6月末，在中国大连举办的夏季达沃斯论坛期间，全球人工智能（含机器人）领域的领军者齐聚一堂，深入探讨ai产业当前的发展态势与未来关键趋势。其中，中国首批ai投资人、深圳数经院ai经济研究中心联席主任王捷指出：ai行业已历经“生成内容”、“推理能力”、“行动能力”三大演进阶段，正加速迈入“真实世界ai”新纪元。全链条参与者——从技术研发、产品落地到政策制定与商业应用——均需系统性准备，以迎接这一历史性转折。
以下是《人工智能来到“真实世界AI”阶段》全文，首发于腾讯科技。
We are at AI’s reality moment.
过去数年，AI已逐步掌握生成、推理与行动三项核心能力。下一阶段的分水岭，并非AI能否在屏幕上输出更精美的答案，而在于它能否从真实世界的动态反馈中持续学习，并在真实场景中稳定交付可被接受、可持续复用的工作成果。此刻，我们正站在AI发展的“真实世界时刻”。
01、观察：AI正持续脱离benchmark主导范式
近年来，AI发展的主叙事长期由benchmark驱动。每次大模型发布，必附一组评测分数：语言理解、专业考试、数学推演、代码生成、软件工程、网页交互、多模态问答、智能体任务……分数跃升，行业振奋；分数见顶，新benchmark随即诞生。benchmark俨然成为AI征途上一面面标志性旗帜。
然而一个日益清晰的趋势浮现：AI正稳步驶离benchmark构建的“理想测试场”。 诸多曾被视为智能试金石的高难度任务，正被模型反复逼近、齐平乃至超越。研究者不断设计新任务、设立新榜单、构建新数据集，模型则继续追赶、攻克、摘旗。这固然是科学进步的体现，却也折射出单一benchmark体系正愈发难以承载AI演进的全部内涵。
benchmark世界本质上是“理论世界”：问题被预先结构化，答案边界明确，评估标准可形式化，失败成本通常仅是一行数字。它擅长验证模型是否具备某项能力，却无法等同于验证该能力能否嵌入真实工作流并产出预期结果。模型在题库中答对千题，不等于能在企业采购审批、医院跨科会诊、工厂柔性排产、律所合规审查或城市应急调度中实现可靠闭环。
因此，“AI正在离开benchmark世界”，并非否定其价值。恰恰相反，benchmark仍是技术跃迁不可或缺的仪表盘。但仪表盘不是道路，分数不是成果，演示不是交付。当AI驶离benchmark世界，它正奔赴何方？答案明确：真实世界。整个产业正集体步入“真实世界AI”阶段。
02、从“理论世界”到“真实世界”的范式跃迁
“理论世界”的三重演进阶梯
本轮AI浪潮已清晰走过三个奠基性阶段。第一阶段为“生成内容”阶段，典型代表是chatbot。AI首次以自然语言为统一接口，胜任写作、摘要、翻译、对话与解释，成为人类认知劳动的通用文本协作者。第二阶段为“推理能力”阶段，典型代表是reasoner，如GPT-o1、DeepSeek R1等推理模型。AI展现出更强的分解、检索、规划、验证与自我修正能力，可应对长链路、高复杂度问题。第三阶段为“行动能力”阶段，典型形态是agent。AI不再止步于应答，而是主动调用工具、浏览网页、编写代码、操作软件、执行多步骤流程。
这三个阶段意义重大：生成赋予AI语言，推理赋予AI思维，智能体赋予AI初步的“手”。 当AI已能生成、推理、行动，下一步便不再是演示更多动作，而是在真实环境中承担实际后果。真实世界，将成为AI长期演化的主战场。
为何称其为“旧阶段”？因其大多仍囿于“理论世界”或“准真实世界”：模型面对的是被剥离上下文的抽象问题，而非嵌套于经济—社会系统的完整现实；它优化的是可量化的算法反馈，而非多主体博弈、多重约束叠加、长周期沉淀的真实成效；它展示的是能力的可能性，而非经用户、组织、制度与市场共同认可的交付成果。
“真实世界”新范式
我们提出“真实世界AI”（Real-World AI），以标识AI即将开启的新纪元。其定义为：能够基于真实世界反馈进行学习、执行真实世界任务、并产出真实结果的AI系统。 “真实世界”包含双重内涵：其一，训练信号源于真实环境中的结果、用户行为、制度规则、成本结构与风险暴露，而非仅依赖标准答案；其二，任务来源是真实业务流程，而非题库、沙盒或单点演示。它并非宽泛概念，而是AI从能力秀场迈向生产现场、从理论智能升级为工作智能的关键分水岭。
