曾鸣提到，现在大模型已经达到相对智能的程度。随着芯片和基础设施的发展，这个行业开始进入产业化的拐点，商业化将成为未来几年的主题。

未来5年是Agent（智能体）应用大发展的5年。

简单来说，智能体是一个完全自主的AI系统，可以在较长时间内独立运行，使用各种工具完成设定任务，并且能够通过收集反馈不断学习提高自己的能力。

这个AI系统可以很简单，但是必然会变得越来越复杂，曾鸣认为，未来5-8年智能体将经历三个发展阶段：

第一个，可靠的代理，即Agent的本意。让他帮助我们完成某件事情，他会一字不差、非常可靠地完成。

第二个，能干的助理。告诉他下周要出差的地点，他会帮助你安排好所有行程。

第三个，一个聪明的伙伴，你可以与他一起定义和讨论问题，共同商量解决方案。

这是智能体发展的三个阶段，是一个智能的提升，同时也是Agent的泛化，会应用到更广泛的场景代替人完成各种任务，并且它本身会变得越来越复杂和智能。

图由AI生成

智能体竞争优势来源：黑洞效应

曾鸣提到，智能体在未来持续竞争中的优势来源只有一个，那就是黑洞效应。

黑洞效应与工业时代的规模经济效应以及网络和互联网时代的网络效应相对应，曾鸣认为，它是AI时代最基本的竞争优势来源，也是驱动AI经济发展的动力所在。

什么是黑洞效应？

AI的发展有三个关键要素，分别是算法、算力和数据。

算法和算力的每一次突破都会引发AI的重大变革，就像当前AGI（通用人工智能）的出现，正是因为基于Transformer架构的突破，进而形成了大语言模型，通过token（文本处理的最小单元）的方式来预测下一个行动，这带来了整个AI范式的转变。

当然，这其中也有英伟达芯片不断升级的助力，但现在正处于算法和算力发展的瓶颈阶段，在这个阶段，核心的差异其实体现在数据上。

数据有一个非常有趣的现象，因为数据本身也存在规模经济效应。更准确、更多、颗粒度更精细、更丰富且维度更多的多维数据，会让AI在智能上的进化速度更快、能力更强，从而拥有更多获取数据的能力和动力，这是一个典型的自循环正反馈闭环。

所以，要让智能的飞轮转动起来，其核心在于知识的黑洞。

这一轮的AGI之所以强大，是因为它真正能够处理知识，并在处理知识的基础上产生智能。而且更聪明的智能体会吸引更多用户，更多用户又会带来更多私有的数据和知识。

每一个AI模型都在吞噬海量的知识，而且是个性化的知识，是之前在互联网上不存在的、关于思考的知识。

所以，未来尤其是走出预训练之后，当预训练和推理一体化的闭环运转起来，私有知识的价值将会越来越大。

因此，真正推动AI智能体发展的，正是这个不断吞噬知识的黑洞。

智能体竞争的关键：启动机器学习飞轮

AI的另一个名称是machine learning（机器学习），如何让机器学习得更快更好，也是重要的战略优先级。

智能体帮助人类提高效率的能力有一个很低的上限。现在大多数大公司使用AI的目的仅仅是降本增效，他们将AI视为一种工具。

只要这个工具是为人类服务的，那么它提高效率的能力就受限于人类效率的上限。

然而，当AI能够独立上岗时，它可以不间断地24小时学习，数据每完成一次闭环，AI就会进化一次。只有当AI智能体独立上岗后，它才开始进入学习的快速提升阶段，其上限是我们看不见的。

所以，第一时间完成智能体的独立上线，让AI自行完成实时的数据闭环和自我学习提升，这是启动黑洞效应的关键。

同时，由于构建智能体的核心能力相对稀缺，可以将智能体扩展到更多相似的场景和内容中，即跨领域的扩张。

AI时代的竞争战略

从网络效应到黑洞效应

智能体上岗就是解决供给稀缺的问题，价值创造的源泉是黑洞效应，即如何高质量、高效率地消化、吸收、运用和创造知识。

但黑洞效应不会导致赢者通吃，未来竞争将达到相对均衡的状态，会有多个智能体存在。

从最低网络规模门槛到最低智能门槛

互联网时代的竞争重要的是争取第一时间达到最低网络规模门槛，这样网络效应就会被触发，网络消息开始滚动传播。

在智能时代，我们追求的是尽快跨越最低智能门槛。如果不能达到60分的标准，这个产品就无法投入使用。然而，一旦超过60分，达到90分可能只需要两周的时间，因此必须第一时间让AI上岗。

从高频碾压低频到高智商碾压低智商

人类最大的痛苦是什么？获得的知识始终是有限的，人类的学习能力也是有限的。但AI从第一天起就拥有了人类历史上积累的所有知识，并且可以在秒级内调用这些知识。因此，这是一个维度上完全不同的竞争。

未来的行业壁垒将被重新定义，有些人可能认为自己是安全的垂直行业，把AI当作工具使用就足够了。

但是，今天大家普遍认为安全的垂直行业的定义都是基于过去的知识和经验建立起来的壁垒，而这些壁垒很可能被AI打破。

因此，未来的行业壁垒将根据AI的认知模式和效率差异来重新定义，而不是基于人类的认知模式和经验差别。