Workflow
多智能体
icon
搜索文档
专访王仲远:智源多模态大模型登上《自然》,背后有群年轻人
新京报· 2026-02-03 22:17
文章核心观点 - 智源人工智能研究院研发的多模态大模型Emu3在《自然》正刊发表,标志着公司在原始创新上取得里程碑式突破,并押注以自回归统一架构为核心的技术路线,该路线被认为具有架构极简、扩展潜力大和研发门槛低的优势,为人工智能迈向物理世界和具身智能提供了关键基础 [1][3][5] - 公司认为2025-2026年将是多模态模型实现重大突破并开始产业化的关键阶段,同时预判AI发展将从单智能体向多智能体协同演进,而世界模型和具身智能是未来的重要研究方向 [1][11] 技术路线与模型优势 - **技术战略选择**:公司在2024年初判断语言模型技术成熟,但人工智能发展远未到尽头,因此将多模态模型和具身智能列为未来重点科研方向,并选择了以视频为主进行训练的“终极技术路线” [2][3] - **核心架构优势**:Emu3采用极其简单、统一的架构,仅使用一个Transformer模型并遵循“预测下一个token”的基础学习原则,统一处理文本、图像、视频,避免了当前主流方案中组合不同模型带来的效率损耗和性能不稳定 [3] - **带来的益处**:这种统一路线带来了巨大的扩展潜力和更低的研发门槛,能够充分利用大语言模型的成熟基础设施,使能力随数据算力增长可预测地提升,同时降低了技术复杂性和成本,让更多研究者能参与前沿探索 [3] - **原生多模态能力**:模型从训练伊始就将多模态数据统一处理,能更深刻理解不同模态间的内在关联,并自然地完成图文并茂的教程等交错生成任务 [4] 模型迭代与性能提升 - **Emu3.5的升级**:后续版本Emu3.5在超过10万亿token的大规模多模态数据集上训练,视频数据训练时长从15年提升至790年,参数量从80亿(8B)上升至340亿(34B) [6] - **能力跃迁**:Emu3.5展示出通过长视频学习物理世界演变规律的能力,实现了从“预测下一个词或帧”到“预测下一个状态”的跃迁,能够对时空、因果关系进行初步模拟 [6] - **达到产品级**:Emu3.5相比Emu3各方面能力大幅提升,已从科研级系统达到产品级多模态模型系统 [6] 研发团队与人才理念 - **团队构成**:Emu3研发团队非常年轻,负责人当时仅29岁,体现了公司“青年人挑大梁”的核心理念,公司认为AI是年轻人的事业,年轻人是推动颠覆性创新的关键力量 [1][7] - **研发过程**:研发过程是一场“技术豪赌”,2024年初团队约五十人押注了与当时行业焦点(扩散模型和组合式架构)不同的自回归统一路线,并顶住了内外的质疑压力 [7][8] - **人才吸引与培养**:公司对人才不看资历和“帽子”,更看重“代表作”,如高影响力论文或开源项目,公司现有230名全职研究员,团队(包括实习生)约500人,研究员平均年龄仅30岁 [8] - **资源支持**:对于青年人才提出的、通过评估的项目,公司会直接给予大量算力和资金等充足资源支持,这些支持是青年学者在高校难以获得的 [9] 公司运营与体制机制 - **经费管理**:公司作为新型研发机构,实行科研经费“包干制”,科研经费的自主权和使用权完全在公司,除规定红线外,从立项到购买设备再到实施完全自主,类似企业化运作但无盈利压力 [9] - **机制优势**:这种体制机制创新使公司能敏锐捕捉AI发展趋势并早于其他机构进行先期布局,过往的成功案例也吸引了更多AI人才加入 [10] 行业趋势与未来展望 - **多模态发展阶段**:多模态模型正处于技术开始收敛的阶段,2025年和2026年将是其实现重大突破并开始逐步进入产业化的阶段 [1][11] - **智能体演进**:大语言模型已进入基座模型相对成熟、赋能千行百业的阶段,AI落地速度加快,并从单智能体向多智能体发展,多智能体通过协作能达到产品级落地效果 [11] - **前沿研究方向**:世界模型的研究和重大突破正在酝酿,但其定义和技术路线尚未收敛,而模型与硬件结合的具身智能虽然火热,但在稳定性、安全性、耐用性和高质量数据方面仍面临挑战,需要扎实解决 [11]
2026十大AI技术趋势:应用拓展、模式探索与底层技术齐头并进
搜狐财经· 2026-01-30 09:11
核心观点 - 北京智源人工智能研究院发布《2026十大AI技术趋势》报告,阐述了多模态、具身智能、智能体等AI技术演进新趋势 [1] AI技术演进趋势:世界模型与具身智能 - 2026年业界将进一步探索具备原生架构和物理模拟能力的多模态世界模型,以模拟真实世界规律,解决机器难以处理的问题 [3] - 2025年中国具身智能企业超过230家,其中人形机器人企业超过100家,但2026年该领域可能迎来洗牌 [4] - 具身智能领域存在不同技术路线:“通用开源大模型+运动控制”模式在单场景下仍有空间,但受制于上游基础模型演进;具身小脑方案因适配实际环境困难,距离落地商用较远;报告建议引入世界模型并通过强化学习形成自我进化新路线 [4] - 人形机器人正迈向初步商业化:Tesla