AI新態勢：智譜首席科學家唐杰最新觀點的深層含義

AI行當在發生一些根本性變化，我們做些概括。

簡單說：

2023：

• AI Copilot

• AI Assistant

• AI Chatbot

2024：

• Workflow

• Multi-agent

• Tool use

2025-2026：

• Long-horizon agents

• Autonomous systems

• Self-improving systems

• AI-native organizations

• AI operating systems

也就是說：

行業重心已經從：

“AI 幫你”

變成：

“AI 自己完成”

和這個直接相關的是一系列發言和融資事件。感興趣同學歡迎關注下面這場直播。

下面是智譜首席科學家唐杰老師的觀點。

近期思考： 轉向長程任務（Long-Horizon Tasks）

今年最可能的突破將發生在長程任務領域。我們正步入這樣一個階段：大語言模型（LLM）通過與智能體（Agent）環境交互，學習如何完成漫長且復雜的任務。這或許才是 LLM 真正價值所在。以網絡安全為例：想象一個能夠持續搜尋軟件漏洞和 Bug 的模型。這聽起來像是一個搜索過程，但本質上是模型在學習專業黑客的高級直覺和方法論。與人類不同，AI 可以 24/7 不眠不休地工作。它可能以極高的頻率發現漏洞，并在 HackerOne 或 BugCrowd 等平臺上領取賞金。這聽起來很有趣，但從根本上說，這是一場取代黑客的革命。如果連黑客都在被“顛覆”，那么普通程序員受到的沖擊可想而知。

從“一人公司”到“無人公司”

基于長程任務處理能力，自主智能體系統（AAS）將不可避免地成為下一個前沿陣地。去年我們還在討論“一人公司”（OPC）的興起，沒想到這么快就向“無人公司”（NPC）演進。這是一個諷刺的轉折——在這個新的生態系統中，我們最終可能都成了 NPC（非玩家角色）。

攻克不可能：記憶與學習

要實現上述愿景，必須解決三大技術支柱：記憶（Memory）、持續學習（Continual Learning）和自我評判（Self-Judging）。 我曾認為這些需要巨大的范式轉移和多年的研究，但由于技術和應用端的雙重壓力如此巨大，我們正看到這些能力通過天才般的工程“奇招”不斷涌現：

• 記憶：超長上下文窗口（100萬+）和 RAG（檢索增強生成）已顯著彌補了這一差距。

• 持續學習：雖然真正的持續學習依然困難，但發布周期正在縮短。全球領先模型每月更新，國產模型也在緊追。如果明年能達到每周更新，在效果上就等同于持續學習。

• 自我評判：這依然是最難捉摸的，但像 Opus 4.7 這樣的模型已經展現出了早期的自我糾錯和判斷能力。

最艱難也最光明的路徑是自我演化（Self-Evolution）。當前的浪潮異常兇猛。我懷疑像 Claude 這樣的模型可能已經實現了自我訓練的基礎：編寫自己的代碼、清洗自己的數據、生成合成數據并以此進行訓練。這可能會“浪費”一些算力，但它節省了最寶貴的資源：人力和時間。在 LLM 時代，速度就是一切。快速迭代正是領先者與跟隨者之間產生認知鴻溝的原因。傳聞中 Claude 明年投入的 200 萬片芯片集群，很可能就是專門用于這種自主的模型自我訓練。

技術總結：

• 100萬上下文：必要的基準線。

• 記憶與持續學習：前提條件，可能通過“工程奇招”先行解決。

• 利用環境（Harnessing Environments）：突破點。

• 自我評判：臨界點。

• 全自動化自我訓練：終局。

如果這是通往 AGI（通用人工智能）之路，那么 AGI 的定義應當是人類集體智慧的總和，而非僅僅是單個人的智能。它必須具備創造力，能產出像“相對論”那樣深奧的成果——正如 Hassabis 設定的標準。 在這一轉型期，每個 APP 都需要重構為 AI 原生，甚至我們可能會徹底跨越 APP 的概念。最重大的挑戰將是操作系統本身的重構。未來，你看到的不會是傳統的桌面，而是一個LLM OS，應用程序將根據需求“即時生成”。這對擁有 80 年歷史的馮·諾依曼架構發起了挑戰，代表了計算機科學行業的徹底顛覆。

不可逆轉的浪潮

從完成長程任務到全自主運行，每個行業——安全、金融、法律、電商——都將被重塑。最近有很多朋友聯系我，詢問如何讓企業轉型以跟上 AI 步伐。但很少有人真正意識到，這個不可逆轉的過程已經開始。隨著這股巨大的技術浪潮襲來，我們必須做好行動準備，但也必須開始嚴肅思考如何對其進行監管。

很巧合的是最近各位AI行業的重磅人物其實在用不同的詞表達類似的觀點：

Hassabis 最近不斷強調：

未來真正重要的能力是：

• planning

• reasoning

• acting over long time horizons

他認為：

今天的大模型更像“被動知識系統”，
而下一代 AI 會變成：

能長期自主行動的系統。

這實際上已經不是 ChatGPT 的邏輯了。

而更像：

• AlphaGo

• 強化學習智能體

• 持續運行的數字生命體

AlphaGo 核心作者 David Silver 最近提出：

AI 不應再是一次性對話， 而應是持續運行的 streams。

也就是說：

AI 要能夠：

• 持續感知環境

• 持續記憶

• 持續學習

• 持續行動

這是一個極其重要的變化。

因為這意味著：

“模型”正在變成“系統”。

這些也正是無人公司所表達的觀點。

順道一說，就是他的新公司，天使就融了10億美金。

這些方向潛在的含義其實都是：AI開始從“工具”變成“組織”

過去：

• AI 是軟件插件

• 是助手

• 是工具

現在，AI 正在開始承擔：

• 執行

• 協調

• 運營

• 決策

• 學習

• 迭代

也就是說：

AI 開始從：

“功能” 變成： “主體”。

這也是為什么最近：

• One Person Company（OPC）

• Zero Person Company (ZPC）

• AI-native Company

• Autonomous Organization

這些概念越來越多。

因為大家開始意識到：

企業核心變量的權重在發生改變。

AI大潮波浪壯闊，還真是一不小心就輕舟已過萬重山了。

研究AI的同學，需要關注上面的新趨勢。