2026-05-21 13:37 UTC+8站內改寫14 分鐘閱讀更新: 2026-06-30 21:03 UTC+8

520當天400萬AI人，都在量子位聽這近20場演講&對談｜第四屆中國AIGC產業峰會

2026年5月20日，量子位主辦的第四屆中國AIGC產業峰會成功舉行，近20位AI領軍人物發表演講，線上觀眾近400萬。峰會聚焦Agent、多模態、空間智慧等前沿話題，探討AI從內容生成（AIGC）向行動生成（AIGA）的轉變，以及AI基礎設施從訓練到推理的正規化轉移。

來源量子位作者: 听雨

520當天400萬AI人，都在量子位聽這近20場演講&對談｜第四屆中國AIGC產業峰會 – 量子位

聽雨 2026-05-21 13:37:24

來源：量子位

核心觀點都在這了~

組委會發自凹非寺

量子位 | 公眾號 QbitAI

龍蝦、Harness……爆款一個接一個，Agent成了人人掛在嘴邊的突圍密碼。

2026年的AI，在狂飆、在分化、在落地，正從“工具”蛻變為“生產力系統”，從“生成內容”走向“完成任務”。

@所有人，是時候馬上AI起來了！

近20位AI領軍人物齊聚第四屆中國AIGC產業峰會，直面行業最尖銳的追問：

Agent會不會成為下一代超級入口？

AI應用真正的爆發點究竟在哪裡？

多模態與空間智慧將如何重塑未來互動？

當模型日益趨同，真正的非共識機會藏在何處？

答案，在大會上被反覆拆解。

大會熱度全程拉滿。線下會場人氣爆棚，不僅座無虛席，過道、牆邊都擠滿了觀眾；線上直播間熱度也持續高位，觀眾雲端圍觀刷屏、互動熱議。

臺上是深耕AI賽道的一線操盤手與學術權威，輸出真實的行業洞察與技術研判；臺下是緊跟產業風口的參與者與探索者，奔赴這場年度AIGC產業思想碰撞。

來，跟著量子位碳基編輯一起，看看這場“馬上AI起來”的高能大會，都給出了哪些關鍵訊號。

中國AIGC產業峰會是由量子位主辦的行業峰會，近20位產業代表與會討論。線下參會觀眾超千人，線上直播觀眾近400萬，獲得了主流媒體的廣泛關注與報道。

方漢，崑崙萬維董事長兼CEO

大會上，崑崙萬維董事長兼CEO方漢首先帶來主題為《個人和企業如何應對Agent衝擊》的分享。

以下是他的觀點精華提煉：

當一個行業或者技能是閉環的，並且是可容錯的，那麼它非常容易被替代。但你如果有判斷和品味，仍然能夠長期持續走下去。

燒多少Token，變得越來越有意思。普通員工每月耗數百萬至數千萬，AI Coding與技術人員可達數億到數十億，重度Agent使用者更是輕鬆月耗百億級別。Token已然成為AI時代的“電力消耗”。

AI介入後，個人成長上升階梯被壓縮。過去，員工成長路徑清晰且有序，從職場小白，穩步進階。現在，要不是小白，要不是大神，中間態很難存在。中間那幾段“樓梯”消失，普通人成長之路會如何演進，是一個值得觀察的現象。

有五種人AI永遠無法替代：講故事的人、創造idea的人、定義美的人、構建系統的人，以及重塑正規化的人。

絕大多數行業做AI落地，要做第二名。第一名，要承擔極高的試錯與探索成本；第三名，吃不到行業紅利，還會被行業甩開。IT賽道，只能爭第一，這是一個非常殘酷的現實。但是，AI把所有人拉回到同一起跑線。

易正朝，風行線上CEO

風行線上CEO易正朝，則以《從AI程式設計到AI影片，眾創才是AI生產力的核心槓桿》為主題分享了他的洞見。

以下是他的觀點精華提煉：

AI為大文娛行業帶來了很大變化：第一，成本和門檻大幅下降，供給也變得豐富、挑戰也更高；第二，網文、IP形象、影片內容、互動、遊戲等業態變得更加多元；第三，AI給影片產業帶來的不僅是創作，更賦能文娛企業經營運營；第四，內容創作更重想象力篩選，眾創是必然選擇；最後，AI創作易讓人沉浸，但也將打通創作與消費的邊界。

