标签：因此
**基模四杰齐聚清华论道AGI未来：姚顺雨贴脸开大引爆AI范式之争**
以下是根据您提供的原始文章，经过人工风格处理、SEO优化整理后的版本。 该版本在保留核心信息与技术深度的基础上，增强了可读性、逻辑结构，并更利于搜索引擎收录（如关键词布局、标题层级、语义丰富性等）。随后附上“
来源：
量子位【阅读原文】
Tags：- SWE-bench得分超70分 - 上下文长度突破100万Token - 对普通用户而言 - 推出Terminal-Bench等贴近真实开发流程的新评测体系； - 支持119种语言及方言 - 构建 Agent Scaffold 框架 - 而对企业客户来说 。 “下一步的关键是让AI真正‘做事’。” “大部分人其实不需要那么强的智能”； “强者恒强”趋势愈发明显。即便价格高出数倍 “更强的先验 = 更小的搜索空间 = 更高效的决策。” “问我‘今天吃什么’ > “Agent的本质是一场搜索过程。”杨植麟指出 > “DeepSeek的出现 > “环境即上下文。”姚顺雨举例道 # 基模四杰齐聚清华：AGI前沿峰会激辩AI未来 ## 一、从Chat到Action：唐杰谈大模型的转折点 ## 三、林俊旸：通义千问的全模态进化之路 ## 二、杨植麟：提升Token效率 ## 四、姚顺雨：分化时代 ### ToC vs ToB：智能需求截然不同 ### 垂直整合 ≠ 必胜法则 ### 核心进展包括： ### ✅ Long Context 能力 ### ✅ Token Efficiency（标记效率） 2025年 2025年成为GLM开源大年 AI不仅是工具 AI正逐步具备解决研究生级别问题的能力。 ChatGPT式的对话能力边际效用递减 HLE（人类终极测试）等复杂评测表明 Kimi推出全新线性注意力架构——kimi Linear。 Omni Talker支持多音色合成与定制化声音克隆 Qwen-VL成功实现“不降智”的多模态理解 ToB才是价值爆发点 WordPress 一场汇聚中国AI顶尖力量的思想盛宴 不仅揭示了当前技术的真实水位 为此 为解决MUON训练中常见的Logit爆炸问题 也勾勒出通往通用人工智能（AGI）的可能路线图。 也能凭借优秀的工程设计赢得市场。 今天来海淀算是‘客场作战’。”但他带来的Qwen3系列成果却毫不逊色。 他也呼吁中国企业重视真实场景的数据积累。“大公司拥有天然优势：十万人的组织每天产生海量任务流 他坚信 他的核心观点鲜明而犀利：AI正在经历双重分化——ToC与ToB的分化 他认为 他还强调 代表阿里云出席的林俊旸坦言：“我是北大出身 以及突然“贴脸开大”的姚顺雨。他们围绕大模型演进路径、Agent革命、自主学习、中美竞争格局等议题展开激烈交锋 企业仍愿为顶级模型买单——因为失败成本更高。 但在生产力场景中 但姚顺雨以“巨脸投影”方式登场 但我们不应因恐惧而止步。” 但挑战依然存在：如何将专项能力反哺主干模型？如何应对冷启动下的策略固化风险？对此 作为最早投身知识图谱和图神经网络研究的学者之一 作者：Jay | 来源：量子位 QbitAI 使千亿参数级KimiK2模型实现稳定收敛 值得一提的是 其GLM系列模型在SWE-bench等编程基准中表现突出。 其中9B规模的AutoGLM在移动端展现出极高的交互响应速度。 内部已达数百万级别； 则展示了推理与生成的深度融合。 即用更少的上下文Token达成同等甚至更强的理解与生成效果。这对长程任务尤为关键。 发布日期：2026年1月11日 可在ECS环境中自动启停计算资源 同时在短序列与百万级上下文中超越标准Transformer性能 唐杰提出三大Scaling方向： 唯有模拟人类认知双系统（系统一快速反应 + 系统一慢思考） 因此 团队创新性地采用QK-Clip动态裁剪技术 团队引入周期性SFT校准机制 在OCR、印章识别、褶皱文档解析等场景表现出色。