从 ChatGPT 到 DeepSeek，AI 正沿着“智能 +”的路径进入新一轮浪潮。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：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：
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收敛到不超过 10 个；而智能体会取代今天的大部分 SaaS 和 App，成为企业和个人与世界交互的默认形态，同时这也是通往 AGI 的必经之路。为了完整体现张亚勤的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。MEET2026 智能未来大会是由量子位主办的行业峰会，近 30 位产业代表与会讨论。线下参会观众近 1500 人，线上直播观众 350 万 +，获得了主流媒体的广泛关注与报道。以下为张亚勤演讲全文：今天我谈的是人工智能 + 的趋势，这个题目我也思考了有将近十年的时间，我出了一本书叫《智能涌现》，也总结了人工智能这十年的发展，这里面也包括我当时在 10 年前写的“智能 +”和“人工智能 +”的文章。首先就是新一轮的人工智能，它是信息智能、物理智能和生物智能的融合，我们的信息世界、物理世界和生物世界都走向了数字化，所以它也是原子、分子和比特的融合。
人工智能已经有 70 年的历史了，过去的五年和十年发展尤其快，一个重要的里程碑就是 2022 年的 ChatGPT，距离现在正好三年。特别重要的就是 ChatGPT 所带来的从鉴别式的 AI 走向了生成式的 AI，过去更多的是模式识别，现在我们可以创造新的内容，这里面有三个特别重要的概念：首先它是一个统一的表征，即 tokenization，不管是文字、语音，图片、视频，或者是蛋白质、DNA、细胞，或者是三维的激光雷达的点云信号，都可以把它变成一个统一的 token。token 越多，数据越多，算力越强、算法越好，这个时候就越准确。规模定律（Scaling Law）到了一定的规模的话，就会出现智能涌现，这也是我这本书的题目。另外一个重要时刻就是咱们中国的 DeepSeek 时刻，DeepSeek 出来之后，首先就让整个模型从预训练走向推理。
另外一点当然很重要，它有很多的算法创新、架构创新、系统创新，可以说是高效率、高性能和低价格。同时它又是个新的商业模式，它是开源的，用的 MIT 的 license，这个本身是限制最少的开源架构，所以 DeepSeek 出来之后，在国内和全球范围内大幅度地加速了它的落地和应用，所以我把它叫做 DeepSeek Moment，也是中国的一个路径。AI 发展有五个趋势，首先就是生成式的 AI 正走向智能体的 AI。
智能体是这两年 AI 方面一个新的发展，是最重要的一个创新。过去七个月，Agent 的任务长度就增长了两倍，准确度大于 50%，其实也已经和人类对齐了。第二个趋势很重要，就是规模定律在预训练阶段已经放缓了，尽管这个智能还在往前走，更多的智能放到后训练、推理、智能体阶段。这里面很有意思的现象就是，推理的单位成本在过去一年下降了 10 倍，但是智能体本身的算力要求一年也是增长了 10 倍，所以一个乘 10、一个除 10 正好平衡。第三点就是，我们从信息智能走向物理智能和生物智能，大语言模型走向视觉语言动作模型（VLA，Vision-Language-Action）。这里面有两个很重要的节点，一个是无人驾驶，无人驾驶今年就已经到达 ChatGPT 时刻，2030 年就是 DeepSeek 时刻 —— 即 10% 左右的新车拥有 L4 级无人驾驶的能力。另外机器人一定是未来最大的赛道，尽管人形机器人还需要很多年，但是我认为在未来 10 年左右，我们机器人会比人的数目还要多。一个不好的消息是，AI 的风险正在快速上升，智能体出来之后我们的风险至少 double（翻倍）。如果看一下新产业格局的话，我们有基础大模型，像操作系统一样，上面有垂直模型，还有边缘模型。基础大模型，全球可能最后不会超过 10 个，一半中国的，一半美国的，可能说不定还有一两个是别的国家的，中美两个国家有不同的路径，但是是引领全球。这里面还包括开源和闭源，去年我记得我们还在争论到底以开源为主、还是闭源为主。现在我觉得比较清楚了 —— 开源会成为更多的、更大的平台和生态，可能 80% 是开源，20% 的是闭源。这个图就特别清楚，规模定律可以看到的 Pre-train 还在往上走，但是走的速率已经在平缓，Post-train 在 increase，智能体还是直线地往上走。
还有一点，智能体本身不仅仅是技术，它其实在形成网络，也形成新的经济形态。所以我们以后如果看企业的架构都会有完全不同的一种概念，以后企业需要 GPU、大模型、数据，然后包括我们的人力资源，有些可能是人，有些可能是智能体，所以这对于未来管理企业、开发产品都有很大的影响。
这张图是未来的技术架构，左边这张图是 ChatGPT 刚出来不久的时候我画的，如果看这个黄线的话，在左边可以看到基础大模型它是一个平台，上面有各种不同的领域垂直模型，而上面有 SaaS（软件作为一种服务），在边缘会蒸馏出一个相对比较小的模型，再上面有 APP，这是当时我想的架构。
10 月我把这个架构做了更新，最重要的一点就是我认为未来我们的 SaaS 和在设备端或边缘端的手机 APP 都会被 Agent 取代，也就是说智能体是未来的 SaaS 和 APP。我举个例子，所谓的智能体，你可以有各种各样的，有消费者的、各个不同行业的、机器人的、无人驾驶的。刘洋教授在清华做了一个医疗智能体，也是全球第一个智能体无人医院 —— 想用智能体网络、多智能体去模拟真正的三甲医院，这里面当然有病人、医生、护士、各种不同的科室。
在这个虚拟世界里面，多智能体会互相交互和学习，然后持续快速地进化，这样就是能在很短的时间，比如说两天它就可以完成一个三甲医院两到三年的这些病例，而且准确度还要高得很多。但我们并不是说让智能体来替代未来的医生，它更多的是作为助理，我们相信未来每个医生都会有 TA 的一个智能体。所以如果看一下产业机遇的话，我把基础大模型看作是我们人工智能时代的一个操作系统，它会彻底重写、重构和重塑我们产业的形态。就像在 PC 时代我们有 Windows，在移动时代有安卓和 iOS，同样在人工智能时代操作系统就是一个基础大模型。有了这个操作系统之后，它下面的芯片架构、上面的应用生态都会完全被重构。
也就是为什么现在芯片是以 GPU 为主的，上面的生态是以垂直模型加上边缘模型和智能体为主的，整个规模会比 PC 时代、移动时代大一个、两个甚至三个数量级。另外，我们从互联网发展的角度来看的话，我们最早是 PC 互联，后来到了移动互联，再之后我们到了物联网，现在我们正走向 Internet of Agents，也就是智能体互联网，我认为它是未来 5 到 10 年最大的发展方向。
智能体也是我们实现 AGI 通用人工智能的必经之路，这里面需要新的算法体系，比如说新的记忆体系、世界模型。我认为未来五年的话，现在的自回归架构、Transformer、Diffusion 可能就会被颠覆，有了这些东西之后我们就可以实现通用人工智能。到底需要多长时间呢？我认为可能需要 15~20 年。先是信息智能，再是物理智能，最后达到生物智能。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，蓝鸢梦想所有文章均包含本声明。