作為AI應用型企業，風行線上有5個方向：堅信AI，但不碰模型；AI漫劇很火，但不是AI影片全部；身為AI影片公司，但成功更多來於AI程式設計；放大個體重要，但放大組織更重要；Agents很強，但眾創才是槓桿。

眾創是AI時代的社會結構，現在企業不再是一個超級員工和超級Agents的容器，更多是要組織智力資源去撬動外部群體智慧，從而創造更多價值。

公司員工、數字員工、外部合作伙伴，這三種角色組成的眾創網路，其實是一種社會化生態組織結構。

AI會放大執行，也會放大自嗨，這是不管做Coding還是做內容，都很容易產生的副作用，解藥就是交付結果。

林達華，商湯科技執行副總裁、首席科學家

商湯科技執行副總裁、首席科學家林達華，帶來主題為《從多模態統一到空間智慧：邁向可感知、可生成、可行動的AI新前沿》的分享。

以下是他的觀點精煉：

無論時代變化多快，決定我們走多遠的，始終是長期願景。AI是一場長跑，唯有長期主義的支撐，才能真正抵達未來。

在企業級AI落地中，大模型本身並不是最關鍵的，真正的瓶頸在於如何將圖表、Excel、影像、影片、網頁、知識庫等多形態資料接入同一個AI系統——這部分往往佔據企業應用AI成本的70%以上。

Agent是這個時代的引擎，但讓引擎在真實場景中發揮作用的關鍵，是它能否處理多種模態的能力。商湯小浣熊之所以能持續高速增長，正是因為它真正做到了從雜亂資料到可交付成果的端到端閉環，讓價值真正觸達使用者。

在數字空間之外，還有一個更廣闊的世界——物理空間。今天最頂尖的多模態模型，進入真實物理空間時依然非常脆弱，這也是機器人難以走向通用化的核心瓶頸。開啟物理空間的鑰匙，必須從第一性原理重新理解世界。

要真正突破空間智慧，就必須把語言模型、視覺的理解與生成融合到同一個模型之中——讓一個模型既能做語言表達，也能夠生成視覺世界中的要素。

商湯新一代模型SenseNova U1把理解、推理與生成統一在一個全新的底座上，可以自如地在語言與視覺之間切換：用語言表達理解，用視覺表達想象，完成真正連貫的圖文交錯創作。

“統一”本身帶來了全新的表達空間與可能性。它給生圖模型注入了思考，也給思考模型注入了想象。

未來真正的智慧體，應當在一個“大腦”中同時完成數字空間的分析與物理空間的行動——既能綜合多模態資訊做出決策，也能在物理世界中敏捷行事。數字空間與物理空間的交融，才是AI真正要去往的彼岸。

鄧亞峰，盛大集團副總裁、EverMind CEO

盛大集團副總裁、EverMind CEO鄧亞峰帶來主題為《長期記憶驅動的自進化：從工具型AI到數字生產力系統》的分享。

以下是他的觀點精華提煉：

龍蝦像Agent時代的iPhone 4。它定義了一套產品正規化，讓人第一次感到自己擁有了一個能72小時幹活的AI賈維斯。但它不完美，需要被不斷更新和超越。

Claude 4是Agent走向自主的關鍵節點。這個從Chat到Agent的正規化轉變，最終讓Anthropic反超OpenAI，同時也給SaaS帶來了鉅變。過去，SaaS交付的是流程和介面，今天更多透過message交付。

Agent有兩個重要特徵：自主和自進化。而長期記憶是支撐這兩點的關鍵，解決三件事：1、把急劇擴張的上下文抽象總結出來。2、記住使用者是誰、偏好是什麼、目標和價值觀是什麼。3、基於此主動預測使用者可能需要什麼。

當模型越來越強，記憶反而會成為業務過程中，最容易沉澱下來的差異化資產。

如果AI真的對你瞭如指掌，那麼它會成為一個全新的意圖分發入口。此時記憶沉澱就很重要了，它應該屬於個人，應該能在Codex、Claude Code、龍蝦等不同Agent間同步。

