組委會 發自 凹非寺

量子位 | 公眾號 QbitAI

DeepSeek炸翻全場，世界模型開啟通向AGI之路，“Agent元年”，具身智能全面開花，豆包手機讓AI終端熱度再上一個臺階……

AI世界里原本散落全年的高能節點，在今天，被集中點燃。

在量子位MEET2026智能未來大會上，這些被全年刷屏的關鍵詞，又一次被工業界、學術界、投資圈的大咖們高頻拆解，激情對線。

會場里座無虛席，過道被“站票”填滿。臺上是學術界和行業內的第一線操盤手，臺下是來自大廠、獨角獸、科研機構和資本方的長期關注者們。

屏幕另一頭，線上觀眾在彈幕里叫好不斷，一整天都維持在熱度高位。

2025年的AI，在發展，在分裂，在重構，迫使所有參與者給未來一個明確站隊方向。

今天的MEET2026智能未來大會舞臺，把所有力量&分歧&野心&機會同時擺上桌面。

從云到端，從模型到Agent，從軟到硬，在這場頂級密度的一天里，我們見證了最重要的一點：推動AI進步的人們，真的相信下一段曲線就在眼前。

來，跟著量子位碳基編輯一起，把這場大會拋出的關鍵信號好好捋一捋。

MEET2026智能未來大會是由量子位主辦的行業峰會，近30位產業代表與會討論。線下到場參會觀眾近1500人，線上直播觀眾350萬+，獲得了主流媒體的廣泛關注與報道。

張亞勤，清華大學智能產業研究院(AIR)創始院長、中國工程院外籍院士MEET2026大會上，清華大學智能產業研究院（AIR）創始院長、中國工程院外籍院士張亞勤帶來了主題為《人工智能+趨勢》的分享。

以下是他的觀點精華提煉：

以ChatGPT與DeepSeek為代表，AI正從鑒別式走向生成式與推理式，在高效率、低成本和開源生態中加速落地。

新一輪人工智能，是信息智能、物理智能和生物智能的融合，本質上也是原子、分子和比特的融合。

生成式AI正快速演化為智能體，任務長度與能力同步提升、風險同步放大。

未來5~10年，基礎大模型像操作系統一樣在全球范圍內收斂到不超過10個。

主戰場將走向“智能體互聯網”時代，智能體會取代今天的大部分SaaS和App，成為企業和個人與世界交互的默認形態，同時這也是通往AGI的必經之路。

王穎，百度集團副總裁，文庫事業部、網盤事業部負責人百度集團副總裁，文庫事業部、網盤事業部負責人王穎，則以《AI打造超級智能體，成就超級個體、超級團隊、超級組織》為主題分享了她的洞見。

以下是她的觀點精華提煉：

認知偏差、落地斷層、體驗割裂成為了用戶目前使用AI產品的三大痛點。

要打造真正的超級個人智能體，賦能用戶成為超級個體，讓AI應用想得全、想得對、做得好，實現個性化、自由化、通用化，使每個人能力加倍。

GenFlow是百度設計超級智能體框架的調度中樞，月活用戶達千萬級，成為全球最大的通用智能體。作為首個全模態、全鏈路的通用智能體，可覆蓋學習、辦公、生活、娛樂全場景，滿足聊天、問答、檢索、創作等核心需求。剛剛更新的GenFlow 3.0版本已經內置到百度文庫和百度網盤雙端。

百度文庫推出AI學習平臺OREATE AI，能端到端完成全場景全模態創作。新版本上線一個月月活突破140萬，登頂ProductHunt全球日榜第一名。

百度網盤于今年9月上線全球175個國家和地區，具備多語言字幕、AI相機、AI筆記等特色功能。

王仲遠，北京智源人工智能研究院院長《Al覺醒之年：從數字世界邁向物理世界》是北京智源人工智能研究院院長王仲遠在MEET2026智能未來大會上分享的主題。

以下是他的觀點精華提煉：

當下人工智能處于第三次浪潮的重要拐點，大模型推動其從弱人工智能邁向通用人工智能，推動機器人從1.0專用機器人時代進入2.0通用具身智能時代。

視頻是能夠大規模獲得的模擬真實世界的高效載體，同時包含時間、空間、物理、因果關系以及意圖等各種要素。

2025年往后，第三代Scaling范式的關鍵在多模態。智源研究院的悟界·Emu3.5，通過統一的自回歸架構，將大語言模型的Next-Token Prediction升級為在多模態數據上進行Next-State Prediction，預示著AI從語言學習邁入多模態世界學習。