真实世界AI的核心，绝非简单接入更多API按钮，而是推动AI进入完整闭环：理解真实任务需求，接收真实场景反馈，执行真实操作动作，动态修正策略路径，最终交付被广泛接受的真实成果。这要求模型能力突破当前集中于代码、软件工程、数学、网络安全等“计算机学术”领域，向更广阔的人类工作疆域拓展——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与自动化系统。
以下是真实世界与理论世界的关键对照：
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在此意义上，“真实世界AI”并非某款模型、某个产品或某条算法路线，而是全行业的战略转向。它将后训练机制、强化学习框架、工具调用协议、记忆管理体系、工作流集成方案、组织级反馈通道、人类监督机制、安全防护体系与经济价值计量模型深度耦合。真实世界，正成为AI的新训练场。
真实世界AI将催生real-world intelligence（真实世界智能）。这种智能，是AI在真实反馈驱动下习得的能力，亦是在真实约束条件下将目标转化为结果的实践能力。其衡量标尺，不再是静态题目上的瞬时得分，而是AI系统在真实任务中展现的持续可用性、运行可靠性与价值创造力。如果说benchmark intelligence 的本质是“能否在给定题目上得出正确答案”，那么real-world intelligence 的本质便是“能否在真实任务中交付被接纳的结果”。
为何必然走向“真实世界”？
这一跃迁兼具技术必然性与经济必然性。技术层面，大语言模型赋予AI语言能力，推理模型增强其思考深度，智能体架构拓展其行动边界。回溯人类智能发展逻辑——当语言、思维与行动能力齐备后，个体必然进入与真实世界深度互动的阶段。 智能从来不是头脑中的静默潜能，而是在环境中达成目标的实践力量。因此，AI的下一程方向已然清晰：扎根真实世界。
经济层面，AI革命的价值天花板不可能永远悬停于问答、文案与代码片段之上。真正的生产力爆发，源于真实任务被系统性解锁：客服全流程自动响应、法律尽调稳定交付、供应链动态协同优化、科研假设快速实证验证、仓储机器人与家庭服务机器人可靠协作。唯有AI深度融入真实工作流，企业才将其纳入组织能力图谱，社会才将其计入生产力统计，人类才真正感知这场技术变革的磅礴规模。
这也是为何“真实世界AI”比单纯讨论AGI更具实践指导意义。 AGI追问AI是否逼近人类智能水平，真实世界AI则聚焦AI能否完成真实任务；AGI易滑向无限能力的形而上争论，真实世界AI则将讨论锚定于反馈、结果、成本与价值。它并非降低AI的终极目标，而是将目标精准投射至AI终须直面的唯一考场：现实。
03、演进路线图与核心术语
演进路线图
就发展脉络而言，OpenAI于2024年提出的五阶段演进框架，整体把握了从chatbot到reasoner再到agent的技术流向，但尚未完整刻画从理论世界向真实世界的质变跃迁。其后两阶段（innovator与organizer）更多描述agent可能延伸的能力特征，而非与前三个阶段并列的技术形态，分类标准存在不一致性。更重要的是，该路线图提出之时，行业尚处于agent阶段早期，对其后续演进的预判天然带有不确定性。
值此行业从理论世界迈向真实世界的关键节点，亟需一套更具长期指导价值的演进框架。 我们提出如下五阶段模型：
第一，Foundation AI（基础模型阶段）：AI获得通用表征与知识压缩能力；
第二，Generative AI（生成式AI阶段）：AI掌握自然语言与多模态内容生成能力；
第三，Reasoning AI（推理型AI阶段）：AI具备深度搜索、复杂规划、逻辑证明与自我反思能力；
第四，Agentic AI（智能体AI阶段）：AI拥有工具调用、软件操作与多步任务执行能力；
第五，Real-World AI（真实世界AI阶段）：AI深度嵌入真实工作流，依托真实反馈持续进化，并交付被人类、组织与制度共同认可的实质成果。
