大模型的下一場競爭：誰能真正替人干活

剛過去的2026年4月到5月，是這一輪變化節奏最密集的時間段。4月23日，OpenAI發布GPT-5.5，官方描述的核心賣點不是參數、不是評測排名，而是"在極少人類指令下處理復雜的多步驟任務"。5月6日，Anthropic在舊金山召開第二屆開發者大會，首席產品官Ami Vora在臺上說：今天不發布新模型，只聊產品。這句話本身，就是一個信號。

聊天框時代結束了

過去兩年，大模型最常見的使用方式是提問：寫一段文案、總結一份報告、解釋一個概念、翻譯一段材料。到了2026年，行業討論的關鍵詞正在換一批：智能體、工具調用、代碼倉庫、企業權限、工作流自動化。

這種切換的本質，是大模型離開了單純的聊天框，開始進入瀏覽器、IDE、辦公軟件、數據庫、客服系統和企業內部流程。用戶不再只看它"說得好不好"，還要看它能不能把任務做完，能不能在出錯時自我修正，能不能留下可審計的操作記錄。

GPT-5.5的產品描述是一個典型例子：編寫和調試代碼、在線研究、數據分析、創建文檔和表格，甚至跨越多個軟件工具直到完成任務。這些表述和兩年前的"更聰明的ChatGPT"完全不同。它描述的不是一個更好的問答系統，而是一個可以接管工作流的操作者。

Anthropic那場"不發新模型"的開發者大會，主題是智能體基礎設施。發布的五項功能分別解決三個生產環境里的老問題：記憶跨會話退化、輸出質量無法強制保證、復雜任務需要多個智能體協同。這恰好說明，模型能力本身已不是最大瓶頸，圍繞模型的那層腳手架才是。

AI編程：最先跑出來的樣板間

編程場景為什么最先驗證了智能體的價值？原因很直接：任務邊界清晰、結果可測試、錯誤可回滾、ROI容易計算。

數據的變化能說明問題。Claude Code在2025年底從一個內部工具商業化，到2026年初，已經占據AI編程工具市場52%的模型份額，成為行業第一。Anthropic的API調用量過去一年同比增長17倍，Claude Code是這個數字背后最重要的增長引擎。

實際落地案例比份額數字更有說服力。樂天（Rakuten）讓Claude Code在一個1250萬行代碼的開源庫中實現一個復雜功能，系統連續自主工作7小時，一次搞定，數值精度達到99.9%。印度金融科技平臺CRED（1500萬用戶）全開發周期使用Claude，在維持金融級質量標準的前提下，將開發執行速度翻倍。Mercado Libre擁有2.3萬名工程師，目標是在2026年Q3實現90%的編碼自動化。

Anthropic自己也是最好的案例之一。聯合創始人Jack Clark表示，AI為Anthropic編寫的代碼比例在2026年底可能接近99%。Claude Code的創建者Boris Cherny從2025年11月起沒有再手動編輯過一行代碼。

但Anthropic的開發者大會最值得關注的判斷來自一位參與者的事后總結："多數生產級智能體系統的瓶頸，現在已經不是模型能力，而是模型周邊的基礎設施。"這句話意味著，智能體編程已經越過了"能不能跑"的階段，進入了"能不能穩定跑、能不能大規模跑"的階段。

從代碼到白領：流程自動化的下一站

編程場景的邏輯正在向其他白領工作滲透，這是2026年的另一條主線。

Anthropic智能體調用的數據顯示，軟件工程獨占49.7%的調用量，幾乎是第二名后臺自動化（9.1%）的5.5倍。法律、醫療、電商、教育等垂直領域加起來還不到6%。這個差距不代表其他領域沒有需求，恰恰相反——它意味著這些領域還有巨大的空間沒有被觸及。

法律科技公司Harvey用多智能體編排處理復雜法律文書的協同起草，Anthropic的新功能發布后，Harvey報告任務完成率提升了約6倍。Netflix的平臺團隊構建了日志分析智能體，可以并行處理數百個構建批次，自動過濾出值得關注的跨批次規律。

Anthropic自己對這個方向的描述更直接：2026年，要讓AI"能可靠地接過你手里的活兒"。這句話聽起來像是口號，但對應的是三個具體方向：讓智能體從每次從零出發變為跨會話累積學習（Dreaming功能）、讓輸出質量可以用獨立評分智能體來檢驗（Outcomes功能）、讓復雜任務可以拆解給專項子智能體并行完成（多智能體編排）。

