正值大模型从"算力堆叠"走向"推理优先"的关键节点， 清华大学智能产业研究院（AIR）创始院长、中国工程院外籍院士张亚勤 提出： 编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 从ChatGPT到DeepSeek，AI正沿着 "智能+" 的路径进入新一轮浪潮。 新一轮人工智能，是信息智能、物理智能和生物智能的融合，本质上也是原子、分子和比特的融合。 也就是说，在规模定律持续发挥作用的前提下，当参数规模、数据体量与算力资源跨过某个阈值，智能就不再只停留在模式识别，而是开 始"涌现"—— 先是从鉴别式AI走向生成式AI，再从生成式AI走向以 智能体 为代表的新范式。 在本次 量子位MEET2026智能未来大会 上，他也将ChatGPT和DeepSeek，视作这一轮演进中的两个重要里程碑： 前者通过统一表征与token化，把文本、语音、图像乃至蛋白质、点云等数据纳入同一空间； 后者则以高效率、高性能、低价格和开源路径，把大模型从"预训练时代"推向以推理为核心的"DeepSeek时刻"。 至于未来5~10年的主战场，在他看来，将走向 "智能体互联网"时代 —— 基础大模型像操作系统一样在全球范围内 ...

AI技术发展趋势与瓶颈 - 具身智能面临数据短缺、硬件不成熟、模型能力弱、落地应用难四大瓶颈，尚未迎来"ChatGPT时刻"[3] - 模型推理效率是决定AI大规模落地应用的关键要素，提升需要产业上下游联合优化[3] - 高质量大模型的硬件基础设施平民化曙光已现，计算机与AI硬件发展史具有惊人相似性[4] - AI产业陷入"规模化信仰"的死亡螺旋：训练资源庞大导致反馈滞后和创新困难，模型参数增加使单次实验周期延长至数周甚至数月[6] AI技术突破方向 - 当前AI问题在于"思考方式错误"，无状态静态函数难以成为未来智能，更多参数不等于更强智能[6] - 解法可能在于AI的原生记忆与自主学习，记忆能力是个性化智能核心要素[6] - 智能涌现指AI参数规模和训练数据量达临界点时"无师自通"掌握复杂技能的现象[7] - 行业先行者致力于AI医疗、时尚工作流重构、生命物质世界重塑等方向突破[7] AI驱动消费变革 - 消费世界从商品逻辑转向体验逻辑，从功能价值转向情绪价值[11] - AI技术赋能平台运营：叮咚买菜实现货品全链路损耗率降至1.5%，乐刻运动通过数据匹配改善产业成本效率[11] - 年轻人消费更注重"被理解的感觉"，品牌需关注玩家体验、圈层情绪和超预期服务[11] - 内容生产范式变革：AI使个人短片制作成为可能，虚拟乐队制作成本下降80%[13] 消费行业转型方向 - 品牌不再以卖产品为目的，而是帮助人构建美好体验与自我认同[14] - 消费者更注重产品舒适性和场景适配性，倾向于购买带来情绪价值的产品[21] - 买手对消费者决策起关键作用，品牌需要让买手深度参与新品规划[21] - 从即时零售到宠物经济、健身到IP经济，所有行业都向体验经济靠拢[14] AI与人类关系演进 - AI与人的关系从"替代"走向"共生"，人的真实体验、情感与创造力成为不可替代核心[23] - 技术逼近生命边界：AI医疗重写健康认知，脑机接口延展大脑可能性，合成生物学重写生命底层代码[20] - AI被视为人类文明有机组成部分，未来人类历史将与AI共同书写[22] - AI时代终极命题是"人如何成为更完美的人"，而非"人是否会被取代"[23]

