人工智能来到“真实世界AI”阶段

如果用一句话来概括6月末在大连达沃斯传来的信号，那就是：AI行业正在告别“表演”，准备应对“现实”。

当时，全球人工智能和机器人领域的领袖们聚在一起，讨论行业现状和接下来的大趋势。一位中国初代AI投资人，深圳数经院AI经济研究中心联席主任王捷，把他的判断很清晰地摆了出来：AI已经走过了

这三个阶段，接下来，真正的战场在。整个产业链条上的每个环节，都需要为这个新阶段的到来做好准备。

过去几年，AI学会了生成、推理和行动。下一个阶段，考验的不再是AI能否在屏幕上给出一个更漂亮的答案，而是它能否接收真实世界的反馈，并在真实世界里交付可持续、可接受的工作成果。今天，我们正站在AI发展的“真实世界时刻”的门槛上。

01、观察：AI正在持续驶离benchmark世界

回顾过去几年，AI行业的叙事主线，几乎是被一堆benchmark组织起来的。每次新模型发布，背后都跟着一组亮眼分数：语言理解、专业考试、数学推理、代码生成、软件工程、网页操作、多模态问答、智能体任务。分数一涨，行业就兴奋；分数一饱和，新的benchmark就被创造出来。

不过，一个越来越清晰的事实正在浮出水面：

。许多曾经被认为足够困难、足以代表智能的测试，被模型一次次逼近、追平、超过。研究者继续定义新任务、新排行榜、新评测集，。这当然是科学进步的一部分，但同时也说明，单靠benchmark已经越来越难以承载AI发展的全部意义了。

Benchmark世界本质上是一个“理论世界”：问题被预先定义好，答案有明确的边界，评估标准可以被形式化，失败的成本不过是一行分数。它适合用来证明模型拥有某种能力，却并不等同于证明模型能在真实的工作流里交付我们期待的结果。一个模型在题库里答对了，并不意味着它能在企业的采购流程、医院的诊疗协同、工厂的排产系统、法律文件的风险审查、城市治理的应急响应中稳定地完成任务。

所以，当我们说AI正在离开benchmark世界，并不是说benchmark不重要了。恰恰相反，

整个行业正在进入“真实世界AI”阶段。

02、从“理论世界”到“真实世界”的跃迁

“理论世界”的三个旧阶段

这一轮AI的发展，已经

。第一个是，典型形态是。AI第一次以自然语言为界面，能够写作、总结、翻译、对话、解释，成为人类认知劳动的通用文本工具。第二个是，典型形态是Reasoner（比如GPT o1、DeepSeek R1这样的推理模型）。AI开始表现出更强的分解、搜索、规划、证明和自我检查能力，可以处理更长链条、更高复杂度的问题。第三个是，典型形态是Agent。AI不再只是回答问题，而是调用工具、浏览网页、写代码、操作软件、执行多步骤任务。

这三个阶段非常关键。

会生成、会推理、会行动之后，接下来要做的，不是在演示中完成更多动作，而是在真实环境里承担结果。

为什么说

？因为。模型面对的是被抽象出来的问题，而不是完整的经济—社会系统；它优化的是可计算的反馈，而不是多主体、多约束、长周期的真实结果；它展示的是能力的可能性，而不是被用户、组织、制度和市场共同接受的工作成果。

“真实世界”新阶段

我们提出

，以反映AI即将进入的新阶段。它的定义是：这里的“真实世界”包含两层含义：第一，训练的中的结果、用户、制度、成本和风险，而不是只来自标准答案；第二，，而不是只来自题库、沙盒或演示。它不是一个笼统的标签，而是AI从能力展示走向生产交付、从理论智能走向工作智能的阶段性名称。

真实世界AI的核心，不是把AI接入更多按钮，而是让AI进入一个闭环

它要求模型能力突破目前主要集中在代码、软件工程、数学、网络安全等“计算机学术”领域，走向更宽广的人类工作场景：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和自动化系统。

以下是真实世界与理论世界的关键对比：

在这个意义上，真实世界AI不是某一个模型、某一个产品或某一种算法路线，而是整个行业的新方向。它将把后训练、强化学习、工具使用、记忆系统、工作流集成、组织反馈、人类监督、安全机制和经济价值衡量连接在一起。

真实世界AI将输出Real-World Intelligence。这种智能，是AI在接受真实世界反馈后训练形成的模型能力，也是在真实约束下把目标转化为结果的能力。它衡量的不是模型在静态题目上的瞬时表现，而是AI系统在真实任务中的持续可用性、可靠性和价值创造能力。如果说

