520當(dāng)天400萬(wàn)AI人，都在量子位聽(tīng)這近20場(chǎng)演講&對(duì)談

組委會(huì) 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

龍蝦、Harness……爆款一個(gè)接一個(gè)，Agent成了人人掛在嘴邊的突圍密碼。

2026年的AI，在狂飆、在分化、在落地，正從“工具”蛻變?yōu)椤吧a(chǎn)力系統(tǒng)”，從“生成內(nèi)容”走向“完成任務(wù)”。

@所有人，是時(shí)候馬上AI起來(lái)了！

近20位AI領(lǐng)軍人物齊聚第四屆中國(guó)AIGC產(chǎn)業(yè)峰會(huì)，直面行業(yè)最尖銳的追問(wèn)：

• Agent會(huì)不會(huì)成為下一代超級(jí)入口？
• AI應(yīng)用真正的爆發(fā)點(diǎn)究竟在哪里？
• 多模態(tài)與空間智能將如何重塑未來(lái)交互？
• 當(dāng)模型日益趨同，真正的非共識(shí)機(jī)會(huì)藏在何處？

答案，在大會(huì)上被反復(fù)拆解。

大會(huì)熱度全程拉滿。線下會(huì)場(chǎng)人氣爆棚，不僅座無(wú)虛席，過(guò)道、墻邊都擠滿了觀眾；線上直播間熱度也持續(xù)高位，觀眾云端圍觀刷屏、互動(dòng)熱議。

臺(tái)上是深耕AI賽道的一線操盤(pán)手與學(xué)術(shù)權(quán)威，輸出真實(shí)的行業(yè)洞察與技術(shù)研判；臺(tái)下是緊跟產(chǎn)業(yè)風(fēng)口的參與者與探索者，奔赴這場(chǎng)年度AIGC產(chǎn)業(yè)思想碰撞。

來(lái)，跟著量子位碳基編輯一起，看看這場(chǎng)“馬上AI起來(lái)”的高能大會(huì)，都給出了哪些關(guān)鍵信號(hào)。

中國(guó)AIGC產(chǎn)業(yè)峰會(huì)是由量子位主辦的行業(yè)峰會(huì)，近20位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾超千人，線上直播觀眾近400萬(wàn)，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

方漢，昆侖萬(wàn)維董事長(zhǎng)兼CEO

大會(huì)上，昆侖萬(wàn)維董事長(zhǎng)兼CEO方漢首先帶來(lái)主題為《個(gè)人和企業(yè)如何應(yīng)對(duì)Agent沖擊》的分享。

以下是他的觀點(diǎn)精華提煉：

• 當(dāng)一個(gè)行業(yè)或者技能是閉環(huán)的，并且是可容錯(cuò)的，那么它非常容易被替代。但你如果有判斷和品味，仍然能夠長(zhǎng)期持續(xù)走下去。
• 燒多少Token，變得越來(lái)越有意思。普通員工每月耗數(shù)百萬(wàn)至數(shù)千萬(wàn)，AI Coding與技術(shù)人員可達(dá)數(shù)億到數(shù)十億，重度Agent使用者更是輕松月耗百億級(jí)別。Token已然成為AI時(shí)代的“電力消耗”。
• AI介入后，個(gè)人成長(zhǎng)上升階梯被壓縮。過(guò)去，員工成長(zhǎng)路徑清晰且有序，從職場(chǎng)小白，穩(wěn)步進(jìn)階。現(xiàn)在，要不是小白，要不是大神，中間態(tài)很難存在。中間那幾段“樓梯”消失，普通人成長(zhǎng)之路會(huì)如何演進(jìn)，是一個(gè)值得觀察的現(xiàn)象。
• 有五種人AI永遠(yuǎn)無(wú)法替代：講故事的人、創(chuàng)造idea的人、定義美的人、構(gòu)建系統(tǒng)的人，以及重塑范式的人。
• 絕大多數(shù)行業(yè)做AI落地，要做第二名。第一名，要承擔(dān)極高的試錯(cuò)與探索成本；第三名，吃不到行業(yè)紅利，還會(huì)被行業(yè)甩開(kāi)。IT賽道，只能爭(zhēng)第一，這是一個(gè)非常殘酷的現(xiàn)實(shí)。但是，AI把所有人拉回到同一起跑線。

易正朝，風(fēng)行在線CEO

風(fēng)行在線CEO易正朝，則以《從AI編程到AI視頻，眾創(chuàng)才是AI生產(chǎn)力的核心杠桿》為主題分享了他的洞見(jiàn)。

以下是他的觀點(diǎn)精華提煉：

• AI為大文娛行業(yè)帶來(lái)了很大變化：第一，成本和門(mén)檻大幅下降，供給也變得豐富、挑戰(zhàn)也更高；第二，網(wǎng)文、IP形象、視頻內(nèi)容、互動(dòng)、游戲等業(yè)態(tài)變得更加多元；第三，AI給視頻產(chǎn)業(yè)帶來(lái)的不僅是創(chuàng)作，更賦能文娛企業(yè)經(jīng)營(yíng)運(yùn)營(yíng)；第四，內(nèi)容創(chuàng)作更重想象力篩選，眾創(chuàng)是必然選擇；最后，AI創(chuàng)作易讓人沉浸，但也將打通創(chuàng)作與消費(fèi)的邊界。
• 作為AI應(yīng)用型企業(yè)，風(fēng)行在線有5個(gè)方向：堅(jiān)信AI，但不碰模型；AI漫劇很火，但不是AI視頻全部；身為AI視頻公司，但成功更多來(lái)于AI編程；放大個(gè)體重要，但放大組織更重要；Agents很強(qiáng)，但眾創(chuàng)才是杠桿。
• 眾創(chuàng)是AI時(shí)代的社會(huì)結(jié)構(gòu)，現(xiàn)在企業(yè)不再是一個(gè)超級(jí)員工和超級(jí)Agents的容器，更多是要組織智力資源去撬動(dòng)外部群體智慧，從而創(chuàng)造更多價(jià)值。
• 公司員工、數(shù)字員工、外部合作伙伴，這三種角色組成的眾創(chuàng)網(wǎng)絡(luò)，其實(shí)是一種社會(huì)化生態(tài)組織結(jié)構(gòu)。
• AI會(huì)放大執(zhí)行，也會(huì)放大自嗨，這是不管做Coding還是做內(nèi)容，都很容易產(chǎn)生的副作用，解藥就是交付結(jié)果。

