圖片經由AI工具生成
文｜王捷
編輯｜博陽
6月末在中國大連舉行的夏季達沃斯期間，來自全球的人工智能(包括機器人)行業領袖齊聚一堂，討論人工智能行業的當前發展，和接下來的重要趨勢。其中，中國初代AI投資人，深圳數經院AI經濟研究中心聯席主任王捷提出，AI行業走過了 “生成內容”、“推理能力”、“行動能力” 三個階段後，即將走向 “真實世界AI” 階段。全行業各個環節也需要做好相應準備，以迎接這個階段的到來。
以下是《人工智能來到“真實世界AI”階段》全文，騰訊科技首發。
We are at AI’s reality moment.
在過去幾年，AI已經學會生成、推理和行動。下一個階段，不只是AI能否在屏幕上給出更漂亮的答案，而是AI能否從真實世界的反饋中學習，並在真實世界中交付可接受、可持續的工作結果。今天，我們正處在AI發展的“真實世界時刻”。
01
觀察：AI正在持續駛離benchmark世界
過去幾年，AI行業的主敘事被benchmark組織起來。每一次模型發佈，都伴隨着一組分數：語言理解、專業考試、數學推理、代碼生成、軟件工程、網頁操作、多模態問答、智能體任務。分數上升，行業興奮；分數飽和，新的benchmark被創造出來。 benchmark成爲AI發展長路上一個又一個里程碑的旗幟。
但是，一個越來越清楚的事實正在出現： AI正在持續駛離benchmark世界。 許多曾經被認爲足夠困難、足以代表智能的測試，被模型一次次逼近、追平、超過。研究者繼續定義新任務、新排行榜、新評測集， 模型又繼續追趕並拔下新的旗幟。 這當然是科學進步的一部分，卻也說明單純的benchmark已經越來越難以承載AI發展的全部意義。
benchmark世界本質上是一個“理論世界”：問題被預先定義，答案有明確邊界，評估標準可以被形式化，失敗代價通常只是一行分數。它適合證明模型擁有某種能力，卻並不等同於證明模型能夠在真實工作流中交付我們期待的結果。一個模型在題庫裏答對，並不意味着它能在企業的採購流程、醫院的診療協同、工廠的排產系統、法律文件的風險審查、城市治理的應急響應中穩定完成任務。
因此，當我們說AI正在離開benchmark世界，並不是說benchmark不再重要。恰恰相反， benchmark仍然是技術進步的必要儀表盤。但儀表盤不是道路，分數不是結果，演示不是交付。AI駛離benchmark世界，正在去向哪個世界？答案是：真實世界。 整個行業正在進入“真實世界AI”階段。
02
從“理論世界”到“真實世界”的躍遷
“理論世界”的三個舊階段
這一輪AI的發展，已經 經歷了三個清晰的舊階段 。第一是 “生成內容”階段 ，典型形態是 chatbot 。AI第一次以自然語言爲界面，能夠寫作、總結、翻譯、對話、解釋，成爲人類認知勞動的通用文本工具。第二是 “推理能力”階段 ，典型形態是reasoner, 即以GPT o1, DeepSeek R1爲代表的推理模型。AI開始表現出更強的分解、搜索、規劃、證明和自我檢查能力，可以處理更長鏈條、更高複雜度的問題。第三是 “行動能力”階段 ，典型形態是agent。AI不再只是回答問題，而是調用工具、瀏覽網頁、寫代碼、操作軟件、執行多步驟任務。
這三個階段非常重要。 生成給了AI語言，推理給了AI思考，智能體給了AI初步的手。 會生成、會推理、會行動之後，下一件事不是在演示中完成更多動作，而是在真實環境中承擔結果。 真實世界將給AI未來長期行動的環境。
爲什麼說 以上三個屬於舊階段 ？因爲 它們大多停留在“理論世界”或“準真實世界”。模型面對的是被抽象出來的問題，而不是完整的經濟—社會系統 ；它優化的是可計算的反饋，而不是多主體、多約束、長週期的真實結果；它展示的是能力可能性，而不是被用戶、組織、制度和市場共同接受的工作成果。
“真實世界”新階段
我們提出 “真實世界AI” , Real-World AI, 以反映AI即將進入的新階段。真實世界AI的定義是： 能夠從真實世界反饋中學習，完成真實世界任務，併產生真實結果的AI。 這裏的“真實世界”包括兩層含義：第一，訓練的 反饋來自真實環境 中的結果、用戶、制度、成本和風險，而不是隻來自標準答案；第二， 任務來自真實工作流 ，而不是隻來自題庫、沙盒或演示。它不是一個籠統的標籤，而是AI從能力展示走向生產交付、從理論智能走向工作智能的階段性名稱。
