信通院魏凯深度解读：AI下半场，大模型如何从“能说会道”到“能干实事”？欢迎访问AI门户aigc.bar获取最新AI资讯。

type

status

date

slug

summary

从“军备竞赛”到“应用为王”：大模型发展的新拐点

过去一年，我们见证了基础大模型领域异常激烈的“军备竞赛”。正如魏凯所观察到的，从DeepSeek的异军突起，到通义千问、文心一言等模型的你追我赶，榜单头名的位置“保鲜期”甚至不足一个月。这种高速迭代的背后，是动辄数百万美元的巨大投入。

然而，这场竞赛的焦点正在悄然转移。越来越多的公司意识到，与其在预训练的红海中厮杀，不如将精力转向如何“用好”大模型。对于广大企业和开发者而言，如何通过提示词工程（Prompt Engineering）、检索增强生成（RAG）和工作流设计，将现有大模型的能力充分激发出来，开发出能解决特定问题的智能体（Agent），正成为新的价值高地和创业风口。

AI的“操作系统”与“应用”：Agent为何是下半场的关键？

魏凯提出了一个精辟的比喻：大模型是AI的“操作系统”，而Agent则是运行其上的“应用程序”。这个比喻精准地揭示了Agent的核心价值。

一个基础大模型，无论能力多强，其本身并不会直接“干活”。它擅长的是理解、推理和规划，就像一个中枢神经系统。而要完成一项复杂的任务，比如预订一次旅行、分析一份财报或编写一段代码，就需要Agent来扮演执行者的角色。Agent能够：

深度理解意图：将用户模糊的需求，拆解成清晰、可执行的步骤。

规划任务流程：自主构建“思维链”（Chain of Thought），规划出完成任务的最佳路径。

调用外部工具：连接数据库、知识库、API等外部工具，获取准确信息或执行特定操作，有效规避模型的“幻觉”问题。

今天的Agent已经远超早期需要人工编写固定流程的阶段，其自主性越来越强。这正是AI从“能说会道”的聊天机器人，进化为“能干实事”的数字员工的关键一步。

拒绝“刷榜”，标准化测试为AI实战能力“挤水分”

模型能力飞速发展，如何客观、公正地衡量其水平高低，成了一个至关重要的问题。传统的基准测试（Benchmark）多以学术考题为主，并且由于数据集开源，很容易出现模型“背题库”式的刷榜作弊，导致评测结果与实际应用效果严重脱节。

为了解决这一问题，中国信通院推出了“方升”大模型基准测试体系。其核心理念是面向产业实战，检验AI真正“干活”的能力。与传统Benchmark不同，“方升”更侧重于：

产业化场景：题目设计大量来源于垂直行业的真实需求，考察模型解决实际问题的能力。

非公开数据集：拥有近七百万条内部开发的测试数据，杜绝了“考前刷题”的可能性，保证了测试的公正性。

标准化方法论：公开测试方法，引入同行评审，致力于打造行业公认的“度量衡”。

一个可靠的基准测试就像指挥棒，它将引导整个AI行业从追求跑分，转向真正为实体经济创造价值。

AI的未来：少说话，多做事

总结魏凯的观点，AI下半场的演进路线图已然清晰。我们不再满足于一个仅仅输出大量信息的AI，因为这可能导致新的“信息过载”。我们真正需要的是一个能深刻理解我们意图，自主规划并高效完成任务的智能伙伴。

“少说话，多做事”，这不仅是对未来大模型发展的期望，也为所有AI领域的从业者指明了方向。无论是开发功能强大的Agent，还是构建更科学的评测体系，最终目的都是推动AI深入物理世界和产业场景，成为加速人类创新的强大引擎。

未来，随着技术的成熟，每个人都可能拥有多个专属的Agent，成为指挥“千军万马”的超级个体，“一人公司”或许不再是梦想。想要持续跟进AI领域的最新动态和深度解读，欢迎访问AI门户网站https://aigc.bar，这里汇集了最前沿的AI新闻、AI资讯和大模型发展趋势，助你把握AGI时代的脉搏。