智东西（公众号：zhidxcom）
作者 | 杨京丽
编辑 | 心缘
智东西7月7日报道，7月2日，2026中国智能体大会在杭州举行。在开幕式高端对话环节，智东西联合创始人、总编辑张国仁，与天津大学教授、MemoraX AI创始人郝建业，阿里巴巴Qoder产品线技术副总裁谢吉宝，原粒半导体创始人兼CEO方绍峡，围绕“从个人到企业，智能体的造桥与过桥”展开讨论。
▲高端对话：从个人到企业，智能体的造桥与过桥
这场高端对话从2026年上半年智能体行业的热度变化切入，讨论了智能体从个人使用走向企业落地、大厂与创业公司的产业分工、智能体普惠的关键门槛、Agent Computer（智能体电脑）与AI PC的本质差异、记忆系统与多智能体协同，以及AI时代工作方式变化等核心问题。
三位嘉宾都认为，智能体行业正在从概念热潮走向更务实的产业阶段。谢吉宝谈道，客户已经不再只看demo，而是关心能否端到端完成任务、能给企业带来多少效能提升；投资人也开始追问产品ROI、商业变现逻辑和单任务端到端成本。他说：“热的其实叫概念，只有降温冷却下来的才叫产业。”
▲阿里巴巴Qoder产品线技术副总裁谢吉宝
在大厂和创业公司的分工上，三位嘉宾都提到了“互补”。郝建业认为，Agent未来市场空间“至少是万亿，甚至更大”，初创公司可以从细分行业赛道切入，通过数据壁垒持续提升竞争力。谢吉宝则给出了一个比较直观的比喻：大厂更像是造发动机的，创业公司可以基于发动机去造各种各样的车。
关于智能体普惠，郝建业认为，大模型作为工具已经普惠到大众，但更高阶的个人助手和生产力工具还没有真正普惠。方绍峡则指出，如果让智能体在企业真正成为数字员工，还要跨过数据安全和成本两道坎。
▲天津大学教授、MemoraX AI创始人郝建业
围绕Agent Computer，方绍峡称，AI PC仍然围绕人类交互来打造，而Agent Computer要从Agent自身的业务特性出发。他说，如果刨开人类交互需求，重新思考一台适合Agent持续运行的电脑，“你会发现这东西长得就不是一个笔记本”。
▲原粒半导体创始人兼CEO方绍峡
记忆系统也是圆桌中的重要议题。郝建业谈道，受Transformer架构和Attention机制（注意力机制）限制，当上下文超过几十K后，基模性能仍会急剧下降，因此必须通过新的长周期上下文管理机制。
谢吉宝也提到，在Qoder落地过程中，从Agent内核、IM连接到记忆，每个环节都可能卡住，但“最难的可能是记忆这一块”。
张国仁总结说，如果说2025年行业还在讨论智能体“能不能造”，那么2026年已经开始争论“桥有多宽、能建多宽、承重有多少、怎么收费”。三位嘉宾都给出了一个乐观信号：中国在AGI的工程化、端侧创新和场景落地上，完全有机会在这场全球范式跃迁中占到一席之地。
▲智东西联合创始人、总编辑张国仁
以下为本场高端对话的实录，智东西做了不改变原意的编辑：
1、张国仁：在2026年的上半年，AI智能体行业是否有由热变冷的趋势？如果有的话，是坏事还是好事？
谢吉宝：我感觉是有降温的，我觉得降温是一件好事，其实降温的过程主要是把一些泡沫剔掉了，留下来的都是一些真正干活的人。
我能自身感受到几个方面，比如说第一个就是客户，可能这是我接触最多的。客户在去年和今年最大的变化就是更加务实了。以前到客户那边，可能展示一个demo，客户觉得这个很好。
过往一年，很多企业出现了一个叫“崩老头”的现象。为什么“崩老头”呢？就是觉得AI很好，我应该积极拥抱AI， AI能够帮我把企业做大做强，结果发现搞了一圈，可能给自己带来的都是一些情绪价值。随着所谓的降温，我觉得大家越来越成熟，越来越冷静了。
