“對于ToC來說，大部分人不需要用到這么強的智能。今天用ChatGPT和去年相比，寫交換代數(shù)和伽羅瓦理論的能力變強了，但是大部分人基本感受不到。”在談及對模型路線分化的看法時，姚順雨表示，大模型在ToC和ToB，以及模型和應用分層兩個維度上，都發(fā)生了明顯的分化。
“AI Coding夸張一點來講，已經(jīng)在重塑整個計算機行業(yè)做事的方式，人不再是寫代碼，而是用自然語言和電腦去交流。”在姚順雨看來，ToB行業(yè)正呈現(xiàn)一個模型分化趨勢，即大部分用戶其實更傾向于用最強的模型。“最好的模型是200美元/月，第二強或者差一些的模型是50美元/月、20美元/月。我們發(fā)現(xiàn)像很多美國人愿意溢價用最好的模型。”
在姚順雨看來，AI在ToC應用上的垂直整合已經(jīng)看到效果，無論是ChatGPT還是豆包，模型和產(chǎn)品是強耦合、緊密迭代的，“但對于ToB而言，這個趨勢似乎是相反的，模型在變得越來越強、越來越好，但同樣會有很多應用層的東西，應用好的模型在不同的生產(chǎn)力環(huán)節(jié)。”
“這一仗從DeepSeek出來之后，已經(jīng)結(jié)束了。”說起模型分化，唐杰坦言，DeepSeek在2025年初的橫空出世，已經(jīng)終結(jié)了大模型排隊做對話和搜索的時代，讓他開始思考下一階段一定要“讓AI做一件事情”。他表示，在和團隊爭論很久后，才決定把重心放在Coding上。
而在談到當下RL（強化學習）正成為行業(yè)主流訓練方式時，尤其是RLVR（編者注：可驗證獎勵強化學習，一種在既定標準下的機器自主學習），姚順雨給出了他的觀察。
“現(xiàn)在自主學習是一個非常熱門的詞，在硅谷的大街小巷，甚至路邊的咖啡館里，大家都在談論。”談及模型自主學習的技術(shù)路線，姚順雨表示，自主學習會面臨“在什么場景下，基于什么獎勵函數(shù)做”的問題，比如掌握某一業(yè)務場景的代碼能力，和學習某一種自然科學，是完全不同的自主學習方法論。
“這個事情其實已經(jīng)發(fā)生了。”姚順雨提到，OpenAI就在利用用戶數(shù)據(jù)不斷彌合人聊天的風格，Claude已經(jīng)為自身這個項目完成了95%的代碼，這都可以算是一種自主學習。
在姚順雨看來，自主學習在過去一年中已出現(xiàn)清晰信號。他提到，Cursor團隊已在真實環(huán)境中，實現(xiàn)按小時級別用最新用戶數(shù)據(jù)持續(xù)學習與迭代，盡管受限于預訓練能力，整體效果仍不及OpenAI，但路徑的可行性已被證明。
“我對今年會有非常大的范式革新有信心，在持續(xù)學習、模型記憶能力，甚至多模態(tài)領域，都有可能出現(xiàn)新的范式變革。”在唐杰的表述中，這份信心來源于在大模型研發(fā)領域，學術(shù)界正在跟上工業(yè)界的腳步。
“兩年前，一些高校老師手上都沒有卡（算力），如今很多高校都有了算力配置，也開始進行大模型架構(gòu)、持續(xù)學習的相關研究。”在唐杰看來，學術(shù)界已經(jīng)加速鋪開AI研究的土壤，有望孵化出新的創(chuàng)新種子。
“一個創(chuàng)新的出現(xiàn)，一定是某個事情有大量的投入，并且它的Efficiency（這里指模型訓練的投入產(chǎn)出比）到了瓶頸。”唐杰進一步解釋這一觀點。他表示，如果AI行業(yè)繼續(xù)Scaling，盡管這樣做仍會有收益，但當成本到達某一個數(shù)量級，就需要訓練范式的創(chuàng)新。
“一方面既然要Scaling up，Scaling肯定會帶來智能上界的提升；但同時應該定義Intelligence Efficiency，即智能的效率，用更少的投入獲得智能的增量。”唐杰這樣總結(jié)他對未來模型訓練范式的觀察。
另一邊，作為Agent領域的知名研究學者，姚順雨也分享了他對Agent迭代的前瞻。
“目前看來，ToB或者說生產(chǎn)力Agent才剛剛開始。”姚順雨表示，即使今天開始，世界上所有的模型訓練全部停止，但是把這些模型部署到企業(yè)中，已經(jīng)能帶來10倍甚至100倍的收益。“大模型應對GDP產(chǎn)生5%-10%的影響，但是今天它對GDP的影響還不到1%。”
