张亚勤院士：新一代智能体崛起，预判未来AI五大发展趋势

发布时间：2026-11-06 00:05:54 来源：私服搭建油耗分析_新手入门指南 作者：焦点

9月22日，张亚在英特尔技术创新与产业生态大会上，勤院趋势清华大学智能产业研究院院长张亚勤院士发表了主题演讲，士新阐述了新一代智能体作为AI发展的代智第三阶段特征，分析其自主规划与进化能力。崛起探讨了AI基础设施从中心化向边缘化、预判开源主导的发展变革，并且指出算力成本、张亚交互变革和安全风险是勤院趋势未来关键议题。

AI发展经历三大阶段，士新新一代智能体涌现

张亚勤表示，代智AI的崛起发展经历了三个重要发展阶段：一、信息智能：处理语言、预判视频、发展图片、张亚文本等数字世界内容；二、物理智能：涉及无人机、机器人、电网、智慧城市等物理世界的智能化。三、生物智能，结合基因、生命科学、像Agent Hospital医疗智能体，打造虚拟无人医院，深入生命科学领域，如新药研发、基因与分子层面的模拟。

当前AI已进入“新一代智能体”阶段。相较于过去基于大模型的间接式应用，智能体具备更强的自主性，能够创造新内容、进行预测和决策。他以2022年ChatGPT开启生成式AI为例，2026年，以为OpenClaw为代表，从生成式AI走向智能体AI。

还有一个重要的里程碑，是中国的DeepSeek，出现在2025年1月。DeepSeek出现之前，中国有上百个大模型，这些大模型基本都是在模仿学习ChatGPT等的技术路径、算法的架构体系。DeepSeek是一条新的路径，在算法、技术、系统架构上都有创新，它用1%的算力就可以达到和美国前沿大模型相似的能力。DeepSeek出来之后，咱们和美国在大模型领域的差距就缩短到大约2~3个月，在有些应用方面我们可能做得更好。

生成式AI当中有三个重要概念：词元化（Token ization）、规律定律（Scaling law）和涌现过程（Emergency）。词元化（Token ization）就是将文本、图像、视频、语言和音乐拆分成模型可以识别、可以计算的最小语义单元（词元/Token）。张亚勤院士认为，词元化意味着无论是数字信息、传感器信号还是生命体如蛋白质，均可以被视为Token。

规律定律SL，揭示了AI能力与规模之间的正相关关系，张亚勤院士指出，生成的数据越多、算力越强，模型的智能水平就会随之上升，并且在跨越特定阶段就会出现智能涌现。

在生成式AI时代，大家熟知的SL主要是指“预训练规模定律”，即通过堆叠算力和数据来换取模型能力的提升。但张亚勤院士指出，随着2026年迈入智能体AI，传统的SL正发生根本变化：首先，从“预训练”走向“后训练（Post train）与推理(Inference SL)”；模态演进，从“语言SL”走向“多模态SL”。当下的Sora2、Nano Banana、SeaDance2.0、HappyHorse1.0都属于多模态SL。

AI智能体在学习人类这种高级智能时，具备三大关键能力：自主学习（Autonomous）、可进化和泛化能力。美国麻省理工媒体实验室主任曾在数字化1.0开启时提出，我们正在从“原子”走向“比特”。如今，我们正从比特回归原子、走向分子——新一代智能是信息智能、物理智能和生物智能的融合，是比特、原子和分子的融合，也是碳基生命和硅基世界的融合。

张亚勤强调，下一步走向智能体规模定律，目前，智能体的关键能力指数正在呈现指数级增长，处理复杂任务能力正在以每7个月翻倍的速度提升，任务准确度也已经突破50%这一关键门槛，包括编程智能体、消费智能体等多种形态。

未来的AI产业架构将分三层：底层是数据中心和大模型操作系统，提供基础算力和通用能力；中间层是行业垂直大模型，针对特定领域进行压缩和优化；应用层就是类似手机APP的智能体应用，直接面向用户提供服务。