再到客户这边，他今天关心的不是你有没有一个demo，而是你能不能真正的去落地，帮我去解决企业的问题，端到端的完成一个完整的任务，给我企业的效能带来多大的提升？有没有量化的考核？这是我从客户侧能够看来的一点变化。
第二个从投资圈也能看到一些变化，从接触的一些投资圈的朋友来看，其实他们也变得更加务实了。以前去投资的时候，可能是看脸，看团队背后的光环怎么样子，看团队有哪些资源？今天他看的更加是务实的，就是你产品的ROI怎么样？你产品的商业变现逻辑到底怎么样，以及你这个产品单任务的端到端的成本到底怎么样？你后续的发展是什么？
所以从这些视角上来看，我觉得确实是降温了，但我觉得降温其实是件好事，我觉得热的其实叫概念，只有降温冷却下来的，才叫产业，所以我觉得这是回归理性的一种表现。
郝建业：我的观点是类似的。今年上半年春节之后，出现以龙虾为代表的这一波所谓的AI热潮。大家知道这个段子，出现一拨人装OpenClaw的人，后面又有一拨需要卸载OpenClaw的人，所以可能也推成了一些新的产业的机会。
因为我们最近在做记忆模型，所以我们也系统地分析了一下，这一波热潮之后，以龙虾为代表的平台上，到底哪些人真的在用Agent？高频的场景是什么？我们分析下来发现，其实最高频的还是做Coding（编程），也就是这些程序员。
第二类，就是做知识类、管理类的，但是这里面有很多类型的群体，比如金融类从业者、投资人。其实我了解到很多投资人，他每天的工作都在高频的用龙虾、Codex或者是Claude Code，他们会用类似的平台帮他们做非常复杂的金融分析、投资行业的调研、分析、决策等等一系列的事情。
所以我觉得所谓的降温，更多的是一个去伪存真的过程。大家可能很多人是由于技术的好奇，先去试用，然后发现不知道怎么用，或者不知道真的能干嘛。慢慢地蜕变成，有一些高频用户，他发现确实能给他带来很大的生产力的提升，带来真正的价值，所以他愿意去付费，包括我们团队每天都在大量的用Codex或者Claude的工具做代码的生产。
其实用户有这个刚需，他的日常的工作环节很多，他希望用Agent替代，但是现在做不到。我觉得现在是处于这样一个阶段，所以我更多的是一个更乐观的态度，大家无论是资本市场，还是产业界，还是学术界，都对这个现在的这个Agent的未来的上限是充满信心的。
我们今天也提到了很多现在Agent真正能够自主化，存在很多需要攻关的问题。我相信这些问题在不远的将来肯定都可以一定程度，甚至很大程度得到解决，让更多的行业的人能够真正的使用，享受到这波福利。
方绍峡：我感觉热度的下降，可能从另外一个角度来讲，可以说它进入了一个更高质量发展的阶段。我们公司的目标，是去做一个Agent的硅基底座，本身我们自己也是Agent的重度用户。我们从自己体验的角度来讲，我感觉整个业界也在发生一些几点变化。
第一，大家现在普遍从过去概念很火，到现在变得更务实，Agent这么好的东西怎么结合到企业业务的生产流程里面，这是大家开始关注的一些更实际的问题。第二，过去可能有一些Agent是通用Agent能力，现在其实逐步开始演进、分化到各个垂直细分行业。第三，随着Agent能力的推进，大家也越来越关注Agent的成本问题。我认为，这也是现在整个行业对Agent的看法和认知不断深入的过程。
所以从我们最后感知的结论来讲，我认为这其实不是降温，而是现在更多企业正在试图把Agent结合到自己真正的生产工作流里面，变得更加务实和高效，到了这样一个新阶段。
2、张国仁：在AI智能体的大潮中，创业公司和大厂分别会在这个产业当中扮演什么样的角色？
方绍峡：我先说结论，我认为这一定是一个互补的生态，各有各的特色。从大厂的角度来讲，它天然有海量的算力、最强的模型能力，包括海量的用户和入口，所以它天然适合去做大算力的基础设施。