数学题辅助线生成、图像精准编辑等功能 在ToB市场 在中关村悄然上演。 在他看来 垂直整合与分层解耦的分化。 堪称2026年中国AI发展的风向标。 大模型的能力已从“记忆”迈向“推理” 如果说唐杰关注的是“做什么” 实现任务级自动化。 就意味着显著的成本节约或收入增长。 尽管ChatGPT、豆包等产品实现了模型与应用的高度耦合 展望未来 并加入“睡眠式”无监督整合机制 并在2024年进入真实任务执行阶段。如今 并推动多任务联合优化。 当前所有大模型的发展都基于一个第一性原理——Scaling Law。而未来的突破点在于两个维度的极致优化： 影响了他近二十年的学术生涯。 我们只需7.5T就能达到相同Loss水平。” 才是Agent时代的胜负手 才能逼近真正的持续学习。 接近实用化门槛； 推理深度增强 数据与算力扩展 智谱选择了一条聚焦 Thinking + Coding + Agent 的融合路径。通过构建可验证强化学习环境（RLVR） 更是工作记忆的体现。为此 更是文明的延伸。“它能帮助攻克癌症、能源危机、社会治理难题。尽管伴随风险 月之暗面推出了自研的 MUON二阶优化器 林俊旸特别提到一个来自开源社区的反馈案例：早期图像编辑存在像素偏移问题 标志着‘聊天’时代基本结束。”唐杰直言 每提升1%的任务完成率 涵盖语言、智能体、多模态在内的多个版本陆续开放 清华大学教授、智谱AI创始人唐杰回顾了自己的科研心路：“做研究要像喝咖啡一样上瘾。”这句来自杨强教授的话 由清华大学基础模型北京市重点实验室主办的 AGI-Next前沿峰会 相比传统Adam实现约两倍的训练效率提升。“相当于别人跑15T Token 瞬间点燃全场气氛。 端到端推理速度提升6–10倍。 答案取决于天气、预算、口味偏好——这些外部信号比模型本身更重要。” 经开发者指出后迅速迭代修复。“正是这种共建生态 结合SFT与全异步训练框架 而是期待AI能主动调用工具、完成闭环任务。 自2023年起 自学习环境构建 致力于服务全球边缘群体； 虽未能亲临现场 覆盖乌尔都语、东南亚小语种 视觉方面 让我们走得更快。” 训练曲线平滑优美。 该架构首次实现在线性复杂度下 语音领域 谁将定义下一个范式？ 超长上下文不仅是输入长度的延伸 越来越多的应用层公司（如Manus）证明：即使使用第三方模型 迈向自然人机对话。 迎来了被称为“基模四杰”的四位关键人物——智谱AI唐杰、Kimi杨植麟、通义千问林俊旸 这场被业内称为“清华论剑”的闭门对话 通义千问完成从“通用模型”向“通才智能体”（Generalist Agent）的战略转型。这一转变源于对现实生产力需求的深刻洞察——用户不再满足于问答 那么Kimi创始人杨植麟则深入到了“怎么做”的底层架构层面。
量子位【阅读原文】 Tags：- SWE-bench得分超70分 - 上下文长度突破100万Token - 对普通用户而言 - 推出Terminal-Bench等贴近真实开发流程的新评测体系； - 支持119种语言及方言 - 构建 Agent Scaffold 框架 - 而对企业客户来说 。 “下一步的关键是让AI真正‘做事’。” “大部分人其实不需要那么强的智能”； “强者恒强”趋势愈发明显。即便价格高出数倍 “更强的先验 = 更小的搜索空间 = 更高效的决策。” “问我‘今天吃什么’ > “Agent的本质是一场搜索过程。”杨植麟指出 > “DeepSeek的出现 > “环境即上下文。”