而在唐杰看來，判斷一個Agent的功能邏輯是否成立，首先要看它是否真正解決了對人有價值的問題。早期不少Agent看似復雜，但最終發(fā)現(xiàn)通過更好的Prompt或基礎能力即可完成，獨立Agent的存在價值隨之消失。
“基座的應用永遠是矛盾。”唐杰表示，如果實現(xiàn)成本過高，而調(diào)用現(xiàn)成API就能解決，Agent的合理性就會被削弱；但一旦需求價值足夠大，基座模型又可能把能力直接吸收進來。
對于Agent的演進，加拿大皇家學院院士、香港科技大學榮休教授楊強將其劃分為四個階段：從目標與規(guī)劃均由人定義，到逐步由模型參與，再到完全由大模型內(nèi)生完成。他指出，當前階段的Agent仍高度依賴人工設定，本質(zhì)是工具化系統(tǒng)；真正的拐點在于模型開始觀察人類工作并利用真實數(shù)據(jù)，進而自主生成目標與行動路徑。
對于Agent的未來，楊強給出了他的定義：“Agent應該是由大模型內(nèi)生的一個native系統(tǒng)。”
“很多時候不是說人類替代了人類工作，而是會使用這些工具的人，在替代那些不會使用工具的人。”姚順雨的另一個觀察，來自AI時代大眾對大模型認知的參差。
“今天中國能做到一個很有意義的事情，是更好的教育，教育大家怎么更好地使用大模型產(chǎn)品。”姚順雨如是說道。
“今年是RLVR（可驗證獎勵強化學習）爆發(fā)年。”談及Scaling模式的進化，唐杰表示，在RLVR爆發(fā)之前，行業(yè)內(nèi)只能通過人類反饋數(shù)據(jù)來做，但人類反饋的數(shù)據(jù)中“噪音”也非常多，而且場景也非常單一。“但如果我們有一個可驗證的環(huán)境，就可以讓機器自己去探索、去發(fā)現(xiàn)反饋數(shù)據(jù)，實現(xiàn)自我成長。”
唐杰所說的RLVR，是指在推理訓練中，只對模型最終是否完成目標給反饋，而不評判表達方式或推理風格。系統(tǒng)會依據(jù)預設規(guī)則自動判斷結(jié)果：如數(shù)學是否得到唯一正確解、代碼是否通過測試。模型在多次嘗試中，僅當結(jié)果被驗證成功時才獲得獎勵，失敗則不獎勵，從而調(diào)整其推理策略。
RLVR的反饋可自動生成、標準一致，因此同一套推理任務可以被反復、大規(guī)模（scaling）用于訓練。
“大家可能會問，是不是智能越來越強，我們直接把模型不停地訓就行了？”在報告環(huán)節(jié)，唐杰拋出了這樣一個問題。他表示，2025年初，DeepSeek的橫空出世給了業(yè)內(nèi)很多“震撼”，標志著大模型已經(jīng)基本解決了Chat（對話）和搜索部分，“這個范式可能基本上快到頭了，剩下更多的反而是工程和技術(shù)上的問題。”
“今天（行業(yè)內(nèi)）訓練的范式發(fā)生了很大變化。過往我們不管做什么事情，都會由人工將輸入和輸出標注出來。”在發(fā)言中，阿里Qwen大模型負責人林俊旸同樣提及了模型的訓練范式。他表示，早期訓模型時，只要有標注的數(shù)據(jù)，有“輸入”和“輸出”就可以進行訓練，“現(xiàn)在則是要把更多的數(shù)據(jù)，放到實驗中去訓練。”
林俊旸以xAI為例進一步解釋了這一觀點。xAI團隊此前在直播中透露，Grok 4在RL（強化學習）階段投入的算力，是市面上其他任何模型的10倍以上。
“如此大規(guī)模的RL的數(shù)據(jù)，我雖然覺得他們有點浪費，但另一方面也意味著RL有很多的想象空間。”林俊旸說道。
“我們發(fā)現(xiàn)可能基于MUON二階優(yōu)化器，它的效果會非常好，體現(xiàn)在它有兩倍的Token Efficiency的提升。”在月之暗面CEO楊植麟的分享中，他反復提到Token Efficiency這個概念，“你的Token Efficiency越高，意味著你可以用盡可能少的Token得到一樣的效果。”
楊植麟提到的Muon，是一種用于大模型訓練的優(yōu)化器。在訓練過程中，模型會不斷計算預測結(jié)果與正確答案之間的誤差，優(yōu)化器的任務就是根據(jù)這個誤差，計算參數(shù)該如何更新。優(yōu)化器不決定模型上限，但會直接影響訓練所需的Token數(shù)量和算力成本。