林達(dá)華，商湯科技執(zhí)行副總裁、首席科學(xué)家

商湯科技執(zhí)行副總裁、首席科學(xué)家林達(dá)華，帶來(lái)主題為《從多模態(tài)統(tǒng)一到空間智能：邁向可感知、可生成、可行動(dòng)的AI新前沿》的分享。

以下是他的觀點(diǎn)精煉：

• 無(wú)論時(shí)代變化多快，決定我們走多遠(yuǎn)的，始終是長(zhǎng)期愿景。AI是一場(chǎng)長(zhǎng)跑，唯有長(zhǎng)期主義的支撐，才能真正抵達(dá)未來(lái)。
• 在企業(yè)級(jí)AI落地中，大模型本身并不是最關(guān)鍵的，真正的瓶頸在于如何將圖表、Excel、圖像、視頻、網(wǎng)頁(yè)、知識(shí)庫(kù)等多形態(tài)數(shù)據(jù)接入同一個(gè)AI系統(tǒng)——這部分往往占據(jù)企業(yè)應(yīng)用AI成本的70%以上。
• Agent是這個(gè)時(shí)代的引擎，但讓引擎在真實(shí)場(chǎng)景中發(fā)揮作用的關(guān)鍵，是它能否處理多種模態(tài)的能力。商湯小浣熊之所以能持續(xù)高速增長(zhǎng)，正是因?yàn)樗嬲龅搅藦碾s亂數(shù)據(jù)到可交付成果的端到端閉環(huán)，讓價(jià)值真正觸達(dá)用戶。
• 在數(shù)字空間之外，還有一個(gè)更廣闊的世界——物理空間。今天最頂尖的多模態(tài)模型，進(jìn)入真實(shí)物理空間時(shí)依然非常脆弱，這也是機(jī)器人難以走向通用化的核心瓶頸。打開(kāi)物理空間的鑰匙，必須從第一性原理重新理解世界。
• 要真正突破空間智能，就必須把語(yǔ)言模型、視覺(jué)的理解與生成融合到同一個(gè)模型之中——讓一個(gè)模型既能做語(yǔ)言表達(dá)，也能夠生成視覺(jué)世界中的要素。
• 商湯新一代模型SenseNova U1把理解、推理與生成統(tǒng)一在一個(gè)全新的底座上，可以自如地在語(yǔ)言與視覺(jué)之間切換：用語(yǔ)言表達(dá)理解，用視覺(jué)表達(dá)想象，完成真正連貫的圖文交錯(cuò)創(chuàng)作。
• “統(tǒng)一”本身帶來(lái)了全新的表達(dá)空間與可能性。它給生圖模型注入了思考，也給思考模型注入了想象。
• 未來(lái)真正的智能體，應(yīng)當(dāng)在一個(gè)“大腦”中同時(shí)完成數(shù)字空間的分析與物理空間的行動(dòng)——既能綜合多模態(tài)信息做出決策，也能在物理世界中敏捷行事。數(shù)字空間與物理空間的交融，才是AI真正要去往的彼岸。

鄧亞峰，盛大集團(tuán)副總裁、EverMind CEO

盛大集團(tuán)副總裁、EverMind CEO鄧亞峰帶來(lái)主題為《長(zhǎng)期記憶驅(qū)動(dòng)的自進(jìn)化：從工具型AI到數(shù)字生產(chǎn)力系統(tǒng)》的分享。

以下是他的觀點(diǎn)精華提煉：

• 龍蝦像Agent時(shí)代的iPhone 4。它定義了一套產(chǎn)品范式，讓人第一次感到自己擁有了一個(gè)能72小時(shí)干活的AI賈維斯。但它不完美，需要被不斷更新和超越。
• Claude 4是Agent走向自主的關(guān)鍵節(jié)點(diǎn)。這個(gè)從Chat到Agent的范式轉(zhuǎn)變，最終讓Anthropic反超OpenAI，同時(shí)也給SaaS帶來(lái)了巨變。過(guò)去，SaaS交付的是流程和界面，今天更多通過(guò)message交付。
• Agent有兩個(gè)重要特征：自主和自進(jìn)化。而長(zhǎng)期記憶是支撐這兩點(diǎn)的關(guān)鍵，解決三件事：1、把急劇擴(kuò)張的上下文抽象總結(jié)出來(lái)。2、記住用戶是誰(shuí)、偏好是什么、目標(biāo)和價(jià)值觀是什么。3、基于此主動(dòng)預(yù)測(cè)用戶可能需要什么。
• 當(dāng)模型越來(lái)越強(qiáng)，記憶反而會(huì)成為業(yè)務(wù)過(guò)程中，最容易沉淀下來(lái)的差異化資產(chǎn)。
• 如果AI真的對(duì)你了如指掌，那么它會(huì)成為一個(gè)全新的意圖分發(fā)入口。此時(shí)記憶沉淀就很重要了，它應(yīng)該屬于個(gè)人，應(yīng)該能在Codex、Claude Code、龍蝦等不同Agent間同步。

