中国“AI四巨头”罕见同台，阿里、腾讯、Kimi与智谱“论剑”：大模型的下一步与中国反超的可能性

来源：市场资讯

（来源：网易科技）

要点提炼：

近日，由清华大学基础模型北京市重点实验室发起AGI-Next前沿峰会，把AI圈大半边天聚到了一块。基模四杰全员到场：智谱唐杰、Kimi杨植麟、阿里林俊旸，还有“突然贴脸跳屏”的姚顺雨。

他们认为，大模型竞争已从单纯的“聊天（Chat）”能力和榜单分数，转向能够进入真实环境、可验证并完成复杂任务的智能体（Agent）阶段。行业普遍预计，2026年将不再是“更强模型之年”，而是模型真正跑通业务流程、创造商业价值的关键年份。

针对投资者最为关心的“中国能否反超”这一议题，峰会传递出的情绪冷静而现实。尽管中国具备极强的工程复现与制造逻辑下的追赶能力，但多位核心人物将中国在下一代范式中领先的概率评估为不超过20%。这种谨慎源于中美在算力投入结构上的本质差异——美国倾向于投资“下一代研究”的高风险探索，而中国目前的算力更多被交付与产品化占据。

从“更会聊”到“能做事”：评估坐标发生质变

大模型行业的评估坐标系已发生根本性位移。唐杰表示，Chat这一代的问题已“差不多解决”，行业重心正从“更会聊天”转向“能完成任务”。过去市场追逐的是模型在考卷上的“分数”，而现在的核心指标变成了在真实环境中的“跑通率”。

对于企业而言，AI如果仅是更聪明的搜索框，其价值有限；但如果AI能将任务执行的成功率从偶然变为必然，则意味着生产力的质变。因此，唐杰、杨植麟等四位行业领袖达成共识：AI正在从Chat走向Thinking、Coding与Agent。

在这一阶段，RLVR（可验证强化学习）成为关键技术路径。唐杰强调，在数学、编程等结果可判定的领域，模型可以通过闭环自我探索；但在网页交互等复杂任务中，“可验证空间”稀缺。未来的竞争门槛，不是让模型多想几步，而是建立足够复杂、真实且可判分的“关卡系统”，让模型在其中通过“刷经验”实现迭代。

商业化分歧：ToB的高溢价与垂直分层

随着技术重点转向Agent，商业化路径也出现了明显的分化。姚顺雨指出，toC与toB的逻辑将渐行渐远。在toC市场，用户体验的提升并不必然带来留存提升；但在toB市场，企业最恐惧的不是慢，而是“错且不可控”。

此外，行业对“垂直整合”的看法也在修正。姚顺雨观察到，在toB领域，模型层偏向“硬核工业化”，拼的是预训练与算力；而应用层偏向“业务工程化”，拼的是流程与交付。这导致未来toB市场可能走向分层结构：最强的模型配合最懂场景的应用团队，而非单纯的“模型即产品”。这对中国公司是一个警示：不能只盯着榜单，而需关注在具体业务链路中的落地与迭代能力。

中国反超的概率：乐观预期下的结构性瓶颈

关于“中国领先概率”的讨论，峰会呈现出一种“结构性冷静”。尽管市场热衷于讨论“崛起”与“占榜”，但林俊旸等业内人士将中国领先新范式的概率上限压至20%。

这种谨慎评估基于中美在算力使用上的结构性差异：

算力瓶颈、软硬生态的完善度，以及toB市场的付费意愿，构成了制约中国模型发展的“三道门槛”。如果生态系统只奖励确定性的榜单数字，而将冒险精神挤出组织结构，那么反超将难以实现。