该路线图将“真实世界AI”置于agent之后。Agent解决“AI能否行动”的问题，Real-World AI则回应“AI行动后能否产生可接受后果”的终极命题。Agent是交互接口，真实世界是闭环系统；Agent是执行之手，真实世界AI是组织化的工作能力； Agent让AI进入流程，真实世界AI则让AI被流程接纳、被组织信任、被经济体系计量。
展望更远未来，行业或将迈入更大尺度的阶段：AI升维为经济与社会的“操作系统层”，即我们此前多次强调的“数字层”。 彼时，AI不再仅完成孤立任务，而是深度参与决策支持、组织协同、资源调度、科学发现、城市治理及物理世界操控。但这一远景能否兑现，根本取决于当下能否成功跨越“真实世界AI”这一关隘。无真实反馈，便无真实智能；无真实结果，便无真实生产力。
核心术语
过往，我们已积累大量描述本轮AI演进的术语：AGI、ASI、Generative AI、Agentic AI、Embodied AI、Physical AI等（注：World Model/世界模型属特定建模路线，非发展阶段标签）。总体而言，这些术语多从算法原理、能力维度或物理载体切入，可统称为“算法视角下的描述”。它们极具价值，但也易将行业讨论引向“模型是否足够聪明”“智能是否无限增长”“何时超越人类”的抽象思辨。
一个优秀的术语，应具备方向感：它不仅定义技术现状，更提示终极目标与当下坐标。“真实世界AI”正具备这一特质。它不否定AGI、Physical AI或Embodied AI的存在价值，而是重构提问逻辑：不再只问AI在技术上“是什么”，而问其在经济与社会中“能做什么”；不再只问AI是否接近人类智能，而问其能否稳定完成真实任务、创造真实价值、承担真实责任。
“真实世界AI”亦实现了数字世界与物理世界的语义统合。在数字空间，它意味着AI深度融入企业软件、知识工作、交易流程、研发体系与治理机制；在物理空间，它指向机器人、自动驾驶、智能制造、家庭服务与城市基建——所有系统皆需从真实环境持续学习。无论载体是浏览器、API、办公软件、机械臂、车辆抑或人形机器人，核心命题始终如一：AI能否在真实环境中构建闭环、完成任务，并被现实世界所接纳。
因此，我们向全行业正式推介“真实世界AI / Real-World AI”这一核心表述。它将研究者、创业者、投资人、企业用户与政策制定者汇聚于同一张认知地图：
从benchmark intelligence迈向real-world intelligence；
从能力展示期迈入任务解锁期；
从模型竞赛转向生产力竞赛；
从“AI看起来会做” 迈向“AI真的能做”。
真实世界AI并非终点，而是入口。它郑重提醒我们：未来数年的核心AI工作，绝非仅限于训练更大参数模型、扩展更长上下文窗口或打造更炫酷的演示效果，而在于——将现实本身转化为训练循环，将真实反馈内化为能力基石，将具体任务升华为价值引擎，将AI锻造成人类社会真正可信赖的生产力量。
为推动这一阶段切实落地，行业亟需形成新共识：
- 模型训练需将真实工作流反馈作为后训练的核心燃料，而非仅追逐榜单排名；
- AI应用需从“助手形态”升级为“任务交付形态”，拒绝仅将聊天窗口嵌入现有软件；
- 企业用户需将AI评估标准，从“好不好用”深化至“能否稳定完成关键业务任务”；
- 投资者需超越模型参数与演示效果，重新校准任务解锁速率、反馈闭环深度与单位成本产出效率；
- 政策制定者则需构建适配的数据治理、责任界定、安全防护与审计监管框架，支撑真实世界AI在可信轨道上规模化落地。
这，正是“真实世界AI”作为术语的深层价值。它将分散的行业焦点凝练为共同航向：
让AI离开演示舞台，进入生产现场；
让AI离开题库沙盒，进入组织肌理；
让AI离开一次性应答，进入持续反馈循环；
让AI离开抽象智能幻象，进入真实价值创造。
We are at AI’s reality moment. AI的下一个前沿，不是另一个benchmark，而是真实世界。
真实世界，正成为AI新的训练场。
Reality is becoming the next training loop for AI.
本文源自微信公众号“腾讯科技”，作者：王捷，36氪经授权发布。
