问题——大模型应用成本、产品定价和智能体普及速度正成为产业界和用户关注的焦点。随着大模型进入规模化落地阶段，企业面临算力、数据和研发成本持续攀升的同时，还需应对用户对价格和体验日益敏感的需求。如何提升能力与控制成本之间找到平衡，将决定行业扩张的速度和创新质量。 原因——在2026中关村论坛涉及的活动上，月之暗面创始人杨植麟表示，公司产品近期未涨价，主要得益于算法规模化和技术优化带来的成本降低。他指出，随着模型训练和推理环节的工程化能力提升，企业可以在相同硬件条件下提高效率，或在相近服务水平下压缩单位成本。此外，通过对长上下文处理、词元效率和智能体集群等方向的优化，可以减少重复计算和无效消耗，形成“能力更强、成本更低”的良性循环。此前在国际产业活动中，他也强调需从底层架构入手，重构优化器、注意力机制和残差连接等关键环节，以持续突破模型智能上限。 影响——价格稳定的背后，反映出行业竞争正从“规模比拼”转向“效率和体验竞争”：谁能更高效地优化算法和工程能力，谁就能在商业化竞争中占据优势。杨植麟对“智能体普及”的判断也揭示了下一阶段的结构性变化。他认为，智能体的普及将分阶段推进：短期内，核心用户仍以技术敏感、乐于尝试新事物的群体为主；中期，随着办公场景的深度整合，使用者将扩展到广泛的知识工作者群体，个人词元消耗可能呈指数级增长；长期来看，随着具身智能等技术的发展，智能体有望进入更多生产力相关职业，并拓展至娱乐等领域，推动从工具型应用向生态型应用升级。此趋势将同步凸显算力供给、软硬件协同、数据治理和应用安全等问题的重要性。 对策——在研发范式上，杨植麟指出，开源模型正成为新的“标准”之一：硬件厂商通过开源模型和评测集证明性能提升，降低了生态适配门槛，促进了透明对比和快速迭代。关于研究方法，他认为行业正从依赖海量互联网数据和人工标注的路径，逐步转向强化学习，编程和数学等能力的提升则依赖于高质量任务筛选和训练机制的改进。未来，研究环节可能深入自动化：研究人员将利用更多词元资源合成新任务和环境，由系统探索更优的奖励函数甚至新的网络架构，从而加速研发进程。企业需同步加强基础研究、工程体系、评测机制和安全治理，避免能力提升与风险控制脱节。 前景——智能体的规模化普及不仅取决于模型能力，还受成本下降速度、应用集成难度以及数据安全与合规边界的影响。开源模型评测和适配中的作用增强，将推动工具链和生态协作成熟化，但也要求企业提升差异化能力：一上需持续创新底层架构和训练方法，另一方面需在场景化产品、交互体验和可控性上建立竞争优势。可以预见，随着单位成本下降、行业应用深化以及软硬件协同加速，智能体将从“可选工具”逐渐成为“基础能力”，并在生产、管理、服务和消费领域催生新工作方式和商业模式。
杨植麟的发言不仅展示了月之暗面的技术实践成果，也为人工智能行业的未来发展提供了前瞻性思考。从成本优化到技术普及，从研发范式变革到行业标准确立，这些议题共同描绘了一个快速演进的技术图景。在全球智能化浪潮下，如何把握趋势、推动产业升级，将成为所有从业者的重要课题。