网易首页 > 网易号 > 正文 申请入驻

PEC 2026开场对话丨迈向2027,我们需要怎样的模型?

0
分享至

作者:周雅

9月12日,AI创新者大会暨第三届提示工程峰会(PEC 2026)在北京中关村东升科技园众智园举办,主题为“Won Token, Won World”(赢得Token,赢得世界)。作为本届大会的第一个核心环节,主题为“2027,我们需要怎样的模型?”的开场对话率先展开。

本次对话由PEC发起人、至顶科技创始人兼CEO高飞主持,中国信息通信研究院人工智能研究所所长魏凯,面壁智能多模态首席科学家、清华大学人工智能学院助理教授姚远,清智资本及清智孵化器负责人张煜,清华大学人工智能学院助理教授、元环智能创始人兼首席科学家刘子鸣四位嘉宾,围绕模型能力与评测、计算与部署形态、模型架构与前沿研究、产业应用与创业机会四个维度展开讨论。


高飞在开场直指一个现象:眼下,模型更新的速度已经快到让大家有些应接不暇:新模型发布,Benchmark刷新,能力边界扩张,几乎成了AI行业最熟悉的节奏。但与此同时,模型能力扩张、benchmark设计、企业侧应用落地是否也在沿着同样速率同步发展?这一问题成为整场对话的起点。


PEC发起人、至顶科技创始人兼CEO高飞

话题一:模型演进与应用体感,进化速度和扩散速度的落差

从产业层面,魏凯援引信通院的一组观察数据指出:今年上半年平均每2.8天就有一个前沿模型发布。魏凯认为,模型指标和用户体感之间存在落差,落差可以拆成三个方面。

第一是Benchmark本身的局限:“模型公司都希望把最好的一面呈现给外界,但是Benchmark分数其实只是对模型能力一个非常稀疏的采样。模型能力是非常全面的,如果用户实际使用时,刚好和Benchmark采样的点不一样,就可能产生落差。”第二是模型本身越来越难被准确测量:“一套Benchmark无法穷举真实世界中的所有场景,模型越趋向通用,对它进行完整评价也越困难。”而第三个原因,在魏凯看来更加值得产业注意:“现在模型能力的进化速度,远远超过了技术在行业里扩散的速度。我们已经有了很好的模型,但是把模型真正用起来的水平其实是滞后的。用户自身的知识、数据治理、知识库,包括自己的环境能不能支持这个模型施展手脚,这些都会造成更大的落差。”


中国信息通信研究院人工智能研究所所长魏凯

从创投层面,张煜的观察同样围绕速度。清智本身孵化了上百家AI公司,张煜观察到一个明显的速度错位问题:一方面,现在模型变化快,新模型出来后,旧模型会被替代。另一方面,模型发展的速度,远远超过模型应用推广的速度。“很多基于模型做应用的创业公司,应用刚刚做出来,还没有推广,新的模型又上来了,一下就把它覆盖掉了,这确实是很大问题。”

这种变化,一方面影响创业群体的关注点,另一方面甚至影响创业公司的产品架构。张煜观察到,首先,“大家正在从追求模型的能力,慢慢转移到追求解决问题的能力。因为模型能力发展特别快,但是应用没有那么快,最终还是要解决问题。”其次,一些新兴创业公司最初设计产品时,就已经开始考虑如何适应模型的快速迭代,不会绑定一个专有模型,而是在不同的模型体系里做适配,提前做一些接口和相关预研。


清智资本及清智孵化器负责人张煜

从落地层面,姚远判断不同的智能路径:“智能不可能只存在于云端,一定是云端和端侧并存的方式。”面壁智能选择的端侧智能路线,建立在需求和技术两条线上。

需求侧,智能的发展与过去计算的发展具有一定相似性。“今天的计算体系既有云计算,也有PC和手机上的个人计算。随着芯片能力持续提高,很多过去必须依赖大型计算系统完成的任务,已经能够在个人设备上直接运行。”这种趋势同样会发生在智能领域:“端侧模型首先解决的是一些非常现实的问题,比如隐私、数据保护、无网络环境、低延迟以及功耗。只要技术条件允许,很多用户天然会希望一部分智能直接发生在自己的设备上。”

技术侧,姚远提到一个现象:“100B模型能够达到的性能,可能再过一年,10B的模型也能达到了。这说明模型的‘智能密度’正在逐渐提高。”姚远认为,这也是端侧模型与云端模型在设计逻辑上的重要区别。“云端模型更追求智能的容量,目标是在一个模型中装入尽可能多的能力。端侧智能更多要看智能的密度,目标是在功耗、内存和推理速度都严苛限制的条件下跑出一个好效果。”因此,对于端侧智能而言,问题已经不是单纯把模型缩小,而是如何把每一个参数、每一份算力用得更有效率。


