章节导航 第 10 章 / 共 10 章
第十章：未完的战争
大模型的现在与将来：悬而未决的关键问题（2026-）
第十章：未完的战争
大模型的现在与将来：悬而未决的关键问题（2026-）
10.1 站在什么位置
回顾前九章，大模型在九年间走过了一条清晰但绝不线性的路径：
- 基础发明（2017-2020）：Transformer + 自回归预训练 + Scaling Laws，奠定了技术基础。
- 能力涌现（2020-2022）：GPT-3 和 RLHF 让语言模型展现出通用智能的雏形。
- 产品爆发（2022-2023）：ChatGPT 让大模型走入大众视野。
- 架构暗战（2018-2025）：RoPE、Flash Attention、GQA、MoE、MLA——一系列不上头条的技术改良，重塑了效率格局。
- 开源觉醒（2023-2025）：Llama 标准化 + Mixtral 验证 MoE + DeepSeek 用系统工程证明”低成本也能做顶级模型”。
- 推理革命（2024-2025）：o1 和 DeepSeek R1 开辟了 test-time scaling 的新维度，GRPO 让大规模 RL 成为可能。
- Agent 时代（2024-2026）：从对话走向行动，AI 开始替人类做事。
- 创造力释放（2025）：R1 + Vibe Coding + MCP，让人人拥有创造软件的能力。
- 执行力觉醒（2025-2026）：OpenClaw 让 AI 真正”动手干活”，Agent 从技术圈破圈到全民。
如果把这九步浓缩成一句话：大模型从”能说话”变成了”能做事”，从实验室走进了每个人的电脑。
现在是 2026 年春天。我们站在一个非常特殊的位置——AI 的能力已经跨过了”可用”的门槛，但离”可靠”还有距离；应用已经爆发，但秩序尚未建立；每个人都感受到了变化，但没有人确切知道终局是什么。
10.2 已经确定的事
第一，大模型不是泡沫，而且已经过了需要自证的阶段。
2023 年的狂热→2024 年的”幻灭低谷”→2025-2026 年的真实落地。到 2026 年，大模型的价值已经不需要辩论了：编程效率提升 30-50%（多方数据一致）、OpenAI 年收入超百亿美元、AI 辅助编程渗透率超过 80%、OpenClaw 引爆了全民使用的热潮。
第二，开源赢了——不是赢在技术最前沿，而是赢在生态和信任。
2024 年还有人争论”开源能不能追上闭源”。到 2026 年，这个争论基本结束了。DeepSeek R1 证明开源可以做顶级推理模型；OpenClaw 证明开源在应用层也能引爆现象级产品；连 OpenAI 都开始开源模型权重。不是”开源 vs 闭源”，而是”开源成为默认选项，闭源需要解释为什么不开源”。
第三，推理模型和 Agent 是新常态，不是新概念。
“让模型想更久来获得更好结果”和”让 AI 自主执行多步骤任务”——到 2026 年这两个方向已经从前沿实验变成了行业标配。每个主流模型都有推理模式，每个主流 AI 产品都在加入 Agent 能力。
第四，AI 重塑了”谁能创造什么”的权力格局。
2025 年的 Vibe Coding 让非程序员能做软件，GPT-4o 让非设计师能做图。2026 年的 OpenClaw 让非技术人员也能指挥 AI 完成复杂任务。这不是”AI 取代人类”的故事，而是”AI 赋能人类”的故事——至少在当前阶段是这样。
10.3 悬而未决的关键问题
问题一：Agent 的可靠性何时达标？
这是 2026 年最紧迫的问题，比以前更紧迫了——因为 OpenClaw 已经让数百万人在日常使用 AI Agent，可靠性问题不再是学术讨论，而是每天都在发生的现实。
国家网络安全通报中心的预警不是空穴来风。当 AI 在你的电脑上”看屏幕、点鼠标”时：
- 它可能”看错”屏幕内容（模型幻觉在 CUA 场景下更危险）
- 它可能误操作（删除重要文件、发送错误消息）
- 它可能被恶意利用（通过精心构造的网页或文件诱导 Agent 执行有害操作）
可靠性不是一个单一的技术突破能解决的。它需要：
- 更好的底层模型能力（更准确的视觉理解、更强的推理）