开源大模型成为发展主流，中国企业占据重要地位

他预计，软件企业不会消失，未来交互的方式是通过智能体，覆盖端侧和云端。当下全球前沿10个大模型，美国3-4家，中国有3-4家，中国尝试走开源大模型路线，未来全球80%AI市场将由开源模式占据是，20%的市场将由闭源模型占领，类似于互联网早期的发展路径。中国在开源AI大模型生态中发展迅速，效率更高，有望在全球开源体系中占据重要地位。

传统互联网为人设计，未来互联网将服务于大量智能体（机器人）。节点间需区分人类与机器身份，防止误判为病毒攻击。智能体间的交互可能不再依赖复杂的HTTP界面，而是采用更简单、高效的直接通信方式。

清华大学智能产业研究院（AIR）聚焦于数字、物理、生物三大智能方向，拥有27位全职教授及400多名学生。在数字智能方向，清华大学智能产业研究院与华为、阿里、腾讯等头部企业建立联合实验室，推动大模型在行业中的落地；在物理智能方向，百度Apollo等项目已实现规模化运营，安全性接近人类驾驶水平的两倍。在具身智能机器人方向，当下发展的主要瓶颈在于：面临数据稀缺（非结构化）、规模效应收敛难、虚实迁移困难三大挑战，清华大学智能产业远就远团队在持续学习与世界模型方面取得进展，致力于解决机器人感知、规划与试错迭代问题。

在生物智能方面，清华大学智能产业研究院团队作出了全球第一家医疗智能体—无人医院，构建全球首个全要素虚拟医院，模拟医生、护士、患者互动。虚拟环境中的进化速度是现实的数百倍，诊断准确度显著高于真实场景。

从产业智能体、词元经济到芯片，预判AI未来发展五大观点

张亚勤指出，首先AI发展正向产业智能体跃迁，AI应用正从消费者端（C端）向产业端（B端）深入，涵盖生物、物理及科学智能领域，智能体也从消费智能体走向企业智能体+产业智能体。包括制药智能体、医疗智能体、科学智能体等等。

二、词元经济兴起。词元的价格、质量将是未来决定的重要潜力，词元三要素包括电力+算力+算法，过去一年算力效率提升约10倍，价格下降约10倍。未来需进一步降低芯片成本1-2个数量级，以实现经济良性循环。

这种“成本降，能力升”的动态平衡，强力推动了AI从侧重“能思考”的生成式阶段，走向真正“能实干”的智能体实用化、规模化阶段迈进。

三、智能更加丰富化，走向边缘。超级智算集群（HyperScaler）+边缘扩散，这是云端大脑和边缘小脑的高效协同，这意味着AI不再停留在云端的服务器陪人聊天、生成图片，而是通过遍布全球的边缘节点，具备感知物理世界、并且在物理世界中实时执行任务的能力。张亚勤预测，未来20%预训练+80%推理，20%词元（云端）+80%词元在边缘。

四、CPU+GPU, 计算架构更新。AI时代刚开始以GPU为中心，随着智能体走向边缘，CPU在处理控制逻辑与通用任务中的地位回升，与GPU同等重要。

存储模式和传输模式都在进行大的改变。HBM、DRAM、SSD支持海量多层存储，而光模块、光器件和光互联等技术将改变数据存储与传输模式。

五、新交互方式演变。用户界面UI的演变，是划分不同计算时代的核心分界线。

PC时代，我们依赖的是键盘和鼠标；到了智能手机时代，苹果开启了以手指触控为主的交互革命；到了如今，进入“自然感知”时代，通过语音、动作、表情等多模态方式控制设备，交互更加自然直观。除了手机、电视外，未来的基础设备形态更加丰富，包括智能眼镜、手环、手表、汽车、无人机和智能家居。

在演讲的最后，张亚勤院士指出，智能体的自我进化带来成倍上升的风险，包括个体风险、蔓延风险及系统性风险，需从多个维度进行治理与研究。

相关文章