移动通信网 赵哲超
9月21日，2026北京互联网大会上，腾讯研究院前沿科技研究中心主任王强发表主题演讲，就AGI进程与“人工智能+”产业落地路径给出系统判断。他指出，即使按最保守预测，AGI也将在“十五五”、最晚“十六五”期间来临。今年以来大模型能力提升速度已难以用“日新月异”形容——白天中国工程师研发、晚上美国工程师接续迭代，发版周期甚至要以“半天”来衡量。王强援引两项关键数据佐证AGI临近：过去6年间，通用前沿模型智能体以50%可靠性自主完成的任务时长约每7个月翻一番；而今年2月，Anthropic Claude以50%准确率完成的长程任务已达4小时49分钟，GPT 5.1以80%准确率完成的任务时长为32分钟，春节后Anthropic Mythos更将这一纪录推至16小时。他预计，今年内AI即可稳定完成人类专家一天的工作量，这一进展较此前行业预期提前约两年。
【关键数据】
[1] Anthropic Claude长程任务时长4小时49分钟（50%准确率）
[2] Anthropic Mythos完成长程任务长达16小时
[3] 全球HTML网页请求中机器人流量占比57.5%
[4] 广东省50万公务员将使用WorkBuddy日常办公
[5] 通用前沿模型50%可靠性任务时长约每7个月翻一番
从技术演进维度看，王强梳理了AI在Coding、长程任务、Agentic、长期记忆、上下文学习、持续学习、自进化、原生多模态、空间智能九大方向的快速突破。其中最具颠覆性的是AI自进化范式的成形：从GPT Codex、Claude Code在Harness工程层面的自进化，到GPT-6将自进化能力从外部工程框架内化至模型自身，新一代大模型已深度参与自身研发过程，“模型开发模型”的飞轮效应正在形成，技术迭代由此进一步提速。长程任务能力的跃升则标志着AI从“会回答”转向“能干活”——4小时49分钟到16小时的任务跨度意味着AI已能承接跨时段、多步骤的复杂工作流。在竞争格局层面，中国大模型追赶迅猛，多数任务中美模型均可完成，且中国模型性价比优势显著。截至9月，OpenRouter全球模型调用量TOP10中，美国仅GPT 5.6 Luna入围，其余均为中国模型，包括DeepSeek、小米、腾讯等，中国模型调用量已达美国的数倍。
市场层面，“人工智能+”产业落地呈现三阶段演进特征：第一阶段为知识问答，大模型仅承接行业数据与知识输入，不参与业务流程系统，也不承担责任；第二阶段为办公智能体，可调用工具生成文档，由人逐步确认，实现工作流提效；第三阶段即当前迈入的数字员工阶段，企业原有ERP、CRM、HR、OA、财务等系统通过API、MCP、A2A等协议接入，办公智能体成为新入口，数字员工将掌握企业大量信息、执行自动化决策并具备自主化能力。与之相伴的是互联网底层流量结构的转变：Cloudflare Radar流量监测显示，全球HTML网页请求中机器人流量占比57.5%，人类流量仅42.5%，整个产业正从移动互联网向智联网转型。编程能力也从程序员专属技能泛化为全行业工具，物理世界与数字世界中可数字化的部分均可被编程建构和操作，世界模型由此迎来新的商业机会。
产业链视角下，数字员工的落地依赖模型能力、协议标准与企业系统改造三方协同。API、MCP、A2A等接口协议成为连接大模型与企业存量IT资产的关键枢纽，ERP、CRM、HR、OA、财务等核心业务系统的接口化改造构成新的产业链环节。王强用“竹子生长”比喻落地节奏：前四年仅长三厘米，第五年起每天长30厘米——前期投入集中于改变组织认知、积累数据资产、构建新型人才与组织机制，回报呈非线性释放。他同时提醒，高价值领域的领先企业AI应用量已远超落后企业，马太效应正在显现。组织变革随之而来：原有经验和领域知识在加速折价，判断力与学习速度成为更核心的个人资产。个人应用层面则围绕效率价值、陪伴价值和体验价值展开，类似移动互联网时代的“省时间”与“杀时间”逻辑，“品类认知”与“Taste品味”成为竞争关键。
商业化落地已出现规模化案例。在企业侧，WorkBuddy与蒙牛等企业合作打造一批数字员工，覆盖研、产、供、销、服全链条，一线员工创意被激活，自行开发“给奶牛看病”等行业应用不断涌现。在政务侧，广东省与湾擎WorkBuddy达成合作，全省50万公务员将使用其系统处理日常办公事务，这成为中国政务领域数字员工部署规模最大的案例之一。此类项目的共同特征是：AI不再停留于问答辅助，而是嵌入实际业务流程，承担具体岗位职能，并经由MCP、A2A等协议与企业系统深度耦合。编程工具的泛行业扩散同样在加速——当物理世界的可数字化部分均可被编程建构，农业、制造、物流等传统行业的数字化门槛大幅降低，中小企业的AI应用成本随之下降，中国大模型的性价比优势在这一环节被进一步放大。
面向行业下一步，王强强调应对AGI变革“既要有信心，也要有耐心”。信心的依据是长程任务能力、自进化能力等核心指标的超预期进展，以及中国模型在全球调用量格局中的崛起；耐心的依据是组织变革、数据积累与人才建设的长周期属性——AI落地前期的投入无法立即转化为可见产出，正如竹子前四年的扎根。对个体与组织而言，原有经验的贬值速度加快，持续学习能力成为新的核心资产。王强最后提出AI治理的价值坐标：“要平衡好长远之善与当下之善，给没准备好的人以时间，给已准备好的人以空间。最重要的是AI以人为本，‘让人放心、把人放大’才会发挥AI价值。”在AGI渐近、数字员工规模上岗的转折点上，技术演进速度已远超组织适应速度，如何在效率提升与人的发展之间取得平衡，将是未来两年“人工智能+”落地的核心命题。