目前的具身大模型依然是不好用、不通用、不易用。不好用，指的是具身大模型還沒有達到ChatGPT時刻;不通用，指的是很多模型只能適用一個本體或者同一個品牌的本體;不易用，指的是大腦、小腦以及本體之間的適配度還是不夠高。

智源研究院從成立起堅持開源開放，過去兩年多開源2200多個模型，下載量突破6.9億次;開源近百個數據集，下載量超120萬次。

萬衛星，高通公司AI產品技術中國區負責人會上，高通公司AI產品技術中國區負責人萬衛星發表演講，聚焦于《混合AI：從云端到邊緣智能》。

以下是他的觀點精華提煉：

AI行業的演進，第一階段是感知AI;第二階段是隨ChatGPT興起的生成式AI;第三階段是智能體AI，可在幾乎無人類干預情況下做自主行動;第四階段我們把它叫做物理AI，AI能理解真實物理世界并根據真實物理規律做出反饋和響應。

兩年前端側只能跑1–2K上下文，去年可以跑4K，今年已經支持8K-16K。在9月份的驍龍峰會上，可看到在一些特殊場景下，甚至可實現最長128K的端側大模型部署。

從模態來看，終端側正在從單一文字模態，向支持文本、圖片、視頻、音頻、語音等多模態，甚至全模態方向演進。生態系統從單體模型向復合系統的轉變是邁向智能體AI的基礎。

在終端側運行大模型，最大的好處之一是個性化。

在終端側運行大語言模型主要面臨內存限制、帶寬限制和功耗控制等挑戰，為此高通進行了一系列技術儲備與預研：量化與壓縮、并行解碼技術等以提高推理效率、先進NPU與異構計算架構。

陳曉建，亞馬遜云科技大中華區產品部總經理亞馬遜云科技大中華區產品部總經理陳曉建，分享了題為《Agentic AI未來已來》的見解。

以下是他的觀點精華提煉：

Agent從各個方面都可以讓AI泛化出強大的生產力，可以替代很多人類之前的工作，甚至可以去做很多人類以前做不到的事情。

一個成功的Agent的構建，需要三個至關重要的模塊：第一是底層的模型“大腦”，能夠提供有效的決策;第二個是中間的代碼;特別之處在于，它還有第三個模塊tools，在整個三層架構中相當于“手和腳”。

從POC階段邁向生產部署常會遇到挑戰，兩者差異明顯：一方面，POC使用篩選后的高質量數據，而生產環境數據無法人為優化;另一方面，生產還需解決安全、擴容、成本、高可用等一系列問題。

模型定制化仍面臨諸多挑戰，Amazon SageMaker AI提供全面的模型定制支持，包括強化微調、無檢查點訓練以及Nova Forge等四類不同的定制化能力。

Nova Forge關鍵優勢在于：它允許在基礎模型訓練階段就引入自有數據進行定制。就像人類學語言在幼年時最容易一樣，模型在“成長”過程中進行定制，其效果通常優于在訓練完成后再進行微調。

趙俊博，浙江大學百人計劃研究員、博士生導師，螞蟻集團資深技術專家浙江大學百人計劃研究員、博士生導師，螞蟻集團資深技術專家趙俊博，帶來了題為《LLaDA：AGI路上的非共識宣言》的前沿分享。

