AI智能新纪元：从ChatGPT到DeepSeek与智能体互联网的演进

从ChatGPT的突破到DeepSeek的崛起，人工智能正沿着“智能+”的轨道迈入新一轮发展浪潮。

正值大模型从“算力堆叠”转向“推理优先”的关键阶段，清华大学智能产业研究院（AIR）创始院长、中国工程院外籍院士张亚勤强调：

新一轮人工智能，是信息智能、物理智能和生物智能的融合，本质上也是原子、分子和比特的融合。

换言之，在规模定律持续生效的背景下，当参数规模、数据体量与算力资源跨越特定阈值，智能就不再局限于模式识别，而是开始“涌现”——

首先是从鉴别式AI演进为生成式AI，再从生成式AI迈向以智能体为核心的新范式。

在本次量子位MEET2026智能未来大会上，他将ChatGPT和DeepSeek视为这一演进历程中的两大关键里程碑：

前者通过统一表征与token化，将文本、语音、图像乃至蛋白质、点云等数据整合到同一空间；

后者则以高效能、高性能、低成本及开源策略，推动大模型从“预训练时代”进入以推理为中心的“DeepSeek时刻”。

至于未来5~10年的主战场，在他看来，将步入“智能体互联网”时代——

基础大模型如同操作系统在全球范围内收敛至不超过10个；而智能体会替代当前大多数SaaS和App，成为企业与个人同世界交互的默认形态，同时这也是通向AGI的必由之路。

为完整呈现张亚勤的思考，在不改变原意的前提下，量子位对演讲内容进行了编辑整理，期望带来更多启示。

MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表参与探讨。线下参会观众近1500人，线上直播观众350万+，获得了主流媒体的广泛关注与报道。

核心观点梳理

新一轮人工智能是信息智能、物理智能和生物智能在统一token表征与规模定律驱动下的融合演进。

以ChatGPT与DeepSeek为代表，AI正从鉴别式走向生成式与推理式，在高效率、低成本和开源生态中加速落地。

生成式AI正快速演化为智能体，任务长度与能力同步提升、风险同步放大。

基础大模型相当于AI时代的操作系统，全球玩家不会超过十家，将重构为“基础模型+垂直/边缘模型+智能体网络”的新产业格局。

智能体互联网是未来5–10年最大方向，也是通往AGI的必经之路，预计在15–20年内完成从信息智能到物理智能、再到生物智能的跨越。

……

以下为张亚勤演讲全文：

从ChatGPT到DeepSeek：新一轮人工智能范式与“智能涌现”

今天我探讨的是人工智能+的趋势，这一主题我已思考近十年，曾出版《智能涌现》一书，总结人工智能这十年发展，其中也包括我十年前撰写的“智能+”和“人工智能+”文章。

首先，新一轮人工智能是信息智能、物理智能和生物智能的融合，我们的信息世界、物理世界和生物世界均走向数字化，因此它也是原子、分子和比特的融合。

人工智能已有70年历史，过去五年和十年发展尤为迅速，一个重要里程碑是2022年的ChatGPT，距今正好三年。

特别关键的是ChatGPT带来的从鉴别式AI转向生成式AI，过去更多是模式识别，如今我们可以创造新内容，其中三个概念至关重要： 

首先它是统一的表征，即tokenization，无论是文字、语音、图片、视频，还是蛋白质、DNA、细胞，或三维激光雷达的点云信号，均可转化为统一token。

token越多，数据越多，算力越强、算法越优，此时准确度就越高。

规模定律（Scaling Law）达到一定规模后，就会出现智能涌现，这也是我这本书的题目。 另一重要时刻是中国的DeepSeek时刻，DeepSeek出现后，首先推动整个模型从预训练转向推理。

另一点当然很重要，它具备诸多算法创新、架构创新、系统创新，堪称高效率、高性能和低价格。

同时它又是新商业模式，采用MIT license开源，这是限制最少的开源架构之一，因此DeepSeek问世后，在国内和全球范围内大幅加速了落地与应用，我称之为DeepSeek Moment，也是中国的一条路径。

