张宏江演讲：中美AI算力储备差距大，Agent将改变人类组织构成

来源：市场资讯

（来源：智东西）

智东西

作者 程茜

编辑 心缘

智东西9月11日报道，今天，在2025 Inclusion·外滩大会开幕式上，源码资本投资合伙人、美国国家工程院外籍院士张宏江发表主题演讲，他认为，今年是大模型应用普及的转折点。

两年前ChatGPT发布、今年年初DeepSeek诞生至今，全球大模型产业发展有几大明显趋势：大模型未来会影响很多非常重要的应用，搜索首当其冲；大模型相关应用正在从解决问题的工具向AI助理、AI伴侣进化；DeepSeek模型的出现正推高算力需求，大模型对于计算的需求会持续Scaling Up；在单一IDC中构建大规模算力系统的能力愈发重要。

张宏江将模型带动底层芯片、整个云计算产业、电力、能源产业发展的生态，称作算力系统生态链（AI’s Industrial Scaling Up）。如今，美国整体算力IDC的建设非常迅猛，这也提醒我们在芯片、IDC建设上要快速扩张。

最后他谈到自己对Agent发展的思考，当一个人和一堆Agent组成一个公司，会实现前所未有的效率跃升，但这需要引发社会对年轻人就业、社会结构、教育体系变化的思考。

以下是张宏江演讲的精华整理：

一、DeepSeek推高算力需求，大模型已从工具向AI伴侣进化

张宏江谈道，回顾过去半年的进展，第一个最让人振奋的进展是DeepSeek横空出世。DeepSeek打破人类历史上所创造应用突破1亿用户的时间记录，7天内就获得1亿用户。

另一个角度是DeepSeek同时兼顾性能高、成本低，刚发布时，DeepSeek的模型和当时世界上最好的模型性能相近，成本仅是其他模型的零头。

这是不是意味着芯片或计算不重要了？张宏江认为，有这种想法的人显然已经被割了韭菜。资源是经济学中的一个基本定律，当成本降下来，需求会以更大规模增长，也就是DeepSeek模型的出现会推高算力需求。

以ChatGPT为标志，大模型已经发布两年多，通过应用日活和月活的比例可以衡量其用户使用粘性，ChatGPT刚发布时这一比例是14%，今年3月达到超30%，这意味着，ChatGPT已经变成用户经常被用来解决问题的工具。

今年7、8月又发生了一个变化，ChatGPT周活跃用户达到7亿人，且其中有很大一部分人开始与ChatGPT聊天、交流，将其作为伴侣，这是用户粘性变化的一个重要标志。

从公司角度，大模型在公司中的普及率也在快速增加。当推理模型发布后，OpenAI、Anthropic的用户都在快速成长，今年是大模型应用普及的转折点。

大模型普及首先影响到的就是搜索的流量。经济学人的研究演示，受AI影响网页搜索流量已经下降15%，健康领域的搜索流量下载超过40%。

因此张宏江认为，这意味着大模型未来会影响很多非常重要的应用，搜索首当其冲。

此前，Scaling Law定律是大模型赖以成长的定律，但推理模型出来后产业界找到了另外的推理曲线，未来还会引入新的维度，包括刚才2024年图灵奖得主、加拿大计算机科学家理查德·萨顿（Richard Sutton）提到的经由经验学习（Learning from Experience），其实就是memory和context。

所以从这个意义上看，大模型对于计算的需求会持续Scaling Up。

过去几年内，大语言模型推理的成本在持续降低，这个降低非常惊人。张宏江提到这个定律就是LLMflation，模型性能快速提高时，使用成本会快速降低。

在产业界的趋势就是，一方面，DeepSeek出现能快速降低成本，另一方面，芯片、大模型本身性能的提升，也证明成本降低这件事会随着大模型发展持续发生。

二、大模型推动整个产业Scaling Up，要加速AI基建建设

如今，大模型生态已经推动了整个产业的Scaling Up。

起初云厂商只是将模型作为一个服务，随后模型开始定义整个云平台并建立新的平台，就像当初的PC、iOS、云平台，这个生态一定会诞生一个完整的产业。

如今，芯片、云计算产业已经被大模型带动，并逐步带动整个电力行业甚至于经济的发展，这也是过去两年美国经济最大的推动力。

埃隆·马斯克（Elon musk）为xAI打造了全球最大AI数据中心，在单一集群里部署了20万卡。这对于数据中心而言的重要性在于，不仅仅要看到总算力能达到某个规模，而是能不能在单一的IDC中建起大规模算力系统的能力。OpenAI也做了类似的事，因为微软不能及时为OpenAI提供充足算力，其发起了“星际之门”项目。

对比中美过去五年的算力变化可以发现，美国整体算力IDC的建设非常迅猛，这也提醒我们在芯片、IDC建设上要快速扩张。

张宏江将模型带动底层芯片、整个云计算产业、电力、能源产业发展的生态，称作算力系统生态链（AI’s Industrial Scaling Up）。

三、企业需为Agent重新设计工作流，一个人+Agent实现效率跃升

今年年初，萨顿拿到图灵奖，就证明强化学习本身已经成为AI的核心技术。

而Agent技术只有在推理模型逐渐成熟时才能出现，且成长速度现在非常快。过去12个月，推理模型思考的时间增加迅速，每六个月思考时间翻倍，也意味着思考性能翻倍。

随着模型、Agent的性能提高，人和机器、人和AI的关系在转变，AI已经从纯粹的工具变成人的助理，然后变成伙伴，并且AI成为人的助理的时间会很短，其会很快变成伙伴，伙伴可以有自己的思考、主动性、规划、行动。

当Agent有了计算、思考、规划、行动等能力后，其就会替代企业流程。现在Agent所取代的是企业过去给人所设计的流程，未来，企业必须为Agent重新设计整个流程，或者让Agent重新定义工作流程。这是人与机器关系改变的推动力。

一旦社会中Agent越来越多，就会形成Agent群，Agent在操作整个工作流，然后交换彼此的信息、分享决策，达成交易，而人就变成了资源和数据的提供者，这就达到了Agent经济（Agent Economy）的状态。在Agent经济中，每个Agent是社会庞大神经网络中的一个点，就相当于今天的神经元。

Agent经济对社会的影响在于，目前机构的重要资产是人才，未来会变成算力、模型、数据，现在企业想要扩大业务会雇佣更多人才，未来就是要扩大算力规模、模型更强大、数据更丰富。当一个人和一堆Agent组成一个公司，会实现前所未有的效率跃升。

这也会带来社会的变化，例如如今AI已经对年轻人就业产生冲击。

今年7月，扎克伯格花大价钱雇佣AI工程师，这可能不仅仅是为Meta在AI领域落后着急，张宏江认为更可能是因为扎克伯格看到了未来，超级个体+Agent的组合可能是未来科学技术的研发主体。

这种结构性的变化，使得我们现在应该开始考虑未来的社会架构、税务体系、教育等。