行业观点：AI产业结构转变 - AI产业正从“正金字塔”结构转向“倒金字塔”结构，过去芯片获取绝大部分价值，未来模型应产生10倍于芯片的价值，AI应用应创造100倍价值 [1] - 公司认为AI能力应内化为原生能力，成为企业发展和个人成长的原生推动力，智能从成本转变为生产力 [3] - AI正跨越“智能涌现”到“效果涌现”的临界点，进入价值兑现期 [3] 核心产品与技术进展 - 发布新一代原生全模态大模型文心5.0，采用统一自回归架构进行原生全模态建模，实现理解与生成一体化 [5] - 文心5.0在40余项权威基准评测中，语言与多模态理解能力与Gemini-2.5-Pro、GPT-5-High等模型持平，图像与视频生成能力达到全球领先水平 [5] - 自研昆仑芯P800已在公司内部承担绝大多数推理任务，并拥有招商银行、南方电网、吉利汽车等上百家客户，交付规模从几十卡到万卡以上 [7][8] - 下一代昆仑芯M100针对大规模推理场景优化，计划2026年上市；M300面向超大规模多模态模型训练和推理，计划2027年上市 [8] - 基于昆仑芯的天池256超节点和天池512超节点将分别于明年上下半年上市，其中天池512超节点能完成万亿参数模型训练 [8] AI应用商业化成果 - 萝卜快跑无人驾驶服务每周全无人订单数超25万，全球出行服务次数超1700万次，服务覆盖全球22座城市 [9] - 萝卜快跑全无人驾驶里程突破1.4亿公里，自动驾驶总里程超2.4亿公里 [9] - 据ARK研究，到2030年美国Robotaxi成本预计降至每英里0.25美元，打车需求将放大5到7倍 [9] - 公司用AI重构搜索，绝大部分搜索结果由AI生成，首条结果富媒体覆盖率达70% [10] - 已有625家厂商通过百度智能云接入公司搜索API，AI搜索能力与三星、荣耀、vivo等主流厂商合作 [10] - 数字人技术已落地巴西市场，并计划拓展东南亚、美国等市场及Shopee、Lazada等平台 [11] - 无代码开发平台“秒哒”已生成40多万个应用，平均每分钟有一个应用落地 [11] - GenFlow 3.0智能体已成为拥有超2000万活跃用户的全球最大通用智能体 [11] - “伐谋”智能体在交通调度、金融风控等领域展现出超越传统算法的能力，能发现全局最优解 [13] 公司战略与市场表现 - 公司AI布局被视为一场企业价值坐标的重构，通过长期主义构建了从芯片、大模型到应用的全栈AI能力 [15] - 公司10年来世界大会主题持续围绕AI战略，从生成未来到应用来了，再到效果涌现 [17] - 2025年以来公司股价回升超40%，市场逻辑从“模型参数竞赛”转向“应用效果验证” [17] - AI全球化布局，包括数字人在巴西应用、萝卜快跑在中东落地、秒哒推出海外版MeDo，为公司打开新增长空间 [18] - 公司业务正被AI重新定义，实现从工具提供商到平台生态构建者的身份跃迁 [18]

行业观点与趋势 - AI产业正跨越临界点 从“智能涌现”走向“效果涌现” [1] - AI产业结构从不健康的“正金字塔”转变为“倒金字塔” 模型产生10倍于芯片的价值 AI应用能创造100倍价值 [1] - AI走向应用场景才能发挥核心价值 内化为原生能力后 AI能提升决策质量 发现新增长点 让成本更低 利润率更高 创新周期更短 [2] - AI与各行各业深度融合 实现效果涌现 引爆生产力革命 推动经济增长 [4] 公司战略与业务重构 - 公司正运用AI全面重构业务 其搜索已成为全球AI化改造最激进的搜索引擎 [2] - 萝卜快跑 慧播星数字人 秒哒 GenFlow等一系列产品正全面加速出海 [2] - 萝卜快跑每周全无人订单数超25万 全球出行服务次数超1700万 成为全球第一 [3] - 萝卜快跑服务覆盖全球22座城市 全无人驾驶里程突破1.4亿公里 自动驾驶总里程超2.4亿公里 [3] 产品与技术发布 - 发布文心大模型5.0 为新一代原生全模态大模型 采用统一自回归架构进行原生全模态建模 实现理解与生成一体化 [3] - 发布新一代昆仑芯 包括两款产品 同步发布天池256超节点与天池512超节点 后者单个即可完成万亿参数模型训练 [3] - 发布下一代“实时互动型数字人” 秒哒升级至2.0 GenFlow升级至3.0 [2] - 发布自我演化的智能体“伐谋” 主要应用场景是找“全局最优解” 能模拟超越顶尖算法专家 [4] 应用成果与商业化进展 - 慧播星数字人技术面向全球开放 已率先落地巴西市场 后续将发力东南亚 美国等重点市场 [4] - 今年双11 83%的开播主播使用过慧播星数字人 开播直播间数同比增长119% GMV同比提升91% [4] - 企业内化AI能力有三个代表性应用方向 AI代替重复性劳动 生产力的无限供给 AI超越人类认知 [2]

