（meta 首席 AI 官 Wang 谈 AI 新阶段）

AI 的讨论很嘈杂。有人盯着模型参数，有人预测下一次发布，有人问 AGI 还要多久。

但 meta 新任首席 AI 官（Chief Al Officer） Alexandr Wang 在印度 AI Impact Summit 的对话里，把真正决定行业走向的变量，归结为两条主线。

第一条是提速。2025 年底出现了一个只有行业少数人能察觉的拐点：模型开始帮助创造模型。研发速度首次实现递归式增长，单个研究者的产出被成倍放大。Wang 将这个阶段命名为递归自我改进（RSI）时代。

第二条是落地。智能体（agents）正加速大规模投入实战。它们能执行完整任务链，像独立个体一样工作。从编程、运营到政府服务，可规模化部署的场景正在出现。

第一条主线决定天花板有多高，第二条主线决定落地有多快。而竞争的终局，取决于谁能让更多人更早用上智能体。

01

技术进入自我加速阶段

AI 行业有个规律：每次出现重大突破前，都会先经历一轮质疑。

预训练时代 （Pre-training），业内开始质疑：指数增长曲线会停下来吗？边际收益会递减吗？到了 2024 年底，强化学习（Reinforcement Learning）让模型学会了推理。质疑声再次响起：这个时代能持续多久？局限性在哪？

2025 年底，也就是几个月前，Wang 给出了定论：我们已经进入了一个全新的技术范式，递归自我改进（RSI，Recursive Self-Improvement）时代。

过去五年，AI 进步靠堆资源。投入更多数据和算力，模型就变得更强。现在，这个规律失效了。模型不再被动等待投喂，它开始能帮忙做研究，能参与训练下一代模型。它也能整理数据、生成实验代码、做架构搜索，而且速度更快。

从外部看，所有头部实验室的发布频率突然变高了。但这只是表象。在内部，研发流程正在发生质变：研究被切分成更小的步骤，模型能够实时给出方案并进行对比。许多过去依赖人工试错的路径，现在直接在模型内部就能跑通。下一代模型的迭代速度实现了量级跃升，而且这种加速已经成为常态。

竞争逻辑已经改变

在 RSI 时代，竞争的焦点已经从单纯的“资源规模”转向了“迭代速度”。

现在的优势，取决于谁能更快地生成实验方案、更快地清洗数据、更快地测试不同路径，并以最快速度将这些成果反哺给下一代模型。所以你会看到，掌握了这套打法的头部实验室，产品发布节奏明显提速了。

AI 已经进入了能够自我推动的阶段。短期内，你或许感知不到剧烈变化，但在未来三到五年，这种自我加速能力会在产品迭代、组织更新和行业地位上拉开巨大差距。

02

智能体从“概念”到“可用”

如果说第一条线讲的是技术为什么变快，第二条线则更贴近普通人和企业：AI 为什么终于能把事情办成了。

过去两年，智能体（Agents）这个词被提及了无数次。从 2023 年开始，它就被大肆宣传，但在很长一段时间里，它更像是一个被炒作的流行词，始终没有达到预期。

到了 2025 年下半年，情况变了。智能体第一次真正开始运转，能够承担真实任务，而不再仅仅是 Demo。

从会回答到会执行

智能体开始处理完整的任务链：它们可以连续调用工具、在后台长时间运行，还能根据突发情况自动调整执行步骤。

从这一刻起，AI 能力边界扩大了。以前的 AI 只能回答问题，现在的 AI 能推进进度。对企业而言，多了一个 7x24 在线的“数字员工”；对个人而言，则多了一个能主动帮你成事的“超级助理”。

它具体能做什么？

如果你想改善健康： 它能帮你量身定制并严格落地一套包含饮食、运动和作息的完整方案。

如果你要筹办一场活动： 它能自动跟进进度、对接场地、发送邀请，甚至替你查漏补缺。

如果你想享受生活： 它能帮你接管繁杂的日常琐事，把你释放出来，把时间留给钓鱼、画画、旅行，或者任何真正有价值的事。

三个方向同步爆发

编程智能体正在重塑研发流程。它们能读懂、生成并修改代码，让工程师的工作效率实现跃升。在 meta 内部，有工程师利用 AI 将生产力提高了 10 到 100 倍。这些案例一个接一个出现后，组织里的其他人突然意识到，工作方式真的在改变。

个人智能体（Personal Super Intelligence）能帮你规划任务、安排日程、拆解目标，真正渗透进日常生活。

公共服务智能体在印度提供了绝佳范本：民众直接在 WhatsApp 上就能获取政府服务、查询信息、提交申请，效率发生了质变。

智能体不再是某个前沿行业的专属，它正成为一种通用的工作方式。

从不放心到放心

智能体为什么能在现在跨越“概念”走向“可用”？Alexandr Wang 将其归结为四点质变：

模型的推理能力大幅跃升；

工具调用变得更加稳定；

与现实场景的连接更加顺畅；

经过海量应用测试后，可靠性得到了验证。

智能体从让人“不放心”，变成了“可以放心托付”。这正是其能够被规模化部署的核心前提。

一旦信任建立并放心部署，价值就会快速释放。它们不知疲倦、可无限复制、能同时处理多项任务。它们不仅能将人类从重复性劳动中解放出来，更能加快整个组织的运转速度。

企业的运转效率、国家的公共服务质量，都将因此拉开差距。这些差距将在 2026 年变得清晰可见。按照 Wang 的判断，在整个 2026 年，智能体会在全球诸多经济领域和地区实现大规模部署。用他的话说：“AI 带来的经济价值将呈指数级增长。”