王曉野，亞馬遜云科技產(chǎn)品技術(shù)部技術(shù)總監(jiān)

亞馬遜云科技產(chǎn)品技術(shù)部技術(shù)總監(jiān)王曉野分享的主題則是《跨越Agent落地鴻溝：從最強(qiáng)模型到企業(yè)級(jí)AI Agent》。

以下是他的觀點(diǎn)精華提煉：

• 個(gè)人養(yǎng)龍蝦和企業(yè)養(yǎng)龍蝦是兩件事，企業(yè)要讓Agent安全、可信、穩(wěn)定地跑起來(lái)，中間有很多鴻溝要跨越。龍蝦這樣的Agent讓大家看到了河對(duì)岸長(zhǎng)什么樣，但企業(yè)走到生產(chǎn)落地，還需要一座橋。
• 亞馬遜云科技認(rèn)為，企業(yè)構(gòu)建Agentic AI需關(guān)注五層：最底層是推理算力，其上是多模型選擇，再往上是企業(yè)數(shù)據(jù)和知識(shí)，然后是Agent構(gòu)建平臺(tái)，最上層則是可直接采購(gòu)使用的Agent應(yīng)用。
• 在企業(yè)里，Coding Agent已經(jīng)很成熟了，Working Agent是下一個(gè)爆發(fā)點(diǎn)。亞馬遜云科技給出的答案是Amazon Quick，讓企業(yè)員工安全、敏捷、自由地使用Agent。
• Agent對(duì)數(shù)據(jù)管理提出了新的挑戰(zhàn)。記憶需要共享、隔離與并存，錯(cuò)誤知識(shí)、老舊信息和自相矛盾的內(nèi)容都會(huì)影響Agent判斷。大家都在抱怨Token貴，很多時(shí)候不是單價(jià)貴，而是喂給模型太多沒(méi)用的信息。
• Agent場(chǎng)景下，Harness是除了模型之外的所有軟件基礎(chǔ)設(shè)施。好比模型是CPU，Harness把可使用操作系統(tǒng)放在一起，最終Agent呈現(xiàn)的是一個(gè)完整應(yīng)用的形態(tài)。Amazon Bedrock AgentCore就是Harness，它的核心價(jià)值，是讓用戶不用在Harness上花太多功夫，而是關(guān)注自己的業(yè)務(wù)價(jià)值。

GenAI Talk：對(duì)話螞蟻靈波科技首席科學(xué)家沈宇軍

此前，螞蟻靈波科技首席科學(xué)家沈宇軍曾在中關(guān)村論壇等公開(kāi)演講中率先提出AIGA的概念，他指出：AI 2.0下半場(chǎng)，人工智能要從數(shù)字世界“娛樂(lè)”走向物理世界“干活”，從AI的Content生成走向Action的生成。

在上午的GenAI Talk環(huán)節(jié)，螞蟻靈波科技首席科學(xué)家沈宇軍，與量子位聯(lián)合創(chuàng)始人兼總編輯李根圍繞這一話題展開(kāi)了一場(chǎng)深度對(duì)話，主題為《AI 2.0下半場(chǎng)：從AIGC到AIGA》。

以下是對(duì)沈宇軍的觀點(diǎn)精華提煉：

• 大模型踩中了互聯(lián)網(wǎng)過(guò)去幾十年的數(shù)據(jù)紅利，但機(jī)器人的物理世界數(shù)據(jù)還存在很大的空白，AI下半場(chǎng)更關(guān)鍵的是數(shù)據(jù)如何從數(shù)字世界過(guò)渡到物理世界。
• 想要做存在于物理世界的通用機(jī)器人大腦，關(guān)鍵的一環(huán)是空間感知能力。如何把傳感器的輸入變成更好的信息傳遞給模型，從傳感器的輸入開(kāi)始去理解這個(gè)世界，很關(guān)鍵。
• 對(duì)于VLA和世界模型的技術(shù)路線之爭(zhēng)，首先無(wú)論技術(shù)路線怎么演進(jìn)，數(shù)據(jù)都是離不開(kāi)的。其次，這兩條路都不會(huì)是終局。機(jī)器人數(shù)據(jù)量積累到一定程度的時(shí)候，二者一定會(huì)走向融合，催生出獨(dú)屬物理世界的模型。
• 判斷：1～2年后，會(huì)出現(xiàn)一些標(biāo)桿樣例，讓模型真實(shí)投產(chǎn)；2～3年，該樣例會(huì)被批量復(fù)制，越來(lái)越多產(chǎn)業(yè)會(huì)應(yīng)用模型；5～10年，機(jī)器人會(huì)嘗試以某種方式進(jìn)入C端；10年之后或者更久，機(jī)器人將真正普及到家庭。
• 機(jī)器人走進(jìn)千家萬(wàn)戶的時(shí)候，就是具身智能的ChatGPT時(shí)刻。

邱錫鵬，復(fù)旦大學(xué)特聘教授、上海創(chuàng)智學(xué)院院長(zhǎng)助理、模思智能創(chuàng)始人

復(fù)旦大學(xué)特聘教授、上海創(chuàng)智學(xué)院院長(zhǎng)助理、模思智能創(chuàng)始人邱錫鵬，帶來(lái)了主題為《MOSS多模態(tài)模型及其推理優(yōu)化》的分享。