王曉野，亞馬遜雲科技產品技術部技術總監

亞馬遜雲科技產品技術部技術總監王曉野分享的主題則是《跨越Agent落地鴻溝：從最強模型到企業級AI Agent》。

以下是他的觀點精華提煉：

個人養龍蝦和企業養龍蝦是兩件事，企業要讓Agent安全、可信、穩定地跑起來，中間有很多鴻溝要跨越。龍蝦這樣的Agent讓大家看到了河對岸長什麼樣，但企業走到生產落地，還需要一座橋。

亞馬遜雲科技認為，企業構建Agentic AI需關注五層：最底層是推理算力，其上是多模型選擇，再往上是企業資料和知識，然後是Agent構建平臺，最上層則是可直接採購使用的Agent應用。

在企業裡，Coding Agent已經很成熟了，Working Agent是下一個爆發點。亞馬遜雲科技給出的答案是Amazon Quick，讓企業員工安全、敏捷、自由地使用Agent。

Agent對資料管理提出了新的挑戰。記憶需要共享、隔離與並存，錯誤知識、老舊資訊和自相矛盾的內容都會影響Agent判斷。大家都在抱怨Token貴，很多時候不是單價貴，而是餵給模型太多沒用的資訊。

Agent場景下，Harness是除了模型之外的所有軟體基礎設施。好比模型是CPU，Harness把可使用作業系統放在一起，最終Agent呈現的是一個完整應用的形態。Amazon Bedrock AgentCore就是Harness，它的核心價值，是讓使用者不用在Harness上花太多功夫，而是關注自己的業務價值。

GenAI Talk：對話螞蟻靈波科技首席科學家沈宇軍

此前，螞蟻靈波科技首席科學家沈宇軍曾在中關村論壇等公開演講中率先提出AIGA的概念，他指出：AI 2.0下半場，人工智慧要從數字世界“娛樂”走向物理世界“幹活”，從AI的Content生成走向Action的生成。

在上午的GenAI Talk環節，螞蟻靈波科技首席科學家沈宇軍，與量子位聯合創始人兼總編輯李根圍繞這一話題展開了一場深度對話，主題為《AI 2.0下半場：從AIGC到AIGA》。

以下是對沈宇軍的觀點精華提煉：

大模型踩中了網際網路過去幾十年的資料紅利，但機器人的物理世界資料還存在很大的空白，AI下半場更關鍵的是資料如何從數字世界過渡到物理世界。

想要做存在於物理世界的通用機器人大腦，關鍵的一環是空間感知能力。如何把感測器的輸入變成更好的資訊傳遞給模型，從感測器的輸入開始去理解這個世界，很關鍵。

對於VLA和世界模型的技術路線之爭，首先無論技術路線怎麼演進，資料都是離不開的。其次，這兩條路都不會是終局。機器人資料量積累到一定程度的時候，二者一定會走向融合，催生出獨屬物理世界的模型。

判斷：1～2年後，會出現一些標杆樣例，讓模型真實投產；2～3年，該樣例會被批次複製，越來越多產業會應用模型；5～10年，機器人會嘗試以某種方式進入C端；10年之後或者更久，機器人將真正普及到家庭。

機器人走進千家萬戶的時候，就是具身智慧的ChatGPT時刻。

邱錫鵬，復旦大學特聘教授、上海創智學院院長助理、模思智慧創始人

復旦大學特聘教授、上海創智學院院長助理、模思智慧創始人邱錫鵬，帶來了主題為《MOSS多模態模型及其推理最佳化》的分享。

以下是他的觀點精華提煉：

AI下一步發展的一個重要方向是多模態。未來更強的AI需要充分理解廣義context，也就是情境；我們會進入一個泛情境智慧時代，互動會成為其中非常重要的一部分。

面向即時互動的多模態模型，需要處理更長的上下文、更復雜的視覺和音訊資訊，也要滿足更高的即時推理要求。多模態token消耗遠高於文本和Coding，對模型和推理框架都會提出更嚴格的要求。

影片理解資訊密度高，又涉及時序推理，是未來互動的核心能力。MOSS-VL採用cross attention結構，讓影片流持續輸入，文本模型按需獲取影片資訊，互動會更加自然。

MOSS-Audio目標是在更廣義的情境裡，既要聽清語音內容，也要理解場景、複雜推理和音樂等資訊。MOSS-Audio在ASR、speech caption、帶時間戳ASR等任務上，已經和最前沿的專門ASR模型處在同一水平線。

