协同进化：2026年人工智能十大趋势报告-腾讯研究院优质

腾讯研究院出品协同进化2026人工智能十大趋势报告

编委会顾 问司 晓 | 腾讯副总裁 腾讯研究院院长联合出品腾讯研究院 腾讯云智能 腾讯优图袁晓辉 | 腾讯研究院副院长 资深专家研究团队李瑞龙 陈东明 茹炳晟 刘莫闲 余 一曹士圯 翁金塔 白惠天 王 强 吴朋阳王 鹏 黄 浩人工智能正在从单点突破走向系统性进化。模型在使用中持续学习，环境在交互中被重塑，商业在落地中寻找真实价值，组织在协作中摸索新形态——四条线索彼此咬合，构成一幅协同进化的全景。

CONTENTS目录Part I 进化Part II 落地Part III 重组趋势01 在线进化：进化不止于训练，模型部署后的再学习趋势02 多模态认知：从渲染器到创作者，更好的理解世界趋势03 科学智能：三位一体，AI for Science的攻坚之战010610趋势04 驾驭工程：给野马套上挽具，竞争前沿移到模型外部趋势05 全民构建：编程先验战场跑通，AI 原生工作迈向千行百业趋势06 可信执行：把信任铺成管道，从自主到可信152126趋势07 智力即服务：Token 退居幕后，智力走上前台趋势08 智联网：互联网的新主体，当Agent开始上网趋势09 液态组织：组织开始流动，从固态结构走向液态编排趋势10 角色重构：从监督者到架构师，职业的重心在往上移30354146学习、感知和发现进化Part I学习、感知和发现从可用到好用的基础设施当AI成为社会的参与者

过去三年，基础模型进步的默认逻辑是“Scaling”：更多数据、更大参数、更多GPU。2026年大模型能力仍在持续提升，甚至没有人明确看到天花板。但随着时间拉长，有一个问题开始浮现：模型智商提高之后，要真正为人类所用，模型必须学会coding和数学之外的更多事。正如谷歌DeepMind的科学家Hassabis所说，Scaling时代远没有结束，但仅靠Scaling已经不够了，AGI的实现还需要一两项重大创新才能真正突破。新东西究竟是什么？远期或许在于架构的创新，继续刷新智能前沿。但在2026年，我们认为是三条同时发生的学习曲线。这也许是在下一代颠覆性架构来临之前，进一步最大化基础模型应用的工作。模型的进化不再只发生在训练阶段，部署之后还在学，使用过程中还在长，研究本身也在被AI加速。过去两年训练范式最大的变化发生在反馈方式上。以前是RLHF，让人类标注员判断哪个回答更好；现在是RLVR，让程序直接验证答案对不对。OpenAI的o系列和DeepSeek-R1先后证明，纯靠程序反馈做强化学习，推理能力就能自己涌现，不需要监督微调。优势在于绕开人工标注，自主产生高质量训练信号，模型在不断试错中变强。代码和数学最先被突破，因为验证信号最容易获得。问题是这件事并不自然发生在所有领域。代码幂律曲线已开始递减，材料科学、超导体发现等方向远未饱和。RLVR正从接近天花板的领域，向这些空白地带扩散。为什么之前扩不出去？Anthropic在一项研究中提出了相关的思考。设想一下，让AI在生物数据基础设施中导航，就像在汽车发明之前设计的意大利山城里开车，街道虽美，但现代车辆根本开不进去。代码领域最先被突破，一方面是因为答案容易验证，另一方面整个软件基础设施天生为程序化访问而建。但生物学、材料科学、临床医学，大量关键数据被困在手动网页流程和分散数据库里，模型触达不到。障碍正在被清除。一个病毒学领域的实验（VirBench，120个真实查询）显示：只要加一个确定性检索工具层，所有模型准确率都超过90%，最好达99.7%。换句话说，基础设施质量对结果的影响甚至大于模型能力本身，铺好数据访问的路，模型自然跑得通。这件事的产业含义在当下值得重视：如果基建质量的权重高于模型能力，那么科学AI的话语权就会部分从模型公司，转移到那些握有领域数据通路的机构。谁控制数据进出的闸门，谁就掌握了RLVR下一波扩散的入场券。模型不再是唯一的护城河。强化学习走出代码和数学，向更多可验证领域扩散趋势 1李瑞龙 黄浩作者:在线进化：进化不止于训练，模型部署后的再学习02趋势01在线进化01趋势01在线进化

看你刚发的新文档。基于此，团队提出了一个务实的判断：大模型最终需要服务于人类，需要应用于各类生活、工作的上下文场景。2024年的主旋律是Scaling，202...