以下是他的觀點(diǎn)精華提煉：

• AI下一步發(fā)展的一個(gè)重要方向是多模態(tài)。未來(lái)更強(qiáng)的AI需要充分理解廣義context，也就是情境；我們會(huì)進(jìn)入一個(gè)泛情境智能時(shí)代，交互會(huì)成為其中非常重要的一部分。
• 面向?qū)崟r(shí)交互的多模態(tài)模型，需要處理更長(zhǎng)的上下文、更復(fù)雜的視覺(jué)和音頻信息，也要滿足更高的實(shí)時(shí)推理要求。多模態(tài)token消耗遠(yuǎn)高于文本和Coding，對(duì)模型和推理框架都會(huì)提出更嚴(yán)格的要求。
• 視頻理解信息密度高，又涉及時(shí)序推理，是未來(lái)交互的核心能力。MOSS-VL采用cross attention結(jié)構(gòu)，讓視頻流持續(xù)輸入，文本模型按需獲取視頻信息，交互會(huì)更加自然。
• MOSS-Audio目標(biāo)是在更廣義的情境里，既要聽(tīng)清語(yǔ)音內(nèi)容，也要理解場(chǎng)景、復(fù)雜推理和音樂(lè)等信息。MOSS-Audio在ASR、speech caption、帶時(shí)間戳ASR等任務(wù)上，已經(jīng)和最前沿的專門(mén)ASR模型處在同一水平線。
• MOSS-TTS覆蓋語(yǔ)音合成、輕量化、聲音設(shè)計(jì)、音效設(shè)計(jì)和實(shí)時(shí)性，核心是用純Transformer架構(gòu)編碼語(yǔ)音的audio tokenizer。MOSS-TTS開(kāi)源后下載量已超過(guò)100萬(wàn)，未來(lái)視覺(jué)理解、語(yǔ)音理解和語(yǔ)音輸出會(huì)合成一個(gè)面向情境交互的端到端模型。

胡維琦，MiniMax ToB中國(guó)區(qū)商業(yè)化負(fù)責(zé)人

MiniMax ToB中國(guó)區(qū)商業(yè)化負(fù)責(zé)人胡維琦，則帶來(lái)了主題為《Intelligence with Everyone-MiniMax AI探索實(shí)踐之路》的分享。

以下是她的觀點(diǎn)精華提煉：

• AGI是什么？Intelligence with Everyone，就是所有人都能用得起的AI。要實(shí)現(xiàn)這點(diǎn)，就得堅(jiān)持大模型和應(yīng)用并行、ToC和ToB并重。
• AI公司首先要在內(nèi)部實(shí)現(xiàn)閉環(huán)，不要吝嗇Token補(bǔ)貼，放手讓員工自己用Agent去搭建自動(dòng)化工作流。這個(gè)使用過(guò)程也會(huì)反哺模型研發(fā)。
• 與其焦慮、不如加入。企業(yè)如果想做AI實(shí)踐，最高效的方法就是直接動(dòng)手去嘗試，并且要從員工最不愿意干的場(chǎng)景切入，這通常也是最有價(jià)值、內(nèi)部阻力最小的場(chǎng)景。
• AI會(huì)讓組織變得更扁平。產(chǎn)品可以直接出demo，再交由研發(fā)決定是否要做大批量生產(chǎn)。未來(lái)2到3年，AI會(huì)持續(xù)和各行業(yè)深度融合，改變生產(chǎn)力工具、商業(yè)模式和組織構(gòu)成。

朱廣翔，百度秒噠產(chǎn)品總經(jīng)理

百度秒噠產(chǎn)品總經(jīng)理朱廣翔，深入闡述了《“人人都是創(chuàng)造者”，讓想象力釋放生產(chǎn)力》。

以下是他的觀點(diǎn)精華提煉：

• AI創(chuàng)造了新市場(chǎng)，OPC、手搓經(jīng)濟(jì)成為現(xiàn)實(shí)。我們正處于第四次編程革命時(shí)代，編程從機(jī)器語(yǔ)言、匯編語(yǔ)言、高級(jí)語(yǔ)言一路走向自然語(yǔ)言，門(mén)檻持續(xù)降低。自然語(yǔ)言編程，讓創(chuàng)造者和開(kāi)發(fā)者數(shù)量被極大放大。
• 秒噠背后是一群智能體在協(xié)作開(kāi)發(fā)應(yīng)用。過(guò)去軟件開(kāi)發(fā)里產(chǎn)品經(jīng)理、設(shè)計(jì)師、工程師、測(cè)試、運(yùn)維、運(yùn)營(yíng)各自分工，現(xiàn)在都可以變成Agent。用戶扮演老板，發(fā)起命令，一群Agent干活，交付最終產(chǎn)物。
• 普通人正在成為新創(chuàng)造者的主力。秒噠的用戶中，87%是完全不懂代碼的人，16%是創(chuàng)業(yè)者，9.7%是產(chǎn)品經(jīng)理。OPC，即一人公司，已經(jīng)成為第一大人群，想象力正在釋放生產(chǎn)力。
• Vibe Coding真正實(shí)現(xiàn)了“大眾創(chuàng)業(yè)”。創(chuàng)業(yè)迎來(lái)第三波浪潮，1.0零工時(shí)代靠體力勞動(dòng)增收，2.0內(nèi)容時(shí)代依托圖文、短視頻變現(xiàn)，3.0時(shí)代則憑借軟件開(kāi)發(fā)與服務(wù)交付，解決實(shí)際需求實(shí)現(xiàn)盈利。
• 上海的一家企業(yè)，過(guò)去依賴12人的研發(fā)團(tuán)隊(duì)進(jìn)行軟件開(kāi)發(fā)。使用秒噠后，企業(yè)重構(gòu)了原有的生產(chǎn)模式：由4位項(xiàng)目經(jīng)理分別負(fù)責(zé)不同行業(yè)，直接通過(guò)秒噠完成軟件交付。交付效率大幅提升，交付周期由“年”縮短至“月”。目前，該模式已經(jīng)幫助企業(yè)盈利50萬(wàn)，還拿到了1000萬(wàn)的超大訂單。