AI发展的五大趋势

AI发展呈现五大趋势，首当其冲是生成式AI正迈向智能体AI。

智能体是近两年AI领域的新发展，是最重要的创新之一。

过去七个月，Agent的任务长度增长两倍，准确度大于50%，实际上已与人类对齐。 

第二个趋势很关键，即规模定律在预训练阶段已放缓，尽管智能仍在前进，更多智能转移至后训练、推理、智能体阶段。

这里有趣的现象是，推理的单位成本过去一年下降10倍，但智能体本身的算力需求一年也增长10倍，因此一乘一除正好平衡。 

第三点是我们从信息智能走向物理智能和生物智能，大语言模型演进为视觉语言动作模型（VLA，Vision-Language-Action）。

其中有两个重要节点，一个是无人驾驶，无人驾驶今年已到达ChatGPT时刻，2030年将是DeepSeek时刻——即约10%的新车具备L4级无人驾驶能力。

另外机器人必定是未来最大赛道，尽管人形机器人还需多年，但我认为未来10年左右，机器人数量将超过人口。

一个不利消息是，AI风险正快速上升，智能体出现后风险至少翻倍。

未来5-10年最大发展方向：智能体互联网

审视新产业格局，我们有基础大模型，如同操作系统，之上有垂直模型和边缘模型。

基础大模型，全球最终可能不超过10个，一半来自中国，一半来自美国，或许还有一两个其他国家，中美两国路径不同，但引领全球。

这包括开源和闭源，去年我们还在争论以开源还是闭源为主。现在我认为较清晰——开源将成为更大平台和生态，可能80%开源，20%闭源。

此图特别清晰，规模定律显示Pre-train仍在上升，但速率已平缓，Post-train在增长，智能体仍直线上升。

另一点，智能体本身不仅是技术，它正形成网络，也塑造新经济形态。

因此未来企业架构将完全不同，企业需要GPU、大模型、数据，以及人力资源，部分可能是人，部分可能是智能体，这对未来企业管理、产品开发均有重大影响。

此图是未来技术架构，左边是ChatGPT刚出现时我所绘，黄线显示基础大模型是平台，上有各领域垂直模型，而上有SaaS（软件即服务），在边缘会蒸馏出较小模型，再有APP，这是当时设想架构。

10月我更新此架构，最关键的是我认为未来SaaS和设备端或边缘端的手机APP将被Agent取代，即智能体是未来的SaaS和APP。

举例来说，智能体可有多种，如消费者的、各行业的、机器人的、无人驾驶的。

刘洋教授在清华开发医疗智能体，也是全球首个智能体无人医院——旨在用智能体网络、多智能体模拟真实三甲医院，包括病人、医生、护士、各科室。

在此虚拟世界中，多智能体互相交互学习，持续快速进化，从而在极短时间，如两天内完成三甲医院两到三年病例，且准确度更高。

但我们并非让智能体替代未来医生，它更多作为助理，相信未来每位医生都拥有TA的智能体。

因此看产业机遇，我将基础大模型视作人工智能时代操作系统，它将彻底重写、重构和重塑产业形态。

正如PC时代有Windows，移动时代有安卓和iOS，人工智能时代操作系统即基础大模型。有此操作系统后，下方芯片架构、上方应用生态均被重构。

这也是为何当前芯片以GPU为主，上方生态以垂直模型加边缘模型和智能体为主，整体规模比PC时代、移动时代大一个、两个甚至三个数量级。

此外，从互联网发展视角看，我们最早是PC互联，后到移动互联，再至物联网，现正走向Internet of Agents，即智能体互联网，我认为它是未来5到10年最大发展方向。

智能体也是实现AGI通用人工智能的必经之路，这需要新算法体系，如新记忆体系、世界模型。

我认为未来五年，当前自回归架构、Transformer、Diffusion可能被颠覆，有了这些我们才能实现通用人工智能。

究竟需要多久？

我认为需15~20年。先是信息智能，再是物理智能，最终达到生物智能。