来源：王长胜

1月10日，清华办了一场AI闭门会。

我本来没太当回事。这两年AI论坛太多了，翻来覆去就那些话，听多了有点免疫。但这次我多看了两眼嘉宾名单，发现有点意思——智谱的唐杰、月之暗面的杨植麟、阿里Qwen的林俊旸、刚从OpenAI回国加入腾讯的姚顺雨，还有香港科大的杨强教授。

更有意思的是，唐杰本身就是清华教授，杨植麟和姚顺雨都是清华毕业的。某种程度上说，这是一场"清华系"的AI同门会。

我把整场对话翻出来看了两遍，越看越觉得值。不是因为他们说了多少振奋人心的话，恰恰相反，是因为他们终于不怎么说那些话了。更重要的是，你能明显感觉到——这五个人虽然坐在同一张桌子前，但他们看到的未来，走的路，押的注，其实相当不一样。

这种分歧本身，比任何一个人的观点都更值得琢磨。

分化，是这场对话的第一个关键词

主持人开场就抛了一个问题：过去一年，无论硅谷还是中国，大模型公司都在分流，各位怎么看？

姚顺雨的回答很直接。他说分化沿着两条线在走：

第一条是C端和B端的分化。普通用户对大模型升级的感知越来越弱了。今天用ChatGPT和去年用，体验上差多少？大部分人说不上来。但在B端，在写代码这件事上，差距是肉眼可见的——"夸张一点说，程序员已经不再写代码了，而是用英语和电脑交流。"

这话听着有点绝对，但他想说的意思我理解：C端用户不需要模型有多聪明，他们需要的是模型懂他们；而B端客户对智商的要求是刚性的，聪明10%就意味着能多赚10%的钱。

第二条是垂直整合和分层的分化。过去大家觉得模型和应用要紧密绑定，端到端优化才是最优解。但现在情况变了，尤其在B端，模型能力在涨，应用层也在各个生产环节冒出来，两边不一定非要长在一起。

唐杰的判断更干脆。他说智谱内部争论了很多个晚上，最后把所有精力都押在了Coding上。"AI替代搜索这场仗，随着DeepSeek的出现已经打完了。下一场是Coding。"

你看，光是"接下来该重点做什么"这一个问题，几位的答案就不太一样。姚顺雨强调B端和C端的逻辑差异，唐杰直接All in代码，林俊旸则说他更相信AGI本身，"分化是自然的，顺其自然就好"。

同一张桌子，至少三条路。

Agent是风口，但各家理解的Agent不是一回事

如果说2024年的关键词是"大模型"，那2025年最热的词大概就是"Agent"了。这场对话里，Agent被反复提及，但你仔细听，会发现大家说的其实不是同一个东西。

姚顺雨眼里的Agent，是B端生产力工具。他说Agent在企业场景里的增长曲线还没减速，核心逻辑很简单：模型越聪明，能解决的任务越多，企业愿意付的钱就越多。甚至就算模型能力不再提升，光是把现有能力部署到各个企业里，都够吃好几年。

林俊旸的理解不太一样。他认为未来的Agent应该能自主学习、自主进化、自主决策。从这个角度看，"做Agent"和"做模型"其实是一回事，模型能力的上限就是Agent的上限。

他还提了一个让我印象很深的观点：Agent真正让人兴奋的地方，是解决长尾问题。什么叫长尾问题？就是全世界都找不到答案的问题。当AI能搞定这些，用户才会真正觉得"这东西有点厉害"。

但他也表达了担忧。"我非常担心安全问题，不是担心它今天说一些不该说的话，是担心它做一些不该做的事。"当模型具备主动行动能力的时候，边界在哪？谁来控制？这些问题还没人能回答。

唐杰则是从另一个维度看Agent：成本、速度、价值。他说Agent最终要看三件事——有没有真的为人类解决有价值的问题，做这件事成本多高，做的速度有多快。"大模型到现在更多是拼速度、拼时间，代码正确了就能多走一步，错了可能半年就没了。"