公司AI战略与愿景 - 公司认为AI能力应被内化，成为企业和个人发展的原生推动力，使智能从成本转变为生产力[1] - AI产业结构正从“正金字塔”转向“倒金字塔”，模型价值是芯片的10倍，而AI应用价值是模型的100倍，形成更健康的产业结构[1] - 公司正跨越从“智能涌现”到“效果涌现”的全新临界点，致力于让AI在各行各业实现效果涌现，引爆生产力革命[3][15] 核心产品与技术突破 - 发布文心大模型5 0，作为统一的原生全模态模型，在全模态理解、创意写作、智能体规划、指令遵循等方面处于全球领先水平[3][7] - 发布新一代昆仑芯，包括两款产品，同步发布的天池256超节点与天池512超节点将于明年上市，单个天池512超节点可完成万亿参数模型训练[8] - 发布自我演化的智能体“伐谋”，能模拟生物界进化过程以发现全局最优解，可模拟甚至超越顶尖算法专家，抽象复杂问题并给出动态最优方案[13][15] - 数字人技术取得进展，新发布“实时互动型数字人”，能深度理解真实世界、做出即时反馈并流露自然情绪，将互动性提升至新高度[11][13] - 无代码开发工具秒哒升级至2 0版本，累计生成40多万个应用，并发布了海外版本MeDo[15] 关键业务进展与数据 - 萝卜快跑全球出行服务次数超1700万，已达全球第一，每周全无人订单数超25万，服务覆盖全球22座城市[3][9] - 萝卜快跑全无人驾驶里程突破1 4亿公里，自动驾驶总里程超2 4亿公里[9] - 百度搜索首条结果的富媒体覆盖率已达70%，搜索正从文字链接为主的应用转化为以图片视频等富媒体为主的AI应用[9] - GenFlow升级至3 0版本，用户数超2000万，已成为全球最大通用智能体[3][10] - 一站式AI学习办公平台Oreate在海外推出，短时间内收获超120万用户[10] 商业化应用与生态建设 - 慧播星数字人技术在双11期间，83%的开播主播使用过该技术，开播直播间数同比增长119%，GMV同比提升91%[11] - 公司通过AI API开放其AI搜索能力，已有625家厂商通过百度智能云接入其搜索API[9] - 公司连续三年举办“文心杯”创业大赛，累计为优胜团队提供数亿元资金支持，以鼓励发现AI新能力新效果[15] - 萝卜快跑、慧播星数字人、秒哒、GenFlow等一系列产品正全面加速出海，慧播星数字人已率先落地巴西市场，后续将发力东南亚、美国等市场[5][13]