的核心是，那么的核心就是。

为什么必然从“理论世界”到“真实世界”？

这个跃迁具有

，也具有。技术上，大语言模型让AI获得语言能力，推理模型让AI获得更强的思考能力，智能体让AI获得初步行动能力。考察人的行为，。智能不是停留在头脑中的能力，而是在环境中完成目标的能力。因此，AI的下一步也非常清楚：进入真实世界。

，AI革命的最大价值不可能永远停留在问答、写作和代码片段中。：一个客服流程被端到端自动完成，一份法律尽调被稳定交付，一条供应链被动态优化，一个研究假设被快速验证，一个机器人在仓库或家庭中可靠协作。只有当AI进入真实工作流，企业才会把它计入组织能力，社会才会把它计入生产力，人类才会真正感受到这一轮技术革命的规模。

这也是为什么

AGI询问AI是否接近人类智能，真实世界AI询问AI是否能完成真实任务；AGI容易把讨论带向无限能力，真实世界AI把讨论拉回反馈、结果、成本和价值。它不是降低AI的目标，而是把AI的目标放到它最终必须面对的地方：现实。

03、路线图与术语

路线图

就路线图而言，

在2024年提出的总体上抓住了从Chatbot到Reasoner再到Agent的演进方向，但它没有。其中后两个阶段，Innovator和Organizer，更偏Agent可能具备的能力特征，而不是与Chatbot、Reasoner、Agent并列的技术形态；标准并不一致。更重要的是，，对Agent之后的判断自然带有不确定性。

在行业从

迈向的节点上，我们提出如下五阶段框架：第一，，AI获得通用表征和知识压缩能力；第二，，AI获得自然语言和多模态生成能力；第三，，AI获得更强的搜索、规划、证明和反思能力；第四，，AI获得调用工具、操作软件、执行步骤的行动能力；第五，，AI进入真实工作流，从真实反馈中学习，并交付被人类、组织和制度接受的真实结果。

这个路线图把“真实世界AI”放在Agent之后。Agent解决“AI能否行动”的问题，Real-World AI解决“AI行动之后是否产生可接受后果”的问题。

Agent让AI进入流程，真实世界AI让AI被流程接纳、被组织信任、被经济计量。

再往后，行业可能进入一个更大的阶段：

那时，AI不只是完成一个个任务，而是参与决策支持、组织协调、资源配置、科学发现、城市运行和物理世界操作。但这个未来能否到来，取决于今天能否跨过真实世界AI这一关。没有真实反馈，就没有真实智能；没有真实结果，就没有真实生产力。

术语

过去，我们已经拥有大量描述这一轮AI发展的术语：

等（World Model/世界模型不是描述AI发展特征，而是描述一种模型路线）。总体上，这些术语大多从算法、能力或载体角度出发，可以称为。它们非常重要，但也容易把行业讨论带入“模型是否足够聪明”“智能是否无穷大”“何时超过人类”的抽象争论。

：它不仅描述技术是什么，也提醒我们最终要去哪里，以及当下处在什么位置。它不否定AGI、Physical AI或Embodied AI，而是改变提问方式：不再只问AI在技术上是什么，而是问AI在经济和社会中能做什么；不再只问AI是否接近人类智能，而是问AI是否能够稳定完成真实任务、创造真实价值、承担真实后果。

“真实世界AI”也把

。在数字世界，真实世界AI意味着AI进入企业软件、知识工作、交易流程、研发流程、治理流程；在物理世界，真实世界AI意味着机器人、自动驾驶、智能制造、家庭服务和城市基础设施从真实环境中学习。无论载体是浏览器、API、办公软件、机械臂、车辆还是人形机器人，核心问题都是同一个：AI能否在真实环境中形成闭环，完成任务，并被现实接受。

因此，我们向全行业介绍

。它能把研究者、创业者、投资人、企业用户和政策制定者拉到同一张地图上

真实世界AI不是终点，而是入口。它提醒我们：未来几年最重要的AI工作，不只是创造更大的模型、更长的上下文、更漂亮的演示，而是把现实变成训练循环，把反馈变成能力，把任务变成价值，把AI变乘人类社会真正可用的生产力量。

为了让这个阶段真正到来，行业需要形成新的共识。模型训练需要把

，而不只是追逐现有榜单；AI应用需要把产品从助手形态推进到任务交付形态，而；企业用户要把AI评估从“好不好用”推进到；投资者要从模型参数和演示效果之外，；政策制定者则需要建立，让真实世界的采用能够在信任中扩张。

这就是“真实世界AI”作为术语的意义。它把一个分散的行业焦点凝结为共同方向：让AI离开演示舞台，进入生产现场；离开题库，进入组织；离开一次性回答，进入持续反馈；离开抽象智能，进入真实价值。