今日，AGI-Next 前沿峰会在北京举行，智谱创始人唐杰、月之暗面 Kimi 创始人杨植麟、Qwen 负责人林俊旸出席，刚刚履新 " 腾讯 CEO/ 总裁办公室首席 AI 科学家 " 的姚顺雨，也通过连线首度公开露面发言。

姚顺雨透露，最近在忙着做模型和产品，回国的感觉很好，吃的好很多。

关于模型分化这个主题，姚顺雨认为，有两个大的感受，一个感受是 to C 和 to B 明显发生了分化，另一个感受就是垂直整合这条路和模型应用分层也出现了分化。

姚顺雨表示，我们今天用 ChatGPT 的时候，其实和去年用相比，对于大部分人、大部分时候，感受变化已经没有那么强烈了，因为它能力变强大部分人感受不到，大部分人大部分时候其实不需要用到这么强的智能。尤其在中国，更多像是使用一个搜索引擎的加强版，很多时候也不知道该怎么样去用，去把它的智商激发出来。

相反，Claude Code 已经在重塑整个计算机行业。

对于 ToB 来说，很明显的一点就是智能越高，就代表生产力越高，就代表你可以赚的钱越多，这些东西都是相关联的。而且大部分时候，很多人愿意用最强的模型。

在姚顺雨眼中，腾讯是一个 To C 基因更强的公司，会思考怎么样能够让今天的大模型，或者 AI 的发展能够给用户提供更多价值。

以下是姚顺雨主要发言内容：

主题：大模型的分化

[ 主持人 ] 开场给大家讲一讲，包括你最近在忙什么？

[ 姚顺雨 ] 大家好，我现在是不是一个巨大的脸在会场？

[ 姚顺雨 ] 不好意思，今天没法亲自来北京，但是很高兴参加这个活动，最近就忙着做模型、做产品。

[ 姚顺雨 ] 对，我觉得就是一个很正常的状态。

[ 姚顺雨 ] 回国感觉还是挺好的。吃得好很多。

[ 主持人 ] 哎，顺雨，那个你能展开聊聊，就说你对模型分化这个主题的想法吗？就说硅谷，你看也都在分化，比如说 Anthropic 做了 coding，中国的很多模型做了开源，对吧？

[ 主持人 ] 过去 coding 提的也很快，包括 Google Gemini 也没有全都做，对吧？先把全模态这个做得很好，那你的老东家在重点做 ToC，对吧？

因为你是横跨中美的这个体感，就是可以给大家讲讲你的这个体感，就是接下来不管是自己也好，各家也好，就是分化这个点你是怎么思考的？

[ 姚顺雨 ] 对，我觉得有两个大的感受，一个感受是 to C 和 to B 明显发生了分化，另一个感受就是垂直整合这条路，以及模型和应用分层这条路也开始出现了分化。

[ 姚顺雨 ] 我先说第一点，很明显大家想到 AI 的 superior，现在想到的就是两个，一个是 ChatGPT，另一个是 Claude Code。大家可以认为它们分别是做 ToC 和 ToB 的典范。但很有意思的一点是，我们今天用 ChatGPT 的时候，其实和去年用相比，对于大部分人、大部分时候，感受变化已经没有那么强烈了。相反，Claude Code 可能一年前 Coding 的革命还没有开始，但现在，夸张一点说，已经在重塑整个计算机行业，做事的方式变成人不再写代码，而是用英语和电脑去交流。

[ 姚顺雨 ] 那我觉得很核心的一点就是，对于 ToC 来说，大部分人大部分时候其实不需要用到这么强的智能。对，就是说今天用 ChatGPT 和去年相比，它写抽象代数或者做伽罗华理论的能力变强了，但大部分人大部分时候感受不到。大部分人其实可能还是在，尤其在中国，更多像是使用一个搜索引擎的加强版，很多时候也不知道该怎么样去用，去把它的智商激发出来。

