【华e生活·北美发布深度解读】 感谢RTAI副会长张瑞雯博士提供会议纪要
在AI话题高度喧嚣的当下，真正稀缺的不是“趋势预测”，而是来自一线研究者与产业实践者的可落地判断。
2025年12月29日，由北卡三角区人工智能协会（Research Triangle AI Society（RTAI）主办的年终炉边座谈会，汇集了来自学术界与产业界的多位重量级嘉宾。他们围绕2025年的真实进展，给出了关于2026年AI走向的清晰共识。
一、AI开始“替人完成任务”，代理进入执行时代
观点来源：Jeff Torello、Mohit Bansal
2026年，AI最重要的变化不是“更会聊天”，而是开始承担完整任务链条。
Sinjun AI创始人兼CTO Jeff Torello 指出，AI已进入真正的战略拐点：
它不再只是工具，而是可以被组织当作一种底层能力进行部署。2026年，代理商务（Agentic Commerce）将率先落地——用户授权AI完成选品、下单、支付等一整套流程。
与此同时，UNC教堂山分校计算机科学教授 Mohit Bansal 对“代理”概念提出重要澄清：
不是所有带LLM的系统都配得上“代理”之名。
真正的代理，必须与环境产生持续互动，并根据行动结果动态更新内部状态。
这意味着，2026年的代理不再是“会说话的程序”，而是具备行动、反馈与修正能力的系统。
二、AI从云端走向边缘，现实世界成为主战场
观点来源：陈怡然
杜克大学电子与计算机工程系教授陈怡然明确指出，边缘计算将从根本上改变AI的部署方式。
在医疗设备、可穿戴设备、自动驾驶和机器人等场景中：
- 数据隐私要求更高
- 延迟容忍度更低
- 实时性决定系统价值
因此，在数据生成的地方直接运行AI，将成为主流选择。
陈怡然强调，真正的挑战并不在算法，而在工程实践：
- 计算能力受限
- 电池寿命有限
- 设备和数据高度异构
2026年的边缘AI，将是多模型并行、多模态融合、小模型与大模型协同运行的复杂系统工程。
三、被严重低估的关键能力：长期记忆、交互与泛化
观点来源：Mohit Bansal
在会议中，Bansal教授反复强调一个反直觉判断：AI行业真正的瓶颈，并不在参数规模。
他认为当前被过度炒作的，包括：
- 滥用“代理”一词
- 将“自我改进”视为短期可实现目标
而真正被低估的，是三项基础能力：
- 长期记忆：应对长时间、多状态任务
- 环境交互：通过行动而非静态数据学习
- 域外泛化：在从未见过的任务中保持可靠性
这些能力，决定了AI能否从“演示型智能”，走向现实世界可依赖的系统。
四、多模态与推理计算，从前沿能力变成行业标配
观点来源：Kevin Alwell
OpenAI技术市场负责人 Kevin Alwell 指出，2026年AI的显著变化之一，是多模态能力的全面成熟。
- 图像生成已高度逼真
- 视频生成被认为是下一个爆发点
- “测试时计算”和显式推理能力，成为主流设计方向
AI不再追求“即时反应”，而是允许更多计算时间换取更高可靠性。
这将极大拓展AI在创意产业、企业决策与复杂工作流中的应用边界。
五、当真假难辨，AI安全与信任成为社会性命题
观点来源：Mohit Bansal、Jeff Torello
Bansal教授警告，2026年将迎来生成式视频带来的信任危机。
社会正在从“默认相信数字内容”，转向“默认不信任”。
他认为，简单水印方案无法应对系统性风险，需要借鉴网络安全思路：
- 加密签名
- 可验证来源
- “可锁定”的内容认证机制
Jeff Torello补充指出，安全协议的成熟，将标志着AI行业正式走出“狂野西部”阶段。
来自炉边座谈的其他热点话题
1️⃣ 企业AI失败的真正原因
观点来源：Kevin Alwell（企业实践）＋圆桌讨论共识
- “高达95%的现实世界AI项目未产生实质商业价值”
👉 该判断引用自MIT相关研究成果，并在圆桌讨论中被多位嘉宾反复提及，用于说明“AI落地失败并非个案”。 - 失败的根本原因并非模型能力不足，而是战略失误
👉 由 Kevin Alwell 在企业AI实践分享中明确指出，失败通常源于：- 缺乏整体业务战略，只做“技术演示”
- 数据与现有系统尚未准备好
- 将AI当作“外挂功能”，而非核心工作流的一部分
Kevin Alwell强调：
“仓促上线、没有战略锚点的AI项目，比什么都不做更危险。”
2️⃣ 成功企业的共同路径
观点来源：Kevin Alwell（OpenAI，企业落地经验）
这一部分几乎全部来自 Kevin Alwell 对企业真实案例的总结：
- 从“小而确定的胜利”开始
👉 优先选择技术可行性高、业务影响明确的用例，而不是一上来追求“革命性改造”。 - 采用“债务雪球（Debt Snowball）”式推进
👉 先解决简单但有价值的问题，逐步积累信任、数据与组织能力，再挑战复杂系统。 - 失败的仓促试点，比慢但稳的战略更有害
👉 这是 Kevin Alwell 在圆桌中反复强调的“反直觉结论”，直接来自其长期企业客户经验。
3️⃣ AGI之争的学界共识
观点来源：Mohit Bansal（学术界）＋陈怡然（学界×产业观察）
- “AGI”一词被严重滥用
👉 由 Mohit Bansal 明确指出：在专业研究圈中，“AGI”几乎不被严肃使用，因为其含义高度依赖观察者立场。 - 学界更关注可验证、可评估的智能能力组合
👉 Bansal教授强调，与其争论“是否AGI”，不如关注：- 是否具备长期记忆
- 是否能在域外任务中泛化
- 是否能与环境持续互动
- 工业界因资源优势，正成为重大突破主要来源
👉 该判断由 陈怡然 在讨论中提出：- 许多关键突破已从学术界转移至工业界
- 学术界面临算力、数据与规模限制
- 最有效模式是“学术—产业共生协作”
4️⃣ 人类不可替代的能力
观点来源：多位嘉宾与主持人
- 创造力与问题发起能力
👉 来自 Jeff Torello- AI需要人类提出“第一个问题”
- 即便AI能建议问题方向，最初的创造性火花仍源自人类
- 人际理解与沟通能力
👉 来自 Kevin Alwell- 在团队协作、管理、信任建立等场景中，人际能力与技术能力同等重要
- 对现实常识的判断能力
👉 来自 主持人 李赫南博士（RTAI联合创始人、副会长）- AI在日常常识、情境理解上仍频繁失误
- 真实世界的不确定性，仍需要人类判断兜底
关于北卡三角区人工智能协会（Research Triangle AI Society）
作为本次活动的主办方，Research Triangle AI Society是一个501(c)(3)非营利组织，致力于通过会议、研讨会和社区活动，在北卡罗来纳州研究三角区推进AI知识普及与道德实践。该协会以“创新、连接、教育”为使命，旨在民主化AI技术，打破知识壁垒，消除技术偏见，培养跨学科、跨行业的AI创新生态。
协会会长曹国梁在闭幕致辞中重申：“我们将继续通过高质量活动建立社区联系，鼓励所有参与者共同迎接2026年的AI新挑战。”