AI时代的“华山论剑”：四位AI技术掌门人眼中的2026

划重点

 顶尖高手论道，勾勒AI江湖未来图景。

在金庸老先生笔下，曾出现过“华山论剑”，那是武林中最盛大的聚会。东邪、西毒、南帝、北丐、中神通五大高手齐聚华山之巅，不是为了争个你死我活，而是论武、论道、论天下大势。

后来，互联网时代也有过这样的时刻。2000年的西湖边，金庸先生亲自坐镇，张朝阳、王志东、丁磊、马云这些互联网“掌门人”齐聚“西湖论剑”。那场论剑定义并开启了中国互联网的第一个黄金时代。

这两天，我看到了一场类似的聚会——清华大学基础模型北京市重点实验室主办的AGI-Next前沿峰会。智谱的唐杰、Kimi的杨植麟、阿里通义千问的林俊旸、腾讯的姚顺雨，这几位站在国内AI技术顶端的人齐聚一堂。

不同的是，这次论剑的主题不是“谁是天下第一”，而是“2026年的AI武林会变成什么样”。更有意思的是，这些技术大神的观点并不完全一致，甚至有些针锋相对。

如果说有遗憾，那就是缺少了DeepSeek的掌门人梁文锋，这位让全球AI圈震动的神秘人物没能出现在这场论剑中。不过，就凭现在这四位技术大神的阵容，已经足够精彩了。

我把这场峰会内容看了两遍，整理出四位掌门人的核心洞察。作为一个普通人，我试着把这些前沿技术翻译成大白话，帮助你理解这些AI领域顶端人物，到底看到了什么。

01 唐杰：AI的记忆与认知

第一位登场的是智谱的唐杰老师，他是智谱AI首席科学家、清华大学计算机系教授，带领团队做出GLM系列模型。

如果把这场峰会比作论剑比武，唐杰展示的就是内功心法，他讲的是如何让AI像人一样思考。

唐杰举了个很有意思的例子。智谱4.5版本发布后，有用户提了个需求：能不能用一句话生成一个完整的植物大战僵尸游戏？包括游戏界面、后台逻辑、用户点击选择植物、僵尸从右边走过来攻击，全套功能。结果呢？模型根本做不出来，出了一堆Bug。

这个案例让我印象很深，它暴露了一个关键问题：AI现在能聊天、能写代码，但遇到真实复杂的编程场景，还是会卡壳。后来智谱想了个办法：让AI在一个真实编程环境中反复试错，就像学游泳必须下水一样，学编程也得在真实项目里摔打。最终GLM模型在SWE Bench这个编程测试中取得了不错成绩。

2025年智谱开源了一个9B参数的AutoGLM模型，开源三天就收获一万多个星标。这个模型能做什么？其实它的核心逻辑和不久前爆火的豆包手机类似，就是让AI真正帮你去做一些事情，而不仅仅是聊天对话。

比如你跟它说“下周要去长春玩，帮我总结一下当前页面推荐的景点，然后到高德地图上收藏这几个景点，查看票价，再去12306订一张10点钟从北京去长春的高铁票，把相关信息整理好给我”。它会自己调用不同的APP，打开应用，输入信息，查询，整理，一共执行40步操作，最后把结果给你。从这个演示能看出，AI已经不只是个聊天工具了，它开始真正“做事”了。

但唐杰讲的更深层的东西，是关于AI的“认知”。

他提出了一个五层智能体系：最底层是简单映射，往上是推理能力，再往上是自反思、自我认知，最高层是意识。

他还提到，人类有四级记忆系统，包括短期记忆、工作记忆、长期记忆，还有第四级——人类社会的记录，也就是维基百科、书籍这些。个人的长期记忆如果不被记录下来，100年后就消失了，对世界没有贡献。未来的AI也需要这样一套完整的记忆系统，就是能把我们的一些长期记忆沉淀下来。

关于2026年，唐杰的判断是：多模态感知系统会成为重点。他说，只有AI能在人的工作环境里，例如手机、电脑或者协作软件里，完成比较复杂的长任务，才算真正实现了一个工种，才能进入物理世界。

什么叫长任务？比如我们现在说的AI取代设计师，更多的是“出图”这个任务，但实际上，绝大部分设计师的工作，还要覆盖沟通需求、提方案、确认方案、画概念草图、反复修改等完整流程，这就是一个典型的复杂长任务。

另外，唐杰还提到，AI for Science可能在2026年爆发，因为AI的能力已经提升到能做更复杂的科学研究的程度。

智谱的这套内功心法讲的是“知己知彼”：AI要先认识自己，才能真正理解世界。

02 杨植麟：AI的效率与品位

如果说唐杰展示的是内功，那第二位出场的杨植麟展示的就是精妙剑法。杨植麟是月之暗面创始人兼CEO、Kimi大模型缔造者，强调效率与品位，当然他的分享也更偏技术和公式。

