kevin

这简直就是WAIC最值得听的演讲。 刚刚进入 2026 年下半年，AI 的进展依然非常快，信息多得让人有点喘不过气来。 在这样的时间节点，再听听阶跃董事长、千里科技董事长印奇 WAIC 在主论坛开幕式上讲他对 AI 发展脉络的理解，还是让我很受启发。 我想写写自己的感触。前奏可能有点长，因为印奇提到说他发现过去 70 年来 AI 技术的发展脉络，呈现出高度的连续性。 恰好这段时间我在看《人工智能简史》，深有感触。记得丘吉尔说过，你能看到多远的过去，就能看到多远的未来。 1 过去 70 年，人工智能一直在解决一个问题：怎么让机器拥有接近人类的通用智能？ 最早影响很大的一条路线是符号主义。基本想法是把人的知识和推理过程写成一套符号与规则。 比如，如果发生 A，就执行 B。满足某几个条件，就可以推出一个结论。 这个思路很好理解。既然人会根据规则推理，那就把规则教给机器。可现实世界太复杂了，规则无法穷举。 后来，机器学习逐渐成为主流。人们不再试图把所有规则一条条写给机器，而是让它自己从数据中寻找规律。 比如给模型看大量猫和狗的图片，经过训练之后，它逐渐能够判断一张新图片里出现的是猫还是狗。 再之后，深度学习和大模型把这条路线推到了新的高度。尤其是过去几年，模型开始拥有比较强的语言理解、内容生成和推理能力。 AI 第一次能够比较自然地和人交流，也能够处理过去很难通过固定规则解决的问题。 顺着这个框架继续往下看，到了 2026 年，大模型其实又走到了一个新的节点。 大家有没有发现，去年国内几家大厂还在争论元宝、千问、豆包这些聊天产品谁能抢到用户入口。 今年，大家争抢的重点已经慢慢变成了 Agent 入口。 因为过去我们使用 AI，主要还是让它回答问题，或者完成一个很短的任务。 现在的 Agent 已经开始处理持续几个小时甚至几十个小时的复杂任务。而且，AI 对于编程语言的驾驭能力也逐步超过人类。 Agent 的条件已经成熟。AI 从模仿人类逐步开始在部分任务上超越人类。 2 还有一个让我恍然大悟的观点，印奇说他发现这些年 AI 的发展过程中，所有的重要里程碑都和语言紧密相关。 维特根斯坦说过：语言的边界，就是世界的边界。大概意思是，人能够理解什么，很大程度取决于语言。 没有语言描述的东西，人就很难思考。比如一个人如果没有颜色的概念，他就很难理解红色。 对 AI 也一样。 如果 AI 只理解自然语言，它主要能进入的就是文字、知识和对话的世界。我们告诉它一件事情，它能够听懂。 我们问它一个问题，它能够回答。这已经非常重要，但它的能力大部分还停留在语言里。 这两年，Agent 能力突飞猛进的原因之一就是因为模型充分掌握了编程语言。 因为代码可以调用 API、读取数据库、操作软件、修改文件、控制系统。 AI 一旦能够理解和生成代码，就相当于拿到了进入整个计算机世界的一把通用钥匙。 这也是为什么过去一两年，模型 Coding 能力如此重要。编程语言会扩展 Agent 的边界。 紧接着，还有一个判断：Agent 肯定会成为未来生产力的最小单元。 过去的软件，其实没有资格成为一个独立的生产单元。Excel 很强，Photoshop 很强，搜索引擎也很强，但它们仍然是工具。 真正理解目标、拆解任务、检查结果的，始终是人。所以过去一个组织里，最小的执行单元通常是一个人或者一个岗位。 Agent 带来的变化，是它开始能够独立跑完一段相对完整的工作闭环。 我们给它一个目标，它可以自己拆解、调用资源、执行操作、检查结果，然后交付成果。 打个比方，过去的软件像车床和传送带，每台机器只能处理一个步骤，需要工人在中间操作和衔接。 Agent 更像一个可以独立接收任务的工作站，原料交给它，它能够自己安排步骤，处理过程中出现的问题，最后交付一个相对完整的产出。 或者这么讲，过去的软件，本质上增强人的能力。而 Agent，会直接成为生产过程的一部分。 一旦 Agent 成为这种基本执行单元，整个生产力的组织方式都会跟着变化。 3 会发生什么变化呢？简单来说，印奇认为会出现新系统、新载体、新网络。我分别讲下自己的理解。 第一个是新的系统。 过去几十年，每次计算平台发生重大变化，操作系统都会随之变化。 PC 时代出现了 Windows 和 macOS，主要负责管理电脑上的硬件、文件和软件。 移动互联网时代出现了 Android 和 iOS，手机上多了摄像头、定位、通知和各种传感器，操作系统需要把这些能力管理起来，再开放给不同的 App。 到了 Agent 时代，操作系统需要管理智能体的身份、权限、记忆和协作等等。 所以演讲里提出了一个公式：智能体能力，等于模型能力 × Agent 操作系统能力。模型像大脑，决定 Agent 能不能理解和思考。 Agent OS 负责把模型和外部世界连接起来，给它提供记忆、工具、数据、权限和运行环境。 这一点我听完还是挺有启发的。从 PC 到移动到 Agent，每一次平台变化，操作系统管理的对象都不一样，这条脉络一拉出来就很清楚。 第二个是新的载体。 相信看到这里，大家就能理解为什么 OpenAI 会做硬件了。 移动互联网时代，手机这样的终端主要负责连接人与数字世界，所有操作都由人来完成。 到了 Agent 时代，终端会重新围绕 Agent 来设计。 比如过去出门旅行，我们需要自己打开地图、查看日程、搜索航班，再分别处理各种信息。 未来 Agent 可能已经知道我们的行程，看到航班延误之后，主动调整后面的安排，并把新的方案告诉我们。这完全是不同的逻辑。 所以这一轮所谓的 AI 硬件，真正要解决的，可能也不是在现有设备上增加一个聊天入口。 大家都在寻找一种更适合智能体长期存在、持续感知和随时行动的载体。 它可能仍然是手机，也可能是耳机、眼镜、汽车或者机器人。 具体最后会长成什么样，现在还很难判断，但可以确定的是，一定会有新的载体出现。 第三个是新的网络。 互联网连接的是人、信息和服务。到了 Agent 时代，还会出现大量智能体之间的连接，也就是 A2A 网络。 最近我就在公司里搭了一个很小的 Agent 局域网，让不同同事的 Agent 可以互相发送任务、同步进度。 比如我的 Agent 发现一个产品问题，可以直接把问题交给研发同事的 Agent，后者分析原因、尝试修复，再把结果发回来。 当然，这套东西现在还很早期。诸如权限怎么管理，传递的信息出了错又该由谁负责，都还没有成熟的答案。 但只要 Agent 能够独立承接任务，它们之间产生连接和协作，就是很自然的结果。一个 Agent 不可能擅长所有事情，它也需要寻找其他 Agent，分配任务，再把结果整合起来。 很有启发。提纲挈领。