以下是他的觀點精華提煉：

所有生成模型本質上都是在擬合數據分布。自回歸模型提供了一種擬合方式，它將整體分布拆解為一系列遵循單向因果順序的條件概率來逐步建模。但這種方式并不是唯一的路徑。

開源模型LLaDA采用擴散語言模型架構，暫不考慮MoE的情況下，在相同的計算量和性能目標下，LLaDA所需的參數規模可以比自回歸模型更小。

擴散架構在推理過程中可以直接修改和控制token，而不需要像自回歸模型那樣重新生成整段內容。

在計算受限情況下，LLaDA采用“完形填空”式預測，相比自回歸模型更為data-hungry，對數據需求更大、吸收數據更快。

LLaDA與自回歸模型的Scaling Law存在差異，我們已驗證LLaDA可以擴展到千億規模，但繼續往上會面臨新的挑戰。

喻友平，中關村科金總裁中關村科金總裁喻友平則帶來了主題為《數智融合·質效雙升：企業智能體賦能新質生產力躍遷》的分享。

以下是他的觀點精華提煉：

從互聯網時代到AI時代，本質上是連接的進化，即智能體作為超級連接器實現人與數據、知識、智能的更強連接。

企業要實現智能體落地，主要優化集中在場景的選擇和評估、企業內部數據和知識的整理、模型的選擇和構建三個環節上，這三個要素需要循環迭代、持續進化。

企業用好智能體的關鍵在于三個平臺：連接算力、容納各種開源模型的大模型平臺，這也是企業認知能力的中樞;提供感知能力的AI能力平臺;把企業的經驗和記憶沉淀下來的AI數據平臺。

我們在企業級大模型平臺上，通過構建智能體集市，集中管理和協同成百上千個智能體，并以人機協作為核心落地模式，才能在企業的營銷服務、辦公運營、研發生產環節里帶來價值。

企業級智能體落地與ToC智能體最大的不同，在于對“規?；⒊杀拘屎途取钡臉O致要求。

Dennis Yue，Google Cloud大中華區企業與中國初創業務負責人Google Cloud大中華區企業與中國初創業務負責人Dennis Yue以主題《AI時代領航：Google全鏈路賦能初創企業高效出海》進行了分享。

以下是他的觀點精華提煉：

初創企業在出海不同階段面臨不同側重點與挑戰，Google一體化的出海解決方案，將創新調研、產品上云、獲客營銷、全球分發與變現、智能體協同及支付體系等鏈路貫通，賦能企業高效出海。

智能體自主協作可解決復雜問題、自動化流程并自主執行任務，由此催生新商業模式。谷歌主導的A2A協議，既支持企業內部不同部門智能體的連接，也能打通企業間、企業與外部智能體之間安全有效的通信。

擁有100萬Token超長上下文、原生多模態及精準工具調用的Gemini模型，正邁向能夠進行多步邏輯推理、解決問題、執行任務的AI行動時代，并在持續迭代創新。

朱寧，上海交通大學上海高級金融學院金融學教授上海交通大學上海高級金融學院金融學教授朱寧分享了名為《AI時代的經濟學思考》的主旨演講。

以下是他的觀點精華提煉：

AI出現之后，稀缺的概念改變了。如何在稀缺面前做出更好的選擇，是需要更加深入思考的問題。

當AI替代人進行工作決策時，AI可能會出于自己的想法來進行資源配置，一定程度上出現人和算法的競爭、算法和算法的競爭。

據諾獎得主、經濟學教授Daron Acemoglu估算，在今后的十年里，AI每年可提升全球經濟增長0.5到0.7個百分點。

隨著越來越多的AI進入整個貿易領域，更多的貿易發展不會以具體的物理形式發生。

未來不要去想哪個行業在AI革命面前是安全的、完全不會被替代的，而是應該更多考慮如何更好地掌握AI技術，和AI共生。

趙策，卓世科技合伙人、副總裁《行業大模型及應用破局AI商業化落地》是卓世科技合伙人、副總裁趙策在現場演講中分享的主題。

以下是他的觀點精華提煉：

2025年，尤其是DeepSeek出來后，大家更關心的是如何去做行業的落地、場景的賦能和商業化變現，這是非常直接也非常實惠的事情。

想要讓感知物理世界和場景落地，需要配合終端來實現。需要完成“模型-終端-數據-模型”的商業閉環。

做好商業化落地的組合拳，技術-產品-商業-服務。

已經摸索出企業服務方向最容易落地的三個方向：工程流程自動化，行業研究報告，智能化辦公助手。

卓世在醫療健康領域與AI緊密結合的兩個方向，一個是基層衛生(社區醫院)，卓世已經利用大模型已經融合2000多種常見病、常見藥以及相關服務來服務居民;另一個是進三甲醫院去看病，結合醫院在專項病種的優勢數據，訓練專業病種大模型，形成大模型輔助診療。

