最近在那个AGI-Next前沿峰会上，来自清华大学基础模型北京市重点实验室和智谱AI的人聚在一起聊了聊大模型的未来。大会上大家达成了一个共识，就是衡量AI价值的标准变了，以前光看模型有多大，现在更看重它在实际场景里能解决啥问题，带来多少经济效益。大家还提到，市场上的应用格局挺清晰的，B端那边引领着风向，C端还在摸索中。 比如腾讯的姚顺雨就说，企业服务这块儿，模型越智能，企业生产效率越高、成本越低，所以大家愿意给好模型掏钱，价值空间很大。但消费端不太一样，虽然体验越来越好了，增长逻辑却没那么简单，智能提升并不一定能留住用户或扩大市场规模，还得靠创新和教育去挖掘需求。Qwen的林俊旸也表示，这种分化很正常，关键是要解决实际问题。他还指出中美市场有差异，像代码辅助类工具的普及度就不一样，中国的AI发展得结合本土特色。 技术发展的新热点都集中在“智能体”上了。专家们觉得，能执行长链条任务、跨模态处理、还能学东西的智能体，很可能成为下一代AI的主要形式。现在智能体能做几天的任务了，很快就能干几周的活儿了。这次峰会预测说，2026年很可能是智能体产生规模化经济价值的关键节点。那个时候的价值不光靠模型本身，还得看它跟业务上下文、高质量数据和环境的交互怎么样。 杨强院士跟大家强调了产学研要协同起来。工业界忙着落地和验证市场，学术界得攻克底层理论难题，比如性能上限、资源分配和怎么防止幻觉问题。唐杰教授也提到了实战经验，“替代搜索”之后现在重点是“让AI真正做事”，他们公司就在深耕代码生成这种具体能力。他还建议借鉴互联网经验，消费互联网可能百花齐放，产业互联网就得发展出理解中国商业模式和政策环境的本地化方案。 人工智能这波热潮已经从技术喊口号变成产业实干了。从比谁参数多变成看谁创造价值；从追求通用能力变成做场景智能；整个产业脉络越来越清楚。展望2026年，以智能体为代表的突破可能会重新划定AI的能力边界和经济版图。对中国来说，把握这次分化机遇、深化产学研用融合、坚持本土化创新是构筑持久优势的必由之路。