洪源，太初元碁首席產(chǎn)品官、高級(jí)副總裁

太初元碁首席產(chǎn)品官、高級(jí)副總裁洪源，分享了題為《國(guó)產(chǎn)AI算力筑基Token智能新未來(lái)》的見(jiàn)解。

以下是他的觀點(diǎn)精華提煉：

• 國(guó)產(chǎn)算力迎來(lái)發(fā)展機(jī)遇的同時(shí)，也要解決大規(guī)模集群服務(wù)能力、Agentic AI計(jì)算效率、生態(tài)三大問(wèn)題，這也成為國(guó)產(chǎn)算力突圍的核心所在。
• AI算力的發(fā)展已經(jīng)不能單一堆性能、堆算力。大模型訓(xùn)練與推理正在走向萬(wàn)卡乃至更大規(guī)模集群，算力廠商需要從硬件、互聯(lián)、軟件、調(diào)度、運(yùn)維等全鏈條提升系統(tǒng)能力。
• 國(guó)產(chǎn)算力要服務(wù)好Token經(jīng)濟(jì)，就必須為開(kāi)發(fā)者和行業(yè)客戶提供更好用、更易用的生態(tài)能力，無(wú)論是底層開(kāi)發(fā)者，還是上層模型廠商、應(yīng)用廠商，都需要更順暢地完成模型遷移、訓(xùn)練、微調(diào)和推理部署。
• 芯片的核心優(yōu)勢(shì)不在于設(shè)計(jì)本身，而是用戶生態(tài)護(hù)城河。
• 伴隨Agent生態(tài)發(fā)展，AI計(jì)算已經(jīng)從內(nèi)容生成升級(jí)為任務(wù)生成。行業(yè)更需打通異構(gòu)協(xié)同能力，讓算力真正做到高效適配、落地可用。
• Token經(jīng)濟(jì)到來(lái)之后，AI對(duì)于算力的需求，就像我們?nèi)祟悓?duì)氧氣的需求，算力是氧氣，我們?cè)谧龅男滦突A(chǔ)設(shè)施，其實(shí)都是制氧機(jī)。我們也希望攜手產(chǎn)業(yè)鏈各方合作伙伴，共同為中國(guó)AI產(chǎn)業(yè)打造自主可控的“制氧機(jī)”。

黃超，香港大學(xué)助理教授、博士生導(dǎo)師

香港大學(xué)助理教授、博士生導(dǎo)師黃超，帶來(lái)了主題為《AI Agent范式變革的挑戰(zhàn)與機(jī)遇》的分享。

以下是他的觀點(diǎn)精華提煉：

• Agent的核心架構(gòu)本質(zhì)上是一個(gè)優(yōu)雅的ReAct循環(huán)：通過(guò)reasoning進(jìn)行任務(wù)規(guī)劃，action執(zhí)行具體工具調(diào)用，然后基于環(huán)境feedback調(diào)整策略。這個(gè)看似簡(jiǎn)單的while循環(huán)框架揭示了一個(gè)重要洞察——通用Agent的能力并非全來(lái)自復(fù)雜的架構(gòu)設(shè)計(jì)，而是來(lái)自推理、執(zhí)行、反饋這一基本認(rèn)知循環(huán)的有效實(shí)現(xiàn)。
• ReAct架構(gòu)的泛化性源自其模塊化解耦：reasoning處理抽象推理，action負(fù)責(zé)具體執(zhí)行，observation提供環(huán)境反饋。Agent面對(duì)新任務(wù)時(shí)，通過(guò)重組已有的推理策略和行動(dòng)原語(yǔ)來(lái)適應(yīng)新環(huán)境，實(shí)現(xiàn)真正的跨域泛化能力。
• 長(zhǎng)程任務(wù)的本質(zhì)挑戰(zhàn)不在于執(zhí)行時(shí)間，而在于復(fù)雜性的指數(shù)級(jí)增長(zhǎng)——場(chǎng)景多變、工具鏈路冗長(zhǎng)、多子任務(wù)協(xié)調(diào)使得錯(cuò)誤傳播成為最大威脅。這揭示了Agent的關(guān)鍵轉(zhuǎn)變：從“執(zhí)行指令”轉(zhuǎn)向“管理不確定性”，從調(diào)用單一工具升級(jí)為“工作流構(gòu)建者”，具備狀態(tài)管理、錯(cuò)誤恢復(fù)和目標(biāo)追蹤的“全棧思維”。成功的Agent不是避免錯(cuò)誤，而是預(yù)期錯(cuò)誤并實(shí)現(xiàn)優(yōu)雅降級(jí)，能夠主動(dòng)設(shè)計(jì)、持續(xù)監(jiān)控和動(dòng)態(tài)優(yōu)化整個(gè)執(zhí)行過(guò)程，這正是將AI助手升級(jí)為強(qiáng)生產(chǎn)力協(xié)作者的核心所在。
• Agent需要learning from real tasks，在錯(cuò)誤中不斷學(xué)習(xí)、感知自己錯(cuò)在哪里，才能真正節(jié)約Token成本。這揭示了一個(gè)核心矛盾：研究Agent往往專注于探索能力上界，卻忽略了Token本身就是實(shí)際成本約束。
• 面向Computer Use Agent，GUI模式開(kāi)銷大、準(zhǔn)確度也受限，CLI可能是通用Agent進(jìn)行computer use更優(yōu)的軟件交互方式。這揭示了人機(jī)交互范式的深刻變革：未來(lái)許多軟件的實(shí)際使用者將是Agent，而人類則更愿意專注于使用帶來(lái)愉悅體驗(yàn)的GUI軟件。
• Agent自進(jìn)化可通過(guò)workflow優(yōu)化、skill沉淀和模型參數(shù)調(diào)優(yōu)幾條路線推進(jìn)，其中基于skill的進(jìn)化范式展現(xiàn)出最強(qiáng)的泛化性，但在Tool-Use層面仍面臨核心挑戰(zhàn)：如何精準(zhǔn)檢索粒度匹配的skill，以及如何進(jìn)化出適配不同場(chǎng)景的specialized skill。這揭示了skill-based進(jìn)化的當(dāng)下的難點(diǎn)——粒度與泛化性的權(quán)衡，過(guò)粗缺乏針對(duì)性，過(guò)細(xì)難以復(fù)用。

