周鸿祎：2026年百亿级公司在AI领域排不上号

近日，360集团创始人周鸿祎出席2026崇礼论坛并发表主题演讲。开场时，他以一贯幽默风格坦言：“我来太舞小镇，目的和大家差不多——主要是来滑雪的；顺便也想圆一个多年心愿：我滑了这么多年雪，水平却一直‘稳居入门级’，这次特别希望能学会‘上下身分离’这项关键技巧。”

在谈及人工智能行业发展趋势时，周鸿祎梳理出一条清晰的技术演进路径：2024年是大模型的“追逐之年”，全社会掀起模型研发与参数竞赛热潮；2025年则进入关键转折点——大模型加速向“智能体”（Agent）转型升级；而到了2026年，全球智能体数量有望突破百亿大关。届时，在AI产业格局中，“百亿级公司”或将仅被视为中小型玩家。

他进一步指出，过去的大模型多停留在“聊天机器人”层面，虽能对答如流，却难以深度嵌入真实业务场景、承担具体任务。唯有升级为具备目标导向、自主规划、工具调用与环境交互能力的智能体，AI才能真正实现跨行业、可落地、可闭环的应用价值。

针对当前行业普遍存在的认知偏差，周鸿祎特别澄清了一个关键概念：训练算力与推理算力绝非同一回事。他强调，训练大模型所需的算力规模庞大、成本极高，本质上是少数头部科技企业的“专属赛道”；而对绝大多数企业、开发者乃至普通用户而言，真正高频、刚需、可规模化应用的，其实是推理算力。

二者在资源消耗上存在数量级差异：日常与大模型进行文字对话，即便每天输入2万字，每月token消耗量也仅为数万级别；但若让一个智能体独立完成一部专业短剧的策划与生成，或面向企业员工开展一堂涵盖实操案例的业务培训课，其单次推理所消耗的算力可能高达百万甚至千万token量级。

周鸿祎还指出，业内长期存在一种误解：似乎只有自研大模型、设计AI芯片，才算站在AI发展的“核心位置”。诚然，底层技术研发至关重要，但推动AI从实验室走向千行百业的关键跃迁，不在于重复造轮子，而在于构建贴合实际业务的智能体。而这一过程的核心主体，并非算法工程师，而是深耕一线的垂直领域专家与行业实践者。

他解释道，每一家企业都沉淀着大量难以言传的“隐性知识”——比如特定岗位的隐性胜任力要求、业务流程中的非标操作规范、客户沟通中的微妙分寸，甚至部分核心技术诀窍与商业机密。这些知识往往深植于资深员工的经验记忆或管理者的心智模型之中。若将其直接用于通用大模型的公开训练，极易导致核心竞争力外泄；而最安全、最高效、最具价值的路径，恰恰是将其转化为专属智能体的训练语料与行为逻辑。

在周鸿祎看来，谁能率先将这些“藏在人脑里、写在流程外、记在笔记本上”的隐性知识系统化提炼、结构化注入、场景化部署为智能体的能力底座，谁就真正握住了AI时代下一轮产业升级的核心红利。