AI在工業制造落地是一個組合拳，大模型融合視覺模型和時序模型，來處理各種生產和傳感的數據，大模型作為大腦形成對數據的分析和決策支撐。能夠自動化調配生產，調優生成工藝，在其中起到大腦的作用。

GenAI Talk：對話文遠知行WeRide創始人兼CEO韓旭上午的GenAI Talk環節，文遠知行WeRide創始人兼CEO韓旭，與量子位聯合創始人兼總編輯李根就《第一批自動駕駛創業者的第二個八年》展開對談。

以下是對韓旭的觀點精華提煉：

L2和L4之間的壁壘其實根本就沒有被打破。很多公司沒有做過L4，但紛紛說自己的L4戰略。真正的L4公司需要至少有二、三十輛車的純無人車隊運營半年以上。

L2+/L2++做好不易，但與純無人的L4難度相比差距巨大，區別如同在江里做一艘小船和做一艘跨洋大船。

佩服馬斯克，但預測稱如果馬斯克還是用Model 3或者Model Y這樣的量產車，不裝激光雷達，三年之內特斯拉在舊金山無法做到今天Waymo的水平。三年之后大家可以看有沒有被打臉。

AI放大了人與人的差別，優秀人才價值大幅提升。文遠知行上市后有可兌現的財力，且需要頂尖人才解決自動駕駛及具身智能等前沿問題，因此推出了300萬～500萬重金“英才計劃”招募人才。

預測：隨著大模型發展，如果算力等條件滿足，8年后可能出現比人類99.99%司機都開得好的自動駕駛——即出現類似AlphaGo時刻，自動駕駛在開車方面全面超越人類。

尤洋，潞晨科技創始人兼董事長，新加坡國立大學校長青年教授潞晨科技創始人兼董事長，新加坡國立大學校長青年教授尤洋，深入闡述了《AI大模型賦能千行百業》。

以下是他的觀點精華提煉：

大模型的應用肯定不僅限于聊天機器人或者編程助手，未來大模型在千行百業里邊落地，才能產生它最大的價值。大模型的價值在很多場景還沒有真正發揮出來。

有三類企業需要行業模型或者私有模型，第一類是傳統大型企業，第二類是有海量數據的中小型企業，第三類是顛覆行業的新興公司。

用大模型做To B，最關鍵的是后訓練或Agent化，如果只是調大模型API，大家用的模型都一樣，顯然沒有任何差異性。開源模型只有在被“專業訓練”后才能戰勝閉源模型。

企業部署大模型成功的關鍵，一是要最大化算力效率，另外還要有微調SDK和低代碼模板。

潞晨云最新上線微調SDK，開發者僅需專注模型與算法創新，訓練調度、分布式框架適配、底層云基礎設施及運維由平臺完成。

宣善明，商湯大裝置副總裁、CTO商湯大裝置副總裁、CTO宣善明，其演講主題為《商湯大裝置，推進AI基礎設施的深度演進與行業落地》。

以下是他的觀點精華提煉：

目前商湯的戰略是“1+X”，“1”即核心業務，包括大裝置、大模型、AI應用三位一體;“X”即創新業務，包括智駕、醫療、零售等模塊。

大裝置方面，商湯始終堅持自身優勢，打造最懂大模型的AI Infra，依托多年的核心技術積累，目前算力總規模達32000P。

商湯智算中心通過算電協同，削峰平谷，精準預測15分鐘內算力對電力的消耗，已實現年化降低7%電費，實現年度碳減排超過3000噸，綜合算效提升15%，同時模型預測準確率可達88%。

商湯聯合國內十余家廠商共同發布了“商湯大裝置算力Mall”。在算力Mall上，客戶能夠使用自由組合和調配多樣化的國產算力資源、平臺工具和行業模型服務，同時在此基礎上獲得一個通用的、可無縫實現其算法的環境。