戴文軍，京東JoyInside業(yè)務(wù)負(fù)責(zé)人

京東JoyInside業(yè)務(wù)負(fù)責(zé)人戴文軍，則分享了他關(guān)于《從數(shù)字世界到物理世界，JoyInside開(kāi)啟AI World》的洞見(jiàn)。

以下是他的觀點(diǎn)精華提煉：

• 大模型還沒(méi)有深度介入物理世界。未來(lái)硬件會(huì)像人一樣走進(jìn)物理空間，理解并滿足人的需求。在這個(gè)AI World里，技術(shù)是隱形的、溫暖的、善解人意的。
• 家是首選的AI World，因?yàn)樗仁巧顖?chǎng)所，也是情感紐帶。硬件成為可以陪伴、樂(lè)于分擔(dān)的家庭新成員。
• 家庭硬件的交互正在從一來(lái)一回的指令，走向像人一樣的服務(wù)：感知情緒，根據(jù)家庭需要做規(guī)劃，再主動(dòng)提供幫助。比如學(xué)習(xí)臺(tái)燈、炒菜機(jī)器人、魔法打印機(jī)、智能床墊，都在重新定義硬件體驗(yàn)。
• 從宏觀來(lái)看，人工智能正在從“算力堆積”向“價(jià)值創(chuàng)造”、從“大模型比拼”向“具身智能布局”轉(zhuǎn)向。在此背景下，AI硬件需要從創(chuàng)意走向真實(shí)好用的產(chǎn)品，讓天馬行空的創(chuàng)意真正變成用戶手中的商品。
• AI價(jià)值公式是“（模型×體驗(yàn)×產(chǎn)業(yè)厚度）2”。產(chǎn)業(yè)厚度包括數(shù)據(jù)、業(yè)務(wù)復(fù)雜性、供應(yīng)鏈復(fù)雜性和運(yùn)營(yíng)經(jīng)驗(yàn)，平方則是指產(chǎn)業(yè)厚度對(duì)AI價(jià)值的指數(shù)級(jí)放大作用。
• 京東將打造全球最大的物理世界運(yùn)營(yíng)中心，推動(dòng)AI從千行百業(yè)走向千家萬(wàn)戶。
• 依托于超級(jí)供應(yīng)鏈與細(xì)分場(chǎng)景的深度嵌入，京東構(gòu)建了從AI基礎(chǔ)設(shè)施、Business產(chǎn)業(yè)應(yīng)用到Consumer用戶體驗(yàn)的全鏈路布局，讓數(shù)字技術(shù)融入物理世界創(chuàng)造真實(shí)價(jià)值。

馬孝武，輕松健康集團(tuán)執(zhí)行副總裁

輕松健康集團(tuán)執(zhí)行副總裁馬孝武，圍繞《從循證智能體到AI驅(qū)動(dòng)的健康服務(wù)增長(zhǎng)飛輪》展開(kāi)分享。

以下是他的觀點(diǎn)精華提煉：

• 對(duì)AI行業(yè)來(lái)說(shuō)，真正的窗口期，不在模型層，在垂直應(yīng)用層。下一階段被資本和市場(chǎng)反復(fù)定價(jià)的，不會(huì)是參數(shù)最大的模型，而是能在真實(shí)業(yè)務(wù)場(chǎng)景里被反復(fù)調(diào)用、被規(guī)則持續(xù)信任、被流程真正吸納的系統(tǒng)。
• 醫(yī)療健康是高合規(guī)要求的垂直行業(yè)，AI不能停留在泛回答。真正有價(jià)值的醫(yī)療AI，需要可解釋、可追溯、有完整結(jié)論，讓回答從流量化走向?qū)I(yè)化和證據(jù)化。
• AI不再只是信息提供者，它正在參與輔助診療、病癥識(shí)別和健康管理。核心能力也從生成答案，轉(zhuǎn)向生成可決策、可信任、能夠進(jìn)入服務(wù)流程的結(jié)果。
• AI在醫(yī)療里不能替代醫(yī)生做決定，它更像是給醫(yī)生足夠多的支持。醫(yī)生一方面依靠經(jīng)驗(yàn)，另一方面依靠科學(xué)數(shù)據(jù)和證據(jù)展示，在真實(shí)決策場(chǎng)景里形成更穩(wěn)的判斷。
• 輕松健康構(gòu)建了早篩、綜合健康服務(wù)包、健康科普、醫(yī)學(xué)研究輔助到健康保險(xiǎn)的全鏈路生態(tài)，底層是AIcare技術(shù)中臺(tái)和星云數(shù)字底座。我們的目標(biāo)是讓AI從“工具”變成真正的健康服務(wù)基礎(chǔ)設(shè)施。

