当前位置:首页 > 科技资讯 > 正文

AI发展跃迁:2026年Agent大规模落地与范式突破

人工智能正处在一个关键的平台期,当前研究路径的收益逐渐收敛,预示着下一次的跃迁需要全新的范式突破。同时,产业应用正在加速成熟,2026年有望成为Agent大规模落地的关键之年。

近日,OpenAI与Anthropic几乎同时发布了最新的模型更新——OpenAI Codex 5.3Claude 4.6。尽管没有盛大的发布会和颠覆性的叙事,但在开发者社区和产业界,这两次更新被迅速解读为一个明确的信号:大模型的能力正在逼近一个阶段性的上限,而行业正在集体寻找新的突破口

如果用一句话来形容2025年的人工智能行业,那就是“临界”。一方面,大模型的通用能力已达到较高水平,在语言理解、推理、代码生成等方面逼近甚至超过人类专家水准;另一方面,沿着既有路径继续堆叠规模与算力,边际收益正在迅速收敛。技术并未停滞,但“下一次质变从何而来”,正成为整个行业共同面对的问题。

下一代范式突破的方向是什么?中美竞争的真正差距在哪里?Agent如何从概念走向真正的产业落地?这些追问贯穿整个行业,而在2026年,它们变得无法回避。

近期,我们带着这些问题与中关村人工智能研究院副院长及北京中关村学院副教授郑书新进行了一次深度访谈。他认为,人工智能正处于一个阶梯式跃迁的平台期,下一次跃迁需要全新的范式突破。他同时指出,当前中美竞争的核心差距不在技术路线,而在高质量数据和算力资源。

在产业侧,郑书新认为技术突破与产业普及之间始终存在时间差,这是历史常态而非失败。2026年将是Agent在真实场景中集中落地的一年,而Coding Agent等新范式也正在重塑传统软件开发的基本逻辑。

以下为访谈实录,经由InfoQ编辑及整理:

开场:个人介绍与研究背景

InfoQ:您在AI领域深耕多年,能否和我们分享一下您的研究历程和主要工作?

郑书新:我从十多年前开始接触人工智能,一直深耕大模型领域。早期专注于大规模分布式优化,搭建了微软最大的异步分布式训练系统。此后转向大语言模型研究,提出了Pre-LN等训练优化与架构改进方法。这些成果后来被主流大模型广泛采用。

在通用模型与方法研究阶段,我提出的Graphormer架构成为图学习领域的主流基座模型之一。近期,我致力于将大模型与生成式AI技术引入科学发现领域。

2024年底,我加入中关村两院,现任学院副教授、研究院副院长,负责大模型方向的研究与战略布局。

InfoQ:您刚才提到目前在中关村两院AI基础学部负责大模型方向的研究。中关村两院肩负着北京乃至国家AI创新生态建设的使命,能否介绍一下两院的核心定位?AI基础学部在其中扮演怎样的角色?

郑书新:北京中关村学院与中关村人工智能研究院是一体两面,是教育科技人才一体化的新尝试。北京中关村学院肩负着培养人工智能领军人才的重要使命。中关村人工智能研究院与中关村学院共同开展面向未来、具有产业价值、颠覆性的人工智能技术研发及成果产业化落地。

AI基础学部在这个框架下承担具体的技术攻关和方向布局。

AI整体发展Overview

InfoQ:站在2026年初这个时间节点,您认为当前中国AI发展最需要解决的关键问题是什么?

郑书新:AI发展正处在阶梯式跃迁的平台期,需要找到下一代突破方向。同时,AI本身也有两个特征:一是根植于产业的技术;二是这场博弈有明确的时间窗口。

我认为当前有两个核心问题需要关注:一是战略层面:中美科技博弈中如何争取先手、发展自主生态;二是应用层面:AI如何真正拉动GDP,实现高质量发展。

AI技术发展现状

InfoQ:您刚才提到技术上的关键问题是中美技术博弈中争取先手。能否展开谈谈,您如何看待当前AI技术的发展阶段?下一代技术突破的方向会是什么?

郑书新:人工智能的发展遵循“阶梯式跃迁”的规律。最近一次重大跃迁是GPT带来的规模定律。但现在智能性提升进入平台期,沿着现有技术路径的收益在递减。

下一代突破的方向可能是针对本代AI范式的缺点进行改进、寻找突破口,例如突破记忆与持续学习的瓶颈等。但也可能需要探索全新的技术范式。

AI产业现状

我的判断是,2026年会是AI产业落地的关键一年。

InfoQ:Coding Agent是当前讨论的热门方向。您怎么看?

郑书新:Coding Agent正在颠覆传统软件开发的范式。我自己每天都在用这些工具,很多以前停留在想法阶段的项目现在都能快速变成可运行的产品。

科研方向与人才培养

郑书新:我在学院负责大模型方向的研究,团队并行推进多个方向。最近的一项工作是让智能体“预测未来”。

郑书新:我认为优秀人才应该具备三类核心能力:一是数学和物理的第一性原理思维;二是系统工程能力;三是科学品味。

总结

郑书新:我会押注在这三个方向上:一是AI智能性超过人类;二是AI在科学研究中能够自主完成发现和突破;三是AI走进物理世界。