人工智能来到“真实世界AI”阶段

作者：王捷

6月末在中国大连举行的夏季达沃斯期间，来自全球的人工智能(包括机器人)行业领袖齐聚一堂，讨论人工智能行业的当前发展，和接下来的重要趋势。其中，中国初代AI投资人，深圳数经院AI经济研究中心联席主任王捷提出，AI行业走过了“生成内容”、“推理能力”、“行动能力”三个阶段后，即将走向“真实世界AI”阶段。全行业各个环节也需要做好相应准备，以迎接这个阶段的到来。

以下是《人工智能来到“真实世界AI”阶段》全文，腾讯科技首发。

We are at AI’s reality moment.

在过去几年，AI已经学会生成、推理和行动。下一个阶段，不只是AI能否在屏幕上给出更漂亮的答案，而是AI能否从真实世界的反馈中学习，并在真实世界中交付可接受、可持续的工作结果。今天，我们正处在AI发展的“真实世界时刻”。

观察：AI正在持续驶离benchmark世界

过去几年，AI行业的主叙事被benchmark组织起来。每一次模型发布，都伴随着一组分数：语言理解、专业考试、数学推理、代码生成、软件工程、网页操作、多模态问答、智能体任务。分数上升，行业兴奋；分数饱和，新的benchmark被创造出来。benchmark成为AI发展长路上一个又一个里程碑的旗帜。

但是，一个越来越清楚的事实正在出现：AI正在持续驶离benchmark世界。许多曾经被认为足够困难、足以代表智能的测试，被模型一次次逼近、追平、超过。研究者继续定义新任务、新排行榜、新评测集，模型又继续追赶并拔下新的旗帜。这当然是科学进步的一部分，却也说明单纯的benchmark已经越来越难以承载AI发展的全部意义。

benchmark世界本质上是一个“理论世界”：问题被预先定义，答案有明确边界，评估标准可以被形式化，失败代价通常只是一行分数。它适合证明模型拥有某种能力，却并不等同于证明模型能够在真实工作流中交付我们期待的结果。一个模型在题库里答对，并不意味着它能在企业的采购流程、医院的诊疗协同、工厂的排产系统、法律文件的风险审查、城市治理的应急响应中稳定完成任务。

因此，当我们说AI正在离开benchmark世界，并不是说benchmark不再重要。恰恰相反，benchmark仍然是技术进步的必要仪表盘。但仪表盘不是道路，分数不是结果，演示不是交付。AI驶离benchmark世界，正在去向哪个世界？答案是：真实世界。整个行业正在进入“真实世界AI”阶段。

从“理论世界”到“真实世界”的跃迁

“理论世界”的三个旧阶段

这一轮AI的发展，已经经历了三个清晰的旧阶段。第一是“生成内容”阶段，典型形态是chatbot。AI第一次以自然语言为界面，能够写作、总结、翻译、对话、解释，成为人类认知劳动的通用文本工具。第二是“推理能力”阶段，典型形态是reasoner, 即以GPT o1, DeepSeek R1为代表的推理模型。AI开始表现出更强的分解、搜索、规划、证明和自我检查能力，可以处理更长链条、更高复杂度的问题。第三是“行动能力”阶段，典型形态是agent。AI不再只是回答问题，而是调用工具、浏览网页、写代码、操作软件、执行多步骤任务。

这三个阶段非常重要。生成给了AI语言，推理给了AI思考，智能体给了AI初步的手。会生成、会推理、会行动之后，下一件事不是在演示中完成更多动作，而是在真实环境中承担结果。真实世界将给AI未来长期行动的环境。

为什么说以上三个属于旧阶段？因为它们大多停留在“理论世界”或“准真实世界”。模型面对的是被抽象出来的问题，而不是完整的经济—社会系统；它优化的是可计算的反馈，而不是多主体、多约束、长周期的真实结果；它展示的是能力可能性，而不是被用户、组织、制度和市场共同接受的工作成果。