面壁智能多模态首席科学家、清华大学人工智能学院助理教授姚远

从模型层面,刘子鸣借用《三国演义》“天下大势,分久必合,合久必分”这句开篇指出:“当下Foundation Model处在‘合’的阶段,一个通用模型解决所有问题,但久而久之‘分化’也会随之而来。”刘子鸣指出,这种分化首先来自通用模型自身的能力边界:“现在我们希望一个通用模型能够解决所有问题,它确实能够很好解决文本和符号相关的问题,包括Coding、Math,这些问题可能只占我们真实世界的30%。但剩下的70%是跟物理世界相关的,包括世界模型、AI for Science,这些是现在Transformer范式没有办法完全包含进来的。”

为什么会出现这样的差异?刘子鸣解释,“自然语言、代码、数学公式等信息,本身已经经过人类长期抽象和符号化,已经压缩过一遍。Transformer只不过是我们找到的第一个能够把这块‘压缩饼干’吃下去的模型,因为它胃容量很大。”下一步需要突破的,可能正是那些尚未被充分符号化的领域。刘子鸣指出,“不同的领域,尤其是那些没有被符号化的领域,都应该有各自适合的模型,还等待着我们去发现。”


清华大学人工智能学院助理教授、元环智能创始人兼首席科学家刘子鸣

话题二:从数字世界到物理世界,模型演化的下一站

随着大模型从通用信息处理,进一步进入企业生产系统、终端设备和物理环境,产业需要解决的问题也从模型能力本身,延伸到数据组织、软硬件协同和新的模型架构。在第二轮讨论中,高飞将问题进一步指向未来:“当模型能力继续提高,中国AI产业还需要建设哪些基础能力?模型从数字空间走向物理空间之后,哪些技术问题会变得更加突出?当基础模型自身能够完成越来越多任务,应用层和创业公司的价值又将如何建立?”

模型能力之外,魏凯把中国AI产业最紧迫的基础能力首先落在数据侧。“我们观察发现,很多企业已经不再去做基础模型或者垂直模型的研发微调,而是需要把自己积累的、不能出域的数据,做好整理、加工、治理,变成语义,变成可以被Agent操作的本体。”魏凯认为,这会成为大量企业未来亟需持续建设的能力,成为自身一个很宽、很深的护城河。围绕这一方向,中国信通院也在推动企业级语义层、本体建模等相关研究。魏凯表示,这类能力本质上是在模型与企业真实资产之间搭桥,“如果没有这个桥梁,模型很难真正进入企业工作”。

面壁智能正在把多模态积累延伸到机器人赛道,如果说手机和PC仍然主要处理数字世界中的信息,那么具身智能机器人则要求模型直接感知并作用于真实环境。姚远认为,这构成了具身智能模型与此前多模态模型之间最重要的变化,就是从数字空间走向物理空间。

姚远指出,物理智能范式下有两个突出特点。第一是数据稀缺的问题:“物理世界最大的区别是,我们并没有像互联网一样现成的数据,让模型可以大量学习。所以现在很多重要问题,都是围绕怎么解决数据稀缺性展开。”第二是数据和硬件绑定的问题:“物理数据的准确性要和硬件绑定在一起才能得到验证。而信息世界的数据在哪里采到都统一有效,物理智能因此需要更宽、更延展的infra定义,以及和整个链路上的硬件绑定。”因此,进入物理智能阶段之后,模型、数据和硬件之间的关系也会更紧密:“在物理智能的范式下面,模型和硬件可以快速协同设计,一起定义、一起进化。”

围绕模型能力扩张对创业者的影响,张煜给出了一个反直觉的双边观察:一边,小型和年轻团队往往表现出更快的适应速度。“越是小的公司,越是年轻的公司,它驾驭新东西的能力往往越强,跟着新事物的速度越快。有的小公司没有几个人,但是跟得特别快,做出来的东西也非常前沿,甚至会提前看新的模型发展,提前做准备。”另一边,组织规模越大也越可能形成路径依赖:“公司一大,有了体系,船大就不好掉头。而且总想把自己的能力加入模型,希望扩大自己的价值,但这个过程有时候也可能和模型本来的能力发生冲突。”

张煜由此推出更长远判断,随着模型进一步增强,一些过去被认为属于企业内部知识和经验的能力,也需要重新评估:“人类所有能够传承的知识,首先一定是人类能够理解的,第二是能够写下来、记录下来的。凡是有规律性的事情,能够描述出来的,也许模型用不了多长时间,就可能做得比人类更好。”但这并不意味着应用公司的价值会随之消失,张煜强调:应用端还会涉及硬件、优化、美学设计、流程、推广、培训等一整套环节。因此,相比依赖某一个模型暂时不具备的单点能力,完整解决真实问题的能力,可能成为应用公司更加稳定的价值来源。