真實世界AI的核心，不是把AI接入更多按鈕，而是讓AI進入閉環 ：理解真實任務，接收真實反饋，執行真實行動，修正自身策略，最終交付可接受的真實結果。 它要求模型能力突破目前主要集中在代碼、軟件工程、數學、網絡安全等“計算機學術”領域，走向更寬廣的人類工作場景：營銷、銷售、供應鏈、製造、金融、法律、醫療、教育、科研、公共治理，以及物理世界中的機器人和自動化系統。
以下是真實世界與理論世界的關鍵對比：
在這個意義上，真實世界AI不是某一個模型、某一個產品或某一種算法路線，而是整個行業的新方向。它將把後訓練、強化學習、工具使用、記憶系統、工作流集成、組織反饋、人類監督、安全機制和經濟價值衡量連接在一起。 真實世界將成爲AI的新訓練場。
真實世界AI將輸出real-world intelligence. Real-world intelligence,是AI在接受真實世界反饋後訓練形成的模型能力，也是真實約束下把目標轉化爲結果的能力。它衡量的不是模型在靜態題目上的瞬時表現，而是AI系統在真實任務中的持續可用性、可靠性和價值創造能力。如果說 benchmark intelligence 的核心是 “能否在給定題目上得到正確答案” ，那麼 real-world intelligence 的核心就是 “能否在真實任務中完成被接受的結果” 。
爲什麼必然從“理論世界”到“真實世界”？
這個躍遷具有 技術必然性 ，也具有 經濟必然性 。技術上，大語言模型讓AI獲得語言能力，推理模型讓AI獲得更強的思考能力，智能體讓AI獲得初步行動能力。考察人的行爲， 在擁有語言、思考和行動能力之後，人一定會進入與真實世界互動的階段 。智能不是停留在頭腦中的能力，而是在環境中完成目標的能力。因此，AI的下一步也非常清楚：進入真實世界。
經濟上 ，AI革命的最大價值不可能永遠停留在問答、寫作和代碼片段中。 真正的生產力釋放，來自真實任務被解鎖 ：一個客服流程被端到端自動完成，一份法律盡調被穩定交付，一條供應鏈被動態優化，一個研究假設被快速驗證，一個機器人在倉庫或家庭中可靠協作。只有當AI進入真實工作流，企業纔會把它計入組織能力，社會纔會把它計入生產力，人類纔會真正感受到這一輪技術革命的規模。
這也是爲什麼 “真實世界AI”比單純討論AGI更具操作性。 AGI詢問AI是否接近人類智能，真實世界AI詢問AI是否能完成真實任務；AGI容易把討論帶向無限能力，真實世界AI把討論拉回反饋、結果、成本和價值。它不是降低AI的目標，而是把AI的目標放到它最終必須面對的地方：現實。
03
路線圖與術語
路線圖
就路線圖而言， OpenAI 在2024年提出的 五階段路線圖 總體上抓住了從chatbot到reasoner再到agent的演進方向，但它沒有 完整描述從理論世界到真實世界的躍遷 。以及其中後兩個階段，innovator和organizer，更偏agent可能具備的能力特徵，而不是與chatbot、reasoner、agent並列的技術形態；標準並不一致。更重要的是， 這一路線圖提出時行業尚未真正進入agent階段 ，對agent之後的判斷自然帶有不確定性。
在行業從 理論世界 邁向 真實世界 的節點上， 我們需要一個更能指導長期工作的路線圖。 我們提出如下五階段框架：第一， Foundation AI, 基礎模型階段 ，AI獲得通用表徵和知識壓縮能力；第二， Generative AI, 生成式AI階段 ，AI獲得自然語言和多模態生成能力；第三， Reasoning AI, 推理型AI階段 ，AI獲得更強的搜索、規劃、證明和反思能力； 第四，Agentic AI, 智能體AI階段 ，AI獲得調用工具、操作軟件、執行步驟的行動能力； 第五，Real-World AI, 真實世界AI階段 ，AI進入真實工作流，從真實反饋中學習，並交付被人類、組織和制度接受的真實結果。