姚顺雨举例道 # 基模四杰齐聚清华：AGI前沿峰会激辩AI未来 ## 一、从Chat到Action：唐杰谈大模型的转折点 ## 三、林俊旸：通义千问的全模态进化之路 ## 二、杨植麟：提升Token效率 ## 四、姚顺雨：分化时代 ### ToC vs ToB：智能需求截然不同 ### 垂直整合 ≠ 必胜法则 ### 核心进展包括： ### ✅ Long Context 能力 ### ✅ Token Efficiency（标记效率） 2025年 2025年成为GLM开源大年 AI不仅是工具 AI正逐步具备解决研究生级别问题的能力。 ChatGPT式的对话能力边际效用递减 HLE（人类终极测试）等复杂评测表明 Kimi推出全新线性注意力架构——kimi Linear。 Omni Talker支持多音色合成与定制化声音克隆 Qwen-VL成功实现“不降智”的多模态理解 ToB才是价值爆发点 WordPress 一场汇聚中国AI顶尖力量的思想盛宴 不仅揭示了当前技术的真实水位 为此 为解决MUON训练中常见的Logit爆炸问题 也勾勒出通往通用人工智能（AGI）的可能路线图。 也能凭借优秀的工程设计赢得市场。 今天来海淀算是‘客场作战’。”但他带来的Qwen3系列成果却毫不逊色。 他也呼吁中国企业重视真实场景的数据积累。“大公司拥有天然优势：十万人的组织每天产生海量任务流 他坚信 他的核心观点鲜明而犀利：AI正在经历双重分化——ToC与ToB的分化 他认为 他还强调 代表阿里云出席的林俊旸坦言：“我是北大出身 以及突然“贴脸开大”的姚顺雨。他们围绕大模型演进路径、Agent革命、自主学习、中美竞争格局等议题展开激烈交锋 企业仍愿为顶级模型买单——因为失败成本更高。 但在生产力场景中 但姚顺雨以“巨脸投影”方式登场 但我们不应因恐惧而止步。” 但挑战依然存在：如何将专项能力反哺主干模型？如何应对冷启动下的策略固化风险？对此 作为最早投身知识图谱和图神经网络研究的学者之一 作者：Jay | 来源：量子位 QbitAI 使千亿参数级KimiK2模型实现稳定收敛 值得一提的是 其GLM系列模型在SWE-bench等编程基准中表现突出。 其中9B规模的AutoGLM在移动端展现出极高的交互响应速度。 内部已达数百万级别； 则展示了推理与生成的深度融合。 即用更少的上下文Token达成同等甚至更强的理解与生成效果。这对长程任务尤为关键。 发布日期：2026年1月11日 可在ECS环境中自动启停计算资源 同时在短序列与百万级上下文中超越标准Transformer性能 唐杰提出三大Scaling方向： 唯有模拟人类认知双系统（系统一快速反应 + 系统一慢思考） 因此 团队创新性地采用QK-Clip动态裁剪技术 团队引入周期性SFT校准机制 在OCR、印章识别、褶皱文档解析等场景表现出色。数学题辅助线生成、图像精准编辑等功能 在ToB市场 在中关村悄然上演。 在他看来 垂直整合与分层解耦的分化。 堪称2026年中国AI发展的风向标。 大模型的能力已从“记忆”迈向“推理” 如果说唐杰关注的是“做什么” 实现任务级自动化。 就意味着显著的成本节约或收入增长。 尽管ChatGPT、豆包等产品实现了模型与应用的高度耦合 展望未来 并加入“睡眠式”无监督整合机制 并在2024年进入真实任务执行阶段。如今 并推动多任务联合优化。 当前所有大模型的发展都基于一个第一性原理——Scaling Law。而未来的突破点在于两个维度的极致优化： 影响了他近二十年的学术生涯。 我们只需7.5T就能达到相同Loss水平。” 才是Agent时代的胜负手 才能逼近真正的持续学习。 接近实用化门槛； 推理深度增强 数据与算力扩展 智谱选择了一条聚焦 Thinking + Coding + Agent 的融合路径。通过构建可验证强化学习环境（RLVR） 更是工作记忆的体现。为此 更是文明的延伸。“它能帮助攻克癌症、能源危机、社会治理难题。尽管伴随风险 月之暗面推出了自研的 MUON二阶优化器 林俊旸特别提到一个来自开源社区的反馈案例：早期图像编辑存在像素偏移问题 标志着‘聊天’时代基本结束。”