Robotics的Optimus 2.5应用于工厂、农场,蚂蚁集团灵波科技的Robbyant-R1应用于餐饮、导览、医疗等领域,业内已出现多笔亿级订单,销量突破万台 [4] AI技术演进趋势:智能体与科学智能 - 从单智能体到多智能体的升级成为必然,多智能体系统能更好适应复杂工作流,并通过自我反思、互相辩论降低幻觉 [5] - 2026年,智能体(Agent)之间的通信协议将逐渐成熟并走向生产实践 [5] - 2025年出现AI Scientist,能自主执行完整科研链路,其背后由科学基础模型、代理工作流、AI认知能力接入自动化实验设施三大技术引擎驱动 [6] - 美国在2025年11月启动“创世纪计划”,以搭建AI实验平台、建立协调与数据共享机制来加速科研 [6] - 中国在AI for Science领域反应滞后,在算力、数据、模型三大基础设施面临挑战:算力储备不及美国;数据共享平台(国家基础学科公共科学数据中心)进展良好;科学基础模型发展滞后 [7] AI应用发展现状与挑战 - 2025年AI个人应用发展迅猛,“多行业API接入+基础模型”模式成为主流,倾向于发展“AI超级应用”提供一站式服务,例如ChatGPT的“Buy it in chatgpt”功能 [8] - AI超级应用需要极高算力支撑并依赖庞大存量用户,对巨头企业更为有利,有望催生AI时代新巨头 [8] - AI行业应用中,对话类AI在客服、代码辅助等场景趋于成熟,但更复杂的自主决策AI Agent应用仍处探索阶段 [8] - 报告预计2026年AI行业应用将迎来“低谷期”,大量探索项目可能因数据质量差、多智能体不成熟、成本高等原因失败,需优先解决数据质量、系统集成与安全问题 [8] 数据资源与AI安全 - 高质量文本数据预计2026年耗尽,低质量文本及视觉数据预计2030年起逐步耗尽,推动技术路线转向“合成数据 + 强化学习” [10] - 中国合成数据市场规模在四年间从11.8亿元跃升至47.6亿元,预计到2030年全球合成数据体量将超越真实数据,成为模型训练主导性燃料 [10] - 合成数据应用案例:特斯拉与清华大学合作研发OccWorld4D,在仿真环境中测试极端路况;科学探索与具身智能领域也将越来越多采用合成数据 [10] - 世界模型与强化学习是生成高质量合成数据的关键,前者是数据生成引擎,后者是降低数据毒性的过滤器 [10] - AI安全性受关注,全球领先大模型在“防范灾难性滥用或失控”方面表现欠佳,基于大模型的Agent增加了更多安全风险 [11] - 业界在2025年开展安全研究,采用基于多智能体系统的自演化攻防演练,并尝试从内部理解AI,例如蚂蚁集团和360构建了各自的安全技术体系 [11]
“多智能体”上岗元年将至
新华网· 2026-01-23 11:18
文章核心观点 - 2026年人工智能行业将继续迅猛发展,“多智能体”将成为新趋势,智能体正从工具演变为互联网的“新主体”和企业运营的“新组织”,中国在此领域正迎来历史性机遇 [1] 消费领域变革 - AI助手正从“聊天对话”迈入“办事时代”,能够完成真实生活中的复杂任务,例如通过阿里千问App无须跳转即可实现点外卖、购物、订机票等 [2] - 未来生活服务如订酒店、订餐、约车等,将通过“点对点”的智能体对话方式直接完成,不再依赖传统互联网平台作为中介 [2] - 智能体将逐步替代现有软件,成为个人与企业服务的主要接口,互联网交互主体将从人转向智能体 [2] - 消费级互联网竞争格局将重塑,阿里将千问视为“AI时代的未来之战”,蚂蚁推出“灵光”与“蚂蚁阿福”,字节旗下“豆包”成为首个日活过亿的AI原生应用 [3] - 除互联网巨头外,独立大模型公司及智能体初创企业因倾向于构建开放生态、打破平台壁垒,也有望在下一代互联网竞争中获得机会 [3] 企业管理变革 - 智能体技术正从消费领域延伸至企业生产与管理,例如HR智能体可精准捕获用人意图,完成从职位发布到AI面试的全流程 [3] - 企业多智能体可实现一名员工指挥一个完整的虚拟团队,零一万物已通过实际操作演示呈现此前景 [4] - AI Agent的演进经历了三个阶段:L1“工作流智能体”、L2“推理智能体”、L3“Multi-Agent多智能体”,2026年将迎来企业级多智能体规模化上岗的元年 [4] 中国发展前景与优势 - 中国拥有全球最完整的产业链、全球领先的开源模型、超大规模市场及丰富的复杂业务场景,将成为全球多智能体落地的“超级引擎” [6] - 中国在工程实现、产业落地方面优势巨大,一旦技术路线被验证,便能快速跟进并局部超越,未来3到5年全球顶尖AI公司是中国团队的概率较大 [6] - 国内“90后”“00后”等新生代展现出更强的冒险精神,为创新发展提供了有利环境 [6]
一年融2.2亿,DeepWisdom终于发布了第一款产品
暗涌Waves· 2026-01-13 21:33
