(shuō)，大部分人大部分時(shí)候不需要用到這么強(qiáng)的智能，大部分人尤其是在中國(guó)更多像是搜索引擎的加強(qiáng)版。但對(duì)于To B來(lái)說(shuō)，很明顯的一點(diǎn)是智能越高，代表生產(chǎn)力越高，值錢的也越來(lái)越多，一個(gè)模型是200美元/月，差一些的模型是50美元/月、20美元/月，很多美國(guó)的人愿意花溢價(jià)用最好的模型。在To C的應(yīng)用上垂直整合還是成立的，無(wú)論是ChatGPT還是豆包，模型和產(chǎn)品是非常強(qiáng)耦合去緊密迭代的。但是對(duì)于To B來(lái)說(shuō)這個(gè)趨勢(shì)似乎是相反的，模型在變得越來(lái)越強(qiáng)、越來(lái)越好，但同樣會(huì)有很多應(yīng)用層的東西應(yīng)用好的模型在不同的生產(chǎn)力環(huán)節(jié)。

我覺(jué)得騰訊肯定還是To C基因更強(qiáng)的公司，很多時(shí)候需要的是額外的Context。To B在中國(guó)確實(shí)是很難的事情，生產(chǎn)力的革命，包括我們今天很多中國(guó)的公司做Coding Agent需要打很多海外市場(chǎng)。

林俊旸（阿里巴巴Qwen技術(shù)負(fù)責(zé)人）：我覺(jué)得今天To B也好，To C也好，我們?cè)诜?wù)真實(shí)的問(wèn)題，我們想的問(wèn)題是怎么把人類世界變得更好。你就算做To C的產(chǎn)品也會(huì)分化，今天OpenAI更像一個(gè)平臺(tái)了，但是To C最終要服務(wù)真實(shí)的這批用戶究竟是誰(shuí)。今天可能有很多AI會(huì)更偏向medical和law，今天我覺(jué)得Coding真的很厲害，我就拜訪它，因?yàn)槲抑浪麄兏蛻艚涣鞣浅６?，這個(gè)是我們還不夠好的一個(gè)點(diǎn)。雖然我們擁有巨大的優(yōu)勢(shì)，也可能中國(guó)SaaS市場(chǎng)跟美國(guó)確實(shí)不太一樣，他們確實(shí)非常頻繁地跟客戶進(jìn)行交流，很容易發(fā)現(xiàn)很大的機(jī)會(huì)。今天我跟美國(guó)的很多API廠商聊起來(lái)，他們沒(méi)有想到Coding消耗量那么大，在中國(guó)真的沒(méi)有那么大，至少?gòu)奈疫@邊來(lái)看，但是在美國(guó)，基本上全都是Coding，我覺(jué)得這個(gè)事情不是所有人都能Get到的。

楊強(qiáng)（加拿大皇家科學(xué)院院士）：分化的問(wèn)題其實(shí)我更想聊一下工業(yè)界和學(xué)術(shù)界的分化，這個(gè)可能是橫跨美國(guó)和中國(guó)的。一直以來(lái)，學(xué)術(shù)界是一個(gè)觀望者，工業(yè)界在領(lǐng)頭往前瘋跑，搞得很多學(xué)術(shù)界的人也在做工業(yè)界的事情，像唐杰老師。這是一個(gè)好事，就好像天體物理學(xué)剛剛開(kāi)始的時(shí)候是以觀測(cè)為主，伽利略的望遠(yuǎn)鏡，然后才出現(xiàn)牛頓。所以我覺(jué)得后面一個(gè)階段，當(dāng)我們有了眾多的穩(wěn)定大模型，進(jìn)入一個(gè)穩(wěn)態(tài)的時(shí)候，我們學(xué)術(shù)界應(yīng)該跟上來(lái)。

智能上界在哪里？計(jì)算機(jī)理論課里面有一個(gè)重要的定理叫哥德?tīng)柌煌陚涠ɡ恚蟾乓馑际钦f(shuō)一個(gè)大模型不能自證清白，必定有一些幻覺(jué)不可能消滅掉，可能你給更多的資源，它會(huì)消滅得更多。所以科學(xué)問(wèn)題就來(lái)了，你多少資源能夠換取多少幻覺(jué)的降低或者錯(cuò)誤率的降低，這是有一個(gè)平衡點(diǎn)的，這個(gè)平衡點(diǎn)特別像經(jīng)濟(jì)學(xué)，經(jīng)濟(jì)學(xué)的風(fēng)險(xiǎn)和收益的一種平衡，所以我們叫這叫無(wú)免費(fèi)午餐定理。像這些東西，我覺(jué)得今天就特別適合數(shù)學(xué)界、算法界和學(xué)術(shù)界和工業(yè)界一起做研究，這孕育著一個(gè)巨大的突破。

