企业愿意为“最强模型”付费，因为智能程度正与生产效率形成强相关；而To C领域的增长逻辑则更加复杂。AI产业在技术路径、市场方向和组织形态上正加速分化。

在AGI-Next前沿峰会上，加拿大皇家学院院士杨强、清华大学教授唐杰、Qwen技术负责人林俊旸以及腾讯首席AI科学家姚顺雨展开深入讨论。专家们认为，2026年将出现AI范式革新，可能围绕持续学习、记忆、多模态等方向展开。

智能体成为圆桌共识的焦点。长链条智能体的能力正在快速跃迁，从自动完成数小时级别的工作，走向承担以周为单位的复杂任务。2026年，被认为是智能体产生真正经济价值的关键节点。

01 分化趋势：To B与To C市场呈现不同发展逻辑

AI产业正演化出多条并行的发展路径。从技术到产品，从To C到To B，从垂直整合到分层协作，不同的发展逻辑正在形成。

To B市场的价值弹性正在被打开。企业愿意为“最强模型”付费，因为智能程度正在与生产效率形成强相关。而To C领域的增长逻辑则更加复杂，智能提升不必然转化为活跃度与用户规模。

姚顺雨指出，To C和To B发生了明显分化。对于消费者市场，AI更像是一个加强版的搜索引擎，很多人不知道如何充分利用它的智能。但对于企业市场，智能程度直接关系到生产力，大家更愿意为最强的模型付费。

在产业结构上，垂直一体化与模型应用分层两种路线也在并行推进。To C产品仍然强调强整合，而To B领域的应用创新正在变得更加独立与多元。

02 技术前沿：下一代AI范式与智能体发展

2026年将被AI范式革新所定义。清华大学教授唐杰表示，他对今年会有非常大的范式革新有信心，可能围绕持续学习、记忆、多模态等方向展开。

唐杰认为，当行业投入巨大但效率不高时，创新就会发生。现在大模型领域投入已巨大，但效率并不高，继续Scaling的收益面临边际递减。这为范式革新创造了条件。

智能体成为专家共识的焦点。杨强将智能体发展分为四个阶段：从目标定义到规划制定，从人为定义到AI自动定义。目前处于非常初级的阶段，目标由人定义，规划也由人做。

林俊旸认为，智能体需要与环境进行更复杂交互。未来可能与具身智能结合，指挥机器人做实验，才能实现更大价值。

03 应用前景：长链条智能体将创造真实经济价值

智能体正从完成简单任务向承担复杂工作流程演进。目前，智能体可以在后台推理3-5个小时，完成人类1-2天的工作量。专家预计2026年，智能体将能够处理人类正常工作1-2周的复杂任务流。

姚顺雨分析，To B的智能体处于上升期，智能提升直接带来价值。只要预训练不断变大，后训练把真实世界的任务做好，智能体就会越来越聪明，带来更大价值。

决定AI价值的不只是模型规模，更是上下文信息、用户数据与真实业务情境本身。姚顺雨举例，回答“今天该吃什么”这样的问题，需要更多额外的Context，如天气、位置、个人偏好等。

教育用户也成为关键环节。姚顺雨指出，会使用AI工具的人在替代那些不会使用工具的人，就像当年会编程的人替代不会编程的人一样。教育用户更好地使用AI产品具有重要意义。

04 中国路径：从“并跑”到“领跑”的可能性与挑战

在圆桌讨论中，专家们对中国AI发展前景进行了展望。姚顺雨对中国AI领跑的可能性表示乐观，认为概率相当高。一旦技术被证明可行，中国能够快速复现并在局部做得更好。

但专家们也指出中国AI发展面临的挑战。算力瓶颈是首要问题，特别是光刻机等关键技术的突破。林俊旸坦言，美国在计算资源投入上比中国大1-2个数量级，且美国将更多资源投入下一代研究。

创新文化是另一个关键因素。姚顺雨指出，中国研究者更倾向于做安全确定的事情，而对于探索性研究投入不足。林俊旸估计，3-5年后中国公司成为全球AI领导者的概率约为20%。

杨强借鉴互联网发展历程，认为中国在To C领域可能百花齐放，因为中国人能够集思广益将产品发挥到极致。To B领域虽然面临付费意愿等挑战，但通过工程化创新也能快速跟上。

唐杰呼吁为年轻一代创造更好环境，让敢于冒险的聪明人有更多时间做创新事情。同时，坚持在一条路上敢做敢冒险，可能是中国AI从业者的重要优势。

圆桌讨论揭示，AI产业正从单一技术竞争转向多路径探索的复杂生态。To B与To C市场的分化、垂直整合与分层协作的并存、以及智能体技术的快速演进，正共同塑造着AI产业的新格局。

随着2026年范式革新的临近，中国AI产业能否在算力突破、创新文化和商业环境等方面迎头赶上，将决定其能否从当前的“并跑”状态迈向“领跑”地位。在这场全球竞争中，真正的赢家可能是那些能够将技术创新与真实世界需求紧密结合的参与者。