MOSS-TTS覆蓋語音合成、輕量化、聲音設計、音效設計和即時性，核心是用純Transformer架構編碼語音的audio tokenizer。MOSS-TTS開源後下載量已超過100萬，未來視覺理解、語音理解和語音輸出會合成一個面向情境互動的端到端模型。

胡維琦，MiniMax ToB中國區商業化負責人

MiniMax ToB中國區商業化負責人胡維琦，則帶來了主題為《Intelligence with Everyone-MiniMax AI探索實踐之路》的分享。

以下是她的觀點精華提煉：

AGI是什麼？Intelligence with Everyone，就是所有人都能用得起的AI。要實現這點，就得堅持大模型和應用並行、ToC和ToB並重。

AI公司首先要在內部實現閉環，不要吝嗇Token補貼，放手讓員工自己用Agent去搭建自動化工作流。這個使用過程也會反哺模型研發。

與其焦慮、不如加入。企業如果想做AI實踐，最高效的方法就是直接動手去嘗試，並且要從員工最不願意乾的場景切入，這通常也是最有價值、內部阻力最小的場景。

AI會讓組織變得更扁平。產品可以直接出demo，再交由研發決定是否要做大批次生產。未來2到3年，AI會持續和各行業深度融合，改變生產力工具、商業模式和組織構成。

朱廣翔，百度秒噠產品總經理

百度秒噠產品總經理朱廣翔，深入闡述了《“人人都是創造者”，讓想象力釋放生產力》。

以下是他的觀點精華提煉：

AI創造了新市場，OPC、手搓經濟成為現實。我們正處於第四次程式設計革命時代，程式設計從機器語言、組合語言、高階語言一路走向自然語言，門檻持續降低。自然語言程式設計，讓創造者和開發者數量被極大放大。

秒噠背後是一群智慧體在協作開發應用。過去軟體開發裡產品經理、設計師、工程師、測試、運維、運營各自分工，現在都可以變成Agent。使用者扮演老闆，發起命令，一群Agent幹活，交付最終產物。

普通人正在成為新創造者的主力。秒噠的使用者中，87%是完全不懂程式碼的人，16%是創業者，9.7%是產品經理。OPC，即一人公司，已經成為第一大人群，想象力正在釋放生產力。

Vibe Coding真正實現了“大眾創業”。創業迎來第三波浪潮，1.0零工時代靠體力勞動增收，2.0內容時代依託圖文、短影片變現，3.0時代則憑藉軟體開發與服務交付，解決實際需求實現盈利。

上海的一家企業，過去依賴12人的研發團隊進行軟體開發。使用秒噠後，企業重構了原有的生產模式：由4位專案經理分別負責不同行業，直接透過秒噠完成軟體交付。交付效率大幅提升，交付週期由“年”縮短至“月”。目前，該模式已經幫助企業盈利50萬，還拿到了1000萬的超大訂單。

洪源，太初元碁首席產品官、高階副總裁

太初元碁首席產品官、高階副總裁洪源，分享了題為《國產AI算力築基Token智慧新未來》的見解。

以下是他的觀點精華提煉：

國產算力迎來發展機遇的同時，也要解決大規模叢集服務能力、Agentic AI計算效率、生態三大問題，這也成為國產算力突圍的核心所在。

AI算力的發展已經不能單一堆效能、堆算力。大模型訓練與推理正在走向萬卡乃至更大規模叢集，算力廠商需要從硬體、互聯、軟體、排程、運維等全鏈條提升系統能力。

國產算力要服務好Token經濟，就必須為開發者和行業客戶提供更好用、更易用的生態能力，無論是底層開發者，還是上層模型廠商、應用廠商，都需要更順暢地完成模型遷移、訓練、微調和推理部署。

晶片的核心優勢不在於設計本身，而是使用者生態護城河。

伴隨Agent生態發展，AI計算已經從內容生成升級為任務生成。行業更需打通異構協同能力，讓算力真正做到高效適配、落地可用。

Token經濟到來之後，AI對於算力的需求，就像我們人類對氧氣的需求，算力是氧氣，我們在做的新型基礎設施，其實都是製氧機。我們也希望攜手產業鏈各方合作伙伴，共同為中國AI產業打造自主可控的“製氧機”。

