唐杰把中国AGI路线写成国家基础设施 (2026)

作者丨 AI 科技评论

7 月，唐杰谈的是智能体怎样把一家公司变成长期运转的自动化组织。

8 月，他换了主语。

8 月 10 日，《光明日报》第 06 版刊发唐杰长文《坚定不移探索通用人工智能发展的中国道路》。这次要连接的，不只是一群 Agent，而是模型、数据、仿真设施、工厂、城市、科研机构和治理规则。1

7 月专访中的长程任务、自主智能体和模型自优化仍在，新文章又加进世界模型、AGI 操作系统、国家超级基础设施、熔断机制和主权大模型合作。1 2

唐杰没有另起炉灶造一种 AGI。他把一组正在全球汇合的技术，装进了一套国家级组织方案。

01｜先把全文读完

原文署名唐杰，纸媒版期为 2026 年 8 月 10 日，版面名是「学习贯彻习近平新时代中国特色社会主义思想专刊」；光明网另有同题全文页面。1 3

唐杰现任清华大学计算机系教授、人工智能研究院基础模型研究中心主任。4 5

文章分三步推进。

第一步是定义目标。

唐杰把 AGI 定义为一种在认知深度、学习广度和行为自主性上可与人类比肩乃至超越人类的机器智能，能力清单包括自主推理、长程规划、持续学习、创造、抽象思考，以及理解复杂情感和社会互动。1

他用一句话划开现有 AI 与 AGI：

「从人工智能迈向通用人工智能，标志着智能形态从辅助性工具向自主性实体的演进。」1

第二步是回顾中国 AI 已经积累了什么。

原文按技术能力、产业应用、生态构建和人才队伍列出四项成就，又把经验归纳为战略引领、自主创新、系统推进、敏捷治理和开源开放。1

这一部分出现了专利、人才占比和开源下载量等产业判断，本文只把它们视为唐杰的陈述，不替原文做独立背书。

第三步才是路线本身。

宏观层面，唐杰提出战略目标体系、国家超级基础设施和中国治理框架；技术层面，落到基础模型关键能力、世界模型与多模态统一智能、AGI 操作系统；应用层面，则指定工厂、城市和科学发现三个出口。1

原文不是一张模型结构图，而是一张从国家规划一直画到工厂车间的总装图。

02｜技术没有另起炉灶

唐杰先承认现有大模型的边界：它们仍依赖数据中的概率统计与模式关联，缺少跨领域通用性和真正的自适应能力。1

他给出的第一组补丁，是长程任务、自主智能体、模型自优化与迭代、安全伦理。

7 月专访已经把这条技术线推到「全自动化公司」；8 月新文的增量，是世界模型和多模态统一智能。2

新内容集中在后两层。

一层是世界模型。

「构建能理解物理规律、社会规律以及人与环境之间因果关系的完整世界模型，以提升在未知环境中的预测和决策能力。」1

另一层是多模态统一智能，让不同模态采用统一表示，能够跨模态推理和迁移知识。1

这两层和 Demis Hassabis 的公开路线高度汇合。

Hassabis 在 Google DeepMind 官方播客中解释，语言很难完整描述空间动态和物理环境，机器人与通用助理必须理解现实世界，world models 因而处在核心位置。6