- 系统级的安全设计（沙箱、权限控制、操作审计）
- 人机协作的交互范式（关键操作前确认、错误自动回滚）
- 行业标准和监管框架
乐观估计，2-3 年内 Agent 的可靠性可以达到”日常使用基本放心”的水平。但”完全无人值守”可能还要更久。
问题二：我们离 AGI 还有多远？
到 2026 年，这个问题的答案变得更加模糊而非更加清晰。
一方面，当前的 AI 已经能做很多令人印象深刻的事——编程、写作、分析数据、操作电脑、执行复杂的多步骤任务。如果 2020 年有人告诉你 2026 年 AI 能做这些，你会觉得那就是 AGI。
另一方面，越接近所谓的”AGI”，就越能看到当前范式的局限——模型仍然会犯荒谬的错误、缺乏对世界的因果理解、无法真正进行开放式创新、长期规划能力有限。
Anthropic CEO Dario Amodei 说”2026-2027 年”，Sam Altman 暗示”AGI 近在咫尺”。但”AGI”这个词本身越来越像一个营销概念，而不是一个有精确定义的技术目标。
更有意义的问题可能不是”什么时候达到 AGI”，而是”AI 能力的提升在哪个节点会引发社会结构性变化”——而这个节点可能已经过了。
问题三：就业冲击正在发生，社会准备好了吗？
“一人公司”是一个美好的叙事。但它的另一面是：如果一个人+AI 能做以前十个人做的事，那另外九个人做什么？
到 2026 年，冲击已经在特定行业显现：
- 初级编程岗位的招聘需求明显下降
- 内容创作、翻译、客服等岗位持续被 AI 替代
- “AI 辅助”变成了招聘的基本要求，不会用 AI 的人在竞争中处于劣势
同时，新的岗位也在涌现——AI 运维、Agent 设计、Prompt 工程、AI 安全。但新岗位的创造速度是否能赶上旧岗位的消失速度？目前没有人有确切答案。
教育体系的调整几乎还没有开始。当”会编程”不再是护城河（AI 比大多数人写得好），当”知识积累”不再是竞争力（AI 的知识量是人类的无数倍），什么才是值得培养的能力？
问题四：谁会赢得这场竞赛？
到 2026 年春天，格局比一年前更加复杂：
- OpenAI： GPT-5 系列持续迭代（5.3 Codex、5.4 加入原生 Computer Use），仍是商业化最成功的公司。但面临来自开源生态的持续压力。
- Anthropic： Claude Opus 4.6 在 Agent 场景中被认为是最强模型，OpenClaw 默认推荐使用 Claude。技术口碑最佳。
- Google DeepMind： Gemini 系列进步显著，但在 Agent 应用场景中存在感不如前两家。
- Meta： Llama 系列继续做开源基座，不直接做应用，但生态影响力巨大。
- DeepSeek： R1 改变了行业格局，但 2025 年下半年到 2026 年初的新产品节奏有所放缓。市场在关注它的下一步。
- OpenClaw 生态： 不是模型公司，而是 Agent 平台。它的崛起证明了”基础设施+社区”可以比”更强的模型”更有影响力。
- 中国大厂（腾讯、阿里、字节、智谱等）： 纷纷推出 OpenClaw 兼容方案和自研 Agent 平台，竞争焦点从”谁的模型更强”转向”谁的 Agent 生态更好”。
竞争的焦点正在从”模型能力”转向”应用生态”。就像智能手机时代，赢家不是芯片最快的公司，而是生态系统最好的平台。
10.4 一些个人判断
以下是作者基于现有信息的个人判断，可能是错的，但写在这里作为未来的校验点：
1. “Agent 平台”会成为下一个十年最重要的平台战争。 就像 PC 时代的操作系统之战（Windows vs Mac）、移动时代的生态之战（iOS vs Android），AI 时代的核心战场将是”谁的 Agent 平台/协议成为标准”。MCP、OpenClaw 的技能体系、各家的 Agent API——这些都是早期格局。
2. CUA 的安全问题会在 1-2 年内催生一个新的安全行业。 当 AI 能操作你的电脑，传统的杀毒软件和防火墙完全不够用。需要全新的安全范式——针对 AI Agent 的权限管理、行为审计、对抗防护。这会是一个巨大的新市场。