AI技术发展阶段与特点 - AI当前处于从量变到质变的关键节点 伴随涌现效应 其特点是规模定律 即数据、算力、算法结合使智能达到某一界限后突破 [2] - 涌现效应使AI不仅具备模式识别和感知能力 更获得了认知、生成和创造力 [2] - 未来十年将是人类与智能共同成长的协作时代 [1] AI产业应用与影响 - AI正作为通用生产力工具从科技探索走向各行各业 推动新一轮生产力革命 [1][2] - 机器人产业完全由新一轮人工智能带来 [2] - 教育、医疗等垂直传统行业将受益于AI技术 例如AI可加快新药研发速度并改变其整个范式 [3] - AI应用发展推动了AI基础设施建设 包括芯片、数据中心和云计算 科技巨头均在加快布局 [3] 大模型竞争格局与发展路径 - 全球范围内通用的前沿大模型数量未来不会超过10个 更大的机会来自于垂直模型或行业模型 [5] - DeepSeek通过更高效的系统架构和灵巧算法 在不需要很高算力的情况下于全球竞争中脱颖而出 其开源生态辐射至非洲、东南亚等市场 [5] AI基础设施投资趋势 - AI是一个几十万亿元的产业 参与企业定位各异 巨头构建全栈AI生态以增强竞争壁垒 其他公司则定位应用层或AI Agent解决具体行业问题 [5] - 当前AI基础设施投资热未来可能存在泡沫 类比1998年互联网基础设施建设浪潮 科技企业宁愿多布局也不愿错失发展机会 [6] 信息智能与物理智能融合 - 信息智能与物理智能的融合是未来十年的关键窗口期 [6] - 当前融合的技术瓶颈包括物理世界数据比较分散 以及物理世界模型需要更好的推理能力、理解能力和对三维、四维空间的感知能力 [6] AI安全与治理挑战 - AI能力越强风险越高 包括失控和被滥用的风险 信息智能方面存在深度伪造、虚假信息和AI幻觉等问题 [7] - 人工智能生成内容占比达到52% 首次超越人类创作的48% 这些存在不实内容的信息作为新训练数据进入AI模型 可能导致不实信息指数级泛滥 [8]

公司战略与定位 - 公司正在建设超大规模AI基础设施并加大投入打造超级AI云 [1] - 公司定位为全栈人工智能服务商，向全球开发者提供领先的AI服务 [1][3] - 公司将通过遍布全球的AI云计算网络提供开发者友好的AI服务 [3] 行业技术发展路径 - AI发展将经历三个阶段：智能涌现、通用人工智能（AGI）、超级人工智能 [1] - 智能涌现阶段AI的特征是学习人类知识以解决真实问题 [1][3] - 通用人工智能（AGI）阶段AI的特征是辅助人类完成数字世界工作并操作物理设备 [3] - 超级人工智能阶段AI将具备自主学习能力并超越人类 [3] - 此次技术演进被定义为一场影响深远的计算革命，将催生下一代计算机和超级AI云 [3] - 超大规模的计算需求需要超大规模基础设施和全栈技术积累来承载 [3]

文章核心观点 - 世界模型被视为推动具身智能发展的关键路径，有望带来类似DeepSeek的低成本、高性能突破 [1][9] - 具身智能的复杂度远超自动驾驶，是智能系统的“天花板级”挑战，其发展更依赖长期数据积累而非短期突破 [7][8] - 公司通过“双模驱动”架构和引入奖励机制，在有限算力下开发出性能超越SOTA的世界模型 [9][10][11] 技术理念与方法 - 倡导“经验驱动”的控制方式，通过历史数据学习控制规律，而非依赖精确的数学建模 [3][4] - 以游泳运动员训练类比AI学习过程，强调通过反复实践积累经验而非先掌握理论 [5] - 在自动驾驶领域验证了端到端控制架构的有效性，并将其思路延伸至具身智能 [6] 世界模型的技术特点 - 采用世界模型与多模态大模型相互促进的“双模驱动”结构 [9][11] - 引入奖励机制和基于强化学习的微调，形成自我优化闭环 [9][10][11] - 使用GRPO算法微调多模态大模型，实现认知与物理交互的紧密闭环 [11][12] - 当前模型基于DiT架构，但未来可能迭代全新架构以更好捕捉物理规律 [19][20] 世界模型的应用价值 - 主要用途包括：与机器人大脑形成闭环、直接生成训练数据、作为机器人操作模型的一部分 [17] - 核心目标是提高机器人在开放环境中的泛化能力，这对商业和家庭场景至关重要 [21][22] - 通过蒙特卡洛树搜索等技术，让机器人在虚拟世界中模拟多种方案并选择最优路径 [11][17] 行业现状与挑战 - 具身智能尚未出现类似ChatGPT的“突破时刻”，数据量级、采集难度和成本远高于语言模型 [8][9] - 行业目前缺乏明确的Scaling Law，智能能力随数据、算力增长的规律未知 [13] - 世界模型在物理规律和时空一致性方面要求远高于视频生成模型 [18][19] - 具身智能落地将经历工业场景、商业场景、家庭生活场景三个阶段 [21]

