編輯部 整理自 MEET2026
量子位 | 公眾號 QbitAI

從ChatGPT到DeepSeek，AI正沿著“智能+”的路徑進入新一輪浪潮。

正值大模型從“算力堆疊”走向“推理優先”的關鍵節點，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提出：

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。

也就是說，在規模定律持續發揮作用的前提下，當參數規模、數據體量與算力資源跨過某個閾值，智能就不再只停留在模式識別，而是開始“涌現”——

先是從鑒別式AI走向生成式AI，再從生成式AI走向以智能體為代表的新范式。

在本次量子位MEET2026智能未來大會上，他也將ChatGPT和DeepSeek，視作這一輪演進中的兩個重要里程碑：

前者通過統一表征與token化，把文本、語音、圖像乃至蛋白質、點云等數據納入同一空間；

后者則以高效率、高性能、低價格和開源路徑，把大模型從“預訓練時代”推向以推理為核心的“DeepSeek時刻”。

至于未來5~10年的主戰場，在他看來，將走向“智能體互聯網”時代

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；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。

為了完整體現張亞勤的思考，在不改變原意的基礎上，量子位對演講內容進行了編輯整理，希望能給你帶來更多啟發。

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。

核心觀點梳理

新一輪人工智能是信息智能、物理智能和生物智能在統一token表征與規模定律驅動下的融合演進。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。生成式AI正快速演化為智能體，任務長度與能力同步提升、風險同步放大基礎大模型相當于AI時代的操作系統，全球玩家不會超過十家，將重構為“基礎模型+垂直/邊緣模型+智能體網絡”的新產業格局。智能體互聯網是未來5–10年最大方向，也是通往AGI的必經之路，預計在15–20年內完成從信息智能到物理智能、再到生物智能的跨越。

以下為張亞勤演講全文：

從ChatGPT到DeepSeek：新一輪人工智能范式與“智能涌現”

今天我談的是人工智能+的趨勢，這個題目我也思考了有將近十年的時間，我出了一本書叫《智能涌現》，也總結了人工智能這十年的發展，這里面也包括我當時在10年前寫的“智能+”和“人工智能+”的文章。

首先就是新一輪的人工智能，它是信息智能、物理智能和生物智能的融合，我們的信息世界、物理世界和生物世界都走向了數字化，所以它也是原子、分子和比特的融合。

人工智能已經有70年的歷史了，過去的五年和十年發展尤其快，一個重要的里程碑就是2022年的ChatGPT，距離現在正好三年。

特別重要的就是ChatGPT所帶來的從鑒別式的AI走向了生成式的AI，過去更多的是模式識別，現在我們可以創造新的內容，這里面有三個特別重要的概念：

首先它是一個統一的表征，即tokenization，不管是文字、語音，圖片、視頻，或者是蛋白質、DNA、細胞，或者是三維的激光雷達的點云信號，都可以把它變成一個統一的token。

token越多，數據越多，算力越強、算法越好，這個時候就越準確。

規模定律（Scaling Law）到了一定的規模的話，就會出現智能涌現，這也是我這本書的題目。 另外一個重要時刻就是咱們中國的DeepSeek時刻，DeepSeek出來之后，首先就讓整個模型從預訓練走向推理

另外一點當然很重要，它有很多的算法創新、架構創新、系統創新，可以說是高效率、高性能和低價格

同時它又是個新的商業模式，它是開源的，用的MIT的license，這個本身是限制最少的開源架構，所以DeepSeek出來之后，在國內和全球范圍內大幅度地加速了它的落地和應用，所以我把它叫做DeepSeek Moment，也是中國的一個路徑。

AI發展的五大趨勢

AI發展有五個趨勢，首先就是生成式的AI正走向智能體的AI

智能體是這兩年AI方面一個新的發展，是最重要的一個創新。

過去七個月，Agent的任務長度就增長了兩倍，準確度大于50%，其實也已經和人類對齊了。

第二個趨勢很重要，就是規模定律在預訓練階段已經放緩了，盡管這個智能還在往前走，更多的智能放到后訓練、推理、智能體階段。

這里面很有意思的現象就是，推理的單位成本在過去一年下降了10倍，但是智能體本身的算力要求一年也是增長了10倍，所以一個乘10、一個除10正好平衡。

第三點就是，我們從信息智能走向物理智能和生物智能，大語言模型走向視覺語言動作模型（VLA，Vision-Language-Action）。

這里面有兩個很重要的節點，一個是無人駕駛，無人駕駛今年就已經到達ChatGPT時刻，2030年就是DeepSeek時刻——即10%左右的新車擁有L4級無人駕駛的能力