商湯大裝置不僅是要做一個算力平臺，而是在框架、模型優化、推理加速等方面的全棧能力，全面賦能科研機構、互聯網企業與AI創業團隊等迭代模型、提升效率。

Daniel Povey，小米集團首席語音科學家，IEEE Fellow小米集團首席語音科學家，IEEE Fellow Daniel Povey以《The Evolution of AI——Lessons from evolution for the future of AI development》為主題進行了分享。

以下是他的觀點精華提煉：

人工智能的演進和生物有機體的進化過程非常相似，通過嘗試不同的技術變體，然后篩選出在目標任務上表現更優的方案。

類比生物進化中的“間斷平衡”，AI的發展并非連續，而是“長期停滯+突然躍遷”，停滯期也不會永遠持續。

開源對進化速度至關重要，如果每家公司都閉源，那么研究速度可能會降低為原來的千分之一。

從進化類比中可以得出：不要押注單一任務或單一路線，推動跨任務的技術融合;在進化過程中找到AI“通才”與“專才”的平衡;保留多種不同模型架構的存續，從而增加發掘實用新技術的機會。

大公司雙管齊下是有意義的，一方面使用當前業界領先的技術方案，另一方面進行探索性研究，以尋找下一個重大突破。

姚欣，PPIO聯合創始人兼CEOPPIO聯合創始人兼CEO姚欣則以《PPIO，打造Agentic AI的底層基座》展開了深入分享。

以下是他的觀點精華提煉：

今年以來，AI正在進入一個全新的時代，從“思考與回答”轉向“自主行動與創造”。

真正成熟的智能體，必須具備自主分析與自主決策能力，而執行力落地是其中的關鍵環節。

智能體并不只是一個被動聽指令的執行器，而是一整套完整閉環的智能系統，主要包含三層能力：認知規劃、行動協作、分析反饋。

Agent Infra本質上就是在做AI時代的操作系統，它管理的不是硬件資源，而是模型能力、工具調用與任務執行的“智能資源”，通過統一調度，為上層應用開發者提供運行基礎。

Agent Infra的核心在于Runtime，它要解決的不只是“如何讓智能體更聰明”，而是讓智能體具備跨環境通用運行能力，能夠穩定啟動、持續運行，并對多種能力進行統一編排與調度。

方漢，昆侖萬維董事長兼CEO昆侖萬維董事長兼CEO方漢以《智能體思考與展望：昆侖萬維Skywork Super Agent演進之路》為主題，深入分享了他的所思所聞。

以下是他的觀點精華提煉：

Skywork Super Agents是昆侖萬維今年5月發布的產品，它包括五個專家Agents和一個通用Agent，PPT模式可以在五分鐘之內生成30頁PPT。40%的DAU用戶使用PPT模式。

Agent的本質不是AGI，Agent的本質是可驗證過程的自動化，擅長數學代碼和結構化決策，不擅長創新范式突破和新框架?，F在到了Agent發展的拐點。

AI進程最直接的落地場景是AI Office;第二是各種各樣的垂類場景，但這些場景存在一個巨大問題，就是不存在好的數據集。

通用Agent的渠道之爭，對傳統渠道來說是生死之戰。只有硬件手機廠商才能決定自己的手機上可以裝什么Agent，其它任何Agent廠商都是沒有這個能力的。

Agent將重寫公司組織，因為流程屬于過程數據，只要可驗證就可以被自動化。而我們的每一個崗位實際上變成了Agent的執行上下文，重復操作的崗位將消失，取而代之的是過程架構師。

喬梁，太初元碁聯合創始人兼首席運營官太初元碁聯合創始人兼首席運營官喬梁的演講主旨是《超智融合計算新范式下的國產算力生態建設》。

以下是他的觀點精華提煉：

AI技術的成熟改變了傳統科學計算模式，高性能計算技術在傳統生產制造、科學研究和AI落地場景中貫穿始終。未來，硬件廠商和軟件開發者都將面臨更大市場機會和發展前景。

2016年神威太湖之光采用了有別于ASIC或DSA等的異構眾核通用計算架構，實現了純國產自主可控的硬件架構和生態體系。

超智融合是大勢所趨，將面向更多計算領域場景，需要綜合算力基礎設施提供智算底座。

單顆芯片性能已經成為AI算法發展瓶頸，太初元碁自主設計的TC link，可以實現128卡間的scale up高速互聯拓展，為AI算法增長提供硬件基礎。未來也需要集成度更高的高性能計算系統，為AI算法提供硬件基礎。

