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：

新一轮人工智能，是信息智能、物理智能和生物智能的融合，本质上也是原子、分子和比特的融合。

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：

• 前者通过统一表征与 token 化，把文本、语音、图像乃至蛋白质、点云等数据纳入同一空间；

• 后者则以高效率、高性能、低价格和开源路径，把大模型从“预训练时代”推向以推理为核心的“DeepSeek 时刻”。

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。

核心观点梳理

• 新一轮人工智能是信息智能、物理智能和生物智能在统一 token 表征与规模定律驱动下的融合演进。

• 以 ChatGPT 与 DeepSeek 为代表，AI 正从鉴别式走向生成式与推理式，在高效率、低成本和开源生态中加速落地。

• 生成式 AI 正快速演化为智能体，任务长度与能力同步提升、风险同步放大。

• 基础大模型相当于 AI 时代的操作系统，全球玩家不会超过十家，将重构为“基础模型 + 垂直 / 边缘模型 + 智能体网络”的新产业格局。

• 智能体互联网是未来 5–10 年最大方向，也是通往 AGI 的必经之路，预计在 15–20 年内完成从信息智能到物理智能、再到生物智能的跨越。

• ……

以下为张亚勤演讲全文：

从 ChatGPT 到 DeepSeek：新一轮人工智能范式与“智能涌现”

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 2025 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 发展的五大趋势

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。

Codeium

一个免费的AI代码自动完成和搜索工具

345 查看详情

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）。

未来 5-10 年最大发展方向：智能体互联网

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。

以上就是张亚勤院士：基础大模型最终不超过 10 个，十年后机器人比人多的详细内容，更多请关注其它相关文章！

# 开源  # 好的网站有哪些排名优化  # 竞价提升SEO排名  # 网站建设应用领域  # 银川网站建设推广优化  # 封条模板网站建设公司  # 天长seo推广贵不贵  # 济南网站建设 开发  # 天门seo推广案例  # 蓬莱智能营销推广优化  # 贵港如何优化网站建设  # 新一轮  # 它是  # 的是  # 这里面  # 互联网  # windows  # 未来  # 人多  # 不超过  # 大模型  # gpt  # win  # chatgpt  # ios  # ai  # internet  # 安卓  # app  # 人工智能  # 操作系统 

相关栏目： 【 科技资讯46185 】 【 网络学院92790 】

相关推荐： 探索高级语言到C/C++的转译路径：以Go为例及内存管理策略  Go语言中对Map值调用带指针接收者方法：原理与最佳实践  抖音商城签到领现金是真的吗_抖音商城签到奖励与提现说明  谷歌浏览器浏览体验优化_谷歌浏览器新版直连永久可用提示  CSS布局：解决全屏元素100%尺寸与外边距导致的页面溢出问题  qq邮箱日历功能怎么用_创建日程与会议邀请的技巧  windows10怎么关闭系统提示音_windows10彻底静音设置方法  快手赚钱渠道_快手收益来源  必由学网页版入口 必由学官方平台直接访问  解决Tabulator日期时间排序问题的专业指南  顺丰快递查询系统 官方正版查询入口  2026年发布！ 美少女养成动作RPG《神剑少女战记》发布实机演示  PySpark中从现有列右侧提取可变长度字符创建新列的教程  高德地图家和公司地址在哪设置 高德地图通勤路线设置方法【超详细】  Python多版本共存与虚拟环境管理深度指南  PPT平滑切换怎么做 PPT炫酷“平滑”切换动画制作教程【必学】  TikTok搜索结果不显示如何解决 TikTok搜索刷新优化方法  学习通在线学习平台 学习通网页版直接进入课程中心  PrimeNG Sidebar背景色自定义指南：CSS覆盖与主题化实践  C++的std::mdspan是什么_C++23中用于操作多维数组的非拥有视图  QQ邮箱官网登录入口 QQ邮箱网页版邮箱快速登录  Win11如何使用Windows Sandbox Win11沙盒功能开启与使用教程【详解】  J*a里如何使用N*igableMap进行导航操作_可导航Map操作技巧解析  随机参数递归函数的基准调用次数与时间复杂度探究  深入理解J*a链表中的IPosition接口与使用  Sublime怎么配置Nim语言环境_Sublime Nim代码高亮与补全  C++的std::forward_list怎么用_C++ STL中单向链表容器的特点与应用  小米14应用无法联网原因分析_小米14网络权限修复  漫蛙漫画登录站点 漫蛙2正版漫画快速访问  极兔快递快件信息查询系统 极兔快递官网运单号追踪  html怎么运行外部js文件中的函数_运html外js文件函数法【技巧】  Django通过AJAX异步上传图片并保存至模型的完整指南  Web Components中自定义开关组件状态同步的常见陷阱与解决方案  Tailwind CSS line-clamp 布局问题解析与修复指南  大麦的“候补”是什么意思 大麦候补购票规则【详解】  Steam官网入口直达 Steam注册及登录步骤  优化 Jest 模拟：强制未实现函数抛出错误以提升测试效率  iwriter统一登录平台 iwrite账号密码登录页面  mysql如何设置表访问权限_mysql表访问权限配置  小红书怎么解除第三方平台绑定_小红书多平台登录解绑方法介绍  css绝对定位元素脱离父容器怎么办_确保父元素position非static  抖音隐秘迷城小游戏入口_ 抖音冒险解谜小游戏秒玩  poki免费入口快捷访问 poki人气小游戏直接玩站点  12306怎么选座位选到安静区_12306选座安静区域选择策略  怎样在Excel中做仪表盘_Excel仪表盘设计与关键指标展示方法  美团外卖商家服务中心入口 美团商家版官网入口  j*a toString()的覆盖  解决深度学习模型训练初期异常高损失与完美验证准确率问题  淘宝支付提示失败如何解决 淘宝支付流程优化方法  uc浏览器网页版入口 uc浏览器网页版最新网址