最近，清华大学在北京举办了一场AGI前沿峰会，智谱、Kimi、阿里的几位技术负责人和专家聚在一起聊了聊。这次会没讲场面话，而是非常坦诚地讨论了行业真实困境和未来方向，很有参考价值。

会议核心要点：

1.目标变了：从“会聊天”到“会干活”

大家一致认为，单纯比谁更会聊天的竞争已经结束了。下一步的关键，是看AI能不能真正完成复杂任务，比如自动处理长达一周的工作。这就是从“玩具”到“工具”的转变。

2.下一个热门：“自学”能力

大家都认为让AI具备“自主学习”能力很重要，但具体指什么有分歧。有人觉得现在已经在小规模发生（比如越用越懂你），有人想象的是更高级的、能主动探索和学习的形态。怎么实现、如何衡量，还是开放问题。

3.新胜负手：比谁更“省”

当数据和算力越来越贵时，单纯堆资源的时代过去了。未来的竞争是 “效率”竞赛，看谁能用更少的电力和数据，训练出更聪明的模型。这是追赶者翻盘的好机会。

4.Agent要动真格，但路子不同

AI助理（Agent）被普遍看好，认为明年可能就能干很多实事。但大厂和创业者的想法不同：大厂觉得模型变强，Agent自然就强；而创业者更关注怎么把它真正安装到企业里。通用任务可能大厂有优势，但特定领域仍有创业空间。

5.中国机会：有希望，但得解决根本问题

对于中国能否做出世界领先的AI，大家看法谨慎乐观。公认的优势是我们工程落地快、应用场景多。但主要卡脖子的问题是：我们的算力大多用来做产品了，而美国更多用来探索下一代技术；同时，我们的商业环境和企业文化，是否真的能支持那种可能失败、但能定义未来的冒险研究，这是个考验。

未来设想：

1.高校可能成为新想法来源

过去搞研究主要是大公司有卡。现在学校的算力也跟上来了，很多教授和学生开始深入参与。说不定下一波重大创新（比如新的学习架构），会从学术界冒出来，再和工业界结合落地。

2.中国可能走出自己的技术路线

因为对数据隐私和安全要求很高，完全照搬美国的“大模型通吃”模式可能行不通。未来在金融、医疗等领域，可能会发展出 “通用大模型+本地专业小模型”协作的特色路线，这反而可能成为我们的一个优势。

3.赢到最后，靠的是整体环境

长期来看，比一两项技术突破更重要的，是整个行业的“土壤”。如果我们的投资人、公司、社会评价，能更多容忍失败，鼓励去探索没人走过的路，而不是只奖励短期内刷高分、做项目，那才有机会真正走到最前面。这需要时间，但最关键。

····· End ·····

星海情报局 系统研究

中国制造与国产替代

专注中国产业崛起故事

▲关注产业资讯，破解科技密码

追赶先进技术风口，看中国制造的星辰大海

入驻媒体平台

36Kr/ 观察者网风闻社区/ 网易

虎嗅/ 雪球/ 腾 讯新闻