编者按：从生成式人工智能（AIGC）到智能体AI（Agentic AI），AI发展正经历深刻的范式转变。12月5日晚，中国工程院外籍院士、清华大学讲席教授、智能产业研究院院长张亚勤在“人文清华”讲坛发表题为《人工智能：无尽的前沿》的演讲。他指出，AI作为核心驱动力，正以前所未有的速度重构生产力与生产关系，并推动物理世界、数字世界乃至生物世界的深度融合。
人工智能（AI）的发展正经历一场深刻的范式转变，其重心已从单纯的技术突破转向产业深度融合与AI治理协同并进的新阶段。AI作为核心驱动力，正以前所未有的速度重构生产力与生产关系，并推动物理世界、数字世界乃至生物世界的深度融合。最新发布的《国务院关于深入实施“人工智能+”行动的意见》就很好地明确了发展路径，涵盖了芯片、基础设施、行业应用、人才培养与国际合作等多个方面，整体规划非常全面。
智能体互联网（Internet of Agents）是AI的下一站
自从ChatGPT出现以来，人工智能的发展就进入了生成式人工智能的阶段。而现在，我们正迈入“智能体AI”的时代。未来的智能体将不再局限于内容的识别与创造，而是具备更强大的目标导向性、自主决策规划能力、更强的记忆，以及与环境实时交互的能力。其关键能力指标将呈现指数级增长。比如在处理复杂任务时，它的“任务长度”能力正以每7个月翻倍的速度提升。另外，在理解、规划和执行复杂任务方面的“任务准确度”上，它也已突破50%这一关键门槛。
接下来，智能体之间还会相互连接形成智能体网络。从PC互联网到移动互联网，再到物联网，互联网发展脉络的演进将进入“智能体互联网”的时代。未来，每个人可能都会拥有多个智能体，整个网络的主体也将从“人与人”转变为“智能体与智能体”。到那时，大部分的事情都会由智能体之间自主完成，比如金融交易、定价、采购等日常任务规划，自动驾驶，新药研发，科学计算，机器人等等，都可能变成智能体之间互相博弈和进化的过程。这一范式跃迁将深刻重塑众多行业场景，包括电商、旅游、企业服务、医疗健康、生物制药、科学发明等，最终将催生出真正具备自主性、强适应性的通用智能体（AGI），实现从“工具”到“智能伙伴”的质变。我认为，真正实现这一过程需要15-20年。
我把智能分成三个不同的层次：一是处理数字信息的“信息智能”，目前距离AGI仅三四年之遥；二是赋能无人驾驶、人形机器人等领域的“物理智能”，这些都属于让AI在现实环境中行动和交互的方案，预计5-10年左右可实现突破；三是“生物智能”，涵盖脑机接口、新药研发、新型生物体的设计等，本质是AI与生物系统的融合，硅基与碳基的结合，需15-20年才能完成跨越。目前，我们研发的整体进程正按此节奏稳步推进。
要真正实现AGI，我们需要新架构和新范式，包括更强的记忆能力、进化能力、理解物理和生物世界的推理和行动能力，也需要突破目前的自回归、transformer和扩散算法体系。
AI风险攀升与治理挑战
伴随AI能力跃升的是持续攀升的潜在风险，技术的“双刃剑”效应在AI领域愈发凸显，这亟待全球协同应对。
一是化学、生物、放射性、核（CBRN）领域的恶意使用风险已从“低”升至“中”，威胁显著增强；二是模型欺骗、约束逃逸等安全隐患在版本迭代中愈发突出；三是自主智能体的普及将引发不可预测的连锁反应，其风险复杂度呈指数级增长，若应用于关键基础设施等敏感领域，危害将急剧扩大；四是全球治理机制滞后于技术发展，跨国合作受地缘政治掣肘，构建高效包容的治理体系迫在眉睫。
