郑纬民谈TaaS范式跃迁，北电数智发布新AI生产系统，酒仙桥论坛干货一文看尽

TaaS范式跃迁：郑纬民眼中的AI训练与推理新方向

在近日的酒仙桥论坛上，中国工程院院士、清华大学计算机系教授郑纬民围绕AI模型训练与推理的范式跃迁发表了深刻见解。他认为，当前AI系统正从以模型为中心的MaaS（Model as a Service）向以任务为中心的TaaS（Task as a Service）模式演进。TaaS的核心在于将模型训练、推理、部署与任务执行进行深度融合，实现从“模型可用”到“任务可执行”的跨越。

他指出，未来TaaS的关键能力包括：

• 动态任务分解与推理机制：模型需要具备将复杂任务自动拆解为可执行子任务的能力；
• 自适应推理引擎：根据任务需求自动选择最优模型结构与计算资源；
• 任务闭环系统：通过任务反馈持续优化模型，实现系统自我演进。

郑纬民特别强调，这一范式的转变不仅依赖算法优化，还需要底层算力架构、存储效率、网络调度的全面升级。他提出“算力物理极限重构”的观点，认为AI训练和推理的效率瓶颈正在从GPU向CPU、存储和通信架构转移。

北电数智发布新一代AI生产系统：面向TaaS范式打造全栈基础设施

在本次论坛上，北电数智正式发布了其新一代AI生产系统——NeuOS 3.0，一个面向TaaS范式的端到端平台。该系统在模型、算力、数据和任务调度四个层面进行了全面升级：

• 模型层面：支持多模态模型的快速构建与部署，提供自动化模型架构搜索（AutoNAS）与推理优化；
• 算力层面：集成国产AI芯片调度接口，支持异构算力资源统一管理，实现“训练-推理-任务”资源的动态分配；
• 数据层面：内置数据质量评估与清洗模块，支持数据闭环反馈与持续学习；
• 任务层面：构建任务调度中台，实现多任务并发、优先级管理与结果验证机制。

北电数智在发布中特别指出，NeuOS 3.0的设计理念是“模型不是终点，任务才是起点”。该系统已在多个行业试点部署，涵盖智能制造、医疗辅助诊断、自动驾驶模拟训练等复杂任务场景。

AI能力进入“执行闭环”时代：Agent落地成为行业焦点

在论坛的技术研讨环节，多位AI从业者围绕“Agent是否只是‘套壳’”这一问题展开激烈讨论。

阿里千问大模型技术负责人林俊旸表示：“Manus（千问系列中的Agent模型）确实成功，但我们必须反思，这种成功是技术的突破，还是产品设计的胜利？”他强调，未来Agent的发展需要真正具备自主学习、自我规划和环境感知能力，而不仅仅是调用已有API的外壳。

月之暗面CEO杨植麟则从技术角度阐述了Agent的核心需求：“Agent的智能上限，取决于模型本身的推理能力与上下文处理效率。”他介绍，Kimi系列模型已实现超10万个token的上下文处理能力，并结合其Mu优化器实现了更高的推理吞吐量。

腾讯姚顺雨则指出：“Agent真正要做的，是让AI完成一个闭环任务，比如安排一场会议、写一篇完整的报告、甚至执行一次供应链优化。”他认为，To B Agent正在进入持续上升通道，而To C Agent仍面临“感知不强、反馈不深”的挑战。

张钹院士：定义AGI需“可执行、可验证”

中国人工智能研究先行者、清华大学张钹院士在论坛上提出，当前AGI定义模糊、缺乏可检验标准，是AI发展的重大障碍。他主张以“可执行、可验证”的五个核心能力作为AGI的判断基准：

1. 时空一致的多模态理解与感知；
2. 可控的在线学习与适应机制；
3. 可验证的推理与执行规划能力；
4. 可校准的反思与元认知机制；
5. 跨任务的强泛化能力。

张钹认为，大模型目前在语言理解上取得了长足进展，但在因果推理、语用理解、动态语境适应等方面仍存在根本性缺失。他强调，AGI的发展不能仅靠模型“更大数据+更多参数”的Scaling路径，而应围绕这些核心能力进行系统性突破。

中国AI全球竞争力：分化、追赶与未来路径

多位嘉宾在论坛中对中国AI在3-5年内是否具备全球领先能力进行了深入探讨：

• 姚顺雨认为中国在产业化、工程化、人才密度上具备优势，一旦范式被验证，能够快速复制并超越；
• 林俊旸则持较为谨慎态度，他指出中美在算力投入上存在1-2个数量级的差距，美国的算力储备能支撑更多前沿研究；
• 唐杰则认为“穷则生变”，鼓励中国团队在软硬一体化、模型架构创新、国产芯片适配等方面另辟蹊径；
• 杨强从学术角度指出，学术界在AI基础研究中的角色正在回归，这为中国AI提供了新的创新土壤。

尽管看法不一，但嘉宾普遍认同一个趋势：中国AI正在从“跟跑”向“并行”甚至“局部领先”演进，尤其在多模态、具身智能、垂直Agent应用等方面具备爆发潜力。