开场白：为什么值得你花 10 分钟读完
如果你只有时间刷一条推文，记住这句话就够——
“笨笨的坚持，也许走到最后的就是我们。”——唐杰
如果你想搞懂 2026-2027 年大模型战场到底在卷什么，继续往下看。我把 2 小时圆桌按“用户常搜的 5 个问题”重新编排，全部信息来自 1 月 10 日清华 AGI-Next 峰会现场发言，不掺一滴“外部鸡汤”。
目录
-
谁在分化？——To C 与 To B、垂直整合与分层 -
下一个范式长啥样？——四位嘉宾给出四张路线图 -
Agent 走到哪一步？——一张 2×2 矩阵看懂四个阶段 -
模型即产品，创业者还有窗口吗？——价值、成本、速度三维评估表 -
中国公司 3-5 年领跑全球的概率有多大？——20% 还是“笨笨的坚持” -
FAQ：读者最关心的 7 个细节 -
一张图总结（适合保存到手机）
1. 谁在分化？——To C 与 To B、垂直整合与分层
| 分化维度 | 现场金句 | 普通人秒懂版 |
|---|---|---|
| To C vs To B | “ChatGPT 写抽象代数更强了，但普通用户只把它当加强版搜索引擎。”——姚顺雨 | C 端用户要“够用就行”，B 端客户愿意为“每一点额外智能”付溢价。 |
| 垂直整合 vs 分层 | “To C 产品倾向模型+产品紧耦合，To B 相反——模型越强，应用层机会越大。”——姚顺雨 | 消费者喜欢一站式“黑箱”；企业喜欢“乐高积木”，方便拆换。 |
现场小故事
主持人李广密追问：“中国公司也会走同样两条路吗？”
林俊旸接话：“一代人有一代人的基因，顺雨刚到腾讯，也许腾讯就会带上他的基因。”——潜台词：分化不是一成不变，关键看人。
2. 下一个范式长啥样？——四位嘉宾给出四张路线图
| 嘉宾 | 核心判断 | 关键词 |
|---|---|---|
| 姚顺雨 | “想象力是瓶颈” | 自主学习已在发生，只是被预训练光芒盖住 |
| 林俊旸 | “RL 潜力还没打完” | Memory 真正可用仍需一年 |
| 杨强 | “理论需要突破” | 哥德尔不完备定理→大模型无法自证无幻觉 |
| 唐杰 | “效率倒逼新范式” | Intelligence Efficiency = 更少投入→更大智能增量 |
一张表看懂“智能效率”怎么算
| 老办法 | 新诉求 |
|---|---|
| 10 亿→30 TB 数据，线性涨 | 10 亿→100 TB，收益递减 |
| 算力堆到 20 亿人民币 | 回报微薄，倒逼“效率”创新 |
结论：2026 年如果诞生新范式，不是因为 Scaling 不行，而是“老办法太贵”。
3. Agent 走到哪一步？——一张 2×2 矩阵看懂四个阶段
杨强现场手绘的“Agent 四阶段”被公认为全场最易带走模型。我把它做成表格，方便你直接复制到 PPT。
| 目标人定义 | 目标 AI 定义 | |
|---|---|---|
| 规划人定义 | 阶段 1：今天大多数“Copilot” | 阶段 3：AI 提醒你“该做 X”，你来决定步骤 |
| 规划 AI 定义 | 阶段 2：你说“帮我订巴黎行程”，AI 自己拆任务 | 阶段 4：终极 Agent，目标+规划全自主 |
2026 年市场预期：后台连续推理 3-5 小时，完成人类 1-2 周工作量——目前处于阶段 1 尾部，阶段 2 刚起步。
4. 模型即产品，创业者还有窗口吗？——价值、成本、速度三维评估表
| 维度 | 现场原话 | 给创业者的白话翻译 |
|---|---|---|
| 价值 | “AGI 最大魅力在长尾——别人解决不了，你能。”——林俊旸 | 如果调 API 就能解决，别做；找到“全网无答案”的痛点。 |
| 成本 | “Agent 成本 > API 成本，就是矛盾。”——唐杰 | 先算一笔账：模型调用费+推理时长 < 客户愿意付的钱？ |
| 速度 | “窗口期半年，模型公司一反应就关门。”——唐杰 | 半年内必须可交付，否则被基座模型“吸收”。 |
一张自测清单（Yes≥2 再开工）
-
[ ] 我有独有数据或场景壁垒 -
[ ] 半年可上线，且成本低于客户预算 30% -
[ ] 解决的问题不是“调 API 就能搞定”
5. 中国公司 3-5 年领跑全球的概率有多大？——20% 还是“笨笨的坚持”
| 嘉宾 | 给出数字 | 理由 |
|---|---|---|
| 林俊旸 | 20%（已很乐观） | 美国 Compute 大 1-2 个数量级，且投入在“下一代研究”，我们仍在“交付” |
| 姚顺雨 | “挺高” | 中国复现+局部优化能力强，但“敢第一个跳坑的人”还不够多 |
| 唐杰 | 未给数字，留下金句 | “笨笨的坚持，也许走到最后的就是我们。” |
换句话说：工程、商业我们已不弱，缺的是“敢做没人验证过的事”的人。
6. FAQ：读者最关心的 7 个细节
Q1：Memory 到底卡在哪？
A：林俊旸自嘲“每次只记住我叫什么，并不聪明”。预计还需一年才能“真·上下文记忆”。
Q2：Cursor 每几小时就用最新数据学习，合规吗？
A：现场未展开，只提“已发生”。创业者若跟进，需自行评估数据授权与隐私。
Q3：哥德尔不完备定理怎么跟大模型扯上关系？
A：杨强比喻——模型无法自证“无幻觉”，就像人不能抓着自己头发离开地面。理论突破或带来新计算模式。
Q4：Intelligence Efficiency 有量化指标吗？
A：唐杰团队内部用“每百万 token 带来的智能增量/美元”评估，尚未公开具体公式。
Q5：2026 年范式革命，为什么 OpenAI 概率仍最大？
A：姚顺雨观点——商业化会削弱创新基因，但人才密度最高，仍是“最有可能第一个点亮新技能树”的地方。
Q6：学术界机会来了？
A：2025 年底高校算力差距从“万倍”缩到“10 倍”，学生可本地跑实验，创新种子开始孵化。
Q7：90 后、00 后真更敢冒险吗？
A：林俊旸、唐杰都提到“这股劲”，但现场没给数据，只算感性观察。
7. 一张图总结（适合保存到手机）
分化：To C 够用就行，To B 为每一点智能付溢价
范式：想象力→RL→理论→效率，四条路线同步推进
Agent：人定目标→AI 定目标，人定规划→AI 定规划，四格矩阵
创业：价值、成本、速度三维表，半年窗口
中国：20% 概率 + 笨笨的坚持
结语：把“笨笨的坚持”翻译成行动
-
如果你在做 To B，先算“智能效率”——同样 1 美元，客户能多得多少智能。 -
如果你在创业，用三张便利贴写上“价值、成本、速度”，贴到显示器边框，每迭代一次打钩。 -
如果你是研究人员，别再抱怨算力不足，2025 年高校已“只差 10 倍”，足够验证新想法。
最后借用唐杰的话收尾：
“我们这一代最不幸运，上一代还在工作，下一代已经出来，把我们无缝跳过。”
但也正因为被夹在中间，才更需要“笨笨的坚持”——不炒概念，不追风口，把每一步踩实。
愿你读完这篇 3000 字小抄，至少带走一个可落地的下一步行动。下次再见，也许就是新范式官宣的日子。
