本讲座终于来到最后一章。这里我们将一口气纵览当下最前沿正在发生的一切。多模态化、推理模型、AI智能体、开源、机器人、AGI——半年就会天翻地覆的世界，其“当前坐标”，让我们抛开专业术语来把握。文中的数字均注明出处与时间；产品名与模型名以2026年9月为准。
5分钟俯瞰AI的“当下”
切身感受AI的进化速度
在更新本章的2026年9月，AI业界的口头禅是“半年前的常识已经不管用了”。
用数字来看，速度感一目了然。据调研机构CB Insights统计，私营AI企业在2025年融资达到创纪录的2,258亿美元，几乎是2024年的两倍[1]。
来源：CB Insights
Gartner预测（2025年8月）
MCP官方博客（2025年12月）
这一年半里发生了什么，让我们按时间顺序回顾主要事件。
接下来，我们深入剖析其中尤为重要的四大趋势。
多模态AI ― 拥有“五感”的AI
多模态AI，是指能够统一处理文本、图像、语音、视频等多种形式的AI。早期的LLM是“只能读写文字的存在”，而如今的AI能看照片、听声音、做视频。
多模态AI能做什么
| 领域 | 服务名 | 能做什么 |
|---|---|---|
| 图像生成 | ChatGPT的原生图像生成 | 精准生成带文字的图像。2025年3月公开后需求之大，让OpenAI首席执行官Altman形容GPU“都熔化了” |
| 视频生成 | Google Veo 3 | 生成带声音的视频。在基于Veo的Google视频制作工具Flow中，截至2025年10月已生成超过2.75亿个视频（Google公告） |
| 长文理解 | Claude Fable 5.1 | 支持100万token的上下文（超过一整本书的量）与最多12.8万token的输出（截至2026年9月，据Anthropic官方文档） |
| 语音对话 | ChatGPT语音模式（Advanced Voice） | 无需经由文本，实时进行自然的语音对话。也可用作口译般的用途 |
另一方面，OpenAI于2026年3月宣布终止视频生成AI“Sora”的服务，网页与App已于4月26日、API已于9月24日停止提供（OpenAI官方帮助中心）。
💡 实用提示：图像分析（照片→文本）各家几乎都提供免费额度。识别小票、把手写便签转成文本、从图表中提取数值等，不妨在日常中多试试。
推理模型的革命 ―“会思考”的AI登场
从2024年下半年起，AI世界诞生了一个新类别，那就是推理模型。
传统的AI是“一被提问就立刻回答”的风格。推理模型则不同。它会在回答之前留出“思考的时间”。就像人在解数学题时，不是上来就写答案，而是一边记草稿一边分步思考一样。
为什么重要
随着推理模型的登场，AI曾经不擅长的领域 ―― 数学、科学、复杂的编程 ―― 性能得到了显著提升。
在美国数学奥林匹克选拔考试AIME 2025中取得92.7%，可使用Python解释器时为99.5%（OpenAI公告）。
DeepSeek的技术报告估算，基础模型V3最终训练的GPU费用约为558万美元（不含此前的研究与实验费用）。R1于2025年1月20日以MIT许可发布，号称性能与OpenAI o1相当[2]。
开发者可自由设定“思考预算”的独有功能。实现了在使用工具的同时持续思考的“交错思考（interleaved thinking）”。
进入2026年，推理已经从“特殊模式”变成了“标准配置”。2026年9月1日，Anthropic为高强度推理与长时间智能体作业追加了Claude Fable 5.1，并于9月22日发布了Claude Opus 5.5。Anthropic的官方模型概览写着“拿不准时，大多数用途先从Opus 5.5开始；高难度推理和长时间智能体作业用Fable 5.1”（Anthropic官方）。如今各大厂商的顶级模型，都以“先思考再回答”为前提。根据截至2026年10月5日的官方文档，Opus 5.5的思考始终开启；OpenAI的旗舰GPT-6 Astra（2026年9月3日发布）和兼顾性能与成本的GPT-6.1 Sol，推理强度可在“low”到“max”之间选择（GPT-6.1 Sol不能选择不推理）；Google的Gemini 3.8 Flash也默认开启思考[4]。