[ 姚顺雨 ] 但是对于 ToB 来说，很明显的一点就是智能越高，很多时候就代表生产力越高，就代表你可以赚的钱越多，这些东西都是相关联的。那对于 ToB 来说还有个很明显的点，就是大部分时候，很多人愿意用最强的模型。有可能一个模型是 200 美元一个月，第二强或者差一些的模型是 50 美元一个月或 20 美元一个月。

[ 姚顺雨 ] 我们今天发现，起码美国的很多人，会愿意花那个溢价去用最好的模型，因为可能他的年薪是 20 万美元，他每天比如要做 10 个任务，一个非常强的模型，可能 10 个任务里八九个就直接做对了，而差的模型可能只做对五六个。

[ 姚顺雨 ] 那问题就是，在你不知道这五六个是哪五六个的情况下，你就需要花很多额外精力去监控这个事情。

[ 姚顺雨 ] 其实我觉得无论是人还是模型，在 ToB 这个市场上都发现了一个有意思的现象，就是强的模型和稍微差点或者弱的模型，它们的分化会变得越来越明显。

[ 姚顺雨 ] 对，我觉得这是第一点观察，然后第二点观察就是垂直整合这条路和模型应用分层这条路的区别，我觉得一个比较好的例子可能就是 ChatGPT agent 相对于用 Claude 或者 Gemini，再加上像 Manus 这样的应用层产品，一方面就是说。

主题：大公司与创业公司做 AI 的差异

[ 姚顺雨 ] 我觉得腾讯肯定还是一个 To C 基因更强的公司，所以我觉得我们会思考怎么样能够让今天的大模型，或者 AI 的发展能够给用户提供更多价值。

但我觉得一个很核心的思考就是说，我们发现很多时候，我们的瓶颈可能在 ToC 这一端，不是更大的模型或更强的强化学习，很多时候可能是额外的 context（文本）和 environment（场景）。

我最近经常举的一个例子，比如我跟我老婆聊了很长时间天，那其实我们可以把聊天记录转发给元宝，反而会给用户带来很多额外价值。

然后我觉得 ToB 确实是一个非常难的事情，我们会思考怎么去把自己给先服务好。像创业公司做比如 coding（编程）这个事情和大公司相比，可能大公司本身就已经有很多应用场景，各种各样的 需要生产力变得更好的地方，很重要的一点就是说，对于真实世界更丰富的场景的数据的捕捉，是一个很有意思的事情。

主题：大模型应该思考的下一代概念是什么？

[ 姚顺雨 ] 自主学习几乎已经形成了一个共识，我根据我的观察，可能每个人对这个东西的定义和看法都不一样。

[ 姚顺雨 ] 我讲两点，我觉得第一点就是说我觉得这个事情的瓶颈其实不是方法论，而是数据或者任务。

[ 姚顺雨 ] 就当我们在谈论自主学习的时候，它到底是在什么样的一个场景下，基于什么样一个奖励函数去做？

比如说你在聊天的时候变得越来越个性化了，是一种自主学习；在写代码的时候就是越来越熟悉每个公司独特的环境或者文档，是一种自主学习；你去探索这个新的科学，然后在这个过程中就像一个博士一样，从完全不了解这个有机化学是什么，到变成这个领域的专家，这也是一种自主学习。

[ 姚顺雨 ] 但我觉得每一种自主学习其实挑战或者说方法论可能都不太一样。

[ 姚顺雨 ] 然后我觉得第二点就是说，我不知道这是不是个非共识，但我觉得这个事情其实已经在发生了，对吧？

很明显的 chatgpt，它是在利用这个用户数据在不断的拟合人的这个聊天的风格，使聊天的感觉越来越好，那这是不是一种自主学习。

[ 姚顺雨 ] 那今天 Claude Code，他已经写了 Claude Code 这个项目的 95%，在某种程度来说他在帮助他自己变得更好，这是不是一种自我学习？