Wan-Streamer v0.3 Improved real-time, full-duplex audio-visual agent from Alibaba. - ~200ms latency - laughing/taking a sip of water - on the fly based on the conversation. - everything stays perfectly synced - 25 FPS; 640×368 Real streamers will die out by the end of the year wan-streamer.com/v0.3/

Big news: Kimi-K3 by @Kimi_Moonshot is now #1 in the Frontend Code Arena with 1679 pts, surpassing Claude Fable 5. This is a 17-place jump from Kimi-k2.6 (#18 -> #1). In Frontend, Kimi-K3 ranked #1 in 6 of 7 domains: Brand & Marketing, Reference-Based Design, Data & Analytics, Consumer Product, Simulations, and Content Creation Tools, landing #2 only in Gaming behind Fable 5. The full model weights will be released by July 27. Congrats to the @Kimi_Moonshot team on this major milestone!

Big news: Kimi-K3 by @Kimi_Moonshot is now #1 in the Frontend Code Arena with 1679 pts, surpassing Claude Fable 5. This is a 17-place jump from Kimi-k2.6 (#18 -> #1). In Frontend, Kimi-K3 ranked #1 in 6 of 7 domains: Brand & Marketing, Reference-Based Design, Data & Analytics, Consumer Product, Simulations, and Content Creation Tools, landing #2 only in Gaming behind Fable 5. The full model weights will be released by July 27. Congrats to the @Kimi_Moonshot team on this major milestone!