问题——大模型与智能体快速迭代的背景下，产业界与科研界共同关注两个核心命题：一是智能体能否从“工具”走向“协作主体”，从而重塑软件与内容生产方式；二是有关技术能否从单纯提升效率——更走向科学发现——推动基础研究取得实质性突破。 原因——在论坛讨论中，周鸿祎将此趋势归因于智能体能力边界的持续扩展。他指出，以“龙虾”为代表的智能体在执行任务时已表现出一定自主性，能够围绕目标主动检索工具、调用资源，并在需要时实时编写程序完成任务。这种“任务驱动—工具自寻—代码生成”的链式能力，意味着软件生产不再完全依赖长周期、重流程的传统模式，而更接近“即用即编、用后可弃”的碎片化形态。，代码生成规模可能迅速超过人工处理上限，促使代码编写、审查与维护等环节更多交由自动化系统承担。 他同时将更具战略意义的方向概括为“科研驱动型应用”。在其判断中，相关技术不仅用于替代常规工作，还可能在数据处理、复杂系统建模、实验设计与仿真验证等环节释放能力，带动科研效率明显提高，并对可控核聚变等长期攻关领域形成加速效应。可控核聚变作为前沿能源技术之一，涉及高温等离子体控制、材料耐受性、工程系统集成等多学科难题，研发周期长、试错成本高，对数据与计算的需求巨大。若在算法建模、参数搜索、装置运行优化诸上引入更强的自动化与智能化手段，有望加快科研迭代，为突破打开新的路径。 影响——从产业层面看，软件开发形态与企业组织方式可能被重新塑造。一方面，应用的生成与迭代将更快，传统“版本—发布—维护”的节奏被进一步压缩；另一方面，工程管理、质量控制与合规审查的重要性上升，竞争焦点可能从“写代码”转向“定义需求、配置系统、管理智能体群，并确保可靠与安全”。周鸿祎预计，未来两三年软件业或将出现明显变化，这既带来效率红利，也意味着岗位结构与人才能力模型需要随之调整。 从社会层面看，智能体的广泛应用将带来新的治理议题。针对“普通人是否会沦为算法附庸”的担忧，周鸿祎认为关键于人是否具备设计、打造与管理智能体的能力。在内容可大规模生成的环境中，人类保持主动权的能力将更多体现在品味、审美与判断力上：能提出好问题、做有效筛选、形成价值判断，并为系统运行设定边界与目标。 对策——面向产业变革与科研攻关的双重需求，业内专家普遍认为需同步推进能力建设与治理体系完善：其一，企业应加快建立面向智能体时代的软件工程体系，强化可追溯、可审计、可验证的开发流程，提升安全防护与风险处置能力；其二，高校与职业教育应更突出跨学科培养，推动“科学问题建模能力+工程化落地能力+伦理与治理素养”的融合；其三，在科研领域，应推动数据、算力、平台工具与应用场景协同，围绕重大科学问题形成“算法—实验—工程”闭环，提高从发现到验证再到迭代的效率；其四，面向智能体规模化部署，需要在标准、责任边界、隐私保护与安全约束等上加快制度供给，防范“黑箱决策”“失控扩散”等潜在风险。 前景——周鸿祎在论坛中进一步预测：未来几年全球或出现规模达百亿量级的“龙虾”智能体，由此形成连接广泛的“智能体互联网”，并在网络协作中出现更强的群体智能涌现。与会讨论认为，这一判断反映出一个趋势：智能体可能从单点工具升级为系统性基础设施，进而推动科研范式、产业组织与社会治理方式发生深层调整。未来竞争的关键不仅在于模型能力本身，也在于能否形成可控、可信、可持续的应用生态，把效率优势转化为创新优势，并最终服务于能源、材料、生命科学等领域的重大突破。
从软件生产方式变化到科研工具链升级，智能体带来的不只是效率提升，也在重塑生产关系与创新机制。面向未来，关键在于以可控、可信、可评估的路径推进应用落地，让制度、人才与治理同步跟进：既抓住技术进步的窗口期，也守住安全与责任底线。只有让技术真正服务于科学突破与高质量发展，才能把“想象力”转化为“生产力”。