這個路線圖把“真實世界AI”放在agent之後。Agent解決“AI能否行動”的問題，Real-World AI解決“AI行動之後是否產生可接受後果”的問題。 Agent是接口，真實世界是閉環；Agent是手，真實世界AI是組織起來的工作能力； Agent讓AI進入流程，真實世界AI讓AI被流程接納、被組織信任、被經濟計量。
再往後，行業可能進入一個更大的階段： AI成爲經濟和社會的操作層，也就是我們之前多次提及的“數字層”。 那時，AI不只是完成一個個任務，而是參與決策支持、組織協調、資源配置、科學發現、城市運行和物理世界操作。但這個未來能否到來，取決於今天能否跨過真實世界AI這一關。沒有真實反饋，就沒有真實智能；沒有真實結果，就沒有真實生產力。
術語
過去，我們已經擁有大量描述這一輪AI發展的術語： AGI、ASI、Generative AI、Agentic AI、Embodied AI、Physical AI 等 (World Model/世界模型不是描述AI發展特徵，是描述一種模型路線)。總體上，這些術語大多從算法、能力或載體角度出發，可以稱爲 “算法視角下的描述” 。它們非常重要，但也容易把行業討論帶入“模型是否足夠聰明”“智能是否無窮大”“何時超過人類”的抽象爭論。
好的名字應該具備一種方向感 ：它不僅描述技術是什麼，也提醒我們最終要去哪裏，以及當下處在什麼位置。 “真實世界AI”具備這種方向感。 它不否定AGI、Physical AI或Embodied AI，而是改變提問方式：不再只問AI在技術上是什麼，而是問AI在經濟和社會中能做什麼；不再只問AI是否接近人類智能，而是問AI是否能夠穩定完成真實任務、創造真實價值、承擔真實後果。
“真實世界AI”也把 數字世界和物理世界統一起來 。在數字世界，真實世界AI意味着AI進入企業軟件、知識工作、交易流程、研發流程、治理流程；在物理世界，真實世界AI意味着機器人、自動駕駛、智能製造、家庭服務和城市基礎設施從真實環境中學習。無論載體是瀏覽器、API、辦公軟件、機械臂、車輛還是人形機器人，核心問題都是同一個：AI能否在真實環境中形成閉環，完成任務，並被現實接受。
因此，我們向全行業介紹 “真實世界AI / Real-World AI”這一表述 。它能把研究者、創業者、投資人、企業用戶和政策制定者拉到同一張地圖上 ：從benchmark intelligence走向real-world intelligence；從能力展示期走向任務解鎖期；從模型競賽走向生產力競賽；從“AI看起來會做”走向“AI真的能做”。
真實世界AI不是終點，而是入口。它提醒我們：未來幾年最重要的AI工作，不只是創造更大的模型、更長的上下文、更漂亮的演示，而是把現實變成訓練循環，把反饋變成能力，把任務變成價值，把AI變成人類社會真正可用的生產力量。
爲了讓這個階段真正到來，行業需要形成新的共識。模型訓練需要把 真實工作流反饋作爲後訓練的核心資源 ，而不只是追逐現有榜單；AI應用需要把產品從助手形態推進到任務交付形態，而 不只是把AI聊天窗口嵌入軟件 ；企業用戶要把AI評估從“好不好用”推進到 “能否穩定完成關鍵任務” ；投資者要從模型參數和演示效果之外， 重新衡量任務解鎖速度、反饋閉環深度和單位成本產出 ；政策制定者則需要建立 數據、責任、安全和審計框架 ，讓真實世界的採用能夠在信任中擴張。
這就是“真實世界AI”作爲術語的意義。它把一個分散的行業焦點凝結爲共同方向：讓AI離開演示舞臺，進入生產現場；離開題庫，進入組織；離開一次性回答，進入持續反饋；離開抽象智能，進入真實價值。 We are at AI’s reality moment. AI的下一個前沿不是另一個benchmark, 下一個前沿是真實世界。
真實世界將成爲 AI新的訓練場。
Reality is becoming the next training loop for AI.
作者王捷，中國初代AI投資人，完整經歷了移動互聯網各個發展和投資階段，2017年以來主要從事AI行業投資。作者郵箱[email protected]，微信如下，歡迎交流，添加請說明工作/學習機構、職務信息。
推薦閱讀