黃超，香港大學助理教授、博士生導師

香港大學助理教授、博士生導師黃超，帶來了主題為《AI Agent正規化變革的挑戰與機遇》的分享。

以下是他的觀點精華提煉：

Agent的核心架構本質上是一個優雅的ReAct迴圈：透過reasoning進行任務規劃，action執行具體工具呼叫，然後基於環境feedback調整策略。這個看似簡單的while迴圈框架揭示了一個重要洞察——通用Agent的能力並非全來自複雜的架構設計，而是來自推理、執行、反饋這一基本認知迴圈的有效實現。

ReAct架構的泛化性源自其模組化解耦：reasoning處理抽象推理，action負責具體執行，observation提供環境反饋。Agent面對新任務時，透過重組已有的推理策略和行動原語來適應新環境，實現真正的跨域泛化能力。

長程任務的本質挑戰不在於執行時間，而在於複雜性的指數級增長——場景多變、工具鏈路冗長、多子任務協調使得錯誤傳播成為最大威脅。這揭示了Agent的關鍵轉變：從“執行指令”轉向“管理不確定性”，從呼叫單一工具升級為“工作流構建者”，具備狀態管理、錯誤恢復和目標追蹤的“全棧思維”。成功的Agent不是避免錯誤，而是預期錯誤並實現優雅降級，能夠主動設計、持續監控和動態最佳化整個執行過程，這正是將AI助手升級為強生產力協作者的核心所在。

Agent需要learning from real tasks，在錯誤中不斷學習、感知自己錯在哪裡，才能真正節約Token成本。這揭示了一個核心矛盾：研究Agent往往專注於探索能力上界，卻忽略了Token本身就是實際成本約束。

面向Computer Use Agent，GUI模式開銷大、準確度也受限，CLI可能是通用Agent進行computer use更優的軟體互動方式。這揭示了人機互動正規化的深刻變革：未來許多軟體的實際使用者將是Agent，而人類則更願意專注於使用帶來愉悅體驗的GUI軟體。

Agent自進化可透過workflow最佳化、skill沉澱和模型引數調優幾條路線推進，其中基於skill的進化正規化展現出最強的泛化性，但在Tool-Use層面仍面臨核心挑戰：如何精準檢索粒度匹配的skill，以及如何進化出適配不同場景的specialized skill。這揭示了skill-based進化的當下的難點——粒度與泛化性的權衡，過粗缺乏針對性，過細難以複用。

戴文軍，京東JoyInside業務負責人

京東JoyInside業務負責人戴文軍，則分享了他關於《從數字世界到物理世界，JoyInside開啟AI World》的洞見。

以下是他的觀點精華提煉：

大模型還沒有深度介入物理世界。未來硬體會像人一樣走進物理空間，理解並滿足人的需求。在這個AI World裡，技術是隱形的、溫暖的、善解人意的。

家是首選的AI World，因為它既是生活場所，也是情感紐帶。硬體成為可以陪伴、樂於分擔的家庭新成員。

家庭硬體的互動正在從一來一回的指令，走向像人一樣的服務：感知情緒，根據家庭需要做規劃，再主動提供幫助。比如學習檯燈、炒菜機器人、魔法印表機、智慧床墊，都在重新定義硬體體驗。

從宏觀來看，人工智慧正在從“算力堆積”向“價值創造”、從“大模型比拼”向“具身智慧佈局”轉向。在此背景下，AI硬體需要從創意走向真實好用的產品，讓天馬行空的創意真正變成使用者手中的商品。

AI價值公式是“（模型×體驗×產業厚度）²”。產業厚度包括資料、業務複雜性、供應鏈複雜性和運營經驗，平方則是指產業厚度對AI價值的指數級放大作用。

京東將打造全球最大的物理世界運營中心，推動AI從千行百業走向千家萬戶。

依託於超級供應鏈與細分場景的深度嵌入，京東構建了從AI基礎設施、Business產業應用到Consumer使用者體驗的全鏈路佈局，讓數字技術融入物理世界創造真實價值。