对于创业公司来讲，我觉得机会在一些不同的层面上。比如刚才提到各行各业现在都要有一些自己真正的垂域Agent，每个行业其实都有一些隐性知识。我觉得这反倒不是大厂做一个通用智能体，就能够普适的。这是创业公司的一个大机会。
再一个，围绕整个智能体生态，包括智能体的Infra，从OS（操作系统）、runtime（运行时），再到底层新的智能体设备，这一块会有很大的机会。
第三，我认为智能体会带来整个计算范式的变革。在这样的变革下，面向垂直领域、更专用领域的芯片，包括硅基底座，我认为也会有很大的机会。
所以总结一下，就是大厂负责通用和基础设施，小厂、创业公司负责垂直创新。
郝建业：我比较同意方总的看法。我补充的点是，第一，不管是初创公司还是大厂，都是要商业化，商业化是最重要的目的。从商业化角度讲，我觉得大家肯定是各有分工的。
我相信Agent未来的市场空间是足够大的，至少是万亿，甚至更大的市场。所以不仅仅只有大厂才有空间。大厂一般来讲，我类比它更像一个巨大的动物，比如大象；初创公司更灵活，更像猎豹。
大厂做战略转型往往很慢，而且转型成本很高，所以它一般具有更强的后发优势。它的目标往往是瞄着体量足够大的市场，通过巨大的资本积累、人才密度积累，去做后发的一些事情。
对于初创公司，我觉得可以更多从一些细分行业赛道入手，找到适合自己长期深耕的，能够通过数据壁垒持续提升自身产品核心竞争力的细分场景，找到自己的生存空间。这是从商业化角度来看。
第二，从更重要的技术上看，我们现在看到AI技术发展非常快，基本每个月都有新的技术变化。回顾过去几年，这一代AI技术很多都是在初创公司产生的。即使是在大厂，也基本都是在大厂团队非常初期、比较自由发展的时候诞生的。往往团队规模越大，它的创新力就会受到一定程度的影响。当然这个跟团队管理机制相关。
所以我觉得在这方面，初创公司在引领技术创新方面会有一些自己的先发优势。可以从技术创新和寻找合适落地场景两方面结合，跟大厂生态形成互补共赢的方式。
谢吉宝：我和前两位嘉宾的观点差不太多。如果做个类比，其实大厂更像是造发动机的，创业公司可以基于发动机去造各种各样的车。
大厂有大厂的优势。比如它可能有很多卡，有很多资源，也有很多自己积累的，比如超级APP或者桌面端的一些流量入口。同时它还有企业合规、信任认证等体系，这些体系是靠大厂长期积累沉淀下来的，不是靠一个创业公司拿了一笔热钱就能够快速砸出来的。我觉得这是大厂的优势。
创业公司也有创业公司的优势。第一个优势，是它可以在垂类行业去做Know-how。因为大厂做得面广，垂类行业可能做得不够精。而垂类行业往深了去，尤其是AI带来的变革，是一种质的变革，不是在原有业务上做一个AI+，它可能是从头革新，而这种变革可能大厂是关注不到的。
在垂类行业里，创业公司有非常多优势。它只能靠自己对于垂类行业业务的理解，以及对于AI的理解，一寸一寸地把这块业务啃下来。我觉得这是垂直创业公司的第一个优势。
第二个优势是创业公司的组织非常灵动。当发现有问题的时候，它可以快速调整、快速进攻。所以在业务调整和应对市场上，它可以做得更加灵动。
第三个，刚才前面两位老师也讲到了，AI时代很多创新都来自创业公司。我觉得这也是创业公司最大的优势，就是它可以做颠覆式的产品创新。以它对于这个行业Know-how的理解以及对AI的理解，它可以彻底革新一种模式，而不是沿着原有模式走，所以在这几方面会比大厂有优势。
在未来，大厂和创业公司之间，我觉得都是相辅相成、彼此依赖的关系。就像我刚才举的例子，更多是发动机和车的关系。大厂把发动机造好，创业公司可以基于这个发动机，造各种各样款式的车，来满足各种人类的诉求。大概是这样一个关系。
3、张国仁：智能体如果要普惠，最大的挑战是什么？距离我们真正每个人拥有一个能干活的智能体还有多远？中间还有哪些障碍？
