张亚勤最新研判:智能体AI爆发临界点已至,任务长度每7个月翻倍

2025年末,前微软全球执行副总裁、清华大学智能产业研究院院长张亚勤在《中国AI前沿趋势白皮书》发布会上提出标志性论断:‘Agentic AI已跨越S型曲线拐点,进入指数爆发期。’其核心证据来自三组硬指标:任务长度(Task Length)——即AI连续完成多步骤复杂任务的能力——正以每7个月翻倍的速度增长;任务准确度(Task Accuracy)在金融投研、生物医药实验设计等高壁垒场景突破50%阈值;智能体自主规划成功率(Autonomous Planning Rate)在制造业排程、城市交通调度等动态环境中达73.6%。这些数据终结了业界关于‘AI是否真能做事’的长期争论,标志着AI正从‘响应式工具’蜕变为‘目标驱动主体’。

张亚勤进一步揭示驱动这一跃迁的底层规律变革:传统Scaling Law(规模定律)正经历历史性迁移。预训练阶段的边际收益已显著衰减(BERT类模型参数超千亿后性能增益不足2%),技术焦点全面转向推理规模定律(Inference SL)与智能体规模定律(Agentic SL)。后者首次将‘环境交互次数’‘动作空间维度’‘反馈延迟容忍度’纳入评估体系,例如DeepSeek-Agent在半导体良率优化任务中,通过每日百万次晶圆参数-工艺组合试错,将传统工程师需3个月完成的DOE实验压缩至11.3小时。这种‘用算力换时间’的范式,正在重塑研发经济性。

成本革命则构成爆发的另一引擎。张亚勤引用英伟达2026Q1财报数据指出:智能体推理单位成本正以年化10倍速度下降,而同等成本下任务处理能力年增10倍——‘剪刀差效应’使AI从实验室奢侈品变为产线标配。更关键的是,多模态深化正突破语言边界:视觉规模定律(Vision SL)推动工业相机识别精度达0.005mm级,领域特定规模定律(Domain SL)让药企AI分子生成器在靶点结合自由能预测误差<0.3kcal/mol。当AI不仅能看懂图纸、听懂指令,更能‘感受’金属应力、‘嗅出’化学反应副产物时,真正的物理世界智能才真正启航。