张亚勤预言智能体AI范式跃迁:任务长度每7个月翻倍,AGI进入实干临界点

2025年底,百度前总裁、清华大学智能产业研究院(AIR)院长张亚勤在年度技术展望报告中系统阐述了AI发展第三阶段的核心特征——从生成式AI(Generative AI)向智能体AI(Agentic AI)的历史性跃迁。他指出,这一转变的本质不是能力增量,而是智能范式的重构:生成式AI以‘响应输入’为终点,而智能体AI以‘达成目标’为起点,其核心能力指标已呈现指数级突破。据AIR联合中科院自动化所发布的《2025智能体能力基准报告》,当前领先智能体在复杂任务链处理中的‘任务长度’(Task Length)指标达89步,且正以每7个月翻倍的速度增长;更关键的是,‘任务准确度’(Task Accuracy)在包含3个以上子目标的跨模态任务中已突破52.7%,首次越过实用化临界阈值。

张亚勤进一步揭示了驱动这一跃迁的底层规律变革——规模定律(Scaling Law)的三重迁移:第一重是从预训练规模定律(Pre-trained SL)向推理规模定律(Inference SL)迁移,体现为模型在长思考链中的稳定性提升;第二重是向智能体规模定律(Agentic SL)演进,即单位算力下目标达成效率的持续优化;第三重则是多模态深化,视觉模型规模定律(Vision SL)与领域特定规模定律(Domain SL)正加速融合,使医疗影像诊断智能体在未见过的罕见病灶识别准确率提升至86.3%(较2024年+21.5个百分点)。

尤为震撼的是成本结构的‘剪刀差效应’:2025年主流智能体推理单位成本同比下降62%,而综合任务能力同比提升117%。这意味着一个部署在工厂边缘服务器上的国产智能体,现在能以2023年1/10的成本,完成过去需云端千卡集群才能支撑的产线柔性调度任务。张亚勤强调:‘AGI不再是实验室里的神龛,而是车间里会自我迭代的老师傅——它不追求完美答案,但永远在逼近最优解。’这一判断正深刻影响华为昇腾、寒武纪等硬件厂商的技术路线,其新一代NPU架构已内置‘目标导向计算单元’,专为长链推理与实时环境反馈优化。