谢吉宝：我觉得普惠这件事情跑了这几年，其实个人使用AI基本上已经普惠了，大家手机里面或多或少都已经装了一些AI产品。我觉得个人普惠主要靠产品。
如果说智能体使用，其实也是一样的。大家以前可能只是一个Chat，但是今天手机里面其实已经使用了一些Agent在做一些工作，这背后其实都是Agent。
对个人而言，我觉得手机可能是一个比较关键的入口。但是对于企业而言，它可能涉及到另外一个问题，能不能信得着的问题。信得着的话，其实就是工作的产出、合规的边界、权限的边界等等这一系列问题。我觉得这一块落地可能还需要更多时间，但是从今年来看，我们已经能够看到非常好的趋势，正在往这个方向走。
郝建业：我觉得现在用大模型来做工具，个人感觉已经普惠到大众了。比如我亲身的例子，我父母这一代，他们就在高频使用豆包之类的大模型产品，问答一些问题，替代以前的搜索。
我觉得现在没普惠的是更高阶的应用，从这种简单的单次工具使用，到真的能够成为我们的个人助手，包括生产力工具这一类的普惠。但是Coding我觉得现在是普惠最广的，程序员基本上如果你不用Codex、CC（Claude Code），很难说你是一个程序员。
其他行业的专业工作者，他们也是有这个诉求的。他们非常希望能有更强的Agent，帮助他们提升日常工作效率，或者成为他们非常得力的个人助手，帮助他们做行业分析、决策、规划等一系列事情。所以我觉得这可能是目前最欠缺的地方。
这个落地，今天各个嘉宾分享了很多，我觉得Agent能力上还有很多不足。但我相信未来，在不远的将来，这个事情应该肯定是可以做到的。
方绍峡：我认为可以从两个方面看。Agent这种普及，从个人应用来讲，我认为很快。但是如果我们瞄向一个真正万亿美元级的数字劳动力市场，让它在企业真正成为数字员工，我认为现在普遍还有两个比较大的坎，限制了这件事的普惠。
第一个是可信和数据安全的问题。第二个是成本问题。今天在企业里，让你的Agent去做更多事情，势必会涉及到我要给你开放更多数据、更多权限，那就会带来一系列问题：这个任务怎么定义？出问题了怎么追溯？一旦引发严重问题，我怎么善后？会有一系列问题。
第二个层面，就是能力问题解决了，数据边界问题解决了，成本问题怎么解决？如果我想把几千、几万个员工，每个人都配上，每个人都配10个助理，这个成本我是不是受得了？我觉得整个业界还要在这一方面努力。一旦这些问题有比较好的解决方案之后，就会迎来真正的数字劳动力普惠。
4、张国仁：方总，我记得您的PPT里有一页提到了智能体所代表的不同时代计算平台的切换。这里想请您判断一下，智能体时代的平台切换窗口期大概会有多久？
方绍峡：我认为这个窗口期其实也很快，可能在未来3到5年，就会迎来一个比较大的变革。但这种变革不是突然间发生的，它一定是先有了计算主体的逻辑变化，才会释放这样一个信号。
从当下来讲，这个信号是什么？其实就是一个大家现在都已经看到的事情：智能体，或者说AI，正在从工具变成一个持续运行的系统。我认为这推动了从上层的软件应用生态，到中间的Infra，再到底层硅基底座的变革。这个变革的周期，我觉得在当下已经开始了。
张国仁：如果要看到更本质的量变，大概要多长时间？
方绍峡：我觉得3年左右，我比较乐观。
5、张国仁：您前面从算力角度探讨Agent Computer（智能体电脑）这个话题。我想请问一下，在电脑里用AI和为AI重新发明电脑，是不是AI PC和Agent Computer的本质区别？适合跑智能体的下一代计算机，应该具备哪些特点？是不是还会发生一些形态变化？
方绍峡：为什么提Agent Computer，包括刚才前面的专家也提到，要给Agent一台独立的电脑。你会发现，它们看似都是Computer，但是设计出发点不一样，结的果子也会不一样。
