中國生成式AI產業加速邁向AGI新時代

本報記者 孫慶陽

“語言模型是過去，智能體是現在，多模態原生統一是AI下半場。”2026年4月21日至22日，2026中國生成式AI大會（北京站）召開，大會以“奔赴AGI 重塑未來”為主題，匯聚學界與產業界專家，主會場圍繞底層技術、應用落地、行業基建、商業與投資四大方向展開探討，直指通用人工智能未來的關鍵突破。

底層技術持續突破是根基

“大模型與多模態技術是AI發展的核心底座。”中國人民大學高瓴人工智能學院教授趙鑫指出，大模型能力提升的核心遵循擴展定律，“有效利用大規模算力，是實現AI研究的長期途徑”。他將模型擴展分為訓練時間擴展與測試時間擴展，前者通過放大參數與數據量一次性提升能力，后者以推理時間換取效果。同時，強化學習是打通模型能力的關鍵，但強化學習并非萬能，無法將弱模型直接提升至高水平，必須平衡探索與利用，才能讓模型在復雜任務中保持高準確率。此外，趙鑫強調，環境交互與工具使用是拓展模型能力的重要路徑，代碼解釋器、搜索引擎等工具能讓模型“擁有雙手”，解決原本無法完成的復雜任務。

Pine AI 首席科學家李博杰從Claude Code源碼泄露切入，提出Harness Engineering是Agent工程的下一個范式，他認為模型之外的一切，都是Harness，這一體系決定了智能體的能力下限。其核心包括上下文壓縮、結構化記憶、安全校驗與錯誤恢復，放棄純向量數據庫，改用Markdown+文件系統管理記憶，能有效避免信息偏差。同時，智能體需搭配專用小模型完成權限分類、記憶檢索等任務，才能實現生產級穩定運行。

北京大學深圳研究生院助理教授&研究員、博士生導師袁粒提出：“語言模型是過去，智能體是現在，多模態原生統一是AI下半場”。他認為，當前割裂式多模態架構存在延遲高、信息損失大的問題，無法落地物理世界，只有實現文本、圖像、視頻、3D的原生統一，才能讓AI真正理解物理規則。他直言，“沒有多模態原生統一，就沒有真正的AGI”，未來需攻克模態定義、建模、架構統一等五大挑戰。

VAST CTO梁鼎則聚焦AI 3D技術，提出“突破技術壁壘，AI 3D將重構產業新范式”，依托大模型實現高效、高精度的3D內容生成，打破傳統3D生產的效率瓶頸。

應用落地是核心

隨著技術成熟，AI智能體與多模態創作進入實用階段，成為產業落地的核心載體。智象未來（HiDream.ai）聯合創始人兼首席技術官姚霆指出，AI創作已進入Agent自主全鏈路編排時代，人只需定目標與標準，剩余創作全由AI完成。多媒體創作Agent具備長鏈路創作、一致性可控、行業化適配三大核心能力，可一站式完成圖文、視頻、營銷文案、影視腳本的生成與編輯。他表示，公司自研的原生統一多模態模型，能實現IP一致性生成與精準指令跟隨，在圖像生成、視頻編輯等場景的效果達到行業領先水平。

在高端對話中，香港大學助理教授&博士生導師、Nanbot團隊負責人黃超表示，Open Claw走紅讓行業意識到，智能體的核心是自主完成開放域任務，它像人類助手一樣，能無終點地持續工作，但當前智能體仍存在長任務中斷、環境適配差等問題。網易有道LoRAsterAI項目負責人、智能硬件研發負責人王寧分享了國產開源Agent產品的研發經驗，團隊僅用二十多天就推出輕量化版本，核心是簡化Agent架構，通用Agent的核心只有Plan、Use、React三步，無需復雜設計。他認為，國內Agent的機會在于企業級場景，與辦公、教育、硬件深度結合，才能實現規模化落地。

黃超補充道，智能體與模型能力相輔相成，隨著用戶需求提升，未來需要Agent完成金融、科研、醫療等領域的長周期任務，Harness Engineering將成為突破關鍵。

行業基建完善是保障

面對“萬模并行”的行業現狀，Token流通與統一調度成為AI產業的核心基建。清程極智聯合創始人師天魔提出，當前Token服務存在三大痛點：“同模型不同服務商，效果、價格、穩定性差異巨大；服務黑盒化，量化降質、隱性成本頻發；中小客戶無質量保障，響應慢、錯誤率高”。針對這些問題，其團隊打造的AI Ping平臺，聚合30余家服務商、600余個模型，通過7×24小時持續監測，為用戶提供客觀評測數據。

師天魔強調，AI Ping的核心價值是智能路由，“根據用戶需求動態分配最優服務商，可讓平均成本降低37%以上，穩定性提升90%以上”。平臺從真實用戶視角出發做端到端評測，屏蔽接口差異、錯誤碼等行業痛點，讓用戶無需復雜測試，就能用上高性價比的Token服務。

商業變現是目標

哇瑞資本投資合伙人陳石在對話中直言，AI行業最大的變化是Agent開始在應用層掙錢，而不只是硬件廠商獲利。他對比移動互聯網時代指出，AI無法依賴廣告模式，用戶消耗的Token成本遠高于廣告收益，未來必須走前向收費+軟硬件結合的路徑。他建議創業者，“做不到付費轉化就不要盲目擴張，用中國供應鏈優勢做軟件硬件化，是差異化競爭的關鍵”。

關于國內AI發展機遇，陳石認為，中國模型成本僅為海外的十分之一，性價比優勢顯著，企業級場景是國內Agent的核心突破口，聚焦辦公、財務、數據安全等剛需，能快速實現商業閉環。同時，他判斷2026年是AI生態爆發與商業化起點，行業從技術驗證走向實用落地。

智東西聯合創始人、總編輯張國仁總結道，Open Claw之后，中國AI不再是技術追趕者，而是生態創新者，技術、開源、應用、產業的深度融合，將開啟智能體時代的中國機會。