近期，大模型領(lǐng)域發(fā)展勢頭迅猛，智譜AI與minimax相繼完成上市，月之暗面KIMI也成功獲得5億美元融資，整個行業(yè)正從概念階段加速邁向商業(yè)化落地。

在智譜AI成功上市后，其創(chuàng)始人、清華大學(xué)教授唐杰發(fā)表了一場公開演講。他指出，2026年極有可能成為AI for Science的爆發(fā)之年，隨著各項(xiàng)能力的顯著提升，眾多領(lǐng)域?qū)⒂瓉硇碌陌l(fā)展契機(jī)。

唐杰詳細(xì)闡述了智譜AI在2026年的重點(diǎn)規(guī)劃。首先，在Scaling方面將持續(xù)推進(jìn)，不斷擴(kuò)充數(shù)據(jù)規(guī)模，探索模型性能的上限，同時積極探索未知的新范式。其次，技術(shù)創(chuàng)新是關(guān)鍵，公司將致力于全新的模型架構(gòu)研發(fā)，著力解決超長上下文處理、高效知識壓縮等難題，并實(shí)現(xiàn)知識記憶與持續(xù)學(xué)習(xí)功能，為模型賦予更強(qiáng)大的能力。多模態(tài)感統(tǒng)能力將成為今年的熱點(diǎn)與重點(diǎn)，這一能力的突破將使AI能夠勝任機(jī)器中的長任務(wù)、長時效任務(wù)，進(jìn)而在人類的工作環(huán)境中發(fā)揮作用，助力AI實(shí)現(xiàn)具身智能，真正融入物理世界。

唐杰回顧了自己的科研歷程，自2006年從清華大學(xué)畢業(yè)后的20年里，他主要專注于兩件事：一是開發(fā)AMiner系統(tǒng)，二是投身于大模型研究。他以“像喝咖啡一樣上癮”的精神投身科研，這種專注與堅持促使他抓住了AGI這一長期投入領(lǐng)域的機(jī)遇。

智譜AI實(shí)驗(yàn)室在2019年做出了重大戰(zhàn)略調(diào)整，暫停了當(dāng)時在國際上表現(xiàn)不錯的圖神經(jīng)網(wǎng)絡(luò)和知識圖譜研究方向，全體人員轉(zhuǎn)向大模型研究。經(jīng)過多年的努力，取得了顯著成果。從大模型智能水平的發(fā)展歷程來看，2020年時模型僅能處理一些簡單的MMU和QA問題，到2021 - 2022年已能夠完成數(shù)學(xué)推理題，再到2023 - 2024年可以處理研究生水平的復(fù)雜問題，甚至在真實(shí)世界的編程問題上也表現(xiàn)出色，智能水平不斷提升，如同人類成長一般逐步積累知識、提升能力。

在提升模型泛化能力方面，唐杰表示，目前主要通過Scaling來實(shí)現(xiàn)，但模型的泛化能力仍有待提高。早期通過Transformer訓(xùn)練模型，數(shù)據(jù)和算力的增加提升了長時知識記憶能力，但泛化能力有限。后來通過對齊和推理，利用持續(xù)的Scaling SFT和強(qiáng)化學(xué)習(xí)，尤其是今年可驗(yàn)證獎勵強(qiáng)化學(xué)習(xí)（RLVR）的爆發(fā)，使模型能夠通過可驗(yàn)證環(huán)境自主探索反饋數(shù)據(jù)，實(shí)現(xiàn)自我成長。然而，RLVR也面臨挑戰(zhàn)，如可驗(yàn)證場景的局限性，如何拓展到半自動或不可驗(yàn)證場景，實(shí)現(xiàn)模型的通用化，是亟待解決的問題。同時，未來機(jī)器將在物理世界承擔(dān)真實(shí)任務(wù)，構(gòu)建智能體環(huán)境也面臨諸多挑戰(zhàn)。

2025年初，DeepSeek的出現(xiàn)給研究界和產(chǎn)業(yè)界帶來了巨大沖擊，其性能強(qiáng)大，令人震撼。唐杰認(rèn)為，在DeepSeek的范式下，Chat時代的問題可能已基本得到解決，未來AI的發(fā)展將開啟新范式，即讓每個人能夠運(yùn)用AI完成實(shí)際任務(wù)。在這一選擇上，智譜AI選擇了賦予模型Thinking能力，并整合Coding、Agentic、Reasoning能力，于2025年7月28日發(fā)布了4.5版本，在智能體、推理、代碼等多個Benchmark上取得了優(yōu)異成績。但該版本在實(shí)際編程場景中也暴露出一些問題，如無法完成復(fù)雜的“植物大戰(zhàn)僵尸”編程任務(wù)，這促使公司利用RLVR可驗(yàn)證的強(qiáng)化學(xué)習(xí)環(huán)境，結(jié)合編程環(huán)境反饋和SFT數(shù)據(jù)，提升了模型效果。

