中国大模型为何分化？智能体又该如何突破？
“差异化”成趋势
ToC与ToB的分化
姚顺雨指出，在中国做更安全的事固然重要，但创新更关键。他认为ToC和ToB发生了明显分化，ToC端多数人对强智能需求不高，感受不到ChatGPT等模型的显著提升；而ToB端智能越高代表生产力越高，人们更倾向用最强模型。
模型层与应用层的差异
对于ToB或生产力场景，模型层和应用层所需能力不同，更大的预训练很关键。即便模型不再改进，将现有模型部署到企业也能带来巨大收益。林俊旸也认为分化是自然选择，应顺其自然做AGI该做的事。
智能体的重大跨越
能力升级的趋势
今年智能体将实现重大跨越，从能完成人类1-2天工作量，升级为可自主承接1-2周任务流的自动化工具。姚顺雨表示智能体在ToB方向发展呈上升曲线，预训练变大、后训练做好真实世界任务，其价值会越来越大。
突破局限与结合具身智能
林俊旸认为未来智能体需实现“模型即产品”一体化发展，突破环境交互局限。当前AI多在虚拟环境作业，未来要与具身智能结合，指挥机器人完成真实实验，加速科研等领域效率。
中国AI或跻身全球领先
中国团队的优势与关键突破
姚顺雨认为中国团队跻身全球领先概率较高，在技术复现与局部优化上有优势，但需突破算力技术瓶颈、提升ToB市场成熟度与国际化布局，培育冒险精神与前沿探索文化。
“自主学习”成核心范式
全场共识是AI行业下一个核心范式是“自主学习”，它贯穿多场景渐变过程，ChatGPT的个性化优化等都是案例。林俊旸提到新范式要解决AI主动性与安全管控平衡及长上下文处理能力突破问题。
中国大模型呈现出分化趋势，智能体有望实现重大突破，中国AI团队在全球竞争中也有机会占据领先地位。各方围绕这些方面展开了深入探讨，为AI的未来发展指明了方向，激励着更多人投身于创新探索，推动AI不断进步。
相关问答
中国大模型分化体现在哪些方面？
体现在ToC和ToB的分化，ToC端多数人对强智能需求低，ToB端智能越高生产力越高；还体现在模型层和应用层能力需求不同。
智能体今年会有怎样的发展？
今年智能体将实现重大跨越，从完成人类1-2天工作量升级为承接1-2周任务流，在ToB方向发展呈上升趋势。
中国AI团队跻身全球领先面临哪些关键突破？
需突破光刻机等算力相关技术瓶颈，提升ToB市场成熟度与国际化布局，培育冒险精神与前沿探索文化。
AI行业下一个核心范式“自主学习”是怎样的？
自主学习贯穿个性化交互、Coding环境适配、科学探索等多场景渐变过程，如ChatGPT的个性化优化等是案例。
智能体未来发展有哪些方向？
未来智能体要实现“模型即产品”一体化发展，突破环境交互局限，与具身智能结合，指挥机器人完成真实实验。
林俊旸如何看待中国AI团队的全球前景？
他给出20%保守概率预测，认为美国在算力投入与研究积淀上仍有优势，但中国正加速追赶，差距在缩小。