智能体已经成为一种新的生产方式。越早将其纳入业务流程的组织，就能越早进入新的增长轨道。

03

机会在用得最快的地方

技术在加速，智能体已经可用。接下来的问题是：谁能最快把它们接入现实？

Wang 在访谈中把讨论重心放在了印度。原因很简单：印度正在成为一个关键样本，证明即便不是技术发明者，也能成为最大受益者。

部署能力比发明能力更关键

主持人提到了 Jeffrey Ding 写的《技术与大国》。书里有个核心观点：回顾从印刷术以来的通用技术演进史，你会发现，从技术中获得最大红利的，往往不是这项技术的发明国。

印度认识到了这一点。它没有追求成为技术发明者，而是专注于大规模应用。技术再先进，如果不能服务更多人、进入更多场景，价值就无法真正释放。

四大基础模块，决定谁能用起来

Wang 在访谈中直言，释放 AI 的全部潜力，既需要政策支持，也需要真金白银的投入。这背后考验的是四大基础模块：人才、数据、算力和数字基础设施。

印度在这几个维度上都有优势。

人才方面，印度拥有世界级的开发者，消费者 AI 初创公司比美国还要多。

数据方面，Wang 说：如果把数据看作新的石油，那么政府应该思考自己的储量有多少。印度政府与 meta 合作推出的 AI 教练平台，提供了 10 种主要印度语言的数据集。

算力方面，不是每个国家都需要建立大规模的 AI 数据中心，但需要有战略，通过联盟或与云服务提供商合作来获得使用权。

基础设施方面，印度有深厚的数字公共基础设施，包括 ID 身份识别、UPI 支付、Aushman 健康账户，可以将应用程序分发给超过十亿人。

跨越“信任”鸿沟，智能体政府正在成型

主持人讲了一个故事。他有两个年幼的女儿，当她们使用聊天机器人时，总是会说“请”和“谢谢”。他对女儿说：你们不需要那样做，那不是一个人。女儿回答：爸爸，如果 AI 接管了世界，我们希望之前对 AI 很友善。

这个故事触及了一个核心问题：在世界各地，人们对 AI 的态度很不一样。在印度这样的国家，人们充满了乐观和信任。但在西方国家，焦虑仍然是主导情绪。

Wang 指出，未来的个人智能体将比任何人都更了解你。要让它真正发挥作用，必须建立起极高的社会信任。

WhatsApp 在印度的成功就是一个例子。它的普及在很大程度上归功于对隐私的承诺，以及 meta 围绕它建立的信任。当下的 AI 产品也需要经历类似的过程。

在印度，某些邦已经直接通过 WhatsApp 办理绝大多数政务。基于这个现象，Wang 提出了一个极具前瞻性的概念：智能体政府（Agentic Government）。

他说，我们需要跳出传统臃肿的官僚体系，思考如何利用智能体和人类验证的组合，以最快速度为公民提供服务。这套模式将覆盖公务员系统、医疗保障和国家安全等各个领域。

智能体组织如何成为现实

主持人问了一个很实际的问题：如何推动这种转变？

Wang 的回答基于 meta 的经验，需要两个层面的配合。

首先，在最高层面上，必须明确 AI 优先的战略方向。组织未来的成败，完全取决于它拥抱 AI 的决心。

其次，必须在基层建立起成功案例。只有当员工实实在在看到了效率的成倍提升，他们才会意识到这不是领导层的空谈，而是正在发生的真实革命。

自上而下的坚决指令，加上自下而下的标杆案例，两者缺一不可。

技术线提供了前所未有的供给速度，部署线则考验着社会的吸收速度。这两条线的交汇处，就是未来几年真正爆发新增长点的地方。

正如主持人在最后的疾呼：我最大的担忧是，有些人把 AI 当成明天才需要操心的问题。但实际上，这是今天、现在就必须采取行动的关键议题。它不能再只是专业圈层的讨论，它必须立刻成为决策者的核心关切。

04

结语｜时间窗口正在收窄

从预训练到强化学习，再到递归自我改进，AI 的每一次跃迁都伴随着质疑声，但技术从未停下。

这一次的转折在于：模型已经成为加速自身进化的工具，智能体已经从概念走向了真实部署。技术供给和应用落地，第一次同步加速。

印度正在证明：用起来的速度，正在变得比发明本身更重要。

窗口期已经开启。那些更早把智能体接入组织、产品、服务的人，会在未来几年建立起显著优势。

差距不会突然出现，但它已经开始拉开。