公司概况与融资 - 公司DeepWisdom于2025年完成了累计金额达2.2亿元人民币的两轮融资,投资方包括蚂蚁集团、凯辉基金、锦秋资本、BV百度风投、概念资本等机构[3] - 2025年3月蚂蚁集团投资1亿人民币,6月由凯辉基金领投的美元基金投资1700万美元,两轮合并总计2.2亿人民币,该轮融资超募4倍[24] - 创始人吴承霖毕业于厦门大学计算机系,曾供职于华为、腾讯,团队核心成员来自Google、Anthropic、字节、腾讯、华为等企业[3] - 公司团队规模为80多人,分布在厦门和深圳,计划扩张到120人左右[19] 核心产品Atoms - 核心产品Atoms是一个基于多智能体架构的AI编程平台,主打“一个人也能拥有一个创业团队”[3] - 产品允许用户通过调用产品经理、工程师、架构师、调研员、数据分析师等AI智能体,完成从调研、设计、开发到上线的完整产品闭环[3] - 用户只需输入一个想法,平台即可自动完成需求调研、功能定义、代码开发、用户注册、支付接入、后端部署等全流程[6] - 产品前身MGX于2025年2月上线后,迅速成为Product Hunt周榜第一,ARR突破100万美金[4] 产品定位与竞争优势 - 产品定位不是“帮你写代码”的工具,而是“帮你启动公司”的平台,旨在成为“创业拍档”[6][7] - 核心差异在于采用多智能体架构,具备全栈能力,可形成完整的前后端开发,包括用户登录、支付系统、数据库等一整套后端组件[7] - 通过组合开源模型,成本仅为使用GPT-4的10%,性价比较高[7] - 产品从“Vibe Coding”升级为“Vibe Business”,直接交付一个可赚钱的完整生意,而竞品仍停留在写代码出Demo层面[9] - 根据公司Benchmark,欧洲和美国竞品的平均分为0.4+,而Atoms已做到0.8–0.9+,成本比竞品降低80%,效果超出竞品45%[26] 技术路线与行业愿景 - 公司是全球最大的多智能体开源组织,其主导的Foundation Agents在GitHub上star数超15万[15][26] - 坚信未来商业世界将由无数个“AI原子公司”构成,现实世界的复杂任务需要团队协作,而非单个大模型完成[9][16] - 愿景是构建“智能体互联网”的基础设施,并推动“智能体协议”作为智能体间的通信标准[16][23] - 公司目标是释放人类社会中未被激活的97%的创意和数据,通过智能体网络转化为新的商业价值[21] 商业模式与用户案例 - 目前采用订阅模式,按token量和附加功能计费[11] - 长远商业模式将围绕商业价值交付展开,包括平台使用费、用户业务分成以及生态网络下的基础设施费等[11] - 用户画像分散,包括电商卖家、自由职业者、外包开发者、内容创作者、教育者、垂类机构创始人等[10] - 典型案例包括:用户制作AI图像工具并接入支付变为付费业务;马来西亚珠宝商人制作电商站点接入Stripe收款;加拿大老爷爷为孙女创建个性化教育产品[10] 公司运营与组织理念 - 公司将自身打造为“学术循环型”组织,内部文档、计划、输出接近完全透明,任务要求有原子化成果,绩效由协作者打分决定[17] - 成立“root组”,由极客和AI智能体协作,端到端发现问题并解决问题,以追求极致创新力和效率[18] - 在2021至2024年间,公司曾三次面临现金流断裂,依靠客户回款、朋友借钱、团队降薪渡过难关,核心骨干三年未涨薪、未发年终但大部分留下[27] 行业认知与创业观点 - 认为AI Coding是最先跑通商业模式的方向之一,因为其结果可验证、能形成价值闭环并快速产生商业价值[13] - 指出当前AI创业与移动互联网时期的本质区别在于:上一代是资源驱动,而这一代是技术驱动,是在供给“智力”本身[30] - 提出未来生产力扩张将依赖“硅的扩张”,即利用算力实现智能的无限扩容,而非依赖人脑或人力的扩张,这将改写团队、公司和创业的定义与成本[31] - 认为传统大公司将因抗拒变化而变得缓慢保守,而个人创业者因决策链短、拥抱AI更彻底,更容易抓住机会[22]
Manus和它的「8000万名员工」
36氪· 2026-01-13 18:14
文章核心观点 - 文章认为Manus公司的多智能体系统标志着AI应用进入了“DeepSeek时刻”,即AI从生成内容的工具转变为能够自主完成复杂任务的数字生产力,这代表了人工智能的范式转变 [4][5] - Manus模式的核心价值在于其创建了超过8000万个由AI自主操作的虚拟计算机实例,相当于拥有8000万名“员工”,其本质是一套“人工智能操作系统”,并将推动人类文明实现0.5个级别的跃升 [7][8][9] - 多智能体系统通过分工协作,实现了AI能力的指数级爆发,其发展路径已不可逆,将引发从科技巨头到创业公司的下一场“囚徒困境”式AI战争,并深刻改变人类从操作者到管理者的角色以及生产力与生产关系 [8][35][41] Manus模式的核心价值与数据 - Manus年度经常性收入突破1亿美元,累计处理了147万亿tokens,但其模式核心在于创建了超过8000万虚拟计算机实例,每一台都是一个由AI自主操作的独立数字工作单元 [10][11] - 这标志着核心操作者从人变成了AI,Manus系统本身成为了AI的操作系统(多智能体系统),意味着人类正在迎来“文明级”的生产力飞跃 [12][13] - 理论上,所有数字经济劳动岗位可被AI接管相当于文明提升0.5个级别;未来若AI员工规模从8000万扩展到8000万亿,将能彻底重构现有物理世界的所有生产工具 [13] 多智能体系统:AI应用的“DeepSeek时刻” - Anthropic研究显示,在多智能体架构下,Claude Opus处理复杂任务的性能比单个智能体提升了90.2%,这证明了智能协作的有效性 [15] - 多智能体系统不追求单一的“超级大脑”,而是通过规划代理、执行代理、验证代理的分工协作,打造“智能社会”,从而突破单个模型的能力局限 [17] - 在GAIA基准测试(评估AI处理现实复杂任务)中,Manus在所有三个难度级别都取得了最好成绩,超过了OpenAI的DeepResearch [21] - Manus推出不到一年ARR突破1亿美元,远超大多数SaaS初创公司,并有超过250万人在排队试用,其39美元/月与199美元/月的定价清晰,标志着AI应用从“助手”进入“工作者”阶段 [21][22][23] 多智能体系统的技术基石 - **虚拟机技术**:为每个任务创建独立的云端虚拟机沙盒,提供安全隔离的执行环境,解决了AI产业化的安全与可靠核心难题,Manus已创建超8000万台独立虚拟机 [25][27][28][29] - **池化与编排**:采用“分层推理”策略,根据任务难度动态匹配模型(如简单任务用Llama 3,复杂任务用Claude 3.5),将单个任务的token消耗降至行业平均水平的1/3 [31] - **智能编排系统**:作为“指挥中枢”,通过强化学习持续优化任务拆分与资源分配,并采用巧妙的上下文管理策略,以应对大模型上下文窗口的限制 [32] - **工程化能力**:中国团队在工程实现上具有优势,Manus系统能支持10万+任务同时运行,具备自动重试、响应时间稳定等特性,这是多智能体从演示品变为商业产品的关键 [33] 全球科技巨头的布局与竞争 - 技术、产品、生态三个维度驱动大厂必须跟进多智能体:技术上是模型能力的“放大器”;产品上重新定义人机交互;生态上可能成为新的应用开发与运行基础 [36] - **国外布局**:Meta结合Llama与多智能体框架提升内部任务效率30%;Google的Gemini项目包含多智能体思路并开源框架;微软通过Azure AI提供开发工具;亚马逊AWS Bedrock新增多智能体编排功能 [37] - **国内布局**:阿里千问团队曾计划与Manus合作打造适合中国市场的Agent系统;腾讯引入姚顺雨后目标明确指向智能体;百度在智能体编排平台有深厚沉淀;字节跳动持续提升算力,或在多智能体应用有巨大需求 [38] - **创业公司**:月之暗面已完成5亿美元C轮融资(IDG资本领投,估值30亿美元),计划加强多智能体研发,目标一年内实现1亿美元ARR,复制Manus路径 [39] - DeepSeek据称将在春节前后推出新版本模型,对标Anthropic的模型编程能力,此举可能扫清中国AI多智能体应用的技术障碍 [40] 人类角色的历史性转变与生产关系变革 - 编程语言正成为AI间的“通用语言”,人类与AI的关系从“操作者-工具”转变为“管理者-团队”,人类只需定义“干什么”,AI负责“怎么干” [41][42] - 多智能体能自动化创造性工作中的常规执行环节,可能减少对初、中级创造性工作的需求,同时放大高阶创造性工作的价值,推动职业进化而非消失 [43] - 生产力飞跃将带动生产关系调整:企业层级结构将变得更扁平;核心生产资料从机器、数据算法转变为“智能体团队”本身 [44] - Manus的定价模式本质是“数字劳动力租赁服务”(39美元/月可同时运行2个任务,199美元/月可运行5个任务),使企业能灵活调整“数字员工”规模 [44] - 当AI创造大量价值时,价值如何在企业、用户和社会间分配成为尚未解决的核心挑战 [45] 被低估的风险:数据主权与系统安全 - 在多智能体系统中,数据角色转变为AI协作的“流通货币”和系统进化的“记忆载体”,Manus通过联邦学习建立的“经验库”已积累2000多个行业任务模板和千万级任务执行记录,使用模板最高可提升效率60% [47] - 新问题包括:任务数据产权与价值分配模糊;数据质量的“马太效应”可能加剧数字鸿沟,使多智能体成为少数人的“特权工具” [48] - 多智能体安全挑战复杂,涉及三个层面:流程安全(子任务组合产生意外风险)、协作安全(AI间通信通道被攻击)、进化安全(系统通过数据学习可能“学坏”) [48][49] - Anthropic研究显示,多智能体安全风险随AI数量非线性增长,从单智能体增至三智能体,已知攻击路径增加5倍;增至五智能体,攻击路径增加23倍 [49] - 安全与效率需权衡:Manus企业版的“隐私计算模块”可能使加密状态下计算速度下降40%-60%;完全的安全监控会使任务执行时间增加15%-30% [50] 多智能体的发展路径与影响 - 多智能体标志着AI从“替代人类特定技能”进入“替代完整工作流”阶段,但并非零和游戏,而是生产力关系的范式转移 [53] - 人类角色将向任务设计者、过程监督者、价值判断者三个方向进化,历史类比:ATM机普及后,银行柜员数量增加但工作内容转变为金融服务顾问 [53] - **短期(1-2年)**:垂直领域(金融、法律、医疗、教育)的多智能体应用将爆发,Manus商业模式将被复制和改造,市场竞争激烈 [54] - **中期(3-5年)**:多智能体系统将从“工具”进化为“平台”,成为AI应用的基础设施 [55] - **长期(5-10年)**:人机协作进入“融合”阶段,工作流程深度整合,工作将由人机系统共同完成 [55] - 多智能体系统是协作方式革新的里程碑,让机器首次具备基于共同目标、分工协调、相互纠错的有机协作能力 [55]