張璐，F(xiàn)usion Fund創(chuàng)始合伙人

《算力敘事重構(gòu)：從訓(xùn)練到推理的AI基礎(chǔ)設(shè)施新范式》是Fusion Fund創(chuàng)始合伙人張璐帶來(lái)的主題分享。

以下是她的觀點(diǎn)精華提煉：

• 數(shù)據(jù)的質(zhì)量比數(shù)據(jù)的量更重要，可以通過(guò)高質(zhì)量的行業(yè)數(shù)據(jù)去建立更好的數(shù)據(jù)庫(kù)，再基于這些數(shù)據(jù)去優(yōu)化AI的模型和應(yīng)用能力。
• 從Token經(jīng)濟(jì)學(xué)基礎(chǔ)和未來(lái)需求看，人工智能基礎(chǔ)設(shè)施需求將像電力需求一樣常見(jiàn)，這是一場(chǎng)巨大的基礎(chǔ)層級(jí)產(chǎn)業(yè)革命。
• 訓(xùn)練算力更像一次性投入，推理算力才是可持續(xù)需求。過(guò)去訓(xùn)練可能占70%以上，現(xiàn)在推理已經(jīng)接近一半，未來(lái)可能變成訓(xùn)練30%、推理70%，推理算力將會(huì)追求可持續(xù)化，也更為核心。
• AI基礎(chǔ)設(shè)施不能只看計(jì)算，還要看通信。數(shù)據(jù)中心里，通信過(guò)程的耗電量比計(jì)算耗電量要大幾十倍甚至上百倍，所以如何大規(guī)模降低通信過(guò)程中的能量消耗也至關(guān)重要。
• 產(chǎn)業(yè)的快速整合是人工智能技術(shù)迅速發(fā)展的核心競(jìng)爭(zhēng)力，只有得到應(yīng)用場(chǎng)景的反饋，獲得高質(zhì)量數(shù)據(jù)，才能讓模型架構(gòu)和應(yīng)用不斷迭代。

前沿圓桌：2026，Agent產(chǎn)品的不確定性與非共識(shí)機(jī)遇

2026年，Agent正從科技熱詞演變?yōu)橐环N真實(shí)的產(chǎn)品形態(tài)。

它正在挑戰(zhàn)軟件產(chǎn)業(yè)的基本邏輯。

當(dāng)智能體從被動(dòng)響應(yīng)轉(zhuǎn)向主動(dòng)執(zhí)行，從單一工具進(jìn)化為潛在協(xié)作者，產(chǎn)品定義、交互范式與商業(yè)模型都將面臨重構(gòu)。這場(chǎng)變革，關(guān)乎人類與智能系統(tǒng)協(xié)作方式的深層演進(jìn)。

下午的圓桌環(huán)節(jié)，便是關(guān)于這個(gè)話題的精彩討論。

三位嘉賓分別是——

• 莊明浩，趣丸科技副總裁兼首席戰(zhàn)略官、《屠龍之術(shù)》主理人。
• 馮雷，ColaOS&MarsWave CEO。
• 張昊陽(yáng)，EvoMap創(chuàng)始人。

圓桌環(huán)節(jié)圍繞以下問(wèn)題展開(kāi)：

• 2026年Agent徹底破圈。在技術(shù)突破、使用場(chǎng)景增加、高討論度關(guān)注度的背景下，業(yè)內(nèi)人士對(duì)Agent的看法發(fā)生了哪些變化？
• Agent產(chǎn)品的迭代邏輯和傳統(tǒng)App有什么差別？這些觀察給各位創(chuàng)業(yè)的產(chǎn)品思路帶來(lái)了哪些影響？
• 從投資與創(chuàng)業(yè)視角看，市面上五花八門(mén)的Agent產(chǎn)品，到底怎樣才算合格、值得一試？
• 底層模型與Agent框架持續(xù)迭代，會(huì)不會(huì)真實(shí)改變產(chǎn)品規(guī)劃方式？創(chuàng)業(yè)公司應(yīng)該如何做產(chǎn)品決策、規(guī)劃功能節(jié)奏？
• 當(dāng)Agent犯錯(cuò)時(shí)，用戶容忍度顯然不同。“撤銷成本”和“解釋義務(wù)”哪個(gè)更關(guān)鍵？
• 未來(lái)Agent形態(tài)更可能是一個(gè)超級(jí)Agent包辦一切，還是多個(gè)專精Agent協(xié)同工作？
• 當(dāng)Agent能力逐漸成為標(biāo)配，尤其大廠重注后，創(chuàng)業(yè)公司還能關(guān)注哪些非共識(shí)機(jī)會(huì)？
• Agent大規(guī)模進(jìn)入工作流后，產(chǎn)品經(jīng)理、設(shè)計(jì)師、工程師的日常工作會(huì)被如何重塑？