國內發展人工智能產業離不開開源生態，行業需要企業共同組建開源平臺。

劉凡平，RockAI CEO圍繞《硬件覺醒：讓AI不再被Transformer束縛》這一主題，RockAI CEO劉凡平帶來了自己的演講。

以下是他的觀點精華提煉：

為token付費是一件很愚蠢的事情，用戶應該為智能付費。

端側模型不是云端大模型的小參數版本，端側模型關鍵在于自主學習和記憶，Transformer架構模型無法在端側實現這一點。

人工智能要發展到下一個臺階，一定要突破兩座大山。第一座大山是Transformer，第二座大山是反向傳播算法。

原生記憶和自主學習帶來的變化除了token不再收費，更多的還有重新定義硬件的價值。

每臺設備擁有自己的能力并能向物理世界學習，就會產生群體智能，如同人類社會個體相互合作產生知識?，F有大模型(尤其是Transformer架構大模型)本身不產生知識，只是傳播知識;群體智能才是邁向通用人工智能的最佳途徑。

王雁鵬，百度智能云AI計算首席科學家百度智能云AI計算首席科學家王雁鵬，圍繞《昆侖芯的規?；瘧弥贰氛归_分享。

以下是他的觀點精華提煉：

國產芯片的替代有一個漸進式的過程，昆侖芯從第一代開始已經做到了在搜索線上系統全量用推理，真正難的是在大規模訓練場景。

現在Scale換了一個維度，變成了模型參數的Scale和任務訓練規模的Scale，由此帶來了整個系統層面的Scale，映射到硬件上就有不同的size、各種形狀、不同的切分策略和并行策略。

當前重要發展方向是MoE，它在某種程度上延續了原有的Scaling Law，能夠繼續擴大參數規模，同時不增加激活參數規模。但系統層面會面臨新的挑戰：模型參數變得更大、輸入序列變長，通信占比顯著提升，占比提升意味著整個模型架構都要有變化。

如果要讓我們的芯片真正地走出我們自己的場景、讓更多的人去接受，它一定要綁定一個更優秀的大模型。

王潛，自變量機器人創始人兼CEO自變量機器人創始人兼CEO王潛，解讀了《構建物理世界的基礎模型》。

以下是他的觀點精華提煉：

最近具身智能領域有一個爭論：具身智能究竟應被視為應用，還是應當被定位為獨立的基礎模型?我們非常明確地認為，具身智能模型獨立或平行于虛擬世界中的語言、多模態模型，是一種專門面向物理世界的基礎模型。

物理世界的特性與虛擬世界差異巨大，尤其是物理事件存在高度隨機性。

現有的模型架構、訓練方法和數據能力，很難對高度隨機性的現象做出充分準確的刻畫。

如果以未來十年為尺度，具身智能基礎模型甚至有可能反過來吞噬現有多模態模型的生存空間。

要構建一個統一的基礎模型，它自然應是完全端到端的。這一點在當下某種程度上已經成為行業共識。

楊海波，光輪智能聯合創始人兼總裁光輪智能聯合創始人兼總裁楊海波，也帶來主題演講《打造全棧自研仿真基礎設施，加速世界模型與物理AI落地》。

以下是他的觀點精華提煉：

光輪智能在業界以仿真合成數據被大家所熟知，而支撐這套數據體系的底層是我們全棧自研的仿真基礎設施。這套基礎設施也是未來支撐世界模型及物理AI落地的關鍵。

為什么傳統仿真的Sim2Real總是失效?主要有三方面：物理不夠真實、資產視覺失真、交互行為不準確。

光輪智能全棧自研了“測量-建模-求解”三位一體仿真解決方案。實際去測量真實世界，而不再依賴猜測和經驗，并在仿真下進行視覺、物理交互、動作等與真實測量對齊的建模，從而縮小sim2real gap。

