AI 的討論很嘈雜。有人盯著模型參數，有人預測下一次發布，有人問 AGI 還要多久。

但 Meta 新任首席 AI 官（Chief Al Officer） Alexandr Wang 在印度 AI Impact Summit 的對話里，把真正決定行業走向的變量，歸結為兩條主線。

第一條是提速。2025 年底出現了一個只有行業少數人能察覺的拐點：模型開始幫助創造模型。研發速度首次實現遞歸式增長，單個研究者的產出被成倍放大。Wang 將這個階段命名為遞歸自我改進（RSI）時代。

第二條是落地。智能體（agents）正加速大規模投入實戰。它們能執行完整任務鏈，像獨立個體一樣工作。從編程、運營到政府服務，可規模化部署的場景正在出現。

第一條主線決定天花板有多高，第二條主線決定落地有多快。而競爭的終局，取決于誰能讓更多人更早用上智能體。

01

技術進入自我加速階段

AI 行業有個規律：每次出現重大突破前，都會先經歷一輪質疑。

預訓練時代 （Pre-training），業內開始質疑：指數增長曲線會停下來嗎？邊際收益會遞減嗎？到了 2024 年底，強化學習（Reinforcement Learning）讓模型學會了推理。質疑聲再次響起：這個時代能持續多久？局限性在哪？

2025 年底，也就是幾個月前，Wang 給出了定論：我們已經進入了一個全新的技術范式，遞歸自我改進（RSI，Recursive Self-Improvement）時代。

過去五年，AI 進步靠堆資源。投入更多數據和算力，模型就變得更強。現在，這個規律失效了。模型不再被動等待投喂，它開始能幫忙做研究，能參與訓練下一代模型。它也能整理數據、生成實驗代碼、做架構搜索，而且速度更快。

從外部看，所有頭部實驗室的發布頻率突然變高了。但這只是表象。在內部，研發流程正在發生質變：研究被切分成更小的步驟，模型能夠實時給出方案并進行對比。許多過去依賴人工試錯的路徑，現在直接在模型內部就能跑通。下一代模型的迭代速度實現了量級躍升，而且這種加速已經成為常態。

競爭邏輯已經改變

在 RSI 時代，競爭的焦點已經從單純的“資源規模”轉向了“迭代速度”。

現在的優勢，取決于誰能更快地生成實驗方案、更快地清洗數據、更快地測試不同路徑，并以最快速度將這些成果反哺給下一代模型。所以你會看到，掌握了這套打法的頭部實驗室，產品發布節奏明顯提速了。

AI 已經進入了能夠自我推動的階段。短期內，你或許感知不到劇烈變化，但在未來三到五年，這種自我加速能力會在產品迭代、組織更新和行業地位上拉開巨大差距。

02

智能體從“概念”到“可用”

如果說第一條線講的是技術為什么變快，第二條線則更貼近普通人和企業：AI 為什么終于能把事情辦成了。

過去兩年，智能體（Agents）這個詞被提及了無數次。從 2023 年開始，它就被大肆宣傳，但在很長一段時間里，它更像是一個被炒作的流行詞，始終沒有達到預期。

到了 2025 年下半年，情況變了。智能體第一次真正開始運轉，能夠承擔真實任務，而不再僅僅是 Demo。

從會回答到會執行

智能體開始處理完整的任務鏈：它們可以連續調用工具、在后臺長時間運行，還能根據突發情況自動調整執行步驟。

從這一刻起，AI 能力邊界擴大了。以前的 AI 只能回答問題，現在的 AI 能推進進度。對企業而言，多了一個 7x24 在線的“數字員工”；對個人而言，則多了一個能主動幫你成事的“超級助理”。

它具體能做什么？

如果你想改善健康： 它能幫你量身定制并嚴格落地一套包含飲食、運動和作息的完整方案。

如果你要籌辦一場活動： 它能自動跟進進度、對接場地、發送邀請，甚至替你查漏補缺。

如果你想享受生活： 它能幫你接管繁雜的日常瑣事，把你釋放出來，把時間留給釣魚、畫畫、旅行，或者任何真正有價值的事。

三個方向同步爆發

編程智能體正在重塑研發流程。它們能讀懂、生成并修改代碼，讓工程師的工作效率實現躍升。在 Meta 內部，有工程師利用 AI 將生產力提高了 10 到 100 倍。這些案例一個接一個出現后，組織里的其他人突然意識到，工作方式真的在改變。

個人智能體（Personal Super Intelligence）能幫你規劃任務、安排日程、拆解目標，真正滲透進日常生活。

公共服務智能體在印度提供了絕佳范本：民眾直接在 WhatsApp 上就能獲取政府服務、查詢信息、提交申請，效率發生了質變。

智能體不再是某個前沿行業的專屬，它正成為一種通用的工作方式。

從不放心到放心

智能體為什么能在現在跨越“概念”走向“可用”？Alexandr Wang 將其歸結為四點質變：

模型的推理能力大幅躍升；

工具調用變得更加穩定；

與現實場景的連接更加順暢；

經過海量應用測試后，可靠性得到了驗證。

智能體從讓人“不放心”，變成了“可以放心托付”。這正是其能夠被規模化部署的核心前提。

一旦信任建立并放心部署，價值就會快速釋放。它們不知疲倦、可無限復制、能同時處理多項任務。它們不僅能將人類從重復性勞動中解放出來，更能加快整個組織的運轉速度。

企業的運轉效率、國家的公共服務質量，都將因此拉開差距。這些差距將在 2026 年變得清晰可見。按照 Wang 的判斷，在整個 2026 年，智能體會在全球諸多經濟領域和地區實現大規模部署。用他的話說：“AI 帶來的經濟價值將呈指數級增長。”

