通用人工智能不再遥远

当我们针对AGI展开讨论之际, 已然并非是去猜测它是否会来临, 而是转而思索它会以怎样的形态降临, 以及何种组织能够切实驾驭它。这并非科幻构想出来的场景, 而是确确实实正在发生着的现实情况, 是实实在在正在上演着的真实状况, 是真切无误正在展现着的实际情形。

在2026年, 最为显著的信号呈现为, AGI已然从实验室所抱持的理想转变成为了研发组织的战略锚点, 算力、数据、算法、人才以及组织架构必须同步实现进化, 缺少其中任何一项都是全然不行的。

模型决定智能上限

就算Agent框架足够聪慧, 其推理能力、规划能力以及世界理解能力所达的上限, 仍然由背后的基座模型来定夺。这并非架构方面的问题, 而是预训练数据规模、计算资源与模型架构创新共同作用产生的结果。

上海AILab的A1模型抉择返回预训练自身，运用多领域长程轨迹数据开展训练, 从根本处提升Agent能力, 此种路线相较于“小模型加复杂编排”的取巧途径更考验把控力, 不过长期价值更为高。

长程任务能力是突破口

真正的分水岭存在于“长程任务”能力方面, 这种能力是要使得AI能够将宏大目标自行拆解成数千个可以执行的子任务, 从而从即时问答迈向宏大工程, 而达成这一点需要模型拥有更强的理解能力, 推理能力以及指令遵循能力。

正逐渐形成行业共识: 越来越体现为拥有长程任务能力的是Agent的智力, 针对那些仅仅停留在表层工程包装层面, 企业很快就会遭到模型原生能力迭代的覆盖。

软件工程师角色正在重塑

现在做软件不能单纯等同于写代码了, 工程师正慢慢转变为那种“编排智能体去进行代码编写”的角色, 担当着评估输出情况, 还得提供战略方向, 要确保系统能解决正确的问题, 那些仅仅只会写代码的人将会被淘汰掉。

预测显示, 到2028年时, 异步AI编码智能体工作流会让软件工程团队生产效率得到提升, 提升幅度为30%至50%, 该任务由IDC展开。这一水平远超2025年AI代码助手所能带来的提升幅度, 当时提升幅度为0%到20%。

企业级能力需要系统构建

并非是有没有引入AI工具真正造成差距, 而是企业有没有关于平台工程、治理能力以及开发者角色转型的整体规划。局部进行试点, 难以释放出规模化的价值。

只有把AI当作企业级能力建设的组织, 方可在速度方面、质量方面以及创新方面构建起长期的优势, 这就需要决策者于短期变现跟长期突破相互之间进行战略选择, 做出决策。

竞争单位已从模型转向体系

提供算力作为底座, 提供模型给予智能, Agent负责去执行, 终端及机器人得以进入真实场景。处于AI竞争之中的基本单位正从“一个模型”转变成为“一套体系”。

无论针对模型原生Agent能力展开训练, 还是针对Agent场景进行一直持续的预训练, 都相较于在表层实施工程包装而言, 更具备长期价值。

您所在的那家企业究竟处于哪一个阶段去布局AGI能力, 是处于观望等待的状态, 还是在进行局部试点, 又或者是在开展系统构建, 欢迎于评论区当中分享您的观察结果。