近日，360集团创始人周鸿祎在崇礼论坛2026峰会上发表主题演讲。

演讲开场，周鸿祎以轻松诙谐的方式说道：“这次来太舞小镇，我的目的和大家都差不多——主要是来滑雪的。顺便也想圆一个多年的心愿：滑了这么多年雪，技术始终停留在入门水平，特别希望能掌握‘上下身分离’这项关键技巧。”

围绕AI产业演进的路径，周鸿祎勾勒出一条清晰的轨迹：2024年是大模型的狂热追逐期，2025年大模型加速迈向智能体形态，而进入2026年，全球智能体规模有望突破百亿量级。届时在AI赛道上，估值百亿元的企业恐怕也只能被归类为‘小玩家’。

他进一步指出，过去多数大模型仍局限在对话交互层面，缺乏任务执行与业务闭环能力；唯有进化为具备感知、决策与行动能力的智能体，才能真正嵌入千行百业，释放实际价值。

针对当前行业普遍存在的理解偏差，周鸿祎特别澄清了2024到2025年间一个典型的误区：将训练算力与推理算力混为一谈。

他强调，训练算力门槛极高，属于极少数科技巨头的“高墙赛道”；而对绝大多数个人用户与中小企业而言，真正高频、刚需的是推理算力。二者在资源消耗上差异显著：日常与大模型进行文字交流，即便每天输入2万字，月度token用量也仅数万级别；但若交由智能体完成一部微短劇创作，或组织一场专业领域的深度培训课，则所需算力可能飙升至百万乃至千万token量级。

周鸿祎还指出，业内存在一种惯性认知——认为只有自研大模型、自造AI芯片才算站在AI核心位置。这类底层技术固然关键，但要让AI从实验室走向产线、从概念落地为生产力，构建面向具体场景的智能体才是破局关键。而这一过程的核心驱动力，并非算法工程师，而是深耕一线的垂直领域专家与业务实践者。

他解释说，每家企业内部都沉淀着大量难以书面化、标准化的隐性知识与行业“潜规则”，例如岗位特有的协作逻辑、流程中的非标操作规范等。这些知识往往深藏于资深员工的经验记忆中，部分核心技术甚至构成企业的商业机密。若将其直接用于通用大模型训练，极易引发敏感信息外泄风险；其最安全、最高效的用途，恰恰是用于打造专属智能体。

在周鸿祎看来，谁能率先将这些“藏在人脑里的知识”转化为智能体可学习、可调用的数据资产，谁就能率先握紧AI时代的关键入场券。