3. “一人公司”会成为现实，但不会成为主流。 AI 确实让个人能做更多事，但大多数高价值工作仍然需要团队协作、领域专精和信任关系。更可能的场景是”小团队+AI 做大团队的事”，而不是”一个人做一切”。
4. 数据效率的提升将比数据量的增加更重要。 未来的技术突破更可能来自”如何用更少的数据训出更好的模型”，而不是”找到更多数据”。合成数据+课程学习+多模态数据会是主要方向。
5. 2027 年之前，我们会看到 AI 自主完成一个非 trivial 的端到端产品。 从市场调研到产品设计到开发测试到上线运营，全程 AI 主导、人类监督。不是 demo，而是有真实用户的产品。
6. 中国在 AI 应用层面可能走在世界前面。 不一定是模型最强，但在 Agent 应用、生态整合、用户习惯培养方面，中国市场的速度和接受度令人印象深刻。OpenClaw 在中国的爆发速度甚至让创始人惊叹。
10.5 写在最后
2017 年发表的那篇论文叫”Attention Is All You Need”。九年后回头看，这个标题有一种预言般的准确——注意力机制确实是你所需要的，至少在启动这场革命方面。
但注意力机制只是起点。真正推动大模型走到今天的，是一连串的关键决策和关键发现：
- 选择自回归而不是掩码预测
- 发现 Scaling Laws
- 用 RLHF 对齐人类偏好
- 将技术包装成产品（ChatGPT）
- 用 RoPE 解决位置编码和长上下文问题
- 用 Flash Attention 打破内存瓶颈
- 用 MoE 打破”大模型必须贵”的信条
- 用 GRPO 让大规模 RL 变得可行
- 用开源打破垄断（R1 改变了游戏规则）
- 用 MCP 统一了 AI 与世界的接口
- 用 CUA 让 AI 从”能说话”到”能动手”
然后是两次春节。 2025 年春节，R1 让几千万人意识到”AI 可以帮我创造”。2026 年春节，OpenClaw 让更多人发现”AI 可以替我干活”。
每一个转折点都不是命中注定的。它们是特定的人在特定的时刻做出的判断。有些是硅谷巨头的战略决策，有些是中国创业者的逆袭，有些是一个奥地利程序员在周末写的小项目。
这本书试图做的事情很简单：在信息洪流中帮你建立一个坐标系。 当下一个”重大突破”的新闻出现时，你可以把它放在这个坐标系里，判断它是真正的转折点还是噪音。
从 Transformer 到 ChatGPT 到 R1 到 OpenClaw——大模型的故事在加速。下一个关键时刻可能不用再等九年，也许就在明天。
全书回顾：十个关键时刻
| # | 关键时刻 | 时间 | 核心认知变化 |
|---|---|---|---|
| 1 | Transformer 发布 | 2017.06 | 注意力机制替代循环结构，奠定基础架构 |
| 2 | GPT-3 + Scaling Laws | 2020 | 规模涌现通用能力，大力出奇迹 |
| 3 | ChatGPT 发布 | 2022.11 | 技术到产品的跨越，AI 走入大众 |
| 4 | 架构暗战结晶 | 2021-2024 | RoPE + Flash Attention + MoE + MLA，不上头条的改良重塑效率格局 |
| 5 | 开源觉醒 | 2023-2024 | Llama + DeepSeek，打破垄断 |
| 6 | 推理革命 | 2024-2025 | o1 + R1 + GRPO，第二条 Scaling 曲线 |
| 7 | Agent 时代 | 2024-2026 | 从对话到行动，AI 开始替人做事 |
| 8 | 创造力释放 | 2025 | R1 + Vibe Coding + MCP，人人可创造 |
| 9 | 龙虾革命 | 2025-2026 | OpenClaw 让 AI 真正”动手干活”，全民 Agent |
| 10 | 未完的战争 | 2026- | 最精彩的章节尚未被写出 |
最后一句话： 真正重要的事情很少——但它们一旦发生，就会改变一切。从 Transformer 到龙虾，每一个关键时刻都证明了同一件事：AI 的革命不是某个天才的灵光一闪，而是无数个正确的判断在恰当的时间叠加在一起。
而这个叠加过程还在加速。