刘子鸣看到的下一步突破有两个方向。一是世界模型:即使人类已经掌握了牛顿力学等基本规律,一个具体系统里的初始条件、边界条件以及复杂环境,也未必能够完全通过符号表达出来,“物理世界很多东西是很难被符号化的。”二是AI研究:“现在很多人在做AI研究,绝大多数还是用现在的大语言模型去做。在我看来,有点像猴子试错,你给猴子无穷长时间、很多次试错机会,它总能打出一本《红楼梦》,但过程极其低效。背后的根源在于,AI背后的科学,我们还没有写出这本教科书。”在刘子鸣看来,“AI研究现在还处在‘亚里士多德时代’,还远远没有到达‘牛顿时代’。”模型能力已经快速发展,但如何形成一套更加系统的“AI科学”,并进一步利用AI参与模型研究本身,仍有大量基础问题需要探索,而这也是元环智能的研究方向。

话题三:从企业选型到创业方法论,2027年从业者需要什么能力

模型演进正在进一步加快技术能力的普及速度,也在改变企业、创业者和研究团队之间的竞争方式。对企业而言,单纯获得模型已经不是主要门槛,能否理解模型能力边界、建立适配自身业务的数据和知识体系更为重要;对创业者而言,技术功能的领先周期正在缩短,快速学习和商业化能力的重要性进一步提高;对研究团队而言,在有限资源条件下寻找更高效的方法,也可能打开新的创新空间。围绕面向2027的准备,高飞在最后一轮将问题落到具体从业者:“当模型仍将持续变化,今天最需要建立的能力是什么?”

魏凯从用户角度出发,对模型的未来期待归为三重:更聪明、更安全、同时保持合理的使用成本。除三重期待之外,他给企业的建议是回到能力边界的清晰认知:“企业到底想要模型做什么?”只有在明确任务、数据、安全、成本以及业务流程之后,模型选型才具有真正的判断依据。

姚远最期待的是“端侧模型的智能密度”:“整体上,我们还是坚持提高智能密度。从模型结构、训练、高效训练以及高质量数据等几个方面,让模型的智能密度越来越高。”做法上,面壁智能继续在模型结构、训练方法、高效训练和高质量数据几个方向推高智能密度,让端侧模型达到大规模落地的水准;全工全模态也在持续推进,让端侧AI从今天的“能用”走向明年“好用”。

张煜表示,过去投资项目往往同时关注技术先进性和落地能力,而今天创业者本身还需要更快速更新知识体系:第一是快速迭代自己的技能和知识;第二是更加关注场景和商业化;第三是培养想象力和创造力:“随着AI能力增强,模型的推理能力把底层工程能力补上,所以人类的想象力和创造力可能会变得更加重要。”随着模型逐步降低技术实现门槛,如何提出新的需求、找到新的产品形态和商业场景,也将成为创业团队的重要差异。

刘子鸣把视角放在小型AI实验室的机遇上。一方面,如果小团队完全沿用大型实验室的资源投入模式,优势并不明显,所以可以采用“巧劲”:“如果让语言模型去‘摇奖’,堆很多算力,给它无穷长的时间、无穷多的预算,它总能够摇出一些东西。但是我们希望追求的是一个更高效、更聪明的东西。”另一方面他认为,优秀研究者的能力,并不是来自实验数量本身,而是能够从有限实验中形成抽象认知:“模型设计空间、训练空间其实非常大。一个研究者可能只做过1000个或者1万个实验,如果靠穷举肯定不够。但是顶尖的AI研究员能够从比较少的实验里面抓大放小,进行一定的压缩,抓到背后的本质。”

谈及AI研究的未来,刘子鸣认为,“AI研究本身还具有一个不同于传统物理实验的特点,物理世界需要很多闭环,需要你去做实验。但是AI的世界,它自己就能够形成闭环。”在这一背景下,小型AI Lab的机会未必来自资源规模,而可能来自新的模型架构、研究方法以及人机协作方式。

面向2027,大模型的演进仍将持续,但技术发展的衡量维度正在变得更加丰富。从能力提升到效率优化,从数字空间到物理世界,从模型本身到数据、硬件和应用体系,人工智能正在进入更加系统化的发展阶段。如何让持续增长的模型能力更好地服务真实需求,也将成为产业下一阶段共同探索的重要课题。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
字节杀到社交腹地才发现,腾讯的护城河其实没那么深。