智能设计行业前沿动态 - 行业正经历深刻变革，设计作为连接技术与人的桥梁，迈向智能化、情境化与协同化[1] - 清华大学未来实验室展示了科技赋能设计的成果，如智能化妆镜、盲人计算机、咖啡渣制日用品等[1] - 同济大学设计创意学院主办“WDCC2025智能设计论坛”，汇聚设计学、计算机科学、人工智能领域顶尖专家探讨前沿议题[1] 设计学科教育变革 - 同济大学设计创意学院11年前前瞻性“拥抱算法设计”，推动学科介入科学前沿[1] - 同济大学将原有“视觉传达设计”“产品设计”“环境设计”专业合并为“艺术设计学”专业，促进工业设计与艺术设计思维融合[1] - 浙江大学为本科生开设基于人工智能的中国古代绘画赏析通识课程，并制作了中国古代传统绘画大模型[3] 人工智能与创意涌现 - 2022年AI制图工具创作的画作《太空歌剧院》赢得数字艺术类别冠军，同年《科学》杂志将“创造性人工智能的快速发展”列为十大科学突破之一[2] - 智能设计的最终目标是从“智能涌现”跨越到“创意涌现”，目前智能涌现已推动设计范式发生根本变化[2] - 通过构建系统（如动态数字皮影项目），用户输入简单提示词即可生成内容，实现交互创作[2] AI对设计师角色的影响 - AI技术主要为设计师提供不同视角，帮助突破局限性，增强人的发展[3] - AI为实现想法提供了快速通道，使人人都可以成为设计师[3] - 潜在风险包括：若AI成为感知世界的主要通道，可能导致设计创意趋同或扭曲；依赖AI可能使学生的创造力和想象力下降[3] 技术挑战与数据安全 - 大模型在专业领域应用存在幻觉错误，如画作识别不稳定、专业性不足等问题[3] - 中文语料在模型训练中占比极低且越来越少，导致领域模型训练核心数据不足[4] - 文化内容安全至关重要，行业当务之急是整理高质量、具中国特色的数据集，并探讨大模型应具备的美学观、文化观和价值观[4]

2025云栖大会前瞻 - 大会将于2025年9月24日至26日举行，聚焦AI软件产品（如新模型、Agent应用）及基础设施硬件（如服务器）[1] 阿里巴巴AI战略方向 - 公司高管提出智能化革命将远超预期，通用人工智能（AGI）将放大人类智力并解放人类潜能，为超级人工智能（ASI）奠定基础[1] - 未来全球Agent和机器人数量可能超过人口总量，与人类协同工作并对真实世界产生巨大影响[1] - 实现AGI被视为确定性事件，但仅是起点，终极目标是发展出能自我迭代、全面超越人类的ASI，以解决气候、能源及星际旅行等重大科学难题[1] 超级人工智能发展路径 - 第一阶段为智能涌现：AI通过学习人类知识具备泛化智能[1] - 第二阶段为自主行动（当前行业阶段）：AI掌握工具使用和编程能力以辅助人类[1] - 第三阶段为自我迭代：AI通过连接物理世界全量原始数据实现自主学习，最终超越人类[1] 基础设施与算力投入 - 大模型被定义为下一代操作系统，AI云被视为下一代计算机，未来全球可能仅存5-6个超级云计算平台[2] - 公司正积极推进3800亿AI基础设施建设，并计划追加更大规模投入[2] - 为迎接ASI时代，阿里云全球数据中心能耗规模预计从2022年（GenAI元年）至2032年提升10倍，算力投入将呈指数级增长[2]