9月10日消息（报道：李楠）今日，在 2026 Inclusion·外滩大会开幕主论坛上，源码资本投资合伙人、美国国家工程院外籍院士张宏江以《人工智能加速演进：大模型技术发展的 3 点观察》为题，分享了他的判断。
开场他先把三个观察摆了出来：一是大模型是人类历史上发展最快的一次技术浪潮；二是这背后的驱动，是从基础模型到推理模型、再到智能体的快速演进；三是这种演进很快会在经济层面带来一次非常大的改变。
一年走完巨头十年，大模型跑出史上最陡的曲线
先看两家创新公司。成长最快的一家是 OpenAI，更值得注意的是另一家 Anthropic：它用一年时间，完成了谷歌、亚马逊、Meta 这些巨头几年甚至十年才达到的业务收入，而且完全是由大模型这一项单一技术驱动的。
技术的突飞猛进，改变的是节奏。今年 3 月，源码团队在硅谷问几家前沿大模型公司的工程师，预测一下到今年 6 月大模型会发展到什么程度，得到的回答是：预测 3 个月以后的事情，这个时间太长了，我只能说这 1 个月内可能发生什么。公司里的管理节奏同样被改写：过去有了一个好主意，老板说也许 2 个月以后给我个结果看看；今天说的是 2 个小时以后让我看看，因为执行任务的是 Agent，思考与迭代速度比人工编码快太多。
张宏江强调，驱动这一切的是大模型“能力”的突破，而不光是“性能”。沿用人类 IQ 测试来衡量，人类平均值是 100，而今天新发布的前沿模型测试结果都在它的右边，已超过人类平均 IQ。数学奥赛的结果更直观：拿到满分的团队里，除了中国的团队和其他团队，还有 Anthropic 和 OpenAI 两个模型，它们不是数学模型，没有经过奥数培训，是两个通用模型，完成竞赛的速度还远远超过人类。
今年 5 月《经济学人》的封面故事，记录的正是 Claude 发布 Mythos 时给行业带来的震撼，以至于美联储召集美国最大的 20 家金融企业召开金融安全会议。原因在于这个模型已具备软件架构师的能力和自我改善的能力，相当于架构师级别的数字员工，能执行的任务从简单的编程扩展到了黑客的能力、复杂系统架构师的能力。
从生态链看，被带动的不只有模型本身，还有底层的芯片，包括英伟达的芯片和国内的芯片，以及整个能源产业、IDC 产业，过去两年持续加速，投资已远超最初的想象。以数据中心为例，美国的投入速度和规模都已远超历史上的大项目，一百多年前的铁路投资、曼哈顿计划、阿波罗计划与之相比要小得多。
这样的投入一定会让人怀疑是不是过热。张宏江给出的参照是过去 IT 几十年：从最早的大型机，到 PC 时代、互联网时代、移动互联网时代，一波浪潮比一波浪潮高。生成式 AI 会是新的拐点，但它不只是 IT 产业的一次突破，而可能相当于人类历史上火和电的发明，是一次断层式的迁跃，拐点非常迅猛、非常陡峭。今天建设的不光是大模型的训练架构、推理架构，而是未来几十年的数字平台，不是工具和应用的升级，而是整个架构的升级。
三次突破三个台阶，AI 已经走进智能体时代
技术演进可以拆成三个拐点：三年半以前 ChatGPT 发布，宣告预训练的突破；一年多以前 OpenAI 的 o1 宣告推理模型的突破；不到一年以前 Claude Code 宣告长程思考链智能体技术的重大突破。三个突破让行业上了三个台阶，如果说这条路线分五层，今天的 AI 已进入第三层，进入了智能体的时代。
背后最重要的推动力是强化学习。如果说预训练是一个知识库，强化学习才是大模型真正的学习能力。参照人类，大部分思考是本能的快思考，真正决定思考能力的是慢思考；强化学习赋予系统的正是慢思考能力，它不光能根据训练数据快速做出决定，更重要的是慢慢学会如何学习，从授人以鱼变成授人以渔。今天只需定义奖励函数，它会自己去寻找工具。
速度还在加快。过去两年多，Agent 完成任务时思考的长度每 7 个月翻一番，从今年发布的推理模型看，这个周期已加速到 4 个月。角色也在变化：大模型从对话的工具变成助手，从被动接受对话到主动完成任务，未来还会从单一智能体发展到智能体群，也就是 Agent Swarm。架构上，从最早所有东西都在模型里面，到今天变成用 Harness、Skills 构成的 Agent 系统。
根本上，这是递归自我改进能力（RSI）的出现：AI 驱动自己的进步，不断提出模型训练的改进方法，经筛选后用大量算力验证，得到进一步改善，形成循环。这个循环再扩大，就是更强的 AI 设计出更好的芯片、更好的机器人，建起更多数据中心的大循环。一旦形成，生产力的提高将会加速。
Token 是智能体经济的新货币，值钱的是完成任务的能力
过去三年，Agent 从最早的编码模型、只能完成一些编码补全，到跟 Agent 对话能完成非常复杂的编程，未来还将从 0 到 1、从 1 到 100 完成完整的系统设计、自主构建工具，直至成为完全自主的智能体系统。
由此形成的经济体也在变。用神经网络的视角看，今天经济体里每个人是一个神经元，未来每个智能体是一个神经元；今天的经济网络由人、企业、国家之间的交互流通形成，未来则是智能体所形成的经济网络。
任何经济体都有货币，在智能体经济里，这个货币是 Token。既然是货币就有币值高低，要的是最具价值的 Token。张宏江的说法是，Token 是新一代的茅台，你要的是茅台，而不是一般的烈酒：Agent 能力强、大模型能力强、算力强，Token 的价值就会比别人高。所以不只要看 Token 的售价，更要看完成一个复杂任务需要多少 Token。
软件的范式也开始转移。过去开发的所有应用都针对人，因为经济体里最小的神经元是人；今后这个最小神经元是智能体本身，整个软件的范式会从针对所谓人的用户界面转向针对智能体，未来智能体之间的交互带来的变革非常深刻和深远。
把 know-how 变成模型，涌现的坡度就是公司竞争力
智能体经济会带来整个产业结构、企业结构的变化。过去企业的资产是人、是 know-how 和 IP，今后则是算力、模型本身的能力和数据的能力，是数据飞轮能不能转起来。组织重构与商业模式演变也正在发生：过去传统的所谓“数段”结构，未来会被一个扁平的、大量节点由 Agent 取代的新的经济结构取代。
那么企业未来的竞争力在哪？一句话，在于能不能把公司里的 IP、know-how、用户关系、产品能力变成智能、变成模型，而且这种模型一定要出现涌现。ChatGPT 的发布正是因为预训练的模型在规模大到一定程度后出现了涌现；今天，企业能不能把过去的 know-how、客户关系、核心竞争力变成一个模型，这种模型能不能真正出现涌现，这种涌现的坡度，就是未来公司的竞争力。
从大模型能力的陡峭攀升，到强化学习驱动的智能体，再到以 Token 为货币的智能体经济，张宏江的三点观察指向同一条线索：技术侧的加速度正在向经济结构、产业结构和企业组织形态传导。
来源：速途网