沒有好的生態支撐，仿真平臺無法持續發展。真正好的仿真平臺從來都不是獨立的，而是需要生態構建，需要海量的使用場景來驗證和優化，也需要持續的商業回報來加強技術投入。

光輪智能從一開始就聚焦于打造仿真領域的“爆品應用”，包括仿真遙操數采、大規模仿真強化學習訓練平臺LW-BenchHub、為具身前沿模型打造的行業評測標準RoboFinals。

毛健，云徙科技COO/副總裁云徙科技COO/副總裁毛健帶來專題分享，主題是《從算法到業績——共創運營新范式，跨越AI價值的系統性鴻溝》。

以下是他的觀點精華提煉：

現在不是“AI+”的時代，而是“運營xAI”，AI從工具躍遷到業務主體。

對于企業來講，核心的訴求不是買AI工具，而是能夠直接對業務結果負責的AI運營智能體。

云徙科技作為企業全鏈路AI解決方案賦能伙伴，我們認為要讓智能體走向自主運營有三步。第一步重塑業務流，建立可拆解、可重生、可協同、可被調用、可自動化的動態業務基座;第二步在重塑的業務流上，建立面向AI的知識圖譜和數據供應鏈;第三步為業務注入AI大腦，從單體AI工具升級為智能體協同矩陣，形成一個從業務、數據到AI的協同智能體，三者能夠共生互動的飛輪，本身這個系統的進化能力才能不斷增強。

年輕人是AI生產力釋放的主力軍，經驗老道的AI從業者則需要把更多的精力放在企業中，為年輕人創造更多釋放AI潛力的生產關系。

給AI創業者的四點建議：在增量中找市場、在專業里找空間、在業務中找場景、在結果中找收益。

張延柏，靈心巧手聯合創始人靈心巧手聯合創始人張延柏在MEET2026大會上，作了題為《以靈巧手和云端智腦為核心的具身智能平臺》的主題分享。

以下是他的觀點精華提煉：

靈巧手是具身智能的核心零部件之一，一方面靈巧手可以不依賴人形機器人，率先獨立應用于真實場景，另一方面靈巧手也是一個高門檻的軟硬一體平臺。

一個真正好的靈巧手，必須在高自由度、耐用性和性價比的硬件基礎上，結合成熟的算法生態，具備與真實世界穩定、高效交互的能力。

當前全球靈巧手有三種主流技術路線：腱繩傳動方案、剛性連桿傳動、電機直驅傳動。靈心巧手在這三個方向都有對應的解決方案。

中國在具身智能硬件，尤其是機器人與靈巧手領域，優勢相當明顯，甚至是遙遙領先。

靈心巧手目前走兩個方向：軟件算法部分，讓靈巧手像人一樣，完成多種真實物理世界任務;硬件底座部分，三大核心部件(觸覺傳感器、電機、減速器)全部堅持自研，并通過雙團隊賽馬機制持續提升微型化與耐用性，形成長期工程壁壘。

孫茂松，清華大學人工智能研究院常務副院長，歐洲科學院外籍院士圍繞GenAI，清華大學人工智能研究院常務副院長，歐洲科學院外籍院士孫茂松以《生成式人工智能和大模型：前沿態勢、核心挑戰及發展路徑》為主題，展開了深入分享。

以下是他的觀點精華提煉：

當模型規模、數據規模持續增大時，可能會出現能力涌現。這種高度非線性變化所帶來的不確定性體現了大模型最有魅力之處。預計未來幾年，有標準答案的人類最難考試可能也難不住機器。

當下大模型和具身智能面臨的本質挑戰在于如何理順“言、知、行”的關系，讓機器真正實現“知行合一”。這個問題的“求解”，非常困難，關涉人工智能的重大理論和基礎方法創新。

Scaling Laws到底能走多遠，具有相當的不確定性。任何信息系統發展到一定階段通常就會呈現趨于飽和的傾向。不過，一旦出現了新的涌現現象，又能打破這種飽和。所以國內仍需有少量頂級團隊緊跟全球前沿發展，探索Scaling極限。

未來幾年內，人形機器人要進入通用開放環境自主進行較為復雜的工作幾乎是不可能的。應立足于在盡可能多的特定真實場景或真實任務上實現人工智能應用“星火燎原”式的落地發展。這是完全可能的(但機器人不一定是人形)，也應該是絕大多數企業應下大力氣去做的。

