时至 2026 年初，AI 行业光靠“讲故事”（包括但不限于 AGI、颠覆一切、指数级跃迁......）已经开始不够用了。
吴恩达、斯坦福、谷歌云团队接连抛出多份报告，都透露出一个共同信号：AI 行业的焦点，已经从“能不能做到”，变成了“在什么条件下、以什么成本、为谁创造价值”。
斯坦福 HAI（斯坦福以人为本人工智能研究院）明确指出，2026 年，是 AI 从 evangelism（布道）走向 evaluation（评估）的一年。
一方面，大量企业已经完成了第一轮生成式 AI 的部署，开始有条件回看投入与产出。
有人开始重新算账。
谷歌云发布了一份报告，名为 The ROI of AI 2025（2025AI 投资回报率），调查了 3466 名全球营收千万美元以上的企业老板或高管。
这份报告展现的答案也挺明确：真正实现正向、可持续投资回报的，并不是零散的生成式 AI 能力，是“Agent+流程+ 组织”的系统级落地。
数据也很直接：在最早一批入场 Agentic AI 的公司里，有近多九成已经在至少一个 GenAI 场景中看到了正向回报，并且越吃越香。
另一方面，AI 正以前所未有的速度渗透进医疗、法律等高风险、高责任领域，单靠“能力展示”已经无法支撑决策。
吴恩达在《The Batch》新年特刊里，直指“AGI”概念被过度滥用，并提出“图灵-AGI 测试”重新界定上限。
斯坦福以人为本人工智能研究院（HAI），则联合计算机、医学、法律、经济学等多学科教授发布年度预测，明确提出“2026 年是 AI 从布道走向评估的一年”
这些报告背景各异，有产业一线、有跨学科研究机构、有长期做工程落地的团队。但都传递出一个信号：AI 不再只问“能不能做到”，而是要回答“在什么场景下、以什么成本、替谁承担风险”。
放在 AI 正在经历关键转向的当下，这几份报告难得不靠口号撑场子、信息密度很高，值得放在一起细品。
##Scaling Law 不够用了，AI 评价标准被重写
过去几年，AI 行业其实并不缺“共识”。
其中最重要的一条，就是 Scaling Law：模型越大、数据越多、算力越强，能力就越好。参数规模、榜单名次，一度成了衡量进步最直观、也最省事的标准。
但当 AI 真正进入法律、医疗等高风险场景时，这套逻辑开始显得单薄——
分数上涨，并不等于风险可控；能力增强，也不代表系统可落地。
于是，一些长期站在产研一线的人开始意识到：核心问题不仅是“模型还能不能更强”，而是现有评价体系，是否已经跟不上应用场景的复杂度。
AI 大牛吴恩达，在其年度通讯《The Batch》新年特刊中提了个引人注目的问题：
“在 2026 年，我们能最终真的实现 AGI 吗？”
说到 AGI，其实目前行业和学界对此还没有统一的定义，更缺乏统一、可信的评测体系。而且在吴恩达看来，更棘手的是，“AGI”已经被滥用：
“AGI 已经变成了一个炒作术语，而不是一个具有精确含义的术语......当企业炒作他们可能在几个季度内实现 AGI 时，他们通常试图通过设定一个非常低的标准来证明这些说法。”
这些导致学生误判未来（不敢学某些专业）、CEO 错判投资节奏，以及社会整体对 AI 能力产生了系统性高估。
在吴恩达看来，这种过度炒作并非第一次出现。在 AI 发展史上，几次著名的“寒冬”往往并不是源于技术本身停滞，而是源于预期被抬得过高、最终崩塌，继而引发投资迅速撤离。
在此背景下，为了更好地实现真正的 AGI 目标，他要做一个新的图灵测试，名曰“图灵-AGI 测试”。
经典的图灵测试，由“计算机科学之父”艾伦·图灵在 1950 年提出，核心标准是：通过纯文字对话，如果人类评审无法分辨对方是机器还是人，机器就算通过测试。
不过，这对今天的 AI 已明显不足，但其中“由人判断结果是否达到人类水平”的逻辑，被保留并扩展到了更多样、真实的工作场景中：除了对话，还有接电话、处理任务、交付成果等，并且还得持续反馈与调整。
为了让人类裁判有更深入、细致的体验，一个实验周期往往长达多天、甚至是数周。
那么，这个测试与当前主流的 Benchmark（AIME、GPQA、SWE-bench 等）又有何不同？
在吴恩达看来，当前的大部分基准测试都有这些局限：题目固定、路径可预期，模型很容易被“对题训练”。它们难以反映 AI 真的足够“智能”，比如是否具备长期规划、持续学习和跨任务迁移的能力。