不过，“越新就越全能”并不成立。正如本站Opus 5实测文章所整理的，Opus 5在需要长时间自主运行的任务上更强，而在一次性打补丁式的编程任务（DeepSWE v1.1）上顺序则会反过来：Opus 5为68.8%，GPT-5.6 Sol为72.7%。即使换代，擅长的领域也会各有不同，所以新模型推出时，先用自己的工作验证再切换最为稳妥。
⚡ 关注要点：推理时计算（inference-time compute）
“让模型花更多时间思考，就能给出更准确的答案”这一发现，为AI的进化增添了一条新轴线。除了传统的“增加训练数据”“把模型做大”之外，人们发现增加推理时的计算量同样能提升性能。
AI智能体 ― 进入“交办”的时代
2026年当下最火热的关键词，就是AI智能体。
此前的AI是“一问就答”的顾问型伙伴。AI智能体则不同。你告诉它目标，它便会制定计划、使用工具、自主完成任务。这更接近把工作“交办”给秘书或助理的感觉。想更详细了解其原理，可参考《什么是AI智能体》；多个AI协同运作的机制，则可一并阅读《什么是多智能体》。
AI智能体的具体例子
| 智能体 | 能做什么 | 特点 |
|---|---|---|
| Claude Code | 一贯自主地完成代码的生成、执行与调试 | 在公开发布约6个月后的2025年11月，年化收入达到10亿美元（Anthropic公告） |
| ChatGPT Work | 接收目标后，借助网页搜索、文件和已连接的工具，交付文档、分析等可供审阅的成果 | 延续了浏览器操作智能体“Operator”（2025年）→“ChatGPT智能体”（2025年7月）这条路线的后继功能。智能体模式截至2026年9月已停止提供，官方帮助引导用户改用Work |
| Manus AI | 在云端异步执行复杂任务 | 2025年问世。Meta以约20亿美元收购一事被中国当局叫停；在一度暂停访问之后，Manus于2026年9月1日宣布恢复独立运营 |
| Devin | 自主完成软件开发的AI工程师 | 2024年发布时，SWE-bench解决率为13.86%（Cognition发布）。截至2026年9月，有免费方案和每月20美元起的付费方案（官方价格） |
🛠 想真正把会写代码的“搭档”用起来的话，姊妹讲座《AI编程实践》讲解了从Claude Code等工具的上手到熟练运用的全过程。想个人开发应用的人，也推荐《用AI做个人开发》。
MCP ― AI智能体的“通用语言”
作为智能体连接外部工具的标准，由Anthropic开发的MCP（Model Context Protocol）正在迅速普及。2025年12月，它被捐赠给Linux Foundation旗下的新基金会Agentic AI Foundation；当时其SDK月下载量已超过9,700万次，ChatGPT、Claude、Cursor、Gemini、Microsoft Copilot、VS Code等主要AI产品均已支持（MCP官方博客）。
Gartner预测，到2026年40%的企业应用将集成特定任务的AI智能体，而2025年还不到5%[1]。
⚠️ 智能体的难题：智能体很方便，但现阶段存在若干重要制约。比如复杂判断上的失误、安全风险（擅自发送信息等）、成本（自主地反复调用API）、问责的不透明等。不是“全权托付”，而是“交办后确认”，这是铁律。
开源AI的崛起
并非只有ChatGPT、Claude这类商用AI才是全部。可免费使用、可自由改动的开源AI正以惊人的势头进化。
当下具有代表性的开放权重模型（2026年10月）
| 模型 | 开发方 | 特点 |
|---|---|---|
| Muse Glimmer | Meta | 2026年8月发布。从Meta的主力模型Muse Spark蒸馏而来的30B模型，也能读图。以在自己的硬件上运行为前提，权重采用Apache 2.0许可（Meta官方、模型卡） |
| DeepSeek V4.1 Flash | DeepSeek（中国） | 2026年9月10日发布。DeepSeek新架构系列中最小的模型，但仍是总参数552B的MoE。能读图，支持最长100万token的上下文。权重采用MIT许可（DeepSeek公告、模型卡） |
