精校无错版文字稿

中国大模型分化

• To C 与 To B 分化: To C 端大模型更多应用于搜索增强，用户感知变化不明显；To B 端大模型智能越高，生产力越高，用户越愿意为强模型付费。
• 垂直整合与模型应用分层分化: To C 端模型与产品紧密结合，迭代迅速；To B 端模型与应用分层，更注重模型能力，应用层创新空间更大。

AGI 的下一个范式

• 自主学习: 自主学习的瓶颈在于数据和任务，而非方法论；ChatGPT 和 Claude Code 等已展现出自主学习的能力。
• 关键条件: 想象力是最大的瓶颈，需要想象未来范式下验证任务；Long Context 和模型并行采样等技术突破将推动范式发展。
• 领导公司: OpenAI 仍最有可能领导新的范式创新。

Agent 战略

• To B 端 Agent: 生产力 Agent 发展迅速，但环境和教育是关键瓶颈；部署和培训用户是重要工作。
• To C 端 Agent: Agent 发展趋势是托管式，模型和 Agent 一体化，通过 Test-time Scaling 实现自动化任务。
• 通用 Agent: 通用 Agent 机会存在，但模型公司可能更有优势，取决于技术实力和产品哲学。

中国 AI 的未来

• 领先概率: 三五年后中国最领先的 AI 公司是本土公司的概率低于 20%，但存在可能性。
• 关键条件: 算力突破、To B 市场成熟、创业精神和冒险精神是关键。
• 中美差异: 中国 AI 研究文化更注重安全和确定性，对榜单数字更看重；美国 AI 研究文化更鼓励冒险和创新。
• 教育: 中国 AI 教育需要加强，培养更多具有冒险精神和创新能力的 AI 年轻研究员。