相比之下，图灵-AGI 测试关心的是另一件事——它考的不是“会不会解题”，而是 AI 能否在任务不预设、路径不可控、反馈持续变化的条件下，把一件事从头到尾真正完成。
吴恩达认为，现有的 AI 系统，想要通过他们团队设立的图灵-AGI 测试，将面临极高难度和诸多挑战；他甚至还放出一句“反直觉”的话：
“如果现在所有 AI 都通不过这个测试，那反而是一件好事。”
图灵-AGI 测试的意义在于：如果有 AI 能通过，那就是强有力的信号；如果没有，也正好为过热的市场按下“冷静键”。
如果说，吴恩达提出的新测试是在关注的，是一个偏 AI“上限”的问题，那企业与研究机构更迫切需要回答的，则是一个偏“现实”的问题：AI 在当下的真实业务中，已经创造了多少价值，值不值得大规模用、怎么用？
斯坦福大学的计算机科学、医学、法律和经济学的教授们，最近联合发布了一份报告，标题非常直白：Stanford AI Experts Predict What Will Happen in 2026（《斯坦福 AI 专家预测 2026 年将发生什么》）。
这些 HAI 的研究者们一起点出：AI 布道时代正在让位于评估；即将到来的一年将由严谨性、透明度和长期忽视的实用价值而非投机承诺所定义。
简单来说，就是过去几年，AI 行业几乎只在算“能力账”，却系统性地回避了“经济账”，现在是时候好好算下钱的问题了，比如这些“灵魂拷问”：
企业为了用 AI，多花了多少钱？
节省的时间和人力，有没有被新流程吃掉？
维护、合规、算力、幻觉兜底，成本算过吗？
斯坦福的学者们们在多个领域（尤其是法律、医疗、写作类工作）都观察到一个现象：AI 的“单点能力”提升，并不必然带来整体效率提升。
有时候甚至是反效果：输出更多，但人要花更多时间核查；写得更快，但错误更隐蔽；看似节省人力，但引入新的协调成本。
他们提出一个观点，即如果 AI 的加入，让系统整体变得更复杂、更难以信任，那它的能力提升并没有什么意义。因此他们特别强调：不能只测模型，必须测 “人+AI+流程” 这个整体。
以法律领域的 AI 为例，ROI（投资回报率）、严谨性和多文档推理这些指标将越来越重要。
至于 AGI，HAI 的联合主任 James Landay 和计算机科学院教授们，直接给其泼了盆冷水：
“My biggest prediction? There will be no AGI this year.（我最大的预测是？今年不会 AGI。)”
不过，这并不意味着技术停滞。相反，他们认为，AI 主权在今年有很不错的前景——但这里的“主权”并不是比拼谁的模型更大，而是模型跑在哪里、数据由谁掌控。
与此同时，对全球不断升温的算力投入，斯坦福 HAI 也发出了警告：过去一年，超大规模数据中心建设明显加速，但算力投资不可能无限加码，当资本持续涌入却迟迟看不到回报拐点时，这种热度本身就带有泡沫意味。
传播学副教授、HAI 高级研究员 Angèle Christin 说得更直白：“Deflating the AI Bubble .（戳破 AI 泡沫）”她表示，特别期待看到更多关于 AI 能做什么、不能做什么的细致实证研究。这不一定意味着泡沫破裂，但泡沫可能不会变得更大。
说完学界，再看看在产业一线，AI 目前的价值到底如何？
谷歌云近日发了份含金量颇高的报告：The ROI of AI 2025（2025AI 投资回报率），调查了 3466 名全球营收千万美元以上的企业老板或高管。
这里面传递出的信号很清晰，即 AI 讨论的重心，正在从“模型有多强”，转向“系统能不能持续赚钱”——说得再激进点：且不谈 AGI，先看 ROI。
谷歌也给出了一个明确的答案：真正实现正向、可持续投资回报的，并不是零散的生成式 AI 能力，是“Agent + 流程 + 组织”的系统级落地。
数据也印证了这一点。88%早期入坑 Agentic AI 的企业，已经在至少一个 GenAI 场景中看到了正向回报，并且越吃越香。但拉开差距的，和选了哪家模型关系并不大，而是这几件事：
有没有高层拍板、持续背书
有没有愿意为 AI 重做流程，而不是只加工具
有没有把一半以上的 AI 预算，真正投到 Agent 上
所以，老板和高管怎么理解 AI，直接决定它的价值能否快速兑现——有清晰 C-level 战略和持续背书的公司，78%已经看到正向回报；而目标分散的组织，AI 往往只是“用过、试过”，却很难真正改变财务结果。