前沿圓桌：距離Al Agent革新千行百業還有多久2025年已成為公認的“Agent元年”。

AI Agent技術已在客服、理賠等場景驗證價值，但全面革新仍面臨數據、場景與組織協同的挑戰，需技術與行業深度共創

下午的圓桌環節，三位來自產業界與科技界的嘉賓共論AI Agent的革新進程。他們分別是：

小宿科技聯合創始人兼CEO，杜知恒。

聯匯科技CEO兼首席科學家，趙天成。

螞蟻集團平臺體驗技術部負責人，徐達峰。

圓桌環節圍繞以下幾個問題展開：

各位平臺上目前效果最好/最具代表性的的Agent落地場景是什么?

行業中存在“通用Agent/工具普及”和“垂直Agent/場景深度”的路徑之爭，如何看待這兩種路徑的長期發展?

一個真正“好用”的AI智能體最核心的評價標準是什么?

Agent的產業鏈可以大致怎樣劃分?現在還有哪些部分是比較關鍵，但仍有所欠缺?

除了大模型，AI Agent產品還有哪些關鍵的技術卡點/技術提升點?

2025年是公認的“AI Agent元年”，切身感受中，這一年最重大的變化是什么?

下一步的關鍵演進方向是什么?

……

三位嘉賓圍繞這些話題都分享了哪些值得關注的觀點?

小宿科技聯合創始人兼CEO杜知恒表示：

過去一年Agent進化明顯，在PPT制作、產品文檔編寫、編碼等核心工作流中能交付實習生水平的結果。

越來越多軟件垂類在采用AI能力，提升服務客戶的效率和質量。

好的Agent應能像人一樣交付結果，從實習生水平逐步提升，以能否在場景中交付相對完整的結果作為主要評判標準，即便存在“抽卡”情況，性價比依然較高。

多數Agent存在負毛利問題，完成任務的代價高于用戶支付意愿，這對創業者來說是巨大挑戰，也影響基礎設施提供商的可持續發展。

當前Agent在三四線城市和日常生活中的滲透率較低。

聯匯科技CEO兼首席科學家趙天成表示：

今年多模態和執行端應用帶來顯著ROI。多模態方面，新的多模態模型提升了智能體對圖像和視頻的理解能力，打開了更多數字空間場景;執行端方面，智能體可控制終端設備解決問題，使終端價值提升百倍。

好用Agent的存在標準，一是采用AI原生方式開發，徹底用Agent替代工作流環節;二是Agent應具備可進化性，能在使用過程中根據用戶反饋和上下文不斷優化。

在物理場景應用中，需要解決雙腦架構集成問題：即大語言模型給出指令后，端側需有類似小腦的模型進行快速執行，以實現高效協作。

在建模和工程化方面，當前Agent在可靠性和效果上仍需提升。

每個人每天使用的最高頻的三個APP中有兩個是Agent時，才意味著AI Agent進入新發展階段。

螞蟻集團平臺體驗技術部負責人徐達峰表示：

2025年，WeaveFox、多模態生碼的Coding Agent從“寫代碼”邁向“跑流程”，在項目中能看懂設計稿、理解上下文和組件規范，然后自動生成可上線代碼。多個項目規?；瘜嵺`下來相比人工提效3~5倍。

衡量好的Agent指標，需具備可控性、可解釋性，能持續穩定執行任務。需要設計人機協作流程，在任務不完美時，能暴露問題、可回溯回滾，可由人接管，更像靠譜的同事，而非偶爾帶來驚喜的天才小學生。

在數據和算法、模型能力層面，Agent的技術依賴會逐漸收斂;而在Agent本身框架和集成層還需要諸如數據、權限管控等能力，行業應用層面有趨勢從App向智能硬件延展，催生出更多行業應用和場景。

為讓大眾使用AI Agent產品，產品設計要盡可能降低使用門檻，不能預設用戶有專業知識背景，比如百寶箱的超級智能體，一句話就能開始，開箱即用。

AI Agent可以聚焦中高頻場景，同時設計創意玩法，如螞蟻的靈光App可制作閃游戲和閃應用就很有特色。

— 完 —

量子位 QbitAI

關注我們，第一時間獲知前沿科技動態