职贝云数AI新零售门户

标题: 从AIGC到AIGA:Agent浪潮下的产业新坐标 ——2026中国AIGC产业峰会参会手记 [打印本页]

作者: mFs 时间: 昨天 22:56
标题: 从AIGC到AIGA:Agent浪潮下的产业新坐标 ——2026中国AIGC产业峰会参会手记
5月20日，我参加了量子位主办的2026中国AIGC产业峰会。往年主题叫马上AI起来，听起来轻巧，但整场上去，紧迫感是真实的。将近20位嘉宾，产业、技术、学术、投资都有，密度很高。散场走出会场，我脑子里还在转几条线索，觉得值得仔细写上去。
一、最强共识：AI正在从工具变成消费力系统假如明天只留一句话，我会留这个：AI正在从帮你做一件事故成替你跑一套流程。这句话不新颖，但往年说它的底气变了——嘉宾们聊的不是将来，是此刻。掌管人在收场抛出了一组对比：AIGC（AI Generated Content）vs AIGA（AI Generated Action）。这不是造新词玩概念，它描画的是一个真实的跃迁——当AI不只是帮你写一篇稿子、出一张图，而是末尾接管一个残缺的义务流，甚至在物理世界里直接举动，它的价值密度就完全不是一个量级了。这条线索在几位嘉宾那里反复出现。昆仑万维董事长方汉说，AI曾经把一首歌的制形成本从10万压到1块钱，但他强调真正的价值不在生成本身，而在于你能不能判别该做什么——从消费内容到做出决策，这才是真正的跨越。商汤科技的林达华说，多模态一致架构的目的不是让AI更会画图，而是让它真正了解空间、了解物理世界，为机器人进入理想打基础。亚马逊云科技的王晓野则直接点明：企业Agent落地，瓶颈不在模型，在数据接入、权限管控和义务闭环。三个人，三个角度，说的是同一件事：生成内容只是终点，完成义务才是终点。
二、Agent：下一个超级入口，还是下一个泡沫？Agent是往年峰会出现频率最高的词，但嘉宾对它的态度，不测地抑制。浩大集团邓亚峰拿Manus举例，说它的确定义了自主完成义务的产品范式，但用户大量弃用的缘由不是不需求，是做得不够好。他以为下一代Agent必须做到两件事：自主性和自退化——不只执行你交代的义务，还能基于你过去的偏好自动预测你想要什么。他特别强调长期记忆是Agent差异化的核心护城河。模型才能正在疾速同质化，但每个人的记忆数据不可迁移，这才是真正难被替代的东西。这个判别我很认同，也让我想到，我们设计AI产品时，往往把记忆模块当成一个技术完成细节，而不是核心产品体验来打磨——这个优先级能够需求重新校准。企业侧，王晓野征引Gartner预测：到2028-2030年，超过15%的企业日常工作决策将由Agent自主完成。但他也说，目前真正把AI跑进消费系统、产生本质价值的企业，大概只要10%。鸿沟在哪？他拆成了五层：算力推理成本、模型选择灵敏性、数据与知识接入、消费级Agent构建平台、开箱即用的垂直Agent运用。其中数据孤岛成绩最突出，占据了企业落地70-80%的成本。这个框架对AI PM来说有实践参考价值——我们容易把工夫花在功能设计上，但真正的落地卡点其实更深，在数据管理和权限管控那一层。
(, 下载次数: 0)