##技术路径出现拐点：从大模型到 Agent 体系
如果说前几年 AI 的核心问题是“模型能不能更强”，那么现在，当模型够强之后，问题变成了怎么把它真正用进系统里。
在谷歌的这份 ROI 报告里，提到了 118 次 Agent（或者 Agentic）。
报告显示，AI Agent 已经在生产环境中大规模部署：在使用 GenAI 的企业中，已经有一半以上（52%）把 Agent 投入生产环境。
而且真正能让 AI 获得正向 ROI 的，集中在这几类流程清晰、可以规模化复制的场景：
生产力：减少重复劳动、压缩处理时间
客户体验：更快响应、更稳定交付
业务增长：缩短销售周期、提升转化效率
营销：规模化内容与投放优化
安全：减少误判、提前发现风险
这些场景有一个共同点：它们不是靠模型“更聪明”取胜，而是靠 Agent 嵌进流程、替人干活产生回报。
不过其实 Agent 和 Agent 之间的能力差别也是巨大的，就像智能驾驶分等级一样，谷歌给 Agent 按效果或者说进化路径分了三个等级：
Level 1：是大家最熟悉的生成式 AI 阶段：聊天、检索、生成内容，本质是“一次输入、一次输出”的工具能力展示。
Level 2：这才是真正意义上的 Agent。它不只回答问题，而是能理解目标、拆解任务、调用工具，并在一个流程内把事情做完。
Level 3：则是多 Agent 协同的工作流：不同 Agent 分工协作，由系统统一编排，像一个可调度、可扩展的“AI 团队”。
一级是工具，二级是产品，三级是系统。
值得注意的是，目前绝大多数已经产生正向 ROI 的 Agent，都集中在 Level 2。
客服 Agent、销售支持 Agent、内容与运营 Agent，基本都属于“单体 Agent + 明确流程”的形态。它们能嵌进业务、算得清成本，也更容易被组织信任。
在 2026 年，Agent 的下一步，并不是盲目“堆更多智能体”，而是“更可管理”，让多个 Agent 在清晰分工和明确规则下，稳定地协作起来。
要达成这样的效果，让吴恩达来看，得把能力拆细、边界划清，比如解决掉这些问题：谁来拆任务？谁真正去干活？中途翻车了谁兜底？最后的结果到底算谁的？最终让 Agent 像流程里的员工一样稳定干活——即 Skill- First。
Skill 是最近 AI 圈一个大热的新词，直译过来是“技能”；在 AI 技术语境下，你可以将其理解为 Agent 的“技能模块”。
一次搜索、一次写作、一次代码生成、一次审批判断、一次风控校验、一次执行动作，都是一个边界清楚、可被调用、可被复用，还能被监控的 Skill。
与其说未来是“多 Agent 协作”，不如说是 Agent 在调度一堆 Skill，比如：
什么时候查资料，用某个搜索 Skill；
什么时候写文案，用某个生成 Skill；
什么时候需要人介入，用审批或风控 Skill 接管。
要知道，目前真正跑出 ROI 的系统，往往不是最复杂、最炫的多 Agent 网络；而是 Skill 拆得够细、流程跑得够顺、责任链条说得清楚的 Agent 系统。
总而言之，Agent 的天花板，最终不取决于它“认识多少同伴”，而取决于它能不能把一组技能，按业务节奏稳定地用起来、跑下去、算清账。
在 Agent 这件事上，吴恩达可以算是“Skill 派”。
虽然他不一定频繁使用 “Skills” 一词，但他的思路本质上就是 Skill-first：他反对把 AI 能力打包成模糊的“通用智能”，强调可验证、可组合、可评估的能力单元。
这应该也是他反对 AGI 被滥用的原因之一：一旦不拆解能力，就无法判断边界，也无法管理风险。
所以在吴恩达的体系里，Agent 就像能调用一组能力、完成工作的人，而 Skill 就是可以被训练、验证、组合的具体组件。
AI 是一门长期生意，当故事讲完、潮水退去，能留下来的，恐怕只会是那些被长期运行、被持续信任的系统。
参考链接：
https://hai.stanford.edu/news/stanford-ai-experts-predict-what-will-happen-in-2026
https://cloud.google.com/resources/content/roi-of-ai-2025?hl=zh-CN&utm_source
