梁文锋谈AI路线：Agent之后是持续学习
在很多企业还在争夺更大模型参数、更高算力投入的时候，DeepSeek创始人梁文锋给出了另一套AI发展路线图。
在一次持续四小时的沟通会上，梁文锋表示，AI的发展更像是一层层向上的阶梯，而不是简单靠堆叠资源完成跃迁。过去一年的关键节点是CoT（思维链），让模型开始具备更强的推理能力；接下来行业重点会转向Agent，让AI从“回答问题”走向“执行任务”。
但在他看来，Agent并不是终点。
真正影响AI长期能力的，是持续学习。
目前的大模型虽然已经展现出较强的语言理解、知识整合和内容生成能力，但它们更多依赖训练阶段获得的能力。模型上线之后，并不会像人类一样在真实环境中不断积累经验、调整自身认知。这也是当前AI体系中的一个明显缺口。
梁文锋认为，持续学习之后，AI可能会逐渐进入一个新的阶段，即模型能够自主开发下一代模型，实现某种程度上的自我迭代。
不过，他并没有把这一过程描述成科幻式的突然爆发。所谓“奇点”，在他的理解中并非某一天突然发生的事件，而是一段逐渐推进的过程。AI能力提升会像阶梯一样，一步一步接近更高水平。
这与当前市场上一些激进预测形成了反差。过去几年，部分观点认为AGI可能会以某个时间节点突然到来，但梁文锋更强调技术演进中的连续性。模型能力提升、算法改进、学习机制完善，这些变化可能会经历较长周期。
在这条路线中，具身智能反而被放到了更靠后的位置。
如今，机器人已经成为AI竞争的新战场。从特斯拉的人形机器人，到谷歌、英伟达布局的机器人智能系统，行业都希望让AI进入现实世界。但梁文锋认为，如果没有持续学习能力，直接推动具身智能会是一条更困难的路径。
原因很简单。机器人面对的是开放环境，而不是固定的数据集。一个模型可以在聊天窗口里表现优秀，但让它处理复杂现实任务，需要不断适应新的场景。
“AI现在不缺品位和直觉，缺的是持续学习能力。”梁文锋表示。
这句话其实点出了当前大模型产业的一个矛盾。
今天的AI已经能够写文章、编程、分析数据，甚至完成部分专业工作。问题不在于它有没有一次性的能力，而在于这种能力能否长期保持、不断进化。
类似人类学习一样，真正强大的智能并不是记住大量信息，而是在新环境中调整策略。
从商业角度看，这也解释了为什么DeepSeek并没有把所有资源投入到更广泛的应用场景扩张。相比打造一个超级App，或者追逐视频生成、3D世界模型等热门方向，梁文锋更关注模型能力本身的演进。
AI产业正在进入一个新的竞争阶段。过去比拼的是算力规模和数据数量，未来可能更多取决于谁能让模型真正“成长”。
如果持续学习能力成为下一阶段技术突破点，那么大模型竞争的逻辑也会发生变化。企业需要的不只是训练一次更强的模型，而是建立一个能够不断进步的智能系统。
这条路并不容易，但或许正是通往更高级人工智能的关键一步。
