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”。
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。
**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。
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”。
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。
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。
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。
82.6万 热度
101.78万 热度
12.34万 热度
18.59万 热度
49.88万 热度
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。