尽管我总体上保持乐观，但我们也必须正视诸多挑战，尤其是在信息智能、物理智能和生物智能这三个层面。近两年来，我们投入了大量精力研究这些问题。在数字与信息领域，风险已经是非常显著了。例如，信息造假和虚假内容的泛滥就是一个例子。自生成式AI出现以后，目前一半以上的信息都由人工智能生成，其中许多是虚假的，而这些虚假信息又被用作训练数据，导致更多错误内容产生。此外，还存在模型幻觉、欺骗、版权与知识产权侵害等问题的风险不容忽视。但总体而言，我们已意识到这些风险的存在，它们仍然是可控的。
然而，当进入物理智能阶段，风险则直接威胁着人身安全。例如，当大模型应用于无人驾驶、无人机或机器人系统，尤其是多智能体协同行为中，问题变得更加严峻。而到了生物智能层面，例如脑机接口将人脑与AI相连时，所带来的风险会进一步扩大，包括带来伦理的问题。
总之，技术发展本身是不可逆的，我们虽无法控制其演进速度，但仍应努力引导其发展方向，并通过持续研究降低潜在威胁。
产业格局重塑与中国路径
夯实基建是行业发展的第一步。AI正深刻改写产业格局与商业模式。目前AI的影响仍集中于信息技术产业内部，新芯片架构、升级数据中心、多元模型服务不断涌现，这也造就了全球市值头部企业多为AI及信息技术公司的格局。
基建成熟后，AI开始向全行业渗透。比如，数据中心的爆发式建设拉动电力需求，倒逼核电等能源产业升级；再比如，AI赋能自动驾驶，既推动汽车产业变革，也重塑城市智能交通与治理模式；在制造业，AI技术正提升工厂自动化水平，降低人力依赖；金融、教育、医疗等领域也在经历着类似的深度变革。
从企业的角度看，AI改变的是商业模式，而非商业本质。大型企业可依托数据与资源自主研发大模型，中小企业更多是使用大模型去解决真实的问题。餐饮行业的核心始终是菜品与服务，AI的价值在于优化供应链、提升运营效率，而非颠覆根基。而部分中小企业在数字化未完善时盲目上马AI，反而造成了资源浪费，这一点值得警惕。
中国已走出一条中国特色的AI发展路径，即以算力、模型效率的极致效能优化为核心，以开源、软硬协同等创新方案实现高性价比的普惠目标，并使得我们垂直行业的深度落地能力成为中国AI发展的核心竞争力。两年前，我预测中美大模型差距尚存2-3年，而DeepSeek的出现标志着中国技术路线分化突破的出现。这是一个仅用1%算力便实现相近性能的开源模式，既打破了海外企业的技术垄断，也降低了行业准入门槛。从Deepseek、阿里千问到豆包，中国大模型已跻身全球第一梯队。在“AI+应用”层面，中国正迅速实现超越甚至全面领先。总体而言，中美已成为全球人工智能发展中两大并行前进的重要力量。
奔赴AI的无尽前沿
从生成式智能到智能体跃迁，从模型优化到成本效率革命，从数字智能到物理与生物智能的跨界融合，人工智能的变革浪潮正席卷而来，重塑着经济形态与社会面貌，没有固定的终点，唯有不断延伸的前沿。它既蕴藏着颠覆产业、普惠民生的巨大红利，也伴随着技术伦理、全球治理的多重考验。对于中国而言，坚持高效能、新架构、开源的技术路线，深耕垂直应用场景，既是立足本土的务实选择，也是参与全球竞争的核心底气。对于全人类来说，唯有以责任感与前瞻性筑牢安全防线，以开放协作搭建治理桥梁，才能让AI始终行驶在健康可持续的轨道上。
人工智能的征程永无止境，每一次技术突破都是新起点，每一轮产业融合都是新探索，而这方无尽的前沿，正等待着我们以创新为帆、以治理为锚，驶向更智能、更包容的未来。
【责任编辑:陈听雨】