[ 姚顺雨 ] 我记得我们当时 2022 年 23 年的时候做思维 agent，其实我去各个 AI house 去宣传这个工作，我当时写了一个第一页，这个 introduction ，就是说这个 ASI 的这个最重要的点就是自主学习。

那今天的 AI 系统其实本质上它都像是一个，它都有两部分，它首先它有个 New recode，它是一个一个模型，其次它有代码库，就是你怎么去用这个模型，是用来做推理还是用来做 agent？

它的相应的代码库，比如说我们今天看 Claude code 这个系统，它本质上有两部分，一部分是 open 这个 New recode，另一部分是怎么样去使用这个 New recode 的一大堆相应的代码，无论是这个 GPU 的，还是更往上的这个部署环境的，或者说它的这个前端，或者它的这个环境，它的这个 interface 应该什么样的？

[ 姚顺雨 ] 那当时我们想说的点就是说，那其实你做思维 agent 最大的一个初衷就是说，如果有一天思维 agent 他能自己去 improve 思维 agent recode，那他是不是就是这种理解？

[ 姚顺雨 ] 我觉得今天 Claude code 做的也在大规模的在做这个事情，但可能人们意识不到，或者说这些自主学习的例子可能还局限在每一个特定的场景下，没有让人感觉到这个非常大的威力，但我觉得就是说这个事情已经在发生了，只是说可能他学习的效率，或者说他受他场景的限制，有各种各样的问题，那可能这个事情我个人的看法是他可能会更像一个渐变，而不像一个突变。

[ 主持人 ] 诶，我再 follow 顺雨一个问题，就是有一些人对自主学习这个比较乐观，那个觉得 2026 年是能看到一些信号的，那从你看来，你觉得自主学习看到信号还有哪些实际的问题要突破呢？

比如说 long context 也好，这个模型的这个并行采样也好，或者其他从你看来，你感觉接下来还有哪些的关键条件具备了这个信号才会发生？

[ 姚顺雨 ] 那很多人说 2026 年才能看到一些信号，但我觉得 25 年其实已经有了信号。

比如说 Cursor 他们现在做的他们的 model，其实就是每几个小时就会用最新的用户数据去进行学习，包括他们现在新的 composer model 其实也是在使用我们这些真实环境下的数据去训练，当然大家觉得这个东西可能还没有特别石破天惊，是因为他们受限于他们没有预训练能力。

但我觉得这个很显然已经是一个信号，那我觉得其实最大的 bottleneck（瓶颈）是想象力，就是说假设有一天就我们可以很容易想象，比如说强化学习或者推理这个范式，它如果实现大概是什么样的？

我们可以想象一个 o1 这样的老伙计，我们在这个数学题上面本来是 10 分，现在变成了 80 分，然后我通过这个强化学习，有非常长的词表去做这个事情。

[ 姚顺雨 ] 但比如说如果 26 年或者 27 年我们有一个范式的发生，对吧？

就是说一个，包括说我宣布了一个这个新的模型，新的系统，它实现了这个东西，那我们应该用一个什么样的任务？然后它应该是个什么样的效果？

你会相信它实现的，比如说它会是一个赚钱的交易系统，它开始赚很多钱，就像这个 Trading bench ，还是说它真的解决了一个就人类之前没法解决的科学问题，还是别的，对吧？

那我觉得可能先要想象到那个 black box 是长什么样的。

[ 主持人 ] 顺雨那个因为 OpenAi 已经立了两次范式的这个创新了，你觉得如果 26、27 年有新的范式出来，全球范围内你感觉哪一家公司继续立的这个范式创新的概率最大？如果说一家公司。

[ 姚顺雨 ] 可能 OpenAi 还是会概率更大，但是我觉得因为它商业化各种各样的变化，我觉得它的这个创新的基因已经被削弱，但是我觉得它可能还是最有可能诞生新范式的地方。

[ 主持人 ] 多谢，多谢顺雨。