字节杀到社交腹地才发现,腾讯的护城河其实没那么深。

放开他让wo来
2026-11-19 22:47:23
他长得帅演技好,因名字太特别,出道29年戏红人不红

他长得帅演技好,因名字太特别,出道29年戏红人不红

东方不败然多多
2026-11-22 01:09:35
荷兰再谈光刻机禁令: 已经对先进光刻机实施对华封锁,不同意继续限制低端光刻机,反对match法案

荷兰再谈光刻机禁令: 已经对先进光刻机实施对华封锁,不同意继续限制低端光刻机,反对match法案

逍遥漠
2026-11-20 13:17:09
DeepSeek限额,Kimi也崩了!15天内出现17条异常

DeepSeek限额,Kimi也崩了!15天内出现17条异常

智猩猩
2026-11-20 16:32:46
云南一男子出国担心妻子家里装了6个摄像头,结果却令他感到惊讶

云南一男子出国担心妻子家里装了6个摄像头,结果却令他感到惊讶

牛魔王与芭蕉扇
2025-01-09 15:59:08
又一外国代表对深圳念念不忘!行为比特朗普还猛,专门拜师学习

又一外国代表对深圳念念不忘!行为比特朗普还猛,专门拜师学习

小鋭有话说
2026-11-22 21:07:01
乌媒:莫斯科方面宣称中俄考虑联合研制武器,背后究竟有何考量?

乌媒:莫斯科方面宣称中俄考虑联合研制武器,背后究竟有何考量?

零度Military
2026-11-22 00:05:14
全球四分之一胰腺癌在中国,提醒:不想胰腺受伤,4 种零食要少吃

全球四分之一胰腺癌在中国,提醒:不想胰腺受伤,4 种零食要少吃

路医生健康科普
2026-11-22 09:50:06
马光远:全球资产为什么都在暴跌?一场巨大的变局正在发生!

马光远:全球资产为什么都在暴跌?一场巨大的变局正在发生!

光远看经济
2026-11-22 07:32:41
录综艺,6,天脸直接垮了?王子璇这趟,比熬三年剧组还伤人

录综艺,6,天脸直接垮了?王子璇这趟,比熬三年剧组还伤人

荒野老五
2026-11-22 16:15:57
好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

回京历史梦
2026-11-15 06:35:06
黄金连跌十日,创下近14个月新低,何时能反弹?专家给出判断

黄金连跌十日,创下近14个月新低,何时能反弹?专家给出判断

极目新闻
2026-11-21 21:46:47
马科斯万万没想到!亲手送杜特尔特去海牙,如今美国却要拆ICC!

马科斯万万没想到!亲手送杜特尔特去海牙,如今美国却要拆ICC!

唠叨说历史
2026-11-18 09:46:20
黄仁勋老婆给他买的皮衣怎么办?网友:“千算万算,没想到他离婚会波及到我啊!”

黄仁勋老婆给他买的皮衣怎么办?网友:“千算万算,没想到他离婚会波及到我啊!”

LOGO研究所
2026-11-09 19:40:24
女子12年前花近2万元存脐带血,协议储存18年,如今公司早已注销“断联”:钱找谁退,我的血还在吗

女子12年前花近2万元存脐带血,协议储存18年,如今公司早已注销“断联”:钱找谁退,我的血还在吗

上观新闻
2026-11-22 06:59:45
金正恩访问越南,乘专列耗时65时40分,为什么不坐飞机?大有讲究

金正恩访问越南,乘专列耗时65时40分,为什么不坐飞机?大有讲究

文史达观
2025-07-05 06:45:03
脸都不要了!上海队惨败NBL球队被淘汰,拉塞尔发文疑似被开除

脸都不要了!上海队惨败NBL球队被淘汰,拉塞尔发文疑似被开除

宗介说体育
2026-11-22 09:43:31
中澳发布《联合声明》!前10月,从澳进口破万亿,逆差超5000亿!

中澳发布《联合声明》!前10月,从澳进口破万亿,逆差超5000亿!

说故事的阿袭
2026-11-22 00:25:27
骆大进,任浦东新区区政府党组书记!“89后”陈明,拟提名为副县(区)长人选!

骆大进,任浦东新区区政府党组书记!“89后”陈明,拟提名为副县(区)长人选!

爱意随风起呀
2026-11-22 15:40:19
4支球队进八强!山西大胜宁波36分,北京淘汰深圳,浙江击败山东

4支球队进八强!山西大胜宁波36分,北京淘汰深圳,浙江击败山东

体坛大事记
2026-11-22 18:01:38
2026-11-22 22:32:49
科技行者 incentive-icons
科技行者
科技正在如何变革商业世界
10651文章数 573关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

游戏
旅游
艺术
公开课
军事航空

PC Gamer试玩GTA6百小时:双主角出色但任务重复

旅游要闻

喀什旅游的游客因清廷中唯一的维吾尔族妃子的故事而奔赴这里参观

艺术要闻

世界十大著名宫殿盘点:中国独占两席

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版