自主学习的范式迭代更像是渐变，而非突变。 当大模型陷入Scaling Law（缩放定律）的增长瓶颈，下一代技术范式将会是什么？ 1月10日，在由清华大学基础模型北京市重点实验室、智谱AI发起的AGI-Next前沿峰会上，腾讯控股"CEO/总裁办公室"首席AI科学家姚顺雨、阿里巴巴Qwen技术负责人林俊旸、Kimi创始人杨植麟、智谱创始人唐杰等人工智能行业人士齐聚，共话大模型下一代技术范式。 对下一代范式的猜测中，自主学习（Autonomous Learning）是个热门概念，是大模型摆脱对人工标注与离线预训练的强依赖，通过自主生成学习信号、闭环迭代优化，从而实现持续进化的范式。在姚顺雨看来，目前自主学习已成为非常热门的词语，大家在硅谷大街小巷咖啡馆里谈论，也逐渐形成了共识，但每个人对自主学习的定义和看法都不一样。 具体来讲，自主学习并非通用的"方法论"，而是高度依赖于具体"数据与任务" 的场景化实践。探索新的科学、进化到该领域的专业，也是一种自主学习。其二，今天Claude已经能够转型Claude这个项目95%的代码，帮助自己变得更好，这是不是一种自我学习？ 因此，姚顺雨认为，自主学习这件事已经发生了，只是受效率等因素限制，还存在各种问题，他认为目前自主学习的范式迭代更像是渐变，而非突变。 至于目前全球市场中哪一家企业最可能率先引领范式创新，姚顺雨表示，虽然OpenAI经历了商业化等各种变化，创新基因被削弱，但仍是最有可能诞生新范式的地方。 林俊旸认为，目前的RL（强化学习）范式尚处早期，潜力远未被充分挖掘，全球范围内仍面临诸多共性挑战，而下一代范式的核心在于"自主进化"与"主动性"。只是自主进化是否需要更新参数，见仁见智。 同时，主动性也将引发新的安全问题，即AI可能基于自主意图采取现实行动。因此，在赋予AI主动性的同时，必须像教育孩子一样注入正确的价值观与约束。 杨植麟表示，K2之后团队也在持续探索下一代模型，最重要的一项改进是线性注意力机制，尝试在长程任务上打败全注意力机制。 唐杰认为2026年将发生非常大的范式革新，包括持续学习、Memory（记忆）、多模态，都有可能发生。因为过去工业界凭借万倍于学术界的算力优势（如 1 万张卡对 1 张卡）主导了大模型发展，但这一局面如今已显著改变，高校算力环境改善，尽管尚存约 10 倍的算力差距，但学术界已具备孵化颠覆性技术的土壤。 现场，针对"三至五年后，全球最领先的AI公司是中国团队的概率有多大？"这个问题，姚顺雨表示概率挺高，因为任何事情一旦被发现，在中国就能够很快地复现，并在很多局部做得更好。关键要看中国光刻机能否实现突破。中国市场具备电力优势、基础设施优势，主要瓶颈就是产能与软件生态。 其次，需要培养更成熟的TO B市场，或者尝试到国际商业环境中竞争。"中国想要突破新范式或者做非常冒险事情的人可能还不够多，这里有经济环境、商业环境包括文化等因素，"姚顺雨称。 另外，姚顺雨认为国内对刷榜或数字看得更重，相较而言，DeepSeek更注重"什么是正确的事""什么是你能体验出好或者不好的"。Anthropic Claude模型在编程或软件工程上的榜单排行不是最高的，但行业都知道它的模型（在编程领域）是最好的。