馬孝武，輕鬆健康集團執行副總裁

輕鬆健康集團執行副總裁馬孝武，圍繞《從循證智慧體到AI驅動的健康服務增長飛輪》展開分享。

以下是他的觀點精華提煉：

對AI行業來說，真正的視窗期，不在模型層，在垂直應用層。下一階段被資本和市場反覆定價的，不會是引數最大的模型，而是能在真實業務場景裡被反覆呼叫、被規則持續信任、被流程真正吸納的系統。

醫療健康是高合規要求的垂直行業，AI不能停留在泛回答。真正有價值的醫療AI，需要可解釋、可追溯、有完整結論，讓回答從流量化走向專業化和證據化。

AI不再只是資訊提供者，它正在參與輔助診療、病症識別和健康管理。核心能力也從生成答案，轉向生成可決策、可信任、能夠進入服務流程的結果。

AI在醫療裡不能替代醫生做決定，它更像是給醫生足夠多的支援。醫生一方面依靠經驗，另一方面依靠科學資料和證據展示，在真實決策場景裡形成更穩的判斷。

輕鬆健康構建了早篩、綜合健康服務包、健康科普、醫學研究輔助到健康保險的全鏈路生態，底層是AIcare技術中臺和星雲數字底座。我們的目標是讓AI從“工具”變成真正的健康服務基礎設施。

張璐，Fusion Fund創始合夥人

《算力敘事重構：從訓練到推理的AI基礎設施新正規化》是Fusion Fund創始合夥人張璐帶來的主題分享。

以下是她的觀點精華提煉：

資料的質量比資料的量更重要，可以透過高質量的行業資料去建立更好的資料庫，再基於這些資料去最佳化AI的模型和應用能力。

從Token經濟學基礎和未來需求看，人工智慧基礎設施需求將像電力需求一樣常見，這是一場巨大的基礎層級產業革命。

訓練算力更像一次性投入，推理算力才是可持續需求。過去訓練可能佔70%以上，現在推理已經接近一半，未來可能變成訓練30%、推理70%，推理算力將會追求可持續化，也更為核心。

AI基礎設施不能只看計算，還要看通訊。資料中心裡，通訊過程的耗電量比計算耗電量要大幾十倍甚至上百倍，所以如何大規模降低通訊過程中的能量消耗也至關重要。

產業的快速整合是人工智慧技術迅速發展的核心競爭力，只有得到應用場景的反饋，獲得高質量資料，才能讓模型架構和應用不斷迭代。

前沿圓桌：2026，Agent產品的不確定性與非共識機遇

2026年，Agent正從科技熱詞演變為一種真實的產品形態。

它正在挑戰軟體產業的基本邏輯。

當智慧體從被動響應轉向主動執行，從單一工具進化為潛在協作者，產品定義、互動正規化與商業模型都將面臨重構。這場變革，關乎人類與智慧系統協作方式的深層演進。

下午的圓桌環節，便是關於這個話題的精彩討論。

三位嘉賓分別是——

莊明浩，趣丸科技副總裁兼首席戰略官、《屠龍之術》主理人。

馮雷，ColaOS&MarsWave CEO。

張昊陽，EvoMap創始人。

圓桌環節圍繞以下問題展開：

2026年Agent徹底破圈。在技術突破、使用場景增加、高討論度關注度的背景下，業內人士對Agent的看法發生了哪些變化？

Agent產品的迭代邏輯和傳統App有什麼差別？這些觀察給各位創業的產品思路帶來了哪些影響？

從投資與創業視角看，市面上五花八門的Agent產品，到底怎樣才算合格、值得一試？

底層模型與Agent框架持續迭代，會不會真實改變產品規劃方式？創業公司應該如何做產品決策、規劃功能節奏？

當Agent犯錯時，使用者容忍度顯然不同。“撤銷成本”和“解釋義務”哪個更關鍵？

未來Agent形態更可能是一個超級Agent包辦一切，還是多個專精Agent協同工作？

當Agent能力逐漸成為標配，尤其大廠重注後，創業公司還能關注哪些非共識機會？

Agent大規模進入工作流後，產品經理、設計師、工程師的日常工作會被如何重塑？

趣丸科技副總裁兼首席戰略官、《屠龍之術》主理人莊明浩表示：

Agent產品正規化基本定下來了，就是三欄結構：左邊專案，中間對話，右邊runtime或瀏覽器展示成果。

Agent產品迭代節奏遠超移動網際網路時代。過去一個功能可能按6到9個月規劃，現在模型兩個月一個大版本。在此背景下創業不確定性很大，模型層一更新，很多產品層公司原來的假設可能被全部推翻。