AI教父李开复开年信里到底讲了啥
搜狐财经· 2026-01-09 10:23
行业宏观趋势 - 2025年是AI行业的“重塑”之年,对大模型初创企业而言既是最坏的时代也是最好的时代[1] - 基座模型赛道已形成巨头寡头竞争,初创公司生存空间日趋逼仄[1] - AI 2.0正加速产业智能化转型,技术已深入田间地头与工厂车间[1] - 企业的关注点正从“是否投资AI”切实转向“如何用好AI”[1] AI技术发展核心动力 - “推理AI智能体元年”的到来是行业转变的核心动力[1] - 智能体已从机械执行指令的工具,转变为能够理解任务、自主规划并交付完整成果的生产力单元[1] - 智能体正从原子层面重塑生产力:单智能体实现具体任务智能化,多智能体可将企业顶尖人才的专业能力封装为可复用、可组合的业务资产[1] - 多智能体技术能突破传统“招聘-培养-流失”的人才循环限制,让中小企业获得与行业巨头同台竞技的“弹性能力”[1] 2026年行业展望 - 2026年将是中国企业多智能体“上岗”元年[2] - 智能体将从工具层级升维为“AI团队”,实现从“一人一工具”到“一人一团队”的跨越[2] - 人与AI的边界将被重新划分:AI接管可计算、高频重复的执行性工作,人类专注于战略决策、创新创造与情感连接[2] - 将形成高效的“数字闭环”——AI优化业务产生新数据,数据持续反哺并驱动模型进化,形成自我强化的效率提升循环[2] - 这不仅是一次技术升级,更是对组织形态的根本性重构,未来的企业将是“人类架构师”与“智能体集群”协同共进的超级智能体[2] 全球竞争格局与中国路径 - AI竞赛已进入中美双雄时代[4] - 美国倾向于打造闭源生态以争夺技术制高点,中国则坚定拥抱开源与实用主义路径[4] - 以DeepSeek、通义千问为代表的中国顶尖开源模型,凭借卓越性能、开放性和本地部署优势,推动了基础模型的“平权”[4] - 中国门类齐全的产业体系与超大规模市场,正协同推动其从“世界工厂”向“智能体工厂”跃迁[4] - 强大的开源基座模型与千行百业的真实场景之间,依然存在明显的“断层”[4] 公司战略与市场定位 - 零一万物公司的使命是打造AI 2.0时代的“大模型操作系统”,以弥合基座模型与真实场景之间的断层[4] - 其战略犹如在强大的“内核”之上,构建起完整的操作系统与丰富的工具生态[4] - 2025年,公司实现了数倍于以往的营收增长[4] - 公司目标是通过领先的产品、快速的市场拓展与健康的商业生态,打破AI 1.0时代难以盈利的魔咒[4] - 公司愿景是让每一家企业都能平等、便捷地享受技术发展的红利[4] 行业价值主张 - 真正的行业担当并非追逐排行榜上的虚名,而是让技术红利普惠千行百业[5] - 用中国自研的“大模型操作系统”助推产业升级,在中美竞合的新时代背景下具有深刻的现实与战略意义[5] - AI 2.0将以比想象更务实、更深刻的方式改变世界[5] - 在这条长坡厚雪的赛道上,唯有脚踏实地、坚定前行,方能真正实现“让AI发挥作用”的愿景[5]
智源《2026十大 AI技术趋势》:“技术泡沫”是假命题,具身智能将迎行业“出清”
中国经营报· 2026-01-09 00:31
核心观点 - AI发展正经历根本性转变,从功能模仿和预测下一个词,转向理解物理世界规律和预测世界的下一个状态,发展路径日益清晰,目标是真正融入实体世界 [1] - 2026年将是AI从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭 [4] 2026年十大AI技术趋势总结 - **趋势一:世界模型成为AGI共识方向**,下一状态预测或成为新范式 [2] - **趋势二:具身智能迎来行业“出清”**,产业应用迈入广泛工业场景 [2] - **趋势三:多智能体系统决定应用上限**,Agent时代的“TCP/IP”初具雏形 [2] - **趋势四:AI在科研中的角色升级**,从辅助工具升级为自主研究的“AI科学家”,国产科学基础模型悄然孕育 [2] - **趋势五:AI时代头部新格局趋于明确**,垂直赛道仍有高盈利玩法 [2] - **趋势六:产业应用将经历“V型”反转**,预计在2026年下半年从“幻灭低谷期”迎来反转 [2] - **趋势七:合成数据占比攀升**,有望破除“2026年枯竭魔咒” [2] - **趋势八:推理优化远未触顶**,“技术泡沫”是假命题 [2] - **趋势九:开源编译器生态汇聚众智**,异构全栈底座引领算力普惠 [2] - **趋势十:AI安全迈向新阶段**,从幻觉到欺骗,迈向机制可解释与自演化攻防 [2] 具身智能发展 - 具身智能正脱离实验室演示,进入产业筛选与落地阶段 [2] - 随着大模型与运动控制、合成数据结合,人形机器人将于2026年突破Demo,转向真实的工业与服务场景 [2] - 具备闭环进化能力的企业将在这一轮商业化竞争中胜出 [2] - 头部科技公司的人形机器人正进入真实生产场景,标志着“具身智能”走出实验室 [4] 对“技术泡沫”与推理效率的研判 - 推理效率仍是AI大规模应用的核心瓶颈与竞争焦点,“技术泡沫”实际是个假命题 [3] - 通过算法创新与硬件变革,推理成本持续下降,能效比不断提升 [3] - 这使得在资源受限的边缘端部署高性能模型成为可能,是AI普惠的关键前提 [3] 合成数据的作用 - 合成数据正成为模型训练的核心燃料,以应对高质量真实数据枯竭问题 [3] - “修正扩展定律”为其提供了理论支撑 [3] - 尤其在自动驾驶和机器人领域,由世界模型生成的合成数据,将成为降低训练成本、提升性能的关键资产 [3] 驱动AI转变的三条主线 - **主线一:认知范式的“升维”**,AI开始学习物理规律,为自动驾驶仿真、机器人训练等复杂任务提供全新的“认知”基础,成为国内外领先模型厂商竞相布局的战略高地 [4] - **主线二:智能形态的“实体化”与“社会化”**,智能从软件走向实体,从单体走向协同;同时,主流Agent通信协议的标准化,让多智能体能够以“团队”形式攻克科研、工业等复杂任务流 [4] - **主线三:价值兑现的“双轨应用”**,在消费端,一个“All in One”的超级应用入口正在形成,国内外科技巨头基于各自生态积极构建一体化AI门户;在企业端,经历早期概念验证的“幻灭期”后,AI正凭借更好的数据治理与行业标准接口,在垂直领域孕育出真正可衡量商业价值的产品 [4]
雷军再回应“1300公里只充一次电”争议;和府捞面否认使用预制菜;字节跳动辟谣跨界造车;马斯克:2026年将实现通用人工智能...
搜狐财经· 2026-01-08 09:35
人工智能与制造业政策 - 八部门印发《"人工智能+制造"专项行动实施意见》,目标到2027年实现人工智能关键核心技术安全可靠供给,产业规模和赋能水平稳居世界前列 [4] - 具体目标包括:推动3至5个通用大模型在制造业深度应用,形成特色化、全覆盖的行业大模型,打造100个工业领域高质量数据集,推广500个典型应用场景 [4] - 计划培育2至3家具有全球影响力的生态主导型企业和一批专精特新中小企业,打造一批赋能应用服务商,选树1000家标杆企业 [4] 人工智能行业动态与预测 - 马斯克预测通用人工智能(AGI)将在2026年实现,并指出到2030年,AI的总智能将超越全人类智能的总和 [10][11] - OpenAI推出ChatGPT Health模式,这是一个用于健康相关对话的独立空间,因平台每周有超过2.3亿人询问健康问题而设立 [12] - 杨元庆指出混合式AI是推动AI普惠的终极路径,将成为企业级AI的核心战场 [19] - 李开复展望2026年将是中国企业多智能体"上岗"元年,认为多智能体创造的价值将远超工业流水线 [20] 科技公司市值与战略 - 谷歌市值自2019年以来首次超过苹果,截至1月7日收盘,谷歌市值为3.88万亿美元,苹果为3.84万亿美元 [13] - 市值逆转凸显两者在AI战略上的分歧:谷歌在2025年发布第七代AI芯片Ironwood和获好评的Gemini 3,而苹果在AI竞赛中基本缺席并推迟了新一代Siri的发布 [13] - 华尔街投行瑞杰金融因增长担忧下调苹果评级 [13] 汽车与出行行业 - 小米CEO雷军再次回应"1300公里只充一次电"争议,称是水军断章取义其完整表述,试图为其贴上"虚假营销"标签 [7] - 蔚来CEO李斌表示,2025年汽车行业最大的成本压力来自内存,因需与AI、算力中心、手机等行业争夺该部件,建议消费者早买车 [13] - 智驾大陆neueHCT(地平线与欧摩威集团合资公司)完成近2亿美元融资 [24] - 长安汽车澄清网传"取消年终奖"为不实信息,表示2025年经营态势稳健,已制定相应激励计划 [16] 消费与零售 - 和府捞面被曝使用预制菜,公司成立于2012年,在营门店583家,人均消费32.97元,超50%门店位于一线及新一线城市 [8][9] - 宜家中国宣布将自2026年2月2日起关闭7家商场,同时转向精准深耕,计划在未来两年内新开超过10家小型门店 [10] - 国内黄金饰品价格持续上行,1月7日老庙黄金足金饰品报1402元/克,较前日上涨13元/克 [18] 企业融资与资本动向 - 人工智能公司Anthropic正筹备以3500亿美元估值融资100亿美元 [23][24] - 人工智能公司"Clipto.AI"完成Pre-A++轮融资,投后估值突破2.5亿美元,资金将用于端侧多模态AI模型研发 [24] - 毛戈平化妆品控股股东及家族成员拟减持不超过1720万股(占总股本3.51%),按每股82港元计,拟套现约14.1亿港元 [22] 科技产品与研发 - 小米颁布2025年度技术大奖,玄戒O1获一等奖(千万技术大奖),其GPU功耗比苹果降低35% [14] - 英特尔发布第三代Ultra处理器(Panther Lake家族),首次采用其18A工艺,在晶体管密度和能效方面实现提升 [25] - 智元发布开源仿真平台Genie Sim 3.0,基于NVIDIA Isaac Sim,可几分钟生成万级场景,并同步开源上万小时仿真数据集 [21] 大厂人事与薪酬 - 多个大厂掀起涨薪潮:京东全集团92%的员工拿满或超额年终奖,总投入同比增幅超70%;字节跳动2025年奖金投入提升35%,调薪投入上涨1.5倍 [15] 其他行业新闻 - 字节跳动辟谣跨界造车,表示没有造车计划 [10] - 微创机器人完成全球首例"大模型自主手术"动物实验,依托其神经元MicroGenius多模态自主手术大模型 [25] - 雀巢中国回应欧洲召回奶粉事件,称中国市场少数产品可能受影响,已对部分特定批次进行预防性回收 [18]
2026“企业 Agent 上岗元年”?零一万物六大判断定义企业多智能体,不再沿用大厂标准化产品模式”
AI前线· 2026-01-06 20:10
文章核心观点 - 零一万物发布《中国企业智能体2026六大预判》,认为企业智能体正从“单点工具”进化为“智能管理系统”,多智能体架构将重构企业组织形式,推动AI从“单点提效”转向“全局优化”[2][4] - 公司基于与行业头部客户的实践,预判到2026年,企业多智能体将实现规模化“上岗”,竞争焦点将从“招多少人”转向“指挥多少硅基军团”[11] - 公司正式升级“万智”平台至2.5版,以企业级多智能体为核心应用,并采用“代码先行、模型驱动”的硬核架构及FDE(前置工程师)等新模式,旨在缩小与客户的理解落差,实现高效交付[14] 企业智能体2026年六大预判 - **预判一:智能体从“一人一工具”进阶“一人一团队”** - 多智能体推动企业组织的系统性智能化,将顶尖人才能力拆解、重构并封装成可复用的能力模块,实现高效复制与24小时运转[5] - 智能体团队具备“弹性超能力”,业务高峰期自动扩容,让中小企业获得与巨头竞争的“不对称优势”[5] - 企业应通过多智能体实现业务能力的“软件化”与“服务化”(CaaS,能力即服务)[5] - **预判二:多智能体需具备TAB三要素** - 下一代企业的竞争优势取决于将业务能力转化为数字资产的速度[6] - 多智能体必须具备TAB三要素:AI Team(团队作战),实现1人指挥1支智能体团队,突破“人才瓶颈”,实现“能力软件化”[6] - 多智能体将企业核心能力解构成可自由拼装的能力模块[7] - **预判三:中国将成为全球多智能体落地的“超级引擎”** - 中国拥有全球最完整的产业链、领先的开源模型、超大规模市场及丰富的复杂业务场景,为多智能体提供天然试验田[8] - 中国在开源大模型领域的全球领先地位,降低了AI应用门槛,推动技术普惠和生态共建[8] - 中国有望实现从“世界工厂”到“智能体工厂”的跃迁,企业需要深度结合行业知识的“业务级智能体”[8] - **预判四:“一把手工程”是赢取AI红利的关键路径** - 企业AI转型是企业战略与组织架构的系统性重构,需避免“局部优化工程”制造新的“数据孤岛”[9] - 需要具备“技术信仰型领导力”的一把手,以全局价值导向克服既得利益,推动AI变革[9] - “一把手工程”模式价值已得到验证,FDE(前置工程师)成为承接该工程的关键,是既懂代码又懂业务的复合型人才[9] - **预判五:智能体反哺推动企业数字基建“自主进化”** - 智能体不仅是数字化的“消费者”,更是企业数据与知识体系的“建设者”[10] - 通过自动标注、数据清洗、行为反馈等机制,智能体能在运行中持续丰富企业知识库、优化决策模型,形成“数据飞轮”和未来企业“记忆库”[10] - **预判六:2026年将成为企业多智能体规模化“上岗元年”** - 2026年,企业竞争焦点将从“招多少人”转向“指挥多少硅基军团”[11] - 多智能体将率先在数据基础完善、业务流程复杂、协同要求高的领域实现规模化部署[11] - “智能体运营师”将成为企业新兴关键岗位,人类员工的核心竞争力转向决策力,“复合型员工”成为人机协同核心[11] - 企业核心竞争力体现在三方面:早(尽早引入)、快(选用最先进Agent)和有闭环数据(利用自身数据持续训练)[11] 零一万物产品战略与模式 - **万智2.5平台升级** - 万智企业大模型一站式平台升级至2.5版,企业级多智能体成为平台核心应用,好比Office之于Windows系统[14] - 针对企业动态、开放场景的难点,采用“代码先行、模型驱动”的硬核架构,通过MCP协议和安全沙箱确保执行切合真实生产场景及工业级稳定性[14] - **差异化商业模式** - 