AI PC整个还是围绕人类交互来打造的，比如鼠标、键盘、屏幕这些东西，完全是为人类服务的。假设今天面向AI PC的即时交互去做，大家在Token速度的追求上，可能追求到人类阅读是流畅的，日常报告生成是流畅的，到这个层面就为止了。
但是从Agent Computer来讲，从这样一个新物种的定义来看，它其实完全是围绕Agent本身的业务特性，从第一性原理出发，考虑哪些是必要的，哪些是不必要的。
如果今天刨开人类的交互需求，这台电脑应该长什么样？比如刚才说到资源问题，它跟人挤在一台电脑里，人就可能用得很卡顿。权限问题，它把人类的文件夹一顿整理，我自己找不到了。包括笔记本盖一合上，它就不工作了。还有功耗问题，它一直工作，是不是耗电很厉害？我觉得从Agent的业务角度，需要原生地、从第一性原理去考虑一些问题。
一旦从这样的角度去推导，你会发现这东西长得就不是一个笔记本。那它具体长什么样，可能也需要全行业一起去探讨。
6、张国仁：接下来想请教一下郝教授。今年百万Token超长上下文几乎成为了很多顶级模型的标配。既然有那么长的上下文窗口，我们能够进行多轮对话，它也能记住，那我们为什么还需要一套独立的记忆系统？以及会不会有一个中间过渡阶段？
郝建业：现在我们看到，前面嘉宾也有提到这个观点，现在最SOTA的基模可以支持百万级别的上下文，但这已经是非常挑战的一个Window Size（窗口大小）。即使在这样一个前提下，我们实测也会发现，当上下文真正装载超过几十K之后，它各方面的性能就会有急剧的下降。
第一，这本身是由现在基模的Transformer架构、Attention机制（注意力机制）所决定的。所以我觉得这是现在基模一个内在的固有缺陷。它再怎么提升，永远做不到当上下文非常长之后，把一些关键信息做合适的理解、抽取和利用。
第二，回到实际Agent应用场景，比如以Coding（编程）为例。大家如果用Codex，就会发现它本身带有记忆压缩、上下文压缩机制。它本身就是在解决程序员使用过程中，上下文超出基模上下文上限的问题。大家可以理解为，它自带的记忆其实是一个非常简单的上下文压缩缓解方法。
换句话说，现在当你真正把Agent带到自己的工作场景之后，你就会发现所谓一百万Token上下文，甚至更多的上下文还是远远不够的。这注定了我们必须要有一种全新的方法，不论是所谓外挂式的，还是我今天提到的代表未来的参数固化或者内生的方式，去做更好的长周期上下文管理。我觉得这是必然的技术趋势。
至于它是不是一个中间态，我觉得有可能未来如果基模架构有颠覆式变化，比如Transformer不是现在基模的Backbone（主干架构），那有可能会演化出计算或者推理和记忆内生为一体的新型架构。我们也在探索这方面的事情。
但至少短期内，比如几年之内，还是以现在的基模架构为核心。想要解决记忆问题，还是要以我今天前面重点讲的这些方式，通过学习的方式，对整个记忆周期做高效管理。以我们现在的进展来看，我们觉得从工程实现上，这是一套非常高效、切实可行、能够快速落地的方案。
7、张国仁：关于记忆体系。MCP、A2A这样的一些协议，已经成为更多智能体协同协作的底层设施。同时业界也在讨论自进化的整体，当多个智能体协同时，记忆系统该共享还是隔离？这里面是不是也有一些处理技巧，或者重要原则？
郝建业：我们现在跟一些客户对接需求，也会发现大家都会有这个问题。比如一个公司内部可能有多个不同的智能体，智能体背后可能代表的是不同的员工，它们之间会有权限问题。
这里面涉及到一些公司资产。比如公司的资产沉淀成记忆之后，包括公司的一些管理流程、公司的一些经验，这些东西要做权限管理、记忆权限管理、授权问题，包括不同级别、不同职级、不同职能员工之间的权限授予问题。
比如我们现在在做通用的MemoraX AI的记忆系统，从系统设计上就会原生支持这样一套多用户、多权限管理的基本功能。当然这里面更重要的是，怎么在保证符合数据安全、隐私规范的前提下，让不同智能体之间能够更好地复用记忆或者经验，实现整个组织或者整个系统的优化。
