AGI元年已至 长时程智能体渐落地各方观点
BigNews
观点组1: 智能体正从‘工具’进化为‘数字员工’，企业生产力模式面临根本重构
观点作者：红杉资本
观点内容：未来的AI应用不再是销售功能的软件，而是能持续交付工作成果的‘数字员工’。创始人需要思考如何将任务打包成可由智能体长期执行的工作流，并以结果而非工具进行定价和商业包装。
观点作者：明略科技
观点内容：智能体已实现从被动响应到主动解决复杂问题的跨越，具备感知、认知与执行全链路能力。在商业数据分析领域，DeepMiner智能体可自主规划分析路径，联动多源数据生成决策建议，推动组织向人机协同进化。
观点作者：OpenAI
观点内容：ChatGPT Health的推出表明AI已被作为高风险系统的决策组件部署。在医疗健康这类容错极低的场景中直接接入个人敏感数据，说明AI不再只是辅助工具，而是承担实际责任的系统主体。
观点组2: AGI的发展由强化学习与代理架构共同驱动，技术路径已清晰可扩展
观点作者：METR
观点内容：AI在长时程任务上的能力每7个月翻一番，前沿模型目前已能以80%成功率处理约30分钟的软件任务。按此趋势推算，2028年将能完成一整天的人类专家工作量，技术进步呈现指数级增长特征。
观点作者：DeepSeek
观点内容：通过mHC架构和Conditional Memory机制，我们在大规模训练稳定性与长期记忆管理方面取得突破，使得万亿参数模型可在工业级场景中稳定运行，为长周期Agent提供可靠的基础模型支持。
观点作者：a16z
观点内容：具身智能要跨越实验室到生产的五大鸿沟，不能仅靠模型升级。必须构建机器人领域的DevOps基础设施，在系统集成、可靠性阈值和维护体系上形成完整支撑，才能实现智能体的规模化落地。
观点组3: AI系统正在取代传统软件测试范式，测试开发必须转向风险边界约束
观点作者：作者
观点内容：AI系统的输出具有概率性、行为不稳定且决策链不可复现，若测试仍停留在接口断言和静态用例覆盖，将退化为事后验收。测试角色必须从验证功能转向识别不可控风险，成为系统行为边界的定义者。
观点作者：霍格沃兹测试学院
观点内容：未来不会AI测试的测试开发人员将逐步退出核心系统。测试开发需掌握大模型稳定性评估、Prompt变更风险识别、Agent执行链路可观测性等能力，才能应对AI系统带来的工程挑战。
观点组4: 2026年是AGI功能实现的元年，长时程智能体已具备自主解决问题的能力
观点作者：Pat Grady
观点内容：AGI在2026年已经到来，判断的核心标志是长周期智能体能否自主推理、规划并迭代解决复杂问题。这类智能体正从对话者演变为行动者，能够独立完成多步骤任务闭环，标志着功能性AGI的实现。
观点作者：Sonya Huang
观点内容：我们提出的是一个务实的功能性定义：AGI就是‘把事情想明白、搞清楚’的能力。编程智能体已在招聘等场景中完成人类专家的心理循环，31分钟内实现目标导向的搜索与决策，证明其已达到AGI的实际效用标准。
观点作者：至顶智库
观点内容：尽管对AGI的技术定义尚未统一，但从应用表现看，2025年已成为‘智能体元年’，AI Agent展现出环境感知、任务规划、工具调用和闭环执行能力，正在驱动产业发生结构性变革，预示通用智能进入现实阶段。