他在另一场完整访谈里把推理、层级规划、长期记忆和跨领域一致性列为现有系统仍缺的能力，并判断仅靠现有方法放大，可能还差新的技术突破。7

中国路线最有辨识度的部分，不在世界模型这个零件，而在谁来把零件装成系统。

03｜谁来把零件接起来

唐杰把国家放在总装台前。

原文要求锚定关键时间节点，系统规划具备自主科学发现、多模态深度推理、复杂任务自我规划与迭代能力的 AGI 原型。1

它还提出「国家超级基础设施」：建设高质量多模态数据集和高精度仿真验证设施，整合物理世界、人类社会与网络空间的数据，让行业数据反哺模型。1

模型公司在这里不再单独修路。

国家负责目标、公共设施和治理边界，研发企业负责技术「摸高」，行业与城市提供应用现场和反馈数据。

原文把这种关系概括为「宏观政策—研发企业—应用行业」联动。1

技术出口也不止一个模型 API。

唐杰提出研发全新的 AGI 操作系统，提供标准化接口和工具，并「打造通用人工智能时代的新开发平台」。1

这相当于把比赛从发动机扩到道路、供电和闸门。

谁控制接口，谁就更容易决定智能体如何调用数据、工具与算力；谁制定验收和安全规则，谁就能决定哪些能力进入工厂与城市。

这是 AI 科技评论基于原文作出的分析，不是唐杰的原话。

「中国道路」首先是一种协同和分配资源的方法，然后才是一张技术清单。

它的成本也写在这套结构里。

跨部门数据能否合法流动，仿真设施由谁建设，接口能否兼容不同模型，项目失败由谁负责，都会决定「国家基础设施」是公共能力，还是一道更重的准入门槛。

04｜工厂、城市、实验室

唐杰为这套系统指定了三个落地现场。

第一个是工厂。

原文提出把 AGI 与智能制造、具身智能结合，建设黑灯工厂和柔性制造系统，并在汽车、电子、高端装备等行业开展「通用人工智能超级工厂试点」。1

第二个是城市。

有条件的城市可以与模型企业建设「城市大脑」，把它做成城市级智能基础设施，用于城市治理和能源管理。1

第三个是实验室。

唐杰主张依托国家实验室、成熟企业和科研单位，搭建 AGI 驱动的前沿科学研究平台，把科研组织成人机协同的系统工程。1

工厂提供物理任务，城市提供复杂系统，实验室提供可验证的发现。

三者也会反过来检验世界模型、智能体和操作系统能不能离开演示环境。

这套路线的产业影响很直接。

模型能力仍然重要，能拿到行业数据、仿真设施、城市项目和标准接口的企业，会更早获得现实世界反馈；只提供通用聊天能力的公司，很难独自完成这条链。

唐杰把 AGI 的验收题，从排行榜搬到了生产线、城市系统和科研结果。

05｜四条路，同一张表

AGI、超智能和 Powerful AI 的定义并不相同，硬比时间表只会制造假分歧。

下面只比较三件事：还缺什么、组织成什么、谁能停下系统。

这只是组织与治理机制的并排，不代表四人的技术路线相同。

人物	技术缺口与路线	部署与组织单元	治理机制与停止权
唐杰	长程任务、自主智能体、模型自优化、世界模型、多模态统一智能、AGI 操作系统。1	国家超级基础设施，连接研发企业、工厂、城市与科研平台。1	立法红线、分级响应、熔断机制、实时监控自主行为；原文没有给出能力阈值、执行机构与复核程序。1
Demis Hassabis	世界模型、推理、层级规划、长期记忆与跨领域一致性，强调 scaling 与新研究并行。6 7	研究优先，重点落在科学发现、虚拟环境和机器人。6	Hassabis 主张安全研究所和评测机构监测欺骗等能力；这组材料没有指定谁可强制阻止部署。7
Sam Altman	深度学习与规模，算力、能源和基础设施决定智能能否普及。8	持续部署较弱版本，让技术与社会一起适应，并扩大访问和收益。9	独立审计、政府知情，由公共标准决定何时停止训练、发布或下架；这份框架没有指定事前许可机构。9
Dario Amodei	Powerful AI 可自主完成长任务，不必具备物理身体，但能控制机器人和实验设备。10	大量高速 AI 实例组成「数据中心里的天才国度」，面向科学与产业执行任务。10	超过算力阈值的模型接受强制第三方测试，限于网络安全、生物武器、AI 失控与自动化研发四类风险；政府可阻止部署，但权力需有反政治化保护。11