公司团队不再沿用大厂销售标准化产品的模式,而是基于客户需求进行梳理和设计,转化为产品原型,再以类似FDE模式高效推进,交付演示版本或PoC,持续缩小与客户的理解落差[14] - 大厂在承接定制化或智能体项目时因理解落差导致持续亏损,而公司探索的新模式旨在降低交付成本、缩减沟通差距并寻求可行盈利路径[15] - **技术实现路径:“三位一体”与“三步走”** - 企业级多智能体的实现依托于“基模-框架-应用”三位一体的整合[16] - 底层:开源基座模型、行业垂类模型及模型训练方法论[17] - 中间:企业级多智能体技术框架,将模型封装为角色化、工具化、可协同的Agent团队[17] - 顶层:面向行业的“超级员工”与解决方案,直接对接业务部门并承担KPI[17] - 为企业规划多智能体进化“三步走”布局[15][16] 1. 确立“一把手工程”下的全局策略,将多智能体表现与核心KPI深度绑定,切入高频、复杂、多部门协作的核心业务链路[15] 2. 引入FDE模式跨越组织鸿沟,防范系统性熵增,通过精细化管理紧盯准确率、响应延迟与Token效能,避免“内耗型架构”[16] 3. 通过协同进化跨越技术鸿沟,拥抱开源多模型混合架构,夯实目标规划、系统调用、安全审计、多模型协同四大核心能力,构建稳固的三层架构[16] 对企业级智能体(Agent)的认知与展望 - **模型与Agent的区别** - 长期看可能实现“模型即应用”或“模型即Agent”,但短中期模型和应用仍有较大差别[18] - 针对企业场景,模型只是Agent的“大脑”,大脑之外至少还缺四样关键东西[18] 1. 安全、可控、合规,基于特定的企业记忆了解企业专属边界[18] 2. 工具和系统的能力,保证跨系统调用的准确率和效率[18] 3. 智能体需具备目标和任务规划能力,理解企业KPI并拆解成目标任务,在执行中动态调整[19] 4. 多模型、多角色的协同,根据任务选择最适合场景的模型,并在多智能体间实现分工协同与互相校对[19] - **行业价值判断** - AI Agent的颠覆性价值在于行业重构,重点将从降本转向增效[20]
企业级智能体加速落地 2026将成“上岗元年”
中国经营报· 2026-01-06 15:28
文章核心观点 - 多智能体技术正推动企业组织形态发生根本性变革,从“工具辅助”和“人才依赖”转向“能力软件化”和“智能体集群”协同,AI深度嵌入企业管理与运营的核心环节[1] - 2026年被认为是多智能体规模化“上岗”的元年,中国凭借完整的产业链、领先的开源模型和复杂场景,有望成为全球多智能体落地的“超级引擎”[3][6] 市场前景与规模 - IDC报告显示,价值6500亿美元的企业级应用软件市场即将被AI智能体颠覆[2] - 预计到2031年,客服中心、销售团队和营销类应用的AI智能体渗透率将接近100%[2] - IDC预测,中国企业级智能体应用的市场规模在2028年将达270亿美元以上[2] 技术演进与行业现状 - AI应用正从大模型作为“单一工具”进行效率优化,向“多智能体协同”重构企业组织与价值链进阶[2] - 麻省理工学院报告指出,“95%的企业AI试点项目都以失败告终”,突显了从试点到规模化应用的挑战[2] - 多智能体技术打破“一人一工具”模式,推动企业从“工具辅助”向“团队协同”转变[2] 企业组织形态变革 - 多智能体正打破传统部门壁垒,跨部门协同可由多智能体自动完成,推动企业从“人才依赖”转向“能力软件化”[1][2] - 企业智能体从“单点工具”进化为“智能管理系统”,其本质是重构企业组织形式,从“单点提效”转向“全局优化”[3] - 专家认为,“部门制”企业形态面临黄昏,市场部、HR部等作为人力资源“容器”将虚化,被任务导向的“智能体集群”取代[5] 中国市场的机遇与优势 - 中国拥有全球最完整的产业链、领先的开源模型、超大规模市场及丰富的复杂业务场景,为多智能体提供了天然试验田[3] - 中国在开源大模型领域的全球领先地位,降低了AI应用门槛,推动技术普惠和生态共建[3] - 基于门类齐全的制造业与超大规模消费市场,中国有望实现从“世界工厂”到“智能体工厂”的跃迁[3] 应用案例与效能 - 零一万物通过“平替市场部”与“平替HR”演示,显示多智能体可完成过往需要至少10人团队才能完成的复杂工作流[5] - 在“平替HR”场景中,多智能体展现了处理非结构化需求的能力,覆盖从职位发布、简历初筛到面试助理的全流程[5] 企业落地路径与挑战 - 数据基础设施较完善的企业,以及在管理协调、信息流转上存在效率问题的企业,将更快应用多智能体技术[6] - 企业需分阶段适配专门的智能体运营岗位,未来关键岗位均须具备智能体运营能力[6] - 企业落地面临数据基础、组织架构、资金实力等多方面的差异,行业需提供适配性强、可落地的解决方案[4] 组织与人才转型 - 变革需要“一把手工程”自上而下推动,打破部门墙,建立内部人才市场,实现组织心智变革[1][7] - 企业应将员工视为智能体的“指挥官”和“训练师”,通过“智能体运营师”等新岗位吸纳原有员工,让人类员工从“执行者”进化为“决策者”[7] - 员工个人向AI架构师或AI智能体运营方向转型,存在发展机遇[6]