你看，虽然大家都在说Agent，但姚顺雨说的是商业模式，林俊旸说的是技术边界，唐杰说的是生存法则。这不是谁对谁错的问题，是各自的处境和赌注决定了他们眼里的Agent长什么样。

下一个范式什么时候来？这事儿没人敢打包票

过去三年，大模型的进化其实就两件事：预训练越做越大，强化学习越做越深。但现在大家都在问，下一步呢？会不会有全新的范式出现？

唐杰是乐观派。他的判断是2026年大概率会出现范式创新。理由有两个：一是学术界开始拿到像样的算力了，和工业界的差距在缩小，而学术界天然有创新基因；二是现在继续堆参数训练，收益已经很小了，这种"高投入低回报"的阶段，往往是新范式冒头的前夜。

他还提了一个概念叫"智能效率"——怎么用更少的投入换取更大的智能增量。他觉得这可能是下一次突破最可能发生的地方。

杨植麟的看法不太一样。他认为Scaling（扩展）仍然是重点，但Scaling的含义在变——不是单纯堆算力，而是在架构、优化器、数据层面做技术改进。他说了一个词叫"Taste"，直译是品味，意思是让模型拥有更好的判断力和审美。"智能不像电力、货币，可以简单量化交换。智能的空间是指数增加的。"

姚顺雨则提了一个很有意思的问题：如果有人宣布新模型实现了自主学习，我们该用什么标准去验证？它能赚很多钱？它解决了人类之前没法解决的科学问题？还是别的什么？"我觉得可能需要先想象它长什么样。"

这话听着有点虚，但其实很实在。所有人都在说"下一个范式"，但没人能描述它具体是什么。大家其实是在不同的方向上摸黑走路，谁先撞到墙、谁先看到光，都不好说。

那个绕不开的问题：中国AI的胜算有多大？

每次这种场合，都会有人问一个让人有点紧张的问题：3到5年后，全球最领先的AI公司是中国公司的概率有多大？

林俊旸给的答案是20%。

这个数字你可以觉得低，也可以觉得已经不错了。毕竟两年前AI最热的时候，到处都是"弯道超车"的声音，现在能有人站出来说"我们有两成机会"，反而是一种清醒。

姚顺雨补充了一个观察：我们的研究文化太喜欢确定性了。喜欢刷榜，喜欢做那些"一定能出结果"的改进。但OpenAI的成功，恰恰是因为他们在2022年敢押一个当时看起来完全没谱的方向。

这话让我想起之前采访过的很多创业者。中国创业者的执行力没话说，一个模式被验证了，我们能在最短时间内把它做到极致。但"赌一个没被验证过的方向"这件事，我们普遍偏保守。这不是哪一家公司的问题，是整个环境的问题——赌对了是英雄，赌错了可能公司就没了。

不过姚顺雨也说了一句让人稍微宽心的话：中国在工程复现、规模化落地上的能力已经被反复验证了。真正卡脖子的，一个是算力，一个是B端市场的成熟度。这两个变量如果能有所突破，20%的概率是可以往上抬的。

写在最后

看完这场对话，我最大的感受是：这帮人终于不再讲场面话了。

没有"遥遥领先"，没有"弯道超车"，也没有"全球领先"。就是一群真正在一线打仗的人，把自己看到的、想到的、担心的，摊在桌面上聊。观点不一样，判断有分歧，但每一条都是真的。

唐杰最后说了一句话，我印象很深："我们这一代AI人可能是最不幸运的……但如果我们笨笨地坚持，也许走到最后的就是我们。"

这话不是鸡汤。在承认差距、认清分歧、看到各种不确定性之后，还愿意笨笨地坚持，这本身就是一种值得尊敬的态度。

大模型的战争远没有结束，可能才刚刚换了一种打法。接下来几年，谁押对了方向，谁的执行力更强，谁能活得更久，答案都还在空中。

唯一确定的是，坐在那张桌子前的五个人，每个人心里都有自己的答案。

而他们的答案不一样，这件事本身就是这个行业最真实的状态。