这个得是现在从技术层面我们在重点攻关的问题。它也可能面向未来，包括方总提到未来的Agent Computer，也存在这样一个问题。如果一个Agent卡片里面可能有不同的数字员工，数字员工之间的权限管理，包括记忆系统的数据权限管理等一系列问题。我觉得这是未来非常重要的一个全新课题。
8、张国仁：接下来想请教谢总，先问一个关于Qoder的问题。QoderWork在本地执行、持久记忆，还有IM（即时通信）闭环的流程上，哪个工程上是比较难啃的？从给建议到交付结果，可靠性的门槛通常会卡在哪些环节？
谢吉宝：每个环节都有可能卡住。因为要端到端地执行一个任务，从最开始的Agent内核，也就是Agent Loop（智能体循环）的执行，到它调用各种各样的工具，这会有很多问题。
比如什么时候桌面智能体成熟了，决定去做这件事情？实际上是模型在调用工具的准确度，以及执行长程任务的能力达到一定阈值之后，这件事情才发生。所以这件事情应该是在去年12月底，模型能力有了一个比较大的提升之后，才成为可能。这是第一步，Agent内核这一侧。
第二步是对外连接和对外IM连接，本质上来讲也是工具调用。但是IM，因为以前所有这些外部生态都是为人设计的，今天要为Agent设计，实际上要做比较大的改造，它天然不是为Agent设计的。像今天主流的IM，像钉钉、飞书或者企业微信，这些其实是从底层直接抽象出一个CLI（命令行界面）工具给Agent去用。
为什么抽象出一个CLI工具？最主要是因为整个模型在训练的时候，它擅长的环境其实是一个类UNIX环境，它训练的语料也是编程相关语料，所以它更擅长执行CLI，整个执行成功率也会更高。所以这一侧也会有一定问题。
第三层就是记忆这一块。刚才郝教授可能有更深刻的讨论，记忆这块也有很多问题。因为在真正工程落地的时候，会分很多种记忆。比如个人在使用一个产品的时候，涉及到全局记忆，这是围绕个人的；还需要涉及项目之间的记忆，项目记忆涉及你和团队之间的协作，比如编码风格、编码习惯，团队对于代码的一些约束，这些是项目级别的记忆。
还涉及什么？如果我们和数字员工在一起，我们和Agent之间，Agent和Agent之间，Agent是有自己独立记忆的，那么在Agent和组织协同之间，你怎么去协同这种记忆？当这几种记忆混杂在一起的时候，你如何保存、如何召回，这个很关键。
保存不是说存储越多越好。你存储得越多，召回质量可能就会变差。这就像一个人一样，当你的大脑足够聪明，把从小到大所有事情都记得，一件都没有忘记的时候，其实对于当下并不是一件好事。造物主在造人的时候就给我们建立了遗忘机制，我们会自动忽略一些不重要的信息，所以在做决策的时候，才能够依据关键信息做快速决策。
但是如果你今天让Agent把所有信息都记住，然后再让它去做决策，整个决策时长、路径以及结论都可能产生很大问题。所以综上，这些每一个都可能成为卡点，但我觉得最难的可能是记忆这一块。
9、张国仁：如果每个员工都变成智能体的管理者，工作重心势必会从执行变成监督者的角色。这对企业组织和个人分别意味着什么？是岗位增值，还是一部分人会被替代掉？
谢吉宝：我觉得并不是岗位被替代掉了，而是分工发生了变化。因为这是一个老生常谈的话题，就像汽车发明的时候，驾马车的人会觉得自己会怎么样。但实际上我们发现，汽车发明之后却创造了更多岗位。
数字员工主要做什么？它今天最主要是把我们那些低效、重复、没有意义的事情，这种重复性建设的工作交给数字员工去做，把人类从这些工作中解放出来。人可以有更多时间去思考，去做更有创造力的事情。所以我觉得这样一个分工，是对整个组织做了一个升维。