另外機器人一定是未來最大的賽道，盡管人形機器人還需要很多年，但是我認為在未來10年左右，我們機器人會比人的數目還要多

一個不好的消息是，AI的風險正在快速上升，智能體出來之后我們的風險至少double（翻倍）。

未來5-10年最大發展方向：智能體互聯網

如果看一下新產業格局的話，我們有基礎大模型，像操作系統一樣，上面有垂直模型，還有邊緣模型。

基礎大模型，全球可能最后不會超過10個，一半中國的，一半美國的，可能說不定還有一兩個是別的國家的，中美兩個國家有不同的路徑，但是是引領全球。

這里面還包括開源和閉源，去年我記得我們還在爭論到底以開源為主、還是閉源為主。現在我覺得比較清楚了——開源會成為更多的、更大的平臺和生態，可能80%是開源， 20%的是閉源。

這個圖就特別清楚，規模定律可以看到的Pre-train還在往上走，但是走的速率已經在平緩，Post-train在increase，智能體還是直線地往上走。

還有一點，智能體本身不僅僅是技術，它其實在形成網絡，也形成新的經濟形態

所以我們以后如果看企業的架構都會有完全不同的一種概念，以后企業需要GPU、大模型、數據，然后包括我們的人力資源，有些可能是人，有些可能是智能體，所以這對于未來管理企業、開發產品都有很大的影響。

這張圖是未來的技術架構，左邊這張圖是ChatGPT剛出來不久的時候我畫的，如果看這個黃線的話，在左邊可以看到基礎大模型它是一個平臺，上面有各種不同的領域垂直模型，而上面有SaaS（軟件作為一種服務），在邊緣會蒸餾出一個相對比較小的模型，再上面有APP，這是當時我想的架構。

10月我把這個架構做了更新，最重要的一點就是我認為未來我們的SaaS和在設備端或邊緣端的手機APP都會被Agent取代，也就是說智能體是未來的SaaS和APP

我舉個例子，所謂的智能體，你可以有各種各樣的，有消費者的、各個不同行業的、機器人的、無人駕駛的。

劉洋教授在清華做了一個醫療智能體，也是全球第一個智能體無人醫院——想用智能體網絡、多智能體去模擬真正的三甲醫院，這里面當然有病人、醫生、護士、各種不同的科室。

在這個虛擬世界里面，多智能體會互相交互和學習，然后持續快速地進化，這樣就是能在很短的時間，比如說兩天它就可以完成一個三甲醫院兩到三年的這些病例，而且準確度還要高得很多。

但我們并不是說讓智能體來替代未來的醫生，它更多的是作為助理，我們相信未來每個醫生都會有TA的一個智能體。

所以如果看一下產業機遇的話，我把基礎大模型看作是我們人工智能時代的一個操作系統，它會徹底重寫、重構和重塑我們產業的形態。

就像在PC時代我們有Windows，在移動時代有安卓和iOS，同樣在人工智能時代操作系統就是一個基礎大模型。有了這個操作系統之后，它下面的芯片架構、上面的應用生態都會完全被重構。

也就是為什么現在芯片是以GPU為主的，上面的生態是以垂直模型加上邊緣模型和智能體為主的，整個規模會比PC時代、移動時代大一個、兩個甚至三個數量級。

另外，我們從互聯網發展的角度來看的話，我們最早是PC互聯，后來到了移動互聯，再之后我們到了物聯網，現在我們正走向Internet of Agents，也就是智能體互聯網，我認為它是未來5到10年最大的發展方向

智能體也是我們實現AGI通用人工智能的必經之路，這里面需要新的算法體系，比如說新的記憶體系、世界模型。

我認為未來五年的話，現在的自回歸架構、Transformer、Diffusion可能就會被顛覆，有了這些東西之后我們就可以實現通用人工智能。

到底需要多長時間呢？

我認為可能需要15~20年。先是信息智能，再是物理智能，最后達到生物智能