持續(xù)學(xué)習(xí)是一個(gè)特別好的問(wèn)題，它里面有個(gè)時(shí)間的概念，你在持續(xù)地不斷地學(xué)的過(guò)程當(dāng)中，但是你會(huì)發(fā)現(xiàn)，比方說(shuō)你把不同的Agent給串聯(lián)起來(lái)，每一個(gè)Agent都不能做到百分之百的話，你在N個(gè)以后它的能力是按指數(shù)下降的，你怎么樣能夠保證它不下降。人類是用一個(gè)方法做這個(gè)事，第一天是學(xué)習(xí)，第二天會(huì)在第一天噪音的基礎(chǔ)上學(xué)習(xí)，這樣你的能力就類似大模型會(huì)下降。但是人類有一個(gè)方法就是睡覺(jué)、睡眠，我建議大家看一本書(shū)叫《我們?yōu)槭裁此X(jué)》，是MIT的兩個(gè)教授寫的，非常好玩，它說(shuō)每天晚上睡覺(jué)是在清理噪音，使得第二天你可以把準(zhǔn)確率持續(xù)地提升，不至于是兩個(gè)錯(cuò)誤率的疊加。像這些理論的研究孕育著一種新的計(jì)算模式。我們今天可能比較關(guān)注Transformer，但是我覺(jué)得有必要做一些新的探索，這是工業(yè)界和學(xué)術(shù)界要拉齊。

唐杰（智譜首席科學(xué)家、清華大學(xué)教授）：都希望機(jī)器有泛化能力，我教它一點(diǎn)點(diǎn)，它就能舉一反三，我們的目標(biāo)是希望通過(guò)Scaling讓它有更強(qiáng)的泛化能力。

最早期的時(shí)候我們用Transformer訓(xùn)一個(gè)模型，把所有的知識(shí)記憶下來(lái)。我們訓(xùn)的數(shù)據(jù)越多，我們訓(xùn)的算力越多，它的長(zhǎng)時(shí)知識(shí)的記憶能力越強(qiáng)，第二層是把這個(gè)模型進(jìn)行對(duì)齊和推理，讓這個(gè)模型有更復(fù)雜的推理能力以及理解我們的意圖。今年是RLVR（可驗(yàn)證獎(jiǎng)勵(lì)強(qiáng)化學(xué)習(xí)）爆發(fā)年。

2025年初DeepSeek出來(lái)，很多時(shí)候叫橫空出世，我們當(dāng)時(shí)的想法也許新的范式是讓每個(gè)人能夠用AI做一件事情，這可能是下一個(gè)范式，技術(shù)路線的選擇：Thinking + Agentic + Coding。

中國(guó)團(tuán)隊(duì)另辟蹊徑，繞開(kāi)光刻機(jī)“卡脖子” 中國(guó)新型芯片問(wèn)世，支撐AI訓(xùn)練和具身智能

2025年10月，北京大學(xué)人工智能研究院/集成電路學(xué)院雙聘助理教授孫仲與北京大學(xué)集成電路學(xué)院蔡一茂教授、王宗巍助理教授率領(lǐng)的團(tuán)隊(duì)成功研制出基于阻變存儲(chǔ)器的高精度、可擴(kuò)展模擬矩陣計(jì)算芯片，在全球范圍內(nèi)首次將模擬計(jì)算的精度提升至24位定點(diǎn)精度，讓未來(lái)同等任務(wù)下使用更少的計(jì)算卡成為可能。

這是一種完全不同于目前所有商用量產(chǎn)芯片的新型芯片，計(jì)算精度從1%躍升至千萬(wàn)分之一；可以支撐6G、具身智能及AI大模型訓(xùn)練等多個(gè)前沿場(chǎng)景；更重要的是，它可在28納米及以上成熟工藝量產(chǎn)，繞開(kāi)光刻機(jī)“卡脖子”環(huán)節(jié)。

事實(shí)上，AI大模型、具身智能、6G等應(yīng)用背后都是矩陣計(jì)算，AI推理是做矩陣乘法，AI訓(xùn)練是在解矩陣方程。而英偉達(dá)的崛起正是得益于GPU（圖形處理器）很擅長(zhǎng)做矩陣計(jì)算。

孫仲：計(jì)算范式只有兩種：模擬（類比）計(jì)算與數(shù)字計(jì)算。當(dāng)前主流芯片——無(wú)論是GPU、TPU（張量處理器）、CPU（中央處理器）還是NPU（神經(jīng)網(wǎng)絡(luò)處理器）——都是數(shù)字芯片，底層都是硅基器件，基于邏輯門（邏輯函數(shù)）、晶體管，都要二進(jìn)制化。以先進(jìn)GPU為例，一張卡可能集成超過(guò)1000億個(gè)晶體管，因此能提供很大的算力。但如果追本溯源，會(huì)發(fā)現(xiàn)數(shù)字計(jì)算其實(shí)并非一種很高效的計(jì)算方式。