杨植麟抛出了一个很有意思的观点：Taste，也就是品位。他认为智能不像电力可等价交换，每个模型产生的Token本质上是不同的。这句话什么意思？就是说，虽然现在大家都在做大模型，但模型和模型之间的“质感”是不一样的，不能简单用参数量或者跑分来衡量。

这个观点让我想起一个问题：为什么同样是聊天，有些AI给你的回答舒服，有的就是生硬？为什么同样是写代码，有的AI代码逻辑清晰，有的代码能跑却不优雅？

这背后可能就是杨植麟说的“品位”。就像写诗，李白和杜甫的风格迥异，你不能说谁的字数多谁就更厉害。你也可以试试，同一问题，豆包、元宝和DeepSeek的回答风格可能完全不同。

在技术路线上，杨植麟走精妙路线。他们团队优化了训练方法，把Token效率提升了2倍。这意味着什么？意味着同样训练一个模型，别人需100万条数据，他们可能50万条就能达到同等效果，这在算力昂贵的当下是巨大优势。

Kimi的K2模型，是中国首个在基础模型层面就明确Agent定位的大模型，Thinking版本可完成200-300步的连续工具调用。更厉害的是，他们的下一代架构Kimi Linear，采用线性注意力机制，在长程任务上首次超越全注意力，速度还提升了6-10倍。

这个技术突破挺重要的，因为传统Transformer处理长文本时计算量是平方增长的，而线性注意力能把这个问题解决掉。其实这也就是让模型可调用更多工具，可以更快完成更复杂的任务。

杨植麟还引用了一句自己与Kimi的对话：继续开发AGI，是因为放弃它就等于放弃人类文明的上限，不能因恐惧而停滞。这话听起来有点技术理想主义色彩，但仔细想想，确实在理——AI发展才两三年，那么再给一些时间，AI的智能水平一定还会有更高的提升。

Kimi的这套剑法精妙，讲的是“四两拨千斤”：用更少的算力，做更聪明的事。

03 林俊旸：多模态全能

前两位一个讲内功、一个讲剑法，第三位出场的林俊旸，作为阿里云CTO、通义千问负责人，则展示了十八般武艺——他追求多模态全能。

林俊旸的分享让我最印象深刻的，是Qwen3的数学能力突破：AIME数学测试从20多分提升到70分，用Thinking模型更是能达到90分。这是什么概念？20多分基本解不出什么题，但70分则意味着可以真正用来做数学辅导、代码维护等实际工作。

更有意思的是他提到的一个转变：过去大家做AI编程，都是解竞赛题，给一道题看能不能做出来。而现在做的是软件程序员的真实工作，比如维护一个真实项目，打开文件夹，看文件名，判断该点开哪个，这是多轮交互的过程。这个转变很关键，因为这才是真实的工作场景。

林俊旸还提及一个困扰很多团队的问题：做视觉语言模型时，模型经常会“变笨”。这次他们终于实现突破，让模型既能看懂图片，又不牺牲语言能力，就像人学会画画后，不会因此变得不会说话。

图像生成方面，林俊旸展示了Qwen-Image从8月到12月的进步。他说8月版本的AI感还很重，一看就是AI画的，12月版本已接近真人水平。他还提到一个实用细节：他们发现用户更需要的不是生成图片，而是编辑图片，比如P图让自己更好看、调整光线让照片更柔和，甚至是给数学题画辅助线帮孩子理解，这些任务也属于多轮对话处理的长任务。

在2025年早些时候，很多有设计基础的人大多时候都会让AI生成草图，再拿着图到传统设计软件中编辑修改。而最近这两个月，不少AI工具追求的都是可直接响应修改需求——需要改什么，直接跟AI说就可以了。

关于2026年，林俊旸的目标是“三进三出”，也就是模型能理解文本、视觉、音频，也能生成文本、视觉、音频。不过他对中国AI的全球位置判断比较谨慎，认为3到5年内出现最强AI公司的概率只有20%。他说这个数字已经很乐观了，因为技术方面的历史积淀确实存在差距。

Qwen这套十八般武艺，讲的是“样样精通”：不是浅尝辄止，而是每样都能打。

04 姚顺雨：To C和To B分化

前三位都在讲“武功”，第四位出场的是姚顺雨，他是腾讯AI Lab和Robotics X实验室负责人，2025年12月刚刚加入腾讯任首席AI科学家。

四位大神中，唐杰是1977年出生，年龄最大；杨植麟1992年出生，林俊旸1993年出生；而姚顺雨是1998年出生，现在才28岁。光从年龄，不禁让人感叹“自古英雄出少年”。

在分享中，他另辟蹊径，点破的是“江湖规矩”——他指出了一个很多人没意识到的分化。

姚顺雨的核心观点是：To C和To B已走向完全不同的两条路。他说，今天用ChatGPT和去年相比，大部分人感受差别不大。但Coding领域，夸张点讲，已经在重塑整个计算机行业做事的方式——程序员不再直接写代码，而是用英语与电脑交流。