| Qwen3.8-27B | Alibaba | Qwen称Qwen3.8是其开放模型中能力最强的一代，这是其中易于部署的27B模型。能理解图像和视频，思考模式默认开启。这款27B模型采用Apache 2.0许可（Qwen官方模型卡）。Qwen系列的累计下载量在2025年9月超过了Llama（ATOM Report） |
2025年让开放模型声势大涨的Meta Llama 4和DeepSeek R1，如今都已是上一代。开源的换代比商用模型更快，阵容往往几个月就会变一轮。当下哪款模型更强，最稳妥的办法是直接查看Hugging Face Models的下载量，或LM Arena的排行榜。
🖥 想在自己的电脑上跑跑看？ 开源模型在本地环境中也能运行。上手方法可参考《本地LLM入门》，该选哪个模型可参考《本地LLM模型对比》。
为什么开源很重要
开源AI有五点意义。
可以验证模型的机制，评估其安全性。
可用自有数据构建专用模型。
在自有服务器上运行，API费用便可归零。
无需把数据发往外部即可使用AI。
防止少数大企业垄断AI。
据ATOM Report（2026年），Hugging Face上开源模型的累计下载量在2025年7月下旬由中国模型反超美国模型，增长主要来自阿里巴巴的Qwen。AI开发的地缘政治格局正在发生变化。
💡 面向普通用户的要点：开源AI主要面向企业和开发者，但其红利会间接惠及每一个人。竞争加剧会让商用AI降价、性能提升。事实上，DeepSeek R1在宣称达到o1水平的同时，以每百万输出token 2.19美元的低价API发布[2]。
未来的AI ― 未来数年的展望
最后，我们从机器人、AGI、各国AI战略这三个切入点，来看看未来几年AI将走向何方。
Figure 03在宝马美国斯帕坦堡工厂投入使用。1X NEO面向家庭以2万美元（或每月499美元）接受预订，计划2026年发货。特斯拉正在弗里蒙特工厂建设Optimus生产线。日本的AI基本计划也把物理AI列为“制胜方向”之一。
Anthropic预计强大的AI将于“2026年底或2027年初”出现，Google DeepMind认为“2030年前有可能”，OpenAI首席执行官Sam Altman则写道“我们知道如何构建AGI”。对AI研究者的调查给出的中位数是2047年。推理时投入算力这一新的扩展轴线也备受关注。
美国以AI行动计划推动放松监管，欧盟实施基于风险的《人工智能法》，中国在推进“人工智能+”的同时为生成式AI制定规则，日本则以“可信赖的AI”和物理AI为核心。促进与监管之间的平衡因国而异。
AI × 机器人 ―“会动的AI”走向实用
把LLM的智能与机器人的身体结合起来的人形机器人，终于开始在现实场景中大显身手。
- Figure 03 ― 在宝马美国斯帕坦堡工厂的物流环节投入使用（2026年6月，Figure公告）。Figure于2025年9月融资超过10亿美元（Figure公告）
- 1X NEO ― 1X称其为“全球首款面向消费者的人形机器人”的家用机器人。2025年10月开始以2万美元（或每月499美元）接受预订，计划2026年发货（1X公告）
- Tesla Optimus ― 弗里蒙特工厂正在建设生产线，预计2026年内开始生产（特斯拉2026年第二季度报告）
日本政府的AI基本计划也把驱动机器人等在现实世界中行动的“物理AI”的开发与导入，列为日本的制胜方向之一[3]。
通往AGI之路 ― 专家们的预测
关于AGI（通用人工智能 ― 拥有与人类同等或更高智能的AI）何时到来，业界看法不一。术语的含义可参考《什么是AGI（通用人工智能）》，关于AI超越人类的“技术奇点”，则可参考《什么是技术奇点（Singularity）》的详细解说。
| 立场 | 预测 |
|---|---|
| Anthropic | “2026年底至2027年初” ― 预计在大多数领域具备与诺贝尔奖得主相当智力的“强大AI”将会出现（2025年3月，向美国政府提交的建议） |
| OpenAI | “知道如何构建” ― 首席执行官Sam Altman在2025年1月的博客中写道，确信已知道如何构建传统意义上的AGI，但未给出时间（Altman的博客） |
| Google DeepMind | “2030年前有可能” ― 虽然时间表高度不确定，但认为强大的AI系统在2030年前被开发出来是有可能的（2025年4月，安全论文） |