“真实世界”新阶段

我们提出“真实世界AI”, Real-World AI, 以反映AI即将进入的新阶段。真实世界AI的定义是：能够从真实世界反馈中学习，完成真实世界任务，并产生真实结果的AI。这里的“真实世界”包括两层含义：第一，训练的反馈来自真实环境中的结果、用户、制度、成本和风险，而不是只来自标准答案；第二，任务来自真实工作流，而不是只来自题库、沙盒或演示。它不是一个笼统的标签，而是AI从能力展示走向生产交付、从理论智能走向工作智能的阶段性名称。

真实世界AI的核心，不是把AI接入更多按钮，而是让AI进入闭环：理解真实任务，接收真实反馈，执行真实行动，修正自身策略，最终交付可接受的真实结果。它要求模型能力突破目前主要集中在代码、软件工程、数学、网络安全等“计算机学术”领域，走向更宽广的人类工作场景：营销、销售、供应链、制造、金融、法律、医疗、教育、科研、公共治理，以及物理世界中的机器人和自动化系统。

以下是真实世界与理论世界的关键对比：

在这个意义上，真实世界AI不是某一个模型、某一个产品或某一种算法路线，而是整个行业的新方向。它将把后训练、强化学习、工具使用、记忆系统、工作流集成、组织反馈、人类监督、安全机制和经济价值衡量连接在一起。真实世界将成为AI的新训练场。

真实世界AI将输出real-world intelligence. Real-world intelligence,是AI在接受真实世界反馈后训练形成的模型能力，也是真实约束下把目标转化为结果的能力。它衡量的不是模型在静态题目上的瞬时表现，而是AI系统在真实任务中的持续可用性、可靠性和价值创造能力。如果说benchmark intelligence 的核心是“能否在给定题目上得到正确答案”，那么real-world intelligence 的核心就是“能否在真实任务中完成被接受的结果”。

为什么必然从“理论世界”到“真实世界”？

这个跃迁具有技术必然性，也具有经济必然性。技术上，大语言模型让AI获得语言能力，推理模型让AI获得更强的思考能力，智能体让AI获得初步行动能力。考察人的行为，在拥有语言、思考和行动能力之后，人一定会进入与真实世界互动的阶段。智能不是停留在头脑中的能力，而是在环境中完成目标的能力。因此，AI的下一步也非常清楚：进入真实世界。

经济上，AI革命的最大价值不可能永远停留在问答、写作和代码片段中。真正的生产力释放，来自真实任务被解锁：一个客服流程被端到端自动完成，一份法律尽调被稳定交付，一条供应链被动态优化，一个研究假设被快速验证，一个机器人在仓库或家庭中可靠协作。只有当AI进入真实工作流，企业才会把它计入组织能力，社会才会把它计入生产力，人类才会真正感受到这一轮技术革命的规模。

这也是为什么“真实世界AI”比单纯讨论AGI更具操作性。AGI询问AI是否接近人类智能，真实世界AI询问AI是否能完成真实任务；AGI容易把讨论带向无限能力，真实世界AI把讨论拉回反馈、结果、成本和价值。它不是降低AI的目标，而是把AI的目标放到它最终必须面对的地方：现实。

路线图与术语

路线图

就路线图而言，OpenAI在2024年提出的五阶段路线图总体上抓住了从chatbot到reasoner再到agent的演进方向，但它没有完整描述从理论世界到真实世界的跃迁。以及其中后两个阶段，innovator和organizer，更偏agent可能具备的能力特征，而不是与chatbot、reasoner、agent并列的技术形态；标准并不一致。更重要的是，这一路线图提出时行业尚未真正进入agent阶段，对agent之后的判断自然带有不确定性。

在行业从理论世界迈向真实世界的节点上，我们需要一个更能指导长期工作的路线图。我们提出如下五阶段框架：第一，Foundation AI, 基础模型阶段，AI获得通用表征和知识压缩能力；第二，Generative AI, 生成式AI阶段，AI获得自然语言和多模态生成能力；第三，Reasoning AI, 推理型AI阶段，AI获得更强的搜索、规划、证明和反思能力；第四，Agentic AI, 智能体AI阶段，AI获得调用工具、操作软件、执行步骤的行动能力；第五，Real-World AI, 真实世界AI阶段，AI进入真实工作流，从真实反馈中学习，并交付被人类、组织和制度接受的真实结果。

