从思维链到智能体：AI进化的清晰阶梯
在最近的一次交流活动中，DeepSeek创始人梁文锋将人工智能的发展比作攀登一段明确的阶梯。在他看来，过去一年的关键进展是“思维链”（CoT），而当下行业正全力聚焦于“智能体”（Agent）的构建与普及。
下一站：攻克“持续学习”难关
然而，梁文锋指出，在智能体技术之后，整个领域必须直面一个更为根本的挑战——如何让AI系统拥有持续学习的能力。他认为，这才是当前阶段最关键的瓶颈。
“AI现在并不缺乏品位和直觉，”他解释道，“你让它生成一篇文章，其文字的风格和感知力已经相当不错。真正欠缺的，是在初始训练之后，还能像人类一样，在互动中不断积累经验、更新知识并自主演化的那种韧性。”
持续学习之后：通向“渐进式奇点”
一旦突破了持续学习的壁垒，AI可能会进入一个全新的阶段。梁文锋将其描述为一个“奇点”，但他特意强调，这并非科幻作品中那种瞬间颠覆一切的突变。
“这更像一个漫长的、渐进的过程，”他说，“当模型能够持续学习时，它将有能力完成人类所能进行的绝大多数认知任务。更重要的是，它可以开始自我开发——研究自身的不足，设计并迭代出下一个版本，甚至探索更前沿的AI模型。”
这种自我指涉、自我改进的循环，在他看来，才是真正意义上的能力飞跃。
终极场景：具身智能走入现实
只有跨过持续学习这道坎，AI发展的蓝图才会清晰指向下一个里程碑：具身智能。
“到那时，AI才能真正走进我们的物理世界，”梁文锋描绘道，“它不再局限于屏幕后的对话或文档处理，而是能够操作实体设备，完成诸如家务、陪伴照料等复杂的现实任务。”
一条“更轻松”的技术路线图
梁文锋分享了他对技术路径的思考。他认为，沿着“思维链 → 智能体 → 持续学习 → 具身智能”的顺序推进，是一条逻辑顺畅且“更轻松”的路径。
- 正向路径（当前路线）： 先解决核心的认知与学习问题，再赋予其物理身体。这符合软件定义硬件的逻辑，基础更为扎实。
- 反向路径的挑战： 如果试图先开发出能完成复杂物理任务的具身智能，再让其学习高级认知，过程将异常艰难，犹如“很苦的活”。
他的观点明确：夯实AI的“大脑”与持续学习能力，是通向通用人工智能最可行、最高效的入口。行业现在的每一步，都在这条阶梯上攀登。