| 对AI研究者的调查 | “2047年” ― 汇总2,778名研究者的预测，机器在所有任务上超越人类的概率在2047年达到50%（2023年实施，论文） |
即便有人说“AGI要来了”，生活也不会立刻天翻地覆。但AI能做的事情，其范围几乎每个月都在扩大，这是事实。“AI大概还做不到吧”这种成见，半年后或许就过时了。
主要国家和地区的AI战略 ― 美国、欧盟、中国、日本
各国政府也在AI上展开竞争，做法差别很大：有的把促进放在首位，有的按风险制定规则。下面比较四个主要参与者（截至2026年9月）。
主要政策： “美国AI行动计划”（2025年7月）― 围绕加速创新、建设AI基础设施、引领国际外交与安全三大支柱，列出90多项联邦措施（白宫）。2025年1月的行政令撤销了上届政府2023年的AI行政令（行政令）
立场： 通过减少监管“赢得AI竞赛”。2025年12月的行政令设立专门小组，对各州的AI法律提出挑战（行政令）；2026年3月，白宫向国会提出全国性立法框架（白宫）
主要政策： 《人工智能法》（AI Act）― 2024年8月生效。把AI分为四个风险等级：社会评分等禁止性规定自2025年2月起适用，通用AI模型的规则自2025年8月起适用，其余大部分自2026年8月2日起适用（欧盟委员会）
立场： 一部法律，按风险大小规定义务。修正案（“AI Omnibus”，2026年7月生效）把招聘、教育等高风险用途的规则推迟到2027年12月
简而言之，美国倾向放松监管，欧盟倾向按风险等级立规，中国倾向国家主导的推进并辅以内容规则，日本则倾向以“可信赖的AI”为核心的促进。许多其他国家也有各自的国家AI战略。这些规则对作为用户的你意味着什么，请参阅“AI的风险与伦理”一章中的“全球监管动向”。
AI时代“当下”应该做的事
用免费的AI工具亲身体验。百闻不如一试。
AI是工具。与你的专业性和创造力结合，才能变成价值。
这是半年就会刷新常识的时代。保持好奇心是最大的技能。
- AI已经多模态化，不仅能处理文字，还能处理图像、语音、视频。
- 借助推理模型，“会思考”的AI成为现实；借助AI智能体，“可交办”的AI成为现实。
- 开源AI迅猛崛起，地缘政治平衡也在发生变化。
- 下一个主战场是机器人、AGI、各国战略。半年就会刷新常识。
- 重要的是上手熟悉、与强项相乘、享受变化这三点。
参考文献
- CB Insights. "State of AI 2025 Report." January 13, 2026. cbinsights.com / Gartner. "Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025." Gartner Newsroom, August 26, 2025. gartner.com
- DeepSeek. "DeepSeek-R1 Release." DeepSeek API Docs, January 20, 2025. api-docs.deepseek.com
- Cabinet Office, Government of Japan. "Artificial Intelligence Basic Plan." Cabinet decision, December 23, 2025; revised July 14, 2026. www8.cao.go.jp
- Anthropic. "Models overview." Claude Docs, 2026. / Anthropic. "What’s new in Claude Fable 5.1." September 1, 2026. / OpenAI. "Models" / "GPT-6.1 Sol." OpenAI API Docs, 2026. / Google. "Gemini thinking." Gemini API Docs, 2026.
相关链接：
- Hugging Face Models ― 开源AI模型的中心
- LM Arena ― 可对比AI模型性能的排行榜
从AI的基础到最新动向，你已经系统地掌握了知识。AI日新月异。以本讲座所学的根基为出发点，一边亲手操作工具，一边持续追踪最新信息吧。想进一步把AI用作写代码的搭档，欢迎前往姊妹讲座《AI编程实践》；想个人打造服务的，请前往《用AI做个人开发》。