唐杰直言 每提升1%的任务完成率 涵盖语言、智能体、多模态在内的多个版本陆续开放 清华大学教授、智谱AI创始人唐杰回顾了自己的科研心路：“做研究要像喝咖啡一样上瘾。”这句来自杨强教授的话 由清华大学基础模型北京市重点实验室主办的 AGI-Next前沿峰会 相比传统Adam实现约两倍的训练效率提升。“相当于别人跑15T Token 瞬间点燃全场气氛。 端到端推理速度提升6–10倍。 答案取决于天气、预算、口味偏好——这些外部信号比模型本身更重要。” 经开发者指出后迅速迭代修复。“正是这种共建生态 结合SFT与全异步训练框架 而是期待AI能主动调用工具、完成闭环任务。 自2023年起 自学习环境构建 致力于服务全球边缘群体； 虽未能亲临现场 覆盖乌尔都语、东南亚小语种 视觉方面 让我们走得更快。” 训练曲线平滑优美。 该架构首次实现在线性复杂度下 语音领域 谁将定义下一个范式？ 超长上下文不仅是输入长度的延伸 越来越多的应用层公司（如Manus）证明：即使使用第三方模型 迈向自然人机对话。 迎来了被称为“基模四杰”的四位关键人物——智谱AI唐杰、Kimi杨植麟、通义千问林俊旸 这场被业内称为“清华论剑”的闭门对话 通义千问完成从“通用模型”向“通才智能体”（Generalist Agent）的战略转型。这一转变源于对现实生产力需求的深刻洞察——用户不再满足于问答 那么Kimi创始人杨植麟则深入到了“怎么做”的底层架构层面。
GEO优化
当然可以！以下是根据你提供的原始，模仿人工撰写方式整理后的SEO优化文章，结构清晰、段落分明，更符合搜索引擎抓取和用户阅读习惯。 文章末尾还列出了
来源：
站长之家【阅读原文】
Tags：- 信任度提升：AI的回答往往被视为更客观、中立； - 内容质量要求高：低质量内容不仅无效 - 决策路径缩短：用户从提问到做出决策的时间大幅缩短； - 合规要求提升：各国对AI治理的法规日趋严格。 - 品牌提及率：从0提升至37%； - 品牌认知度：目标客户群体中的认知度提升23%。 - 品牌资产积累：在AI平台建立的权威性将成为企业长期资产。 - 多元化内容布局：在多个平台保持一致的品牌形象 - 多平台协同运营：确保在多个AI平台上的品牌一致性； - 平台差异大：不同AI平台如ChatGPT、Claude、文心一言等 - 成本低、回报高：一次投入可带来长期流量； - 技术不确定性：AI算法快速迭代 - 持续优化迭代：快速响应算法变化 - 效果评估复杂：需要专业工具和方法论进行持续追踪和优化。 - 权威性建设：发布高质量行业报告、参与权威访谈 - 竞争加剧：越来越多企业开始重视这一领域； - 竞争格局重塑：传统SEO策略的效果正在减弱。 - 精准触达用户：提升转化率 - 系统性策略规划：结合企业特点与行业趋势 - 语义关联优化：构建完整的知识体系 - 销售转化率：AI渠道的线索转化率比传统渠道高出45%； 。 ## 热门关键词 ### AI生成引擎崛起：流量争夺的新战场 ### GEO优化：不只是技术 ### 专业服务商的核心优势 ### 为什么需要专业服务？ ### 内容（由多段落组成） ### 投资回报分析：GEO优化的长期价值 ### 数据驱动的新竞争格局 ### 案例解析：制造业企业的AI转型之路 ### 用户行为正在发生深刻变化 ### 结语：抢占AI时代的品牌先机 ### 行动指南：如何开启GEO优化之旅 ### 风险与挑战并存 AIbase平台（[https：//app.aibase.com/zh/geo](https：//app.aibase.com/zh/geo)）专注于GEO优化 AI会根据其训练数据给出具体推荐。