周鸿祎：2026年百亿级公司在AI领域都只能算小公司

360集团创始人周鸿祎近日出席2026崇礼论坛，并在太舞小镇发表主题演讲，围绕人工智能发展趋势展开深入分享。

演讲伊始，他以一贯幽默风格开场：“我来太舞小镇，目的和大家一样——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，水平却始终‘稳居入门级’，这次特别希望能学会‘上下身分离’这项高阶技巧。”轻松诙谐的开场，迅速拉近了与现场听众的距离。

谈及AI行业演进路径，周鸿祎梳理出一条清晰的技术跃迁脉络：2024年是大模型的“追逐之年”，全社会聚焦参数规模与训练能力；2025年则进入关键转折点——大模型加速向智能体（Agent）升级转型；而到了2026年，全球智能体数量有望突破百亿量级。届时，“百亿级公司”在AI领域或将仅被视为“小玩家”。

他进一步指出，早期的大模型多停留在“聊天机器人”阶段，虽能回答问题、生成文本，却难以深度嵌入实际业务流程、承担闭环任务。唯有进化为具备感知、规划、工具调用与自主执行能力的智能体，AI才能真正实现跨行业、可落地、有实效的应用价值。

针对当前行业普遍存在的认知偏差，周鸿祎特别强调了一个关键区分：训练算力与推理算力。他直言，2024至2025年间，不少从业者混淆了二者定位与适用场景。训练算力门槛极高、成本巨大，目前仍是少数头部科技企业专属的“重投入赛道”；而对绝大多数企业及个人用户而言，真正高频、刚需、可规模化应用的是推理算力——即模型部署后，在真实业务中持续响应、决策与执行所需的计算资源。

他以具体数据佐证这一观点：日常与大模型进行文字交互，即便每天输入约2万字，每月token消耗通常仅为数万级别；但若让智能体独立完成一部专业短剧的策划与制作，或面向行业客户开展一堂深度业务培训课，其单次任务所需的推理算力可能高达百万甚至千万token量级。两者在资源需求上存在数量级差异。

更值得警惕的是另一种行业误解：不少人仍将“自研大模型”或“自造AI芯片”视为切入AI赛道的唯一正途。周鸿祎坦言，基础技术研发固然重要，但推动AI从实验室走向千行百业的核心抓手，实则是智能体的构建与落地。而这一过程的真正主角，并非算法工程师，而是深耕一线的垂直领域业务专家与行业实践者。

他解释道，每一家企业都沉淀着大量难以编码、难以文档化的“隐性知识”——比如特定岗位的实操心法、业务流程中的非标规则、客户沟通中的微妙分寸，乃至部分核心技术诀窍与商业机密。这些知识往往深藏于资深员工的经验中、管理层的判断里，是企业真正的核心资产。若将其直接用于通用大模型训练，极易导致敏感信息外泄、竞争优势流失；其最优路径，恰恰是用于训练企业专属的私有智能体。

在周鸿祎看来，谁能率先将这些“看不见的知识”系统化采集、结构化提炼，并转化为智能体的高质量学习素材，谁就能真正掌握AI时代的关键生产力杠杆，抢占智能化转型的核心红利。