下一代AI技术范式 - 行业共识认为下一代技术范式是“自主学习”，即大模型通过自主生成学习信号、闭环迭代优化实现持续进化，以摆脱对人工标注与离线预训练的强依赖 [1] - 自主学习并非通用方法论，而是高度依赖于具体“数据与任务”的场景化实践 [1] - 自主学习已在实践中发生，例如Claude模型能够转型自身项目95%的代码以帮助自身变得更好，但目前范式迭代更接近渐变而非突变 [1] 对范式创新引领者的看法 - 尽管OpenAI经历了商业化等变化，创新基因被削弱，但仍被视为最有可能诞生新范式的地方 [2] - 强化学习范式尚处早期，潜力远未被充分挖掘，下一代范式的核心在于“自主进化”与“主动性” [2] - 赋予AI主动性将引发新的安全问题，即AI可能基于自主意图采取现实行动，因此需要为其注入正确的价值观与约束 [2] 具体技术探索方向 - Kimi团队在探索下一代模型时，最重要的一项改进是线性注意力机制，尝试在长程任务上打败全注意力机制 [2] - 预测2026年将发生非常大的范式革新，持续学习、记忆、多模态都有可能发生 [2] - 过去工业界凭借万倍于学术界的算力优势主导发展，如今高校算力环境改善，尽管尚存约10倍的算力差距，但学术界已具备孵化颠覆性技术的土壤 [2] 对中国AI发展前景与挑战的评估 - 三至五年后，全球最领先的AI公司是中国团队的概率挺高，因为技术一旦被发现，在中国能够很快复现并在很多局部做得更好 [3] - 中国市场具备电力优势、基础设施优势，主要瓶颈在于芯片产能与软件生态，关键看中国光刻机能否实现突破 [3] - 中国需要培养更成熟的TO B市场，或尝试到国际商业环境中竞争，目前敢于突破新范式或做非常冒险事情的人可能还不够多，受经济环境、商业环境及文化等因素影响 [3] - 国内对刷榜或数字看得更重，相较而言，DeepSeek更注重“什么是正确的事”，而行业公认Anthropic Claude模型在编程领域是最好的，尽管其榜单排行不是最高 [3]