近日，量子位MEET2026智能未来大会在北京举行，今年的大会以**「共生无界，智启未来」**为主题，关注以AI为代表的智能科技如何穿透产业、学科与场景的边界，成为驱动社会演进的核心动能。
昆仑万维董事长兼CEO方汉受邀分享了昆仑万维在AI Agent领域的最新进展，重点阐述了公司旗下核心产品Skywork Super Agents的演进之路及其背后独特的AI产业洞察。
昆仑万维作为一家拥有深厚全球化基因的科技企业，自2008年成立以来，业务已覆盖全球超100个国家和地区，服务近4亿月活用户。公司自2020年布局AI，于2022年发布国内首个13B开源中文大模型，并持续推动技术产品化。
2025年5月，公司正式推出Skywork Super Agents智能体平台，目前AI相关产品已覆盖社交、游戏、音乐、视频等领域，在海外市场实现规模化收入并保持高速增长。
01Skywork Super Agents：从通用到专业的效率革命
Skywork Super Agents并非单一的通用Agent，而是构建了一个包含五个专家Agent与一个通用Agent的协同体系。该平台以其强大的多模态内容生成与处理能力为核心优势，能够基于用户上传的文档、录音、网址等多格式输入，一键生成PPT、Word、Excel、视频、播客乃至小程序。
其中，“5分钟生成30页PPT” 的功能已成为平台最受欢迎的亮点，用户使用量和好评率位居生态首位，40%的DAU用户使用PPT模式。所有产出均附带清晰可追溯的参考文献，从根本上解决了AI的“幻觉”问题，确保了内容的可靠性与可信度。
02Agent的本质并不是通用的人工智能
方汉对Agent赛道提出了差异化见解，他认为，Agent的发展现在到了一个拐点，大模型从ChatGPT开始，在早期的GPT类模型里是背答案，自从GPT出现之后，大模型可以背过程，而CoT本质上是把过程通过大模型输出出来，最后增加结果的正确性。
尤其最近发布的DeepSeek V3.2，大家可以看到用超长的推理Token取得了更高的成功率和更好的结果。大模型在背过程的过程中学会了泛化过程，可以把很多过程泛化到尽可能多的任务上去，但仍然没有“发明新过程”的能力。
Agent大行其道的根本逻辑来自于过程可学习的大规模的工业化和产业化。Agent本质上是可验证过程的自动化，非常擅长数学、代码、结构化决策，并不擅长创新、范式突破、新框架。
基于此判断，方汉指出了Agent落地的两大方向：
AI Office（智能办公）：这是一个流程相对标准、跨行业通用的理想场景，市场空间明确。
垂直行业场景（如医疗、金融、建筑、法律、制造等）：潜力巨大但挑战并存。核心瓶颈在于这些领域缺乏像编程、数学那样完整、开源、可用的 “过程数据集” 。行业Agent的成功有赖于对各垂直领域过程数据的系统性重建与积累。
03通用Agent的渠道之争：对传统渠道来说是生死之战
方汉分析，所谓“通用Agent”的入口将面临激烈的渠道之争，主要集中在手机操作系统、浏览器、办公软件、即时通讯及搜索引擎/聊天机器人五大阵地。
其中，浏览器与办公软件因其相对开放或需求长尾的特性，被视为更公平、更具潜力的竞技场。只有硬件手机厂商才能决定自己的手机上可以装什么Agent，其它任何Agent厂商都是没有这个能力的。
04未来展望：生态竞合与组织进化
更为深远的是，Agent的普及将驱动组织形态的根本性变革。方汉预言，Agent将重写公司组织，因为流程属于过程数据，只要可验证就可以被自动化。而我们的每一个岗位实际上变成了Agent的执行上下文，重复操作的岗位将消失，取而代之的是过程架构师。未来的组织中，重复性操作岗位将被自动化替代，而“过程架构师” 这类负责设计、维护与创新工作流程的岗位将蓬勃兴起。每一位员工都可能成为Agent流程的上下文管理者与新过程的创造者，从而全面提升组织效能。
面向未来，昆仑万维将持续迭代Skywork Super Agents的智能体矩阵与功能体系，深化 “算力-大模型-应用” 全链条布局。依托全球化运营能力与成熟的商业化成果，公司将进一步推动AI技术落地，同时以组织流程优化适配Agent时代的发展需求，通过过程维护与创新赋能组织效率提升。
昆仑万维始终坚守 “让每个人更好地塑造和表达自我” 的愿景，以技术创新为基石、以全球化布局为依托，在AI智能体赛道持续深耕，向着通用人工智能的终极目标稳步迈进，为全球用户与产业创造更大价值。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
)
)
)
)