今天評判Agent產品很難，原來的DAU、MAU等移動網際網路指標幾乎失效，每日Token消耗也未必有意義。6個月後的產品形態沒人說得清，早期判斷更多隻能回到創始人、團隊投入和做事節奏。

AI能力已經在很多板塊過了可用線，甚至水位到了脖子。只要不出大紕漏，接下來很多許可權和信任邊界都會被繼續推著往前走。

當一件事沒有標準答案，初創公司只要多往前踏出一步，就可能拿到遠超這一步本身的關注、反饋、融資和使用者理解。這個時代不怕試錯，就怕站在原地等確定性。

ColaOS&MarsWave CEO馮雷表示：

今年跟去年相比，研發速度提升10倍，產品交付速度也差不多10倍，證明我們在coding，或者說整個軟體工程領域已經到達AGI奇點，用以前的網際網路思維再做產品已經不work了。

AI整體發展非常快，但是人類的頻寬是很有限的，大部分人其實根本跟不上，所以我們希望AI能反過來理解人，跟人產生共鳴，把後面那些人穩穩地接住。未來的AI產品可能很大一部分都是這樣，給人類提供很多情緒價值，讓他們能夠參與進來。

AI的網路效應是很弱的，未來會進入一個百花齊放的時代，因為沒有什麼能把你吃掉，哪怕是巨頭公司，能覆蓋的生產力人群依然很少。每家創業公司只要是全力在衝，一定都能找到自己的位置。今天做軟體也不用怕被模型吃掉，我有一個非共識的觀點是：如果你做的事情未來不能被模型吃掉，那就不要做，因為你都吃不到模型的紅利。

大模型是未來的水電煤，coding也是未來的水電煤，未來會深入到大家都意識不到在coding的程度。模型本身會越來越強，安全問題終將自我解決，而終局難題是如何讓使用者願意把自己的一切交給模型。

實現AGI之後，未來錢可能不重要了，最重要的是token，以及“自己真正想要的是什麼”這件事情。今天一定要發揮出或者找到自己跟別人的不同點，因為AI的本質是一個放大器，你有哪些不同的點，它才能放大你。

EvoMap創始人張昊陽表示：

Agent未來發展重心將聚焦商用及OPC場景。純零基礎C端使用者正在持續減少，使用者群體正逐步向B端、D端遷移。

Agent產品迭代，一方面將會從專業到通用，另一方面是從有形到無形，也就是從somewhere到everywhere。Agent核心本質不會改變，但上層互動介面將不再侷限於傳統TUI、GUI介面，可能會出現原生Agent電腦和Agent手機，進而演化出全新的OS。系統將隨時伴有一個無形的Agent，去準備好即時服務。

今年Agent將會迎來百花齊放的發展狀態，可能每隔幾個月就會出現一個全新的正規化或Agent，但最終會沉澱下來，形成Agent多足鼎立的格局。

無論是未來的人還是AI，它一定會分成三種不同的角色：第一個是planner，第二個是builder，第三個是reviewer。

大廠會慢慢縮編，甚至解體。社會中會出現很多的OPC公司，會原子化。但每一個OPC的原子化，又承載了非常全面的能力，社會分工變得沒那麼重要。大企業的生產要素外部化，企業中臺會減少，轉而向OPC索取服務。

By the way，大會上，量子位還重磅揭曉了“2026年度值得關注的AIGC企業”與“2026年度值得關注的AIGC產品”榜單，並同步釋出了《2026年中國AI應用全景圖譜報告》。

以及，我們也會陸續釋出嘉賓演講&對談全文，歡迎持續關注～

聽雨

AI水論文封一年，署名連坐！arXiv最嚴新規來了，陶哲軒附議2026-05-18

上交x創智x瑞金聯合釋出CX-Mind：胸片診斷進入“可驗證推理”時代2026-05-18

8B模型做生物實驗：實驗步驟順序不亂、劑量無幻覺｜ICLR 20262026-05-18

信通院&清華提出FedRE：用「糾纏」搞定聯邦學習三難困境 | CVPR 262026-05-18