我再举一个更具象和真实的例子，就拿程序员来讲。程序员编程，以前大家不依赖AI工具编程。今天有了AI工具，实际上整个业界发现，程序员是自主拥抱了AI工具。他为什么拥抱AI工具？因为AI工具确实解脱了他很多事情。
但是为什么仍然需要他带着这些AI Coding Agent去完成工作？是因为他对整个系统有整体架构，对整个业务有更深刻的理解。
这件事情其实程序员一直以来都在做。比如我们以前会搞脚手架，会搞CRUD（增删查改），就是想通过一些工程手段解决这些重复性、低水平的建设吗？今天只是AI来了，用一种掀桌子的形态把这个东西搞掉了，不需要工程手段，哪怕用电脑去写，也能够重写，把整个系统重构做得更快。
这只是发生了一种颠覆式的模式创新，但最终带来的结果，就是把程序员从这种低效重复的工作中解放出来了。最终程序员可以花更多时间去思考整个业务设计，去思考整个架构设计，去和业务往前走一步，一起思考整个业务创新，给整个组织的产能带来更大的进步。
所以我觉得有了AI的加持是放大了人，让整个组织变得更加高效，让整个时代的发展速度变得更加高效。它提升了加速度，并不是说谁替代了谁。因为并不是说这个世界的产能是固定的，有一部分人被AI替代掉了，人就要被换掉；而是说这个世界有很多东西等着我们去挖掘、去发现，而我们今天发现的东西非常少。我们把已知的重复性东西交给AI之后，人就可以做更有价值的事情了。这是我的观点。
郝建业：我觉得各个行业都会受到影响，但现在可能冲击最大的是程序员行业。总的来讲，肯定不会替换掉一个行业，但是一定会对每个行业中那些没有积极拥抱AI、创造性能力没有得到及时提升的人群，造成很大的冲击。我觉得这可能是一个客观现实。
比如以程序员为例，我们跟一些公司的朋友交流，大家以前觉得程序员是一个体力活，谁能加班，谁加班时间越长，谁的替代性可能就越差，产能更高。所以为什么大家说程序员35岁是一个分水岭？我觉得现在不一样了。
很多老的程序员可能没有办法高强度加班，但是如果他积极拥抱AI，有非常强的多年训练出来的逻辑思维能力、架构设计能力，以及非常好的使用Coding工具的能力，那么他的产出能够放大很多倍，而且远远好于很多所谓底层程序员做的工作。
所以我觉得要辩证地看这个事情。对于不同工种，对某些人可能是一个福音，但客观现实是，对某些同学确实会是一个比较大的冲击，包括我们最近跟做安全的同学聊，现在像Mythos，或者比它差一点的模型Agent，它的漏洞挖掘能力已经超过了至少80%的所谓安全工程师。
当然，现在顶级黑客的价值仍然很大，甚至他可以利用AI工具发挥更大的价值，使自己的产能得到更大提升。所以还是那句话，每一个行业都一样，一定要积极拥抱现在的AI工具来做这个事情。
方绍峡：我非常赞同郝老师的观点。我觉得这不是说AI要去淘汰真人，但对真人员工确实提出了更高要求。
你怎么能够更好地把Agent这种先进生产力用起来？比如你先把这个东西用好了，首先你得能够给AI提出问题、提出目标，你能验收它的结果。包括智能体普及之后，你怎么把底下的一个智能体、多个智能体组织管理好？它不是一个单打独斗的过程。
所以我觉得Agent其实不是在淘汰一个真人，它淘汰的是过去一种落后的工作方式。
张国仁：我也很认同。刚才大家虽然讨论的是一个老生常谈的话题，但也提出了一些不同的思维。比如郝教授提到给程序员续命，同时方博士也提到，对每一个员工都提出了更高要求。非常感谢郝教授、谢总以及方博士。
我们今天以造桥和过桥这样一个话题出发，探讨了AI智能体的发展。如果说2025年我们还在讨论能不能造，那么2026年我们已经开始争论桥有多宽、能建多宽、承重有多少、怎么收费。三位都给了我们一个非常乐观的信号，就是中国在AGI的工程化、端侧创新和场景落地上，完全有机会在这场全球范式跃迁中占到一席之地。再次感谢三位，也感谢各位聆听。