<img />
三、物理空间，才是AI的下半场商汤林达华的分享是明天技术含量最高的一场。他的核心判别是：AI在数字空间的才能曾经相对成熟，下一个真正的战场是物理空间，而打开物理空间的钥匙是空间智能。他提到一个反直觉的发现：训练多模态模型时，越多加入视觉空间判别类的数据，模型的空间了解才能反而越弱——由于言语先验太强，会把视觉感知覆盖掉。这意味着单纯堆数据处理不了空间智能成绩，必须探求新的训练范式。商汤的方向是把了解和生成一致进同一个模型架构，让它既能用言语表达了解，也能用视觉表达想象，在同一个大脑里同时处理数字分析和物理举动。蚂蚁灵波的沈宇军从具身智能角度给出了一个我觉得目前最务虚的道路图：硬件先收敛（标准化供应链）→ 数据标准收敛 → 模型范式收敛 → 硬件再迭代。他估计2028年前后，会出现相似自动驾驶试驾式的数据搜集形式，让普通人也能参与为机器人提供训练数据——那个时辰，才是具身智能真正的ChatGPT时辰。两个人的分享放在一同听，有一种奇特的呼应感：一个在处理AI怎样看懂空间，一个在处理AI怎样在空间里动，方向不同，但都在走向同一个目的地。
(, 下载次数: 0)

<img />
四、五类AI难以替代的人方汉的分享里有一段让现场反应最热烈，他说了五类他以为AI难以替代的人：讲故事的人——叙事框架和情感共鸣，AI没有原生的生成才能。有Idea的人——AI能完成想法，但创造真正有市场洞察的想法，还是人。定义美的人——AI的美是对人类历史创作的拼接，创造新的美感标准仍需求人。构建系统的人——能看全局、设计工作流两端的才能，很难被替代。有判别力的人——高判别、高责任的岗位，AI只能辅助，不能代劳。他说，阅历不再是护城河，但品味和判别力是。这句话对产品经理是个直接的提示。假如你的日常工作核心是执行曾经明晰定义的流程，你在高风险区。假如你的工作核心是决议做什么，反而能够是AI时代最稀缺的那类人。

<img />
五、作为AI产品经理，我在想什么以下是我本人的思索，跟嘉宾观点有关。义务拆解，比功能设计更重要王晓野的分享让我反复想一个成绩：Agent时代，我们到底在交付什么？传统SaaS交付的是流程和界面，用户在外面完成义务。但Agent交付的是结果本身——用户不关怀你的界面，只关怀义务到底完没完成。这意味着AI PM的核心才能必须从功能设计转向义务拆解与闭环设计——你需求能明晰定义：用户的真实目的是什么？完成义务需求哪些数据？哪些步骤可以自动化？哪里必须有人参与？记忆架构是被低估的产品维度邓亚峰关于长期记忆的部分深触动了我。AI越用越懂你这件事，才是用户真正情愿留上去的根本缘由。模型在同质化，但个性化记忆数据不可迁移。谁能更好地积累和应用这些数据，谁才有真正的差异化壁垒。这对产品架构的含义很深，但很多团队还没末尾仔细对待它。AIGA的机会是场景命题，不只是技术命题从AIGC到AIGA，最大的变量不是技术，是对场景的了解深度。Coding Agent之所以跑得最快，是由于代码执行是一个自然可验证的闭环义务——目的明白，结果能验证，错误可容忍，流程可自动化。那么成绩就是：在你所在的行业里，什么义务具有异样的特征？找到这个义务，就是AIGA在你范畴的打破口。这是我以为AI PM如今最值得花工夫做的一件事：用行业know-how去辨认哪些义务可以被Agent接管。在噪音里保持节拍有一句我很认同的话：AI短期被极度高估，长期一定被低估。Demo永远冷艳，消费落地永远有成绩。我们作为AI产品从业者，需求同时保持两种才能：对前沿趋向足够敏感，不错过大方向；在每一波热点里足够清醒，不被带跑。产品感和技术判别力，在这个时代同等重要。
最后量子位的孟鸿在收场说了一句话：这一轮AI革命有一个特点，它不会等一切人都预备好。这话可以了解成焦虑贩卖，但我觉得它描画的是一个真实的结构——AI不是一次性晋级，而是持续迭代的基础设备，晚举动一步，不是落后一步，而是落后一个节点。AIGC时代我们学会了让AI生成内容，AIGA时代要学会让AI完成义务。这个转变不只是技术层面的，也是产品思想的，某种程度上也是职业方向的。马上AI起来——不是口号，是工作方式。文中部分嘉宾发言来自现场速记整理，如有出入以官方稿件为准。

欢迎光临职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)