趣丸科技副總裁兼首席戰(zhàn)略官、《屠龍之術(shù)》主理人莊明浩表示：

• Agent產(chǎn)品范式基本定下來(lái)了，就是三欄結(jié)構(gòu)：左邊項(xiàng)目，中間對(duì)話，右邊runtime或?yàn)g覽器展示成果。
• Agent產(chǎn)品迭代節(jié)奏遠(yuǎn)超移動(dòng)互聯(lián)網(wǎng)時(shí)代。過(guò)去一個(gè)功能可能按6到9個(gè)月規(guī)劃，現(xiàn)在模型兩個(gè)月一個(gè)大版本。在此背景下創(chuàng)業(yè)不確定性很大，模型層一更新，很多產(chǎn)品層公司原來(lái)的假設(shè)可能被全部推翻。
• 今天評(píng)判Agent產(chǎn)品很難，原來(lái)的DAU、MAU等移動(dòng)互聯(lián)網(wǎng)指標(biāo)幾乎失效，每日Token消耗也未必有意義。6個(gè)月后的產(chǎn)品形態(tài)沒(méi)人說(shuō)得清，早期判斷更多只能回到創(chuàng)始人、團(tuán)隊(duì)投入和做事節(jié)奏。
• AI能力已經(jīng)在很多板塊過(guò)了可用線，甚至水位到了脖子。只要不出大紕漏，接下來(lái)很多權(quán)限和信任邊界都會(huì)被繼續(xù)推著往前走。
• 當(dāng)一件事沒(méi)有標(biāo)準(zhǔn)答案，初創(chuàng)公司只要多往前踏出一步，就可能拿到遠(yuǎn)超這一步本身的關(guān)注、反饋、融資和用戶理解。這個(gè)時(shí)代不怕試錯(cuò)，就怕站在原地等確定性。

ColaOS&MarsWave CEO馮雷表示：

• 今年跟去年相比，研發(fā)速度提升10倍，產(chǎn)品交付速度也差不多10倍，證明我們?cè)赾oding，或者說(shuō)整個(gè)軟件工程領(lǐng)域已經(jīng)到達(dá)AGI奇點(diǎn)，用以前的互聯(lián)網(wǎng)思維再做產(chǎn)品已經(jīng)不work了。
• AI整體發(fā)展非常快，但是人類的帶寬是很有限的，大部分人其實(shí)根本跟不上，所以我們希望AI能反過(guò)來(lái)理解人，跟人產(chǎn)生共鳴，把后面那些人穩(wěn)穩(wěn)地接住。未來(lái)的AI產(chǎn)品可能很大一部分都是這樣，給人類提供很多情緒價(jià)值，讓他們能夠參與進(jìn)來(lái)。
• AI的網(wǎng)絡(luò)效應(yīng)是很弱的，未來(lái)會(huì)進(jìn)入一個(gè)百花齊放的時(shí)代，因?yàn)闆](méi)有什么能把你吃掉，哪怕是巨頭公司，能覆蓋的生產(chǎn)力人群依然很少。每家創(chuàng)業(yè)公司只要是全力在沖，一定都能找到自己的位置。今天做軟件也不用怕被模型吃掉，我有一個(gè)非共識(shí)的觀點(diǎn)是：如果你做的事情未來(lái)不能被模型吃掉，那就不要做，因?yàn)槟愣汲圆坏侥Ｐ偷募t利。
• 大模型是未來(lái)的水電煤，coding也是未來(lái)的水電煤，未來(lái)會(huì)深入到大家都意識(shí)不到在coding的程度。模型本身會(huì)越來(lái)越強(qiáng)，安全問(wèn)題終將自我解決，而終局難題是如何讓用戶愿意把自己的一切交給模型。
• 實(shí)現(xiàn)AGI之后，未來(lái)錢(qián)可能不重要了，最重要的是token，以及“自己真正想要的是什么”這件事情。今天一定要發(fā)揮出或者找到自己跟別人的不同點(diǎn)，因?yàn)锳I的本質(zhì)是一個(gè)放大器，你有哪些不同的點(diǎn)，它才能放大你。

EvoMap創(chuàng)始人張昊陽(yáng)表示：

• Agent未來(lái)發(fā)展重心將聚焦商用及OPC場(chǎng)景。純零基礎(chǔ)C端用戶正在持續(xù)減少，用戶群體正逐步向B端、D端遷移。
• Agent產(chǎn)品迭代，一方面將會(huì)從專業(yè)到通用，另一方面是從有形到無(wú)形，也就是從somewhere到everywhere。Agent核心本質(zhì)不會(huì)改變，但上層交互界面將不再局限于傳統(tǒng)TUI、GUI界面，可能會(huì)出現(xiàn)原生Agent電腦和Agent手機(jī)，進(jìn)而演化出全新的OS。系統(tǒng)將隨時(shí)伴有一個(gè)無(wú)形的Agent，去準(zhǔn)備好即時(shí)服務(wù)。
• 今年Agent將會(huì)迎來(lái)百花齊放的發(fā)展?fàn)顟B(tài)，可能每隔幾個(gè)月就會(huì)出現(xiàn)一個(gè)全新的范式或Agent，但最終會(huì)沉淀下來(lái)，形成Agent多足鼎立的格局。
• 無(wú)論是未來(lái)的人還是AI，它一定會(huì)分成三種不同的角色：第一個(gè)是planner，第二個(gè)是builder，第三個(gè)是reviewer。
• 大廠會(huì)慢慢縮編，甚至解體。社會(huì)中會(huì)出現(xiàn)很多的OPC公司，會(huì)原子化。但每一個(gè)OPC的原子化，又承載了非常全面的能力，社會(huì)分工變得沒(méi)那么重要。大企業(yè)的生產(chǎn)要素外部化，企業(yè)中臺(tái)會(huì)減少，轉(zhuǎn)而向OPC索取服務(wù)。

By the way，大會(huì)上，量子位還重磅揭曉了“2026年度值得關(guān)注的AIGC企業(yè)”與“2026年度值得關(guān)注的AIGC產(chǎn)品”榜單，并同步發(fā)布了《2026年中國(guó)AI應(yīng)用全景圖譜報(bào)告》。

以及，我們也會(huì)陸續(xù)發(fā)布嘉賓演講&對(duì)談全文，歡迎持續(xù)關(guān)注～