在Web能力開發(fā)方面，智譜AI也取得了一定進(jìn)展，通過可驗(yàn)證環(huán)境提升了模型在SWE Bench上的得分。然而，將模型能力整合到主模型仍面臨挑戰(zhàn)，真實(shí)用戶體驗(yàn)與跑分結(jié)果可能存在差異。為此，公司開發(fā)了全異步的訓(xùn)練強(qiáng)化學(xué)習(xí)框架，統(tǒng)一訓(xùn)練大量RL任務(wù)，提升了Agent和Coding能力，最新發(fā)布的4.7版本在相關(guān)方面有了顯著提升。在真實(shí)場景評測中，公司邀請眾多編程高手進(jìn)行人工評測，但仍有許多問題有待解決。

在構(gòu)建Coding Agent環(huán)境方面，智譜AI基于Github數(shù)據(jù)實(shí)現(xiàn)了自動化構(gòu)建，但將大量RL任務(wù)統(tǒng)一訓(xùn)練也面臨任務(wù)長度和時間不同的難題。公司開源的全異步訓(xùn)練強(qiáng)化學(xué)習(xí)框架解決了這一問題，提升了Agent和Coding能力。同時，在讓AI完成復(fù)雜任務(wù)方面，如監(jiān)控小紅書并整理相關(guān)討論生成文檔，需要將API與GUI混合使用，通過抽取大量數(shù)據(jù)并進(jìn)行全異步強(qiáng)化學(xué)習(xí)，賦予AI一定的泛化能力。為克服冷啟動問題，公司采用SFT與強(qiáng)化學(xué)習(xí)交替的訓(xùn)練算法，提升了模型在移動環(huán)境下的效果，并在多任務(wù)大模型強(qiáng)調(diào)學(xué)習(xí)上開展了相關(guān)工作。

2025年12月，智譜AI開源了AutoGLM 9B模型，該模型在人機(jī)交互中執(zhí)行速度快，開源后迅速獲得了大量關(guān)注。以旅行規(guī)劃任務(wù)為例，該模型能夠自動調(diào)用不同APP，完成景點(diǎn)總結(jié)、地圖收藏、票價查詢、高鐵票預(yù)訂等一系列操作，相當(dāng)于一個智能秘書。在相關(guān)Bench上，該模型也取得了不錯的成績，但也帶來了新的問題，即在超大規(guī)模Agent模型上如何保持其他能力的穩(wěn)定。

2025年被稱為GLM的開源年，智譜AI從1月到12月開源了多個模型，包括語言模型、智能體模型和多模態(tài)模型等。中國開源模型在2025年取得了顯著貢獻(xiàn)，在Artificial Analysis上，前五名基本為中國模型，大模型盲測榜單也顯示中國模型表現(xiàn)出色。但唐杰也指出，不能因開源成果而盲目樂觀，美國閉源大模型的發(fā)展仍不可忽視，中國與美國在大模型領(lǐng)域仍存在差距。

對于未來大模型的發(fā)展，唐杰認(rèn)為可以參考人腦認(rèn)知的學(xué)習(xí)過程。2025年可能是多模態(tài)的適應(yīng)年，目前大多數(shù)模型仍以文本智能提升為主，如何實(shí)現(xiàn)原生多模態(tài)模型，統(tǒng)一感知多模態(tài)信息，是亟待解決的問題，這與人類的“感統(tǒng)”能力相似。模型的記憶能力和可持續(xù)學(xué)習(xí)能力也有待提高，人類擁有多級記憶系統(tǒng)，未來需要為大模型構(gòu)建更完善的記憶系統(tǒng)。同時，反思和自我認(rèn)知能力也是未來發(fā)展的方向，雖然目前模型已有一定反思能力，但自我認(rèn)知仍是難題，值得深入探索。

人類認(rèn)知具有雙系統(tǒng)特點(diǎn)，系統(tǒng)一完成大部分簡單任務(wù)，系統(tǒng)二處理復(fù)雜推理問題。大模型發(fā)展也可參考這一模式，通過Scaling數(shù)據(jù)、推理和自學(xué)習(xí)環(huán)境，讓機(jī)器參考人的學(xué)習(xí)范式，獲得更多學(xué)習(xí)機(jī)會。在系統(tǒng)一方面，雖然Transformer模型可通過增加數(shù)據(jù)和參數(shù)提升性能，但面臨計算復(fù)雜度和顯存等問題，需要探索更好的知識壓縮方法。在系統(tǒng)二方面，需要找到新的Scaling范式，讓機(jī)器能夠自主定義獎勵函數(shù)、交互方法和訓(xùn)練任務(wù)，實(shí)現(xiàn)自我提升。完成真實(shí)場景下的超長任務(wù)也是關(guān)鍵，機(jī)器需要具備像人一樣的規(guī)劃、檢查和反饋能力。