3月3日，全国政协委员、360集团创始人周鸿祎在媒体群访中抛出了对人工智能发展的最新判断：“通用大模型的军备竞赛应告一段落，中国AI产业必须转向以智能体（Agent）为核心的实战应用阶段。”
《中国经营报》记者还注意到，周鸿祎认为，随着AGI（通用人工智能）能力的显现，推理算力将成为新的刚需，而“训练”与“推理”算力的分离，将是中国在国际AI竞争中实现突围的关键战略。
智能体重构产业应用逻辑
在周鸿祎看来，当下外界对AGI的认知仍局限于“超级大模型”的单一维度，而事实上，随着智能体技术的成熟，AGI早已走出实验室，成为能落地、能干活的产业生产力。
他直言，2026年以来Seedance生成的逼真视频、OpenClaw智能体的自主交互，并非简单的技术噱头，而是智能体能力达到甚至超越普通人类专业水平的直接证明。
“AGI不是要出现一个爱因斯坦式的超级AI，当智能体能在垂直领域形成专业能力，且通过协作弥补单一主体缺陷，AGI就已经实现了。”周鸿祎说道。
他提出，智能体的核心价值在于打破了通用大模型“面面俱到却缺乏深度”的困境，通过两大路径实现能力跃升：一是让智能体“扮演垂直角色”，聚焦特定领域形成专业思维，比如360打造的“第一性原理智能体”，模拟了马斯克式的刨根问底思维，在商业模式分析、技术方案设计等场景中，展现出远超通用大模型的洞察能力；二是构建多智能体协作机制，通过相互验证、辩论、反思，解决单一智能体的幻觉、倦怠问题，就像让豆包的结论由千问审核，千问的观点经纳米批判，以人类协作的方式实现智能体的能力涌现。
周鸿祎强调，智能体不是简单的软件工具，而是全新的“数字物种”，未来将成为人类的“数字代理人”，代理用户完成购物、发帖、办公等各类任务，甚至会形成智能体之间的交互网络，催生出全新的智能体经济。
推理算力迎刚需爆发
针对当前国内算力布局偏重训练算力的现状，周鸿祎指出：原来国家重视训练算力是合理的，因为两年前国内大模型还没有训练好。但从去年开始，基础大模型的能力已经够用，“百模大战”结束，大家不如把精力花在基础大模型上打造很好的专业智能体。而随着AI进入应用时代，推理算力将成为未来产业发展的核心刚需，所以，我国算力布局的“重训练、轻推理”亟待调整。
他援引英伟达创始人黄仁勋的判断指出，AI从技术研发走向产业应用，算力需求将迎来一亿倍的增长。
而这一增长的核心支撑正是推理算力。普通的AI聊天交互消耗的token有限，但智能体处理复杂任务时，比如制作一部短剧、完成一次企业渗透测试，token消耗是日常聊天的上百倍甚至上千倍，其算力需求呈指数级增长。
周鸿祎认为，训练算力与推理算力的核心差异在于，训练算力是大模型的“学习过程”，需要万卡集群、高速互联网络，对硬件的稳定性和协同性要求极高，且未来全球能承担大模型训练的企业不会超过10家。而推理算力是大模型的“工作过程”，只需满足大模型内存需求，一台机器也可以，也可以像云服务一样无限叠加，对硬件的要求更低、成本也更可控。
这一差异也决定了“训推分离”的产业必然趋势，如今英伟达收购推理芯片公司、亚马逊、微软、Google、Facebook都在做推理芯片。
对于中国的算力布局，周鸿祎建议：“国家层面应在产业政策上向推理算力倾斜，各地算力中心建设需加大对推理算力的投入；芯片研发领域，不必一味追求对标英伟达的高端训练芯片，而应重点发力专用推理芯片研发。”
专用推理芯片不仅技术难度更低，更能契合中国市场的独特需求——企业私有化部署需要低成本的推理算力支撑，智慧城市的摄像头、家庭服务机器人、自动驾驶汽车等智能硬件，也需要端侧推理芯片实现本地算力处理，摆脱对云端的依赖。
周鸿祎直言，中国制造业具备把硬件做成“白菜价”的能力，一旦推理芯片成本大幅降低，将推动算力无处不在，构建起支撑智能体大规模应用的算力网络，为AI+实体经济奠定基础。
AI重构安全体系
当AI技术加速普及，网络安全的攻防逻辑也正在被彻底重构。
不久前，Anthropic推出的代码安全工具，直接引发海外传统网安巨头股价崩盘，这一现象在周鸿祎看来并非偶然，而是“AI闯进安全领域的必然结果”。
周鸿祎表示，智能体给安全行业带来的最大变革，是实现了稀缺安全智力资源的无限供给。过去，漏洞挖掘专家、黑客工程师等人才极度稀缺，而智能体结合大模型的编程能力和专业的安全知识，能实现7×24小时不间断的漏洞挖掘、渗透测试，其效率远超人类团队，解决了传统安全运营中“报警多、专家少，真假难辨”的痛点。
同时，周鸿祎也敲响了安全警钟，AI在提升防御能力的同时，也让网络攻击的门槛大幅降低——西方部分国家已开始训练“黑客智能体”，能不知疲倦地尝试各种攻击方法，甚至临时编写黑客工具，面对这样的攻击，单纯依靠人力防御已完全不够，“以AI对抗AI”成为网络安全的唯一出路。
为此，周鸿祎提出，要构建AI时代的全新安全体系，一方面通过安全智能体将安全防线前移，提前挖掘并修复漏洞，从源头上降低被攻击的概率；另一方面建立智能体的反思与监督机制，解决AI本身的安全问题，比如针对智能体的幻觉、恶意引导等问题，通过多智能体协作实现纠错；此外，还需关注数字货币、智能体经济等新领域的安全隐患，建立相应的安全标准和国际规则，防范黑客利用技术漏洞窃取资产。