这个路线图把“真实世界AI”放在agent之后。Agent解决“AI能否行动”的问题，Real-World AI解决“AI行动之后是否产生可接受后果”的问题。Agent是接口，真实世界是闭环；Agent是手，真实世界AI是组织起来的工作能力；Agent让AI进入流程，真实世界AI让AI被流程接纳、被组织信任、被经济计量。

再往后，行业可能进入一个更大的阶段：AI成为经济和社会的操作层，也就是我们之前多次提及的“数字层”。那时，AI不只是完成一个个任务，而是参与决策支持、组织协调、资源配置、科学发现、城市运行和物理世界操作。但这个未来能否到来，取决于今天能否跨过真实世界AI这一关。没有真实反馈，就没有真实智能；没有真实结果，就没有真实生产力。

术语

过去，我们已经拥有大量描述这一轮AI发展的术语：AGI、ASI、Generative AI、Agentic AI、Embodied AI、Physical AI等 (World Model/世界模型不是描述AI发展特征，是描述一种模型路线)。总体上，这些术语大多从算法、能力或载体角度出发，可以称为“算法视角下的描述”。它们非常重要，但也容易把行业讨论带入“模型是否足够聪明”“智能是否无穷大”“何时超过人类”的抽象争论。

好的名字应该具备一种方向感：它不仅描述技术是什么，也提醒我们最终要去哪里，以及当下处在什么位置。“真实世界AI”具备这种方向感。它不否定AGI、Physical AI或Embodied AI，而是改变提问方式：不再只问AI在技术上是什么，而是问AI在经济和社会中能做什么；不再只问AI是否接近人类智能，而是问AI是否能够稳定完成真实任务、创造真实价值、承担真实后果。

“真实世界AI”也把数字世界和物理世界统一起来。在数字世界，真实世界AI意味着AI进入企业软件、知识工作、交易流程、研发流程、治理流程；在物理世界，真实世界AI意味着机器人、自动驾驶、智能制造、家庭服务和城市基础设施从真实环境中学习。无论载体是浏览器、API、办公软件、机械臂、车辆还是人形机器人，核心问题都是同一个：AI能否在真实环境中形成闭环，完成任务，并被现实接受。

因此，我们向全行业介绍“真实世界AI / Real-World AI”这一表述。它能把研究者、创业者、投资人、企业用户和政策制定者拉到同一张地图上：从benchmark intelligence走向real-world intelligence；从能力展示期走向任务解锁期；从模型竞赛走向生产力竞赛；从“AI看起来会做”走向“AI真的能做”。

真实世界AI不是终点，而是入口。它提醒我们：未来几年最重要的AI工作，不只是创造更大的模型、更长的上下文、更漂亮的演示，而是把现实变成训练循环，把反馈变成能力，把任务变成价值，把AI变成人类社会真正可用的生产力量。

为了让这个阶段真正到来，行业需要形成新的共识。模型训练需要把真实工作流反馈作为后训练的核心资源，而不只是追逐现有榜单；AI应用需要把产品从助手形态推进到任务交付形态，而不只是把AI聊天窗口嵌入软件；企业用户要把AI评估从“好不好用”推进到“能否稳定完成关键任务”；投资者要从模型参数和演示效果之外，重新衡量任务解锁速度、反馈闭环深度和单位成本产出；政策制定者则需要建立数据、责任、安全和审计框架，让真实世界的采用能够在信任中扩张。

这就是“真实世界AI”作为术语的意义。它把一个分散的行业焦点凝结为共同方向：让AI离开演示舞台，进入生产现场；离开题库，进入组织；离开一次性回答，进入持续反馈；离开抽象智能，进入真实价值。We are at AI’s reality moment. AI的下一个前沿不是另一个benchmark, 下一个前沿是真实世界。

真实世界将成为 AI 新的训练场。

Reality is becoming the next training loop for AI。