这个对比很扎心，也很真实。为什么会这样？姚顺雨解释说，To C场景里，多数人多数时候不需要用到这么强的智能。但对于To B来说，很明显的一点是智能越高，代表生产力越高，值钱的也越来越多。比如程序员用AI写代码，模型差一个版本可能就是10个Bug和2个Bug的区别，这直接影响他的工作效率。

一个美国开发者年薪20万美元，愿意高价用最强模型，因为强模型能让他10个任务做对8-9个，弱模型可能只能做对5-6个。更要命的是，你事先不知道哪些会做错，所以必须每个任务都盯着，这反而更累。

这一观察也解释了一个现象：为什么有人觉得AI进展神速，有人却觉得没变化？因为他们所处领域不同，体感自然不同。

现场主持人还抛出一个尖锐问题：2026年如果有新范式出现，应该是什么样子？

姚顺雨说，最大的问题是想象力的缺失。我们很容易想象“推理”这个范式，比如数学题从10分到80分。但如果是“自主学习”这种新范式，它应该长什么样？是一个能赚钱的交易系统，还是解决人类之前没法解决的科学问题？用什么样的任务可以证明这个AI就是比其他的AI厉害，这对每个人和每个企业都会是一个问题。

说实话，这个问题我也答不上来，但它确实击中了要害。

关于中国AI的机会，姚顺雨判断直接：最大问题不是技术，而是冒险精神。他说，中国有非常多非常强的人才，任何一个事情只要被证明能做出来，很多人都会非常积极地尝试。但想要突破新范式、做非常冒险事情的人还不够多。

还有就是对榜单的过度关注。你看Claude可能在编程榜单上不是最高的，但大家都知道这个东西是最好用的，这还是需要大家能够走出这些榜单的束缚，能够坚持自己觉得是不是正确的过程。

不过姚顺雨也指出，自主学习其实已经在发生了，不是未来式。ChatGPT在利用用户数据不断学习聊天风格，Claude已经写了自己项目95%的代码。只是这个过程更像是渐变，不是突变。

这套江湖规矩讲的是“认清形势”：To C和To B已经是两个武林了。

05 “论剑”之后的AI江湖

听完四位掌门人的分享，我脑子里的想法就是：当年五大高手齐聚华山，各有千秋，但论完剑之后，江湖的走向基本就清楚了。

这次AGI-Next峰会也是这样。唐杰讲记忆与认知、杨植麟讲效率与品位、林俊旸讲多模态全能、姚顺雨讲To C和To B分化，每个人的侧重点都不一样，但拼合起来，基本勾勒出2026年AI江湖的轮廓。

这场论剑之后，我看到了三个层次的信息，和你分享一下。

最直观的变化是AI正从“聊天”迈入“做事”时代。2025年，AI后台推理3-5小时，能做人类半天的活；现在能做1-2天的活；到2026年，可能一次推理就能完成人类1-2周的工作量——这不是线性增长，而是指数级的跨越。AutoGLM订高铁票、SWE Bench维护真实项目，这些都是AI“做事”的具体体现。

更深层的突破可能在记忆系统。唐杰提出的四级记忆系统，如果能实现，AI就不再每次对话都从零开始，而是能“认识自己”、“记住过去”，这或许是2026年最值得期待的技术突破。

这也对我正在做的Get笔记和GetSeed AI录音卡有很大启发，让我思考能不能用这些工具，帮我们自己把一些短期记忆变成长期记忆沉淀下来？比如，Get笔记或者录音卡记录了自己的很多个人习惯和工作讨论标准，那么当有一个新AI工具出现，在用户先允许连接的情况下，让AI工具通过这些记录快速了解你的个人画像，为你提供个性化的服务。

最关键的问题是，中国AI的全球位置很微妙。开源模型领域我们已完全领先，前五名基本被中国占据。但闭源模型的差距可能在拉大，林俊旸给出的20%概率已是乐观估计。关键不在于技术，而在于冒险精神、To B市场成熟度、算力资源等这些更深层的因素。

说到这里，你肯定好奇，普通人的机会在哪？

姚顺雨的那句话说得很透：不是AI替代人，而是会用工具的人替代不会用的人。这就像当年电脑出现时，学编程的人和用计算尺的人差距巨大；现在学用AI，就像当年学电脑，不是为了成为专家，而是为了不被时代甩下。

这场AI时代的华山论剑，意义不在于分出“谁是天下第一”，而在于让我们看清2026年AI江湖的模样。武林风云变幻，但可以确定的是：接下来这一年会比过去两年加起来更精彩，而我们每个人都身处其中。

如果你对这场峰会的内容感兴趣，文稿末尾我附上了知名AI公众号“赛博禅心”第一时间放出的峰会完整实录，你可以花上一点儿时间，详细看看这些AI大神的原话是怎么说的。