舉例來(lái)說(shuō)，想要完成一次簡(jiǎn)單的“1+1”需要28個(gè)晶體管，想完成兩個(gè)10位數(shù)的乘法需要約1萬(wàn)個(gè)晶體管。但正因?yàn)楝F(xiàn)在晶體管可以做得很小，才能在芯片上容納千億級(jí)的晶體管，所以它可以“以量換算”——一次操作要消耗1萬(wàn)個(gè)晶體管，它不在乎，因?yàn)樗銐蚨啵?000億除以1萬(wàn)還有1000萬(wàn)，這意味著它還有很大算力。

而一個(gè)芯片里能有這么多晶體管，在于摩爾定律。我認(rèn)為摩爾定律是讓現(xiàn)在數(shù)字芯片如此成功的唯一推手。最初晶體管做出來(lái)大概是5厘米×5厘米×5厘米這么大，因?yàn)橛心柖桑?厘米變成5納米，所以千億級(jí)的晶體管也可以被塞進(jìn)去，否則，一萬(wàn)個(gè)晶體管可能要鋪滿整間屋子甚至整個(gè)樓層。

但如今摩爾定律趨于終結(jié)，晶體管很難再微縮，所以業(yè)界現(xiàn)在只能橫向堆計(jì)算卡：少則百卡，多則萬(wàn)卡、十萬(wàn)卡。但這樣的方式我認(rèn)為是不可持續(xù)的——能耗、碳排放均呈指數(shù)級(jí)上升，與國(guó)家“雙碳”目標(biāo)相悖。因此，我認(rèn)為需要探索一種不同的計(jì)算范式，即模擬（類比）計(jì)算。

模擬計(jì)算并非全新的計(jì)算范式，在上世紀(jì)30至60年代曾被廣泛應(yīng)用，但隨著計(jì)算任務(wù)日益復(fù)雜，其精度瓶頸凸顯，逐漸被數(shù)字計(jì)算取代。我們這次研究的核心正是要解決模擬計(jì)算“算不準(zhǔn)”這一痛點(diǎn)。

模擬計(jì)算也叫類比計(jì)算，人類從小算“1+1”，并非動(dòng)用28個(gè)晶體管，而是“一根筷子加一根筷子等于兩根筷子”“一棵樹(shù)加一棵樹(shù)等于兩棵樹(shù)”的物理類比，一根筷子、一棵樹(shù)都是物理系統(tǒng)。若將“筷子”“樹(shù)”縮至電子尺度——1個(gè)電子加1個(gè)電子是2個(gè)電子，這永遠(yuǎn)成立，要做計(jì)算的時(shí)候，就可以直接通過(guò)物理定律來(lái)做計(jì)算——相較于28個(gè)晶體管，電子級(jí)類比在硬件資源開(kāi)銷與能耗上均下降數(shù)個(gè)量級(jí)。

數(shù)字計(jì)算是二進(jìn)制，都以0和1來(lái)表示信息，例如“5”被編碼為“101”，任何運(yùn)算都需通過(guò)邏輯門對(duì)二進(jìn)制信息進(jìn)行操作；模擬計(jì)算則無(wú)需編碼，“5”可直接對(duì)應(yīng)物理量（如5 V、5000Ω），加法與乘法都可以直接通過(guò)物理定律瞬時(shí)完成。

換句話說(shuō)，數(shù)字計(jì)算中間有一個(gè)“翻譯”環(huán)節(jié)，而這個(gè)環(huán)節(jié)把原本的信息“翻譯”得體量更為龐大，計(jì)算過(guò)程需要去一一處理這些更龐大的信息，才能得到針對(duì)原始問(wèn)題的解。而模擬計(jì)算則省去了這個(gè)中間環(huán)節(jié)，所以速度更快，能耗也大幅降低。

目前這款芯片的研究還處在實(shí)驗(yàn)室階段。需要強(qiáng)調(diào)的是，新型芯片問(wèn)世，證實(shí)了一條新路徑的可行性。我們需要提前做技術(shù)儲(chǔ)備：當(dāng)某類計(jì)算任務(wù)（如超級(jí)AI）急切需要做矩陣方程求解時(shí)，中國(guó)要有現(xiàn)成方案和團(tuán)隊(duì)站在那里，可能不是我們，是其他團(tuán)隊(duì)，但要有這樣的儲(chǔ)備。GPU當(dāng)年僅用于游戲，2012年因AI需求爆發(fā)而一飛沖天；同理，中國(guó)必須儲(chǔ)備多種先進(jìn)技術(shù)，以等待屬于自己的“2012時(shí)刻”。當(dāng)窗口開(kāi)啟，技術(shù)儲(chǔ)備將決定我們能否抓住下一波浪潮。