“我認為基于先驗實現(xiàn)AGI，可能會更早發(fā)生。”總結(jié)個人觀察時，楊植麟表示，Agent訓練本質(zhì)是一個搜索問題：在大量可能的行動與推理路徑中，找到有效解。更強的基礎模型和預訓練，相當于提供更好的先驗（Prior，已有知識與約束），能提前排除大量無意義或錯誤的嘗試，從而減少搜索空間、提升Token Efficiency。
“什么是Agent最基礎的能力？是編程，（任何）計算機完成編程動作，就可以執(zhí)行。”唐杰這樣解構(gòu)Agent的技術(shù)邏輯。他在現(xiàn)場舉例說明，不管是Claude的Computer Use，還是幾周前剛剛發(fā)布的豆包手機助手，抑或是名聲大噪的Manus，“異步”執(zhí)行都是一個關鍵屬性。
“幫我搜集一下，今天關于清華大學在小紅書上所有的討論，然后將關于某某的全部整理出來，生成相關的文檔。”唐杰舉例說明，像這樣一個任務，往往要經(jīng)歷幾十步，甚至上百步流程。AI必須在后臺自動運行、持續(xù)判斷與執(zhí)行。換言之，大模型在Agent和Coding上的能力，將是一個映射在Device Use（設備端側(cè)使用）上的命題。
在總結(jié)環(huán)節(jié)，唐杰進一步闡釋了他的理念，“在我看來計算機有三個能力：第一，計算機的表示和計算；第二，編程；第三，本質(zhì)上是搜索。”他認為，正是這三種能力的疊加，使計算機具備了走向“超級智能”的潛力。
回到訓練層面上，唐杰坦言，他認為Scaling仍將繼續(xù)，但重點正在發(fā)生變化，“已知的是我們不斷加數(shù)據(jù)、不斷探索上限。還有Scaling未知，就是我們不知道的新的范式是什么。”
展望下一個AGI的范式和行業(yè)未來，唐杰毫不掩飾作為AI研究學者的審視態(tài)度：“我們做了一些開源的成功，可能有些人會覺得很興奮，覺得中國的大模型好像已經(jīng)超過美國了，但可能真正的答案是，我們的差距目前并未縮小。”
正視挑戰(zhàn)和差距的同時，唐杰也分享了他眼中的國產(chǎn)模型發(fā)展方向。在他看來，2025年只是多模態(tài)適應的適應期。未來關鍵在于，模型能否像人類一樣，把視覺、聲音、觸覺等信息統(tǒng)一整合，形成原生、多源協(xié)同的整體感知能力，這是多模態(tài)能力躍遷的核心難題。
唐杰進一步指出，大模型在記憶、持續(xù)學習與自我認知上仍明顯不足。當前模型缺乏分層記憶結(jié)構(gòu)，如何把個人記憶擴展為可長期保存的人類集體知識，并在此基礎上探索反思與自我認知能力，將是下一階段最具挑戰(zhàn)、也最值得投入的方向。
“目前的模型已經(jīng)有一定的反思能力，但如何形成自我認知還是很難的問題。”唐杰表示，對于大模型是否能有自我認知，在基礎模型研究領域一直都存在爭議，“我覺得模型的自我認識是有可能的，這個領域值得我們探索。”
“在國內(nèi)，大家對于刷榜或者數(shù)字看得更重一些。”在對話中，姚順雨對當下的AI研究文化也給出了個人視角的觀察。他以DeepSeek為例闡述這一觀點：“他們（DeepSeek）就沒有那么關注榜單的數(shù)字，反而會更注重：第一，什么是正確的事情；第二，什么是你自己能體驗出好或者不好的。”
他進一步舉例，Claude可能在編程或者軟件工程的榜單上并非排名最高，但卻獲得了業(yè)內(nèi)公認的好評。“這需要大家能夠走出榜單的束縛，在體驗上去感受是不是正確的過程。”
“我們到底能不能引領新的范式，這可能是今天中國AI產(chǎn)業(yè)唯一要解決的問題。”姚順雨坦言，“其他所有做的事情，無論是商業(yè)、產(chǎn)業(yè)設計還是做工程，我們某種程度上已經(jīng)比美國做得更好。”
“我還是挺樂觀的。”這位1998年出生的AI頂尖學者表示，任何一個新業(yè)態(tài)一旦被發(fā)現(xiàn)，在中國就能夠很快復現(xiàn)，甚至局部做得更好，“在制造業(yè)、新能源車領域，這樣的例子已經(jīng)不斷發(fā)生。”
在唐杰看來，中國AI產(chǎn)業(yè)的機會，在于聰明且敢冒險的年輕人，在于持續(xù)改善的營商環(huán)境；而在產(chǎn)業(yè)中的每個人身上，“就是我們能不能堅持，能不能在一條路上敢做、敢冒險。”
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論