智能體已經成為一種新的生產方式。越早將其納入業務流程的組織，就能越早進入新的增長軌道。

03

機會在用得最快的地方

技術在加速，智能體已經可用。接下來的問題是：誰能最快把它們接入現實？

Wang 在訪談中把討論重心放在了印度。原因很簡單：印度正在成為一個關鍵樣本，證明即便不是技術發明者，也能成為最大受益者。

部署能力比發明能力更關鍵

主持人提到了 Jeffrey Ding 寫的《技術與大國》。書里有個核心觀點：回顧從印刷術以來的通用技術演進史，你會發現，從技術中獲得最大紅利的，往往不是這項技術的發明國。

印度認識到了這一點。它沒有追求成為技術發明者，而是專注于大規模應用。技術再先進，如果不能服務更多人、進入更多場景，價值就無法真正釋放。

四大基礎模塊，決定誰能用起來

Wang 在訪談中直言，釋放 AI 的全部潛力，既需要政策支持，也需要真金白銀的投入。這背后考驗的是四大基礎模塊：人才、數據、算力和數字基礎設施。

印度在這幾個維度上都有優勢。

人才方面，印度擁有世界級的開發者，消費者 AI 初創公司比美國還要多。

數據方面，Wang 說：如果把數據看作新的石油，那么政府應該思考自己的儲量有多少。印度政府與 Meta 合作推出的 AI 教練平臺，提供了 10 種主要印度語言的數據集。

算力方面，不是每個國家都需要建立大規模的 AI 數據中心，但需要有戰略，通過聯盟或與云服務提供商合作來獲得使用權。

基礎設施方面，印度有深厚的數字公共基礎設施，包括 ID 身份識別、UPI 支付、Aushman 健康賬戶，可以將應用程序分發給超過十億人。

跨越“信任”鴻溝，智能體政府正在成型

主持人講了一個故事。他有兩個年幼的女兒，當她們使用聊天機器人時，總是會說“請”和“謝謝”。他對女兒說：你們不需要那樣做，那不是一個人。女兒回答：爸爸，如果 AI 接管了世界，我們希望之前對 AI 很友善。

這個故事觸及了一個核心問題：在世界各地，人們對 AI 的態度很不一樣。在印度這樣的國家，人們充滿了樂觀和信任。但在西方國家，焦慮仍然是主導情緒。

Wang 指出，未來的個人智能體將比任何人都更了解你。要讓它真正發揮作用，必須建立起極高的社會信任。

WhatsApp 在印度的成功就是一個例子。它的普及在很大程度上歸功于對隱私的承諾，以及 Meta 圍繞它建立的信任。當下的 AI 產品也需要經歷類似的過程。

在印度，某些邦已經直接通過 WhatsApp 辦理絕大多數政務。基于這個現象，Wang 提出了一個極具前瞻性的概念：智能體政府（Agentic Government）。

他說，我們需要跳出傳統臃腫的官僚體系，思考如何利用智能體和人類驗證的組合，以最快速度為公民提供服務。這套模式將覆蓋公務員系統、醫療保障和國家安全等各個領域。

智能體組織如何成為現實

主持人問了一個很實際的問題：如何推動這種轉變？

Wang 的回答基于 Meta 的經驗，需要兩個層面的配合。

首先，在最高層面上，必須明確 AI 優先的戰略方向。組織未來的成敗，完全取決于它擁抱 AI 的決心。

其次，必須在基層建立起成功案例。只有當員工實實在在看到了效率的成倍提升，他們才會意識到這不是領導層的空談，而是正在發生的真實革命。

自上而下的堅決指令，加上自下而下的標桿案例，兩者缺一不可。

技術線提供了前所未有的供給速度，部署線則考驗著社會的吸收速度。這兩條線的交匯處，就是未來幾年真正爆發新增長點的地方。

正如主持人在最后的疾呼：我最大的擔憂是，有些人把 AI 當成明天才需要操心的問題。但實際上，這是今天、現在就必須采取行動的關鍵議題。它不能再只是專業圈層的討論，它必須立刻成為決策者的核心關切。

04

結語｜時間窗口正在收窄

從預訓練到強化學習，再到遞歸自我改進，AI 的每一次躍遷都伴隨著質疑聲，但技術從未停下。

這一次的轉折在于：模型已經成為加速自身進化的工具，智能體已經從概念走向了真實部署。技術供給和應用落地，第一次同步加速。

印度正在證明：用起來的速度，正在變得比發明本身更重要。

窗口期已經開啟。那些更早把智能體接入組織、產品、服務的人，會在未來幾年建立起顯著優勢。

差距不會突然出現，但它已經開始拉開。