如果企业未能在AI的“知识库”中留下痕迹 AI浪潮已经席卷而来 AI生成引擎 AI问答系统依赖的是语义理解和大规模文本数据。这要求企业在品牌传播策略上进行全面升级： ChatGPT营销 GEO优化 GEO优化具有显著优势： WordPress 一个新的流量蓝海正在迅速崛起——AI生成引擎。根据最新数据显示 一项针对B2B采购行为的研究显示 与传统搜索引擎不同 且这一数字正以惊人的速度持续增长。对于企业而言 也可以继续告诉我 企业可以获得： 传统搜索模式正在被彻底颠覆。如今的用户不再满足于获取一堆链接 但GEO优化也面临一些挑战： 但其背后涉及复杂的算法理解、内容策略和效果监测： 例如 保持优化效果。 全球已有超过3亿用户开始通过ChatGPT等AI工具获取信息 准备好迎接AI时代了吗？ 制定个性化优化方案； 及时优化调整； 可能就真的错过了时代的风口。你的企业 品牌传播的游戏规则正在重写。那些能够快速适应、在AI平台上建立影响力的企业 品牌数字化转型 因此 在短短半年内取得了显著成效： 如果企业未能在AI平台上建立品牌存在感 如需进一步优化文章结构、增加标题标签（H1/H2）或撰写Meta描述 将在未来竞争中占据先机。GEO优化不仅是技术层面的升级 就可能彻底失去这部分潜在用户。 就可能连进入潜在客户视野的机会都没有。 尽管GEO优化看似简单 尽管前景广阔 已经通过AI工具完成了初步供应商筛选。这意味着 帮助企业一站式应对AI时代的流量挑战。 当传统搜索引擎的增长红利逐渐见顶 当用户询问“哪家云服务商更可靠”时 成为企业规避风险、把握机会的关键。 我可以帮助你打造完整的SEO内容方案。 扩大信息覆盖面。 提升专业形象； 效果监测：建立数据追踪机制 更是一次关乎未来发展的战略转折。 更是企业数字化转型的重要组成部分。 更是战略 有67%的决策者在联系销售人员之前 某传统制造企业通过系统性的GEO（生成式引擎优化）策略 永远不晚。但再晚一步 现在行动 现状评估：分析企业在AI平台的品牌提及情况、竞争对手表现、现有内容资产； 生成式搜索引擎优化 相比传统推广方式 策略制定：明确优先优化平台、关键词规划、内容发布节奏； 策略需持续调整； 算法逻辑各异 而是希望直接得到精准、权威的答案。例如 让AI能准确理解企业价值； 还可能损害品牌声誉； 这不仅是一次全新的流量机会 这种变化带来的影响深远： 选择专业团队合作 选择专业的GEO服务提供商 选择服务商：评估技术实力、行业理解、服务体系等维度。 降低获客成本； 需针对性优化；
站长之家【阅读原文】 Tags：- 信任度提升：AI的回答往往被视为更客观、中立； - 内容质量要求高：低质量内容不仅无效 - 决策路径缩短：用户从提问到做出决策的时间大幅缩短； - 合规要求提升：各国对AI治理的法规日趋严格。 - 品牌提及率：从0提升至37%； - 品牌认知度：目标客户群体中的认知度提升23%。 - 品牌资产积累：在AI平台建立的权威性将成为企业长期资产。 - 多元化内容布局：在多个平台保持一致的品牌形象 - 多平台协同运营：确保在多个AI平台上的品牌一致性； - 平台差异大：不同AI平台如ChatGPT、Claude、文心一言等 - 成本低、回报高：一次投入可带来长期流量； - 技术不确定性：AI算法快速迭代 - 持续优化迭代：快速响应算法变化 - 效果评估复杂：需要专业工具和方法论进行持续追踪和优化。 - 权威性建设：发布高质量行业报告、参与权威访谈 - 竞争加剧：越来越多企业开始重视这一领域； - 竞争格局重塑：传统SEO策略的效果正在减弱。 - 精准触达用户：提升转化率 - 系统性策略规划：结合企业特点与行业趋势 - 语义关联优化：构建完整的知识体系 - 销售转化率：AI渠道的线索转化率比传统渠道高出45%； 。 ## 热门关键词 ### AI生成引擎崛起：流量争夺的新战场 ### GEO优化：不只是技术 ### 专业服务商的核心优势 ### 为什么需要专业服务？ ### 内容（由多段落组成） ### 投资回报分析：GEO优化的长期价值 ### 数据驱动的新竞争格局 ### 案例解析：制造业企业的AI转型之路 ### 用户行为正在发生深刻变化 ### 结语：抢占AI时代的品牌先机 ### 行动指南：如何开启GEO优化之旅 ### 风险与挑战并存 AIbase平台（[https：//app.aibase.com/zh/geo](https：//app.aibase.com/zh/geo)）专注于GEO优化 AI会根据其训练数据给出具体推荐。如果企业未能在AI的“知识库”中留下痕迹 AI浪潮已经席卷而来 AI生成引擎 AI问答系统依赖的是语义理解和大规模文本数据。这要求企业在品牌传播策略上进行全面升级： ChatGPT营销 GEO优化 GEO优化具有显著优势： WordPress 一个新的流量蓝海正在迅速崛起——AI生成引擎。根据最新数据显示 一项针对B2B采购行为的研究显示 与传统搜索引擎不同 且这一数字正以惊人的速度持续增长。对于企业而言 也可以继续告诉我 企业可以获得： 传统搜索模式正在被彻底颠覆。如今的用户不再满足于获取一堆链接 但GEO优化也面临一些挑战： 但其背后涉及复杂的算法理解、内容策略和效果监测： 例如 保持优化效果。 全球已有超过3亿用户开始通过ChatGPT等AI工具获取信息 准备好迎接AI时代了吗？ 制定个性化优化方案； 及时优化调整； 可能就真的错过了时代的风口。你的企业 品牌传播的游戏规则正在重写。那些能够快速适应、在AI平台上建立影响力的企业 品牌数字化转型 因此 在短短半年内取得了显著成效： 如果企业未能在AI平台上建立品牌存在感 如需进一步优化文章结构、增加标题标签（H1/H2）或撰写Meta描述 将在未来竞争中占据先机。GEO优化不仅是技术层面的升级 就可能彻底失去这部分潜在用户。 就可能连进入潜在客户视野的机会都没有。 尽管GEO优化看似简单 尽管前景广阔 已经通过AI工具完成了初步供应商筛选。这意味着 帮助企业一站式应对AI时代的流量挑战。 当传统搜索引擎的增长红利逐渐见顶 当用户询问“哪家云服务商更可靠”时 成为企业规避风险、把握机会的关键。 我可以帮助你打造完整的SEO内容方案。 扩大信息覆盖面。 提升专业形象； 效果监测：建立数据追踪机制 更是一次关乎未来发展的战略转折。 更是企业数字化转型的重要组成部分。 更是战略 有67%的决策者在联系销售人员之前 某传统制造企业通过系统性的GEO（生成式引擎优化）策略 永远不晚。但再晚一步 现在行动 现状评估：分析企业在AI平台的品牌提及情况、竞争对手表现、现有内容资产； 生成式搜索引擎优化 相比传统推广方式 策略制定：明确优先优化平台、关键词规划、内容发布节奏； 策略需持续调整； 算法逻辑各异 而是希望直接得到精准、权威的答案。例如 让AI能准确理解企业价值； 还可能损害品牌声誉； 这不仅是一次全新的流量机会 这种变化带来的影响深远： 选择专业团队合作 选择专业的GEO服务提供商 选择服务商：评估技术实力、行业理解、服务体系等维度。 降低获客成本； 需针对性优化；
互推合作 | 免责声明 | 算法备案 | AI资讯 | 关于AI部落
Copyright©2024 AI部落 AiClubs.cn AiBuluo.cn | AI工具大全 SiteMap XML 云标签 粤ICP备2024191087号
粤公网安备44049002000930
Copyright©2024 AI部落 AiClubs.cn AiBuluo.cn | AI工具大全 SiteMap XML 云标签 粤ICP备2024191087号
粤公网安备44049002000930