這三件事組合在一起，描述的是一個可以接管完整業務流程的系統，而不只是一個比較能干的助手。

模型只是發動機，治理才是方向盤

MCP（模型上下文協議）在這輪智能體浪潮里扮演的角色，比很多人注意到的更重要。

Anthropic在2024年推出MCP，定位是讓AI工具與數據源建立安全的雙向連接。2026年的MCP路線圖把可擴展傳輸、智能體通信、治理成熟度和企業就緒度列為重點。這不是一個技術細節，而是一個架構判斷：大模型進入企業生產環境，最大的障礙不是模型本身，而是權限、身份、審計、日志、數據連接、失敗處理。

網絡安全是這個問題最尖銳的表達。Anthropic的Claude Code本身就遭遇過安全漏洞——CVE-2025-59536利用MCP配置的缺陷，允許遠程代碼執行。OpenAI推出GPT-5.5-Cyber的受信訪問框架，核心邏輯是只向經過驗證的防御方開放更強的網絡安全能力。但這個邏輯本身就包含一個悖論：同一種能力，既能幫防守方找漏洞，也可能降低攻擊方的門檻。谷歌的報告顯示，AI驅動的攻擊正在規模化。

對企業來說，問題變得更現實：引入智能體之后，誰對操作結果負責？如何確保AI不會越權訪問不該訪問的數據？出現問題時怎么回溯？這些問題在試點階段可以繞開，進入生產環境就無法回避。

一個可以參照的經驗是Anthropic自己踩過的坑：許多Claude Code的高級用戶為了減少權限確認彈窗，主動關閉了沙箱保護，實際上是把安全決策權從用戶手里轉移給了倉庫配置——這正是后來被漏洞利用的路徑。"讓智能體跑得更快"和"讓智能體跑得更安全"，在企業落地這件事上，是真實存在的張力。

中國市場的另一套算法

排行榜的名次只是這場競爭的一個維度，中國市場的競爭邏輯有所不同。

阿里通義Qwen系列在語言、視覺、音頻、工具使用、AI Agent、代碼、繪圖等方向都有布局；月之暗面4月發布的Kimi K2.6直接把Agent Swarm、Docs、Deep Research、Sheets放在產品入口里。DeepSeek以極低的推理成本在開發者圈子里建立了獨特的位置。

這些動作背后的共同邏輯是：國產模型的真正機會不在于和GPT系列拼通用能力，而在于中文場景、成本效率、產品整合和本地生態。Anthropic的"advisor策略"——讓更強的Opus模型按需為輕量模型Sonnet提供建議——幫助一家客戶以5倍更低的成本獲得旗艦模型質量的輸出。DeepSeek在2026年4月將緩存命中價格降至首發價的十分之一。這種成本壓縮邏輯，在中國市場會被放大。

Stanford 2026 AI Index的數據顯示，生成式AI在三年內達到約53%的人口級采用率，擴散速度快于個人電腦和互聯網的可比階段。這個數字背后的含義是：大量用戶已經完成了對AI能力的基礎認知，下一步的競爭是在具體場景里的深度滲透。對國產模型來說，車載、辦公套件、開發者工具、超級應用入口，都是國際玩家沒有原生優勢的戰場。

至頂AI實驗室洞見大模型競爭的核心正在從"誰更聰明"切換到"誰更能干活"。這不是一個細微的差異，而是整個產品邏輯的換擋。

能干活，意味著要接進瀏覽器、IDE、數據庫和企業系統；意味著要能跨會話記住上下文、自我修正、生成可審計的操作記錄；意味著權限、治理、安全合規不能是事后補丁，而要從一開始嵌入架構。

下一階段的贏家，大概率不是參數最多的模型，而是在"穩定、安全、便宜、能接入真實工作流"這四件事上同時做好的那一個。

核心問答

Q1：為什么AI編程場景比其他場景更早成熟？

任務邊界清晰、結果可測試、錯誤可回滾、ROI容易計算——這四個條件在編程場景里同時成立，在其他白領工作流里往往只能滿足其中一兩個。這讓編程成為智能體落地最天然的試驗場，也成了其他場景的參照樣本。

Q2：MCP和企業治理為什么比模型能力本身更關鍵？

模型能夠做什么，已經不是最大的瓶頸。智能體進入生產環境之后，真正決定能不能用的，是權限控制、身份驗證、操作審計、數據連接和失敗處理。沒有這層治理基礎設施，模型再強也無法通過企業的合規門檻。MCP的價值就在于提供一套標準化的連接和治理協議。

Q3：國產大模型的差異化在哪里？

不是評測排名，而是"低成本、高可用、場景化"。中文場景的深度優化、推理成本的極致壓縮、與本地超級應用和辦公生態的整合——這些是國際玩家在中國市場沒有原生優勢的地方，也是國產模型真正有機會建立護城河的方向。

END本文來自至頂AI實驗室，一個專注于對AI計算機、工作站及各類AI相關硬件設備，開展基于真實使用場景評測的研究機構。