在北京中关村东升科技园众智园，一场聚焦人工智能前沿发展的行业盛会——AI创新者大会暨第三届提示工程峰会（PEC）拉开帷幕。本届大会以“Won Token， Won World”为主题，首场核心对话围绕“2027年，我们需要怎样的模型？”展开深度探讨，吸引了来自学术界、产业界和投资界的众多专家参与。
PEC发起人高飞在开场环节指出，当前AI模型更新迭代速度惊人，新模型发布、基准测试刷新、能力边界拓展已成为行业常态。然而，模型能力提升、基准测试设计与企业实际应用落地是否保持同步发展，成为引发全场思考的关键问题。这场对话由此展开，四位嘉宾从不同维度展开分析。
中国信息通信研究院人工智能研究所所长魏凯从产业观察角度提出，今年上半年平均每2.8天就有一个前沿模型问世，但模型指标与用户实际体验存在显著差距。这种差距体现在三个方面：基准测试的局限性导致采样不全面；通用模型评价难度随能力提升而增大；模型技术扩散速度远落后于能力进化速度。他特别强调，企业数据治理、知识库建设等基础能力不足，是制约模型落地的重要因素。
清智资本负责人张煜从创投视角补充道，模型快速迭代给创业公司带来双重挑战：一方面新模型不断涌现使旧模型迅速贬值，另一方面应用开发速度难以匹配模型进化节奏。这种速度错位导致创业策略发生转变，越来越多的团队开始聚焦问题解决能力而非单纯追求模型性能，同时在产品设计阶段就考虑多模型适配性，预留技术迭代接口。
面壁智能首席科学家姚远将讨论引向智能部署形态的变革。他认为未来智能将呈现云端与端侧协同发展的格局，端侧智能的崛起源于隐私保护、离线场景等现实需求，以及模型智能密度持续提升的技术趋势。与云端模型追求容量不同，端侧模型需要在有限算力条件下实现高效运行，这要求重新设计模型架构和训练方法。
元环智能创始人刘子鸣从模型架构演进角度提出，当前通用大模型正处于“合”的阶段，但未来必然走向分化。他指出，现有Transformer架构在处理符号化信息（如文本、代码）方面表现优异，但面对物理世界中70%的非符号化场景时存在天然局限。不同领域需要开发专属模型架构，这为AI研究开辟了新的方向。
在第二轮讨论中，嘉宾们将视角转向模型从数字世界向物理空间的延伸。魏凯强调，企业需要构建数据治理、语义层建模等基础能力，这些将成为连接模型与企业核心资产的关键桥梁。姚远结合具身智能机器人研发经验指出，物理智能面临数据稀缺和软硬件强耦合两大挑战，需要建立新的基础设施和协同研发模式。
张煜观察到，模型能力提升正在重塑创业生态。小型团队凭借灵活机制能够快速跟进新技术，而大型企业则容易形成路径依赖。他提醒创业者，随着模型逐步掌握常规知识，应用层的价值将更多体现在硬件整合、流程优化等系统性解决方案上。刘子鸣则从科学突破角度提出，当前AI研究仍处于“亚里士多德时代”，需要建立系统化的理论体系，这为小型实验室提供了通过方法论创新实现突破的机会。
在最终讨论环节，嘉宾们为2027年的从业者提出具体建议。魏凯建议企业建立清晰的能力边界认知，在选型时综合考虑任务需求、数据安全和成本因素。姚远透露面壁智能将持续攻关模型智能密度提升技术，推动端侧AI从“可用”向“好用”进化。张煜强调创业者需要培养快速学习能力、商业敏感度和创造力，以应对技术门槛降低后的竞争环境。刘子鸣则鼓励小型研究团队探索高效研究方法，通过人机协作挖掘新的模型架构可能性。
