来源：澎湃新闻

当AI模型智能增速持续突破预期，模型自迭代成为增长核心驱动力，一个全新的"智能原生"时代正加速到来。在日前由澎湃新闻与上海未来产业基金联合举办的《逐浪·未来科技演讲》中，创新工场早期前沿科技基金总经理任博冰系统阐述了AI行业核心发展趋势：从模型自进化、世界模型、多模态到智能体的架构迭代与"智联网"新商业范式。他指出，当前AI能力增长已脱离线性规律，传统人类评价标准正在失效。人机协同的未来，比我们想象的更近。

下文为演讲内容节选：

大家好，今天我的演讲主题是关于“智能原生”，也是关于AI在未来几年可能会发生的一些事情的预测，既然是预测就可能不准，希望大家包涵，分享的内容包括模型的演进、Agent、AI for Science等。

AI模型的演进与趋势

事实上，最近几年模型智能的增速是持续突破预期的。在GPT-4问世后的12个月内，大模型综合能力全面超越了人类平均智力水平，并且这种领先差距仍在持续扩大，从2025年12月起模型智能提升曲线呈现陡峭上行态势。国内开源模型的综合实力已经大幅超越海外的开源体系，且国内模型的多数核心评测指标已接近海外顶尖闭源模型。

我们注意到，AI能力的增长速度已经脱离线性规律，传统人类评价标准失效，当前AI的发展逻辑和人类智能演化存在本质区别，最典型的莫过于莫拉维克悖论：AI会率先攻克人类的脑力、白领类工作；而人类与生俱来的肢体运动、精细操作能力，反而是AI短期难以突破的瓶颈。这也是大语言模型先行普及、具身智能发展节奏相对缓慢的核心原因。

此外，AI产品的增长速度也是超过我们预期的。传统的互联网产品依靠网络效应实现用户增长，代表产品如Instagram；但ChatGPT等AI产品并不完全依赖网络效应，它更多是凭借模型能力实现用户自发传播，其增长速度远超传统互联网产品。

在我看来，智能原生时代已经到来。其中，模型自迭代成为增长核心驱动力，目前行业已经走完预训练、后训练、推理优化阶段，正式进入长周期智能体时代。

基于新摩尔定律，评判AI能力的标尺正在重构：不再对标人类智力，而是以人类难以完成、高耗时复杂任务作为全新衡量标准，这也为人机协同提出全新挑战。

我们认为，接下来，模型还将围绕以下几个方向继续演进：

1、模型自进化（Self-Evolution）

模型自进化时代已经到来，而非行业远景。当前下一代模型代码中，80%由AI自主编写，这一占比还在持续提升。如今AI已经能够独立开展科研、优化底层算法、迭代下一代大模型，后续世界模型、实时交互模型的迭代，都会依托自进化能力加速落地。

2、世界模型

世界模型是当下行业热点，但业内尚未形成统一的定义与技术标准。李飞飞、Yann LeCun等是最早提出世界模型概念的学者，不过全球团队落地的技术路线差异极大。长期来看，多条路线会持续融合，核心分歧集中在模型对 “物理世界” 的理解维度。

3、多模态交互：从“回合制”到“并发式”

过去几年多模态模型交互体验普遍不及预期，大量具身智能企业落地时都遇到痛点，这也是世界模型持续迭代的重要动因。未来，模型要实现可同步视觉观测、语音对话、任务规划，支持随时打断、实时重排任务逻辑。该技术路线与下一代智能体深度绑定。多模态实时交互的实现也将打开全新商业化应用空间。

4、预测与决策模型：从“生成”到“预测”

其核心定位：在固定周期、固定行业规则下，输出可对标人类判断的精准预测结果。典型落地场景包括数学证明、气象推演、企业经营决策等，也是垂直科学模型的重要分支。

智能体 Agent：架构迭代、新型互联网与创业机会

新一代智能体具备几个特性：包括具备持久化长期记忆、有自我信息，可以统一控制，所有App整合到一个平台上，用户无需切换App或打开网页，任何有聊天窗口的地方即可发指令、收汇报；还能够自我进化，可以自由安装和卸载技能，用户也可以在对话中让AI为自己生成新技能；最重要的是，智能体是可以主动执行的。

现在市场上大部分的产品都是为人研发的，但未来我们会看到一些专门为Agent研发的产品，比如支付宝已推出了AI支付工具，它不是给人用，而是让AI能够更好地去解决支付的问题。

我们认为，Agent互联网有可能会在一个不远的未来出现，它的商业模式也会很不一样。我猜想它可能会有调用费、协议费、环境费这样一些新的商业模式，它的壁垒强度有可能会有更高的网络效应，因为人类的人口增长数量是有限的，但是Agent的增长数量可能是无限的。

现在我们可以看到模型有了很好的自进化能力之后，模型学习它所在的环境以及环境帮助模型去做迭代，可能是下一代的趋势。所以模型和环境很有可能未来是密不可分的，Agent和模型本身也会互相的融合。这里就可能会有一些创业机会，譬如数据入口、载体入口、交互入口等。

最近有些厂商发布了AI手机，但我个人觉得AI手机不是把大模型塞进手机，而是把手机重构为一个“随身携带的Agent运行时”，它需要拥有四层能力，包括多模态交互、Agent推理、Harness系统架构以及端侧记忆系统。但这些能力目前都还在演进过程中，因此短时间内AI手机未必会是一个固定的状态，可能未来也未必叫做“AI手机”。

最后讲一下AI for Science，目前国内外在这一领域出现的比较多的创业公司还是生物和材料类。原因可能是生物和材料领域之前积累的数据比较多，大量药企的临床数据质量也比较高，AI可以借助它去做很好的发展。此外，生物领域的商业化天花板也比较高。比如我们孵化的一家公司，成立三年，就拿到了30多亿美元的订单，这在其他很多领域其实是很难做到。

在AI for Science领域里，创业机会还包括领域基础模型、高质量科学数据平台、自动化实验闭环、垂直行业产品化等。