<p>下一次人工智能革命將不僅僅涉及會説話的聊天機器人，而是能夠自主行動的智能體。這種從對話式人工智能到能夠推理、自我糾正並獨立執行多步驟任務的系統的根本轉變，代表了全球技術的前沿，正在改變企業生產力並加速對專業人才的需求。</p>
<p>斯坦福大學計算機科學教授、Kumo.AI 聯合創始人兼首席科學家 Jure Leskovec 在 CNBC Worldwide Exchange 節目中談到了人工智能的發展軌跡，強調了從對話界面到自主智能體的轉變，以及行業面臨的關鍵基礎設施和人才挑戰。Leskovec 強調，人工智能研究和進展的速度是 “前所未有的”，即使在經驗豐富的研究人員中也不斷超出預期。這種快速的步伐是由算法推理和計算效率的突破共同推動的，為人工智能迅速提升價值鏈奠定了基礎。</p>
<p>當前一代大型語言模型（LLMs）主要專注於提供複雜的答案；然而，真正的經濟影響將在人工智能系統轉變為可靠的執行者時顯現。Leskovec 預計到 2026 年，我們將堅定地進入自主智能體的時代。這一轉變意味着不再僅僅與人工智能對話，而是利用能夠自主決策的人工智能，優化多個步驟的工作流程，並在必要時自我糾正。Leskovec 強調：“我認為這真的意味着超越聊天的人工智能，走向能夠執行的人工智能”，突顯了對商業運營的深遠實際影響。</p>
<p>支撐這一算法演變的是對計算能力的持續需求。對訓練和推理的巨大需求——這些模型的實際部署成本——使得人工智能基礎設施，特別是專用芯片，成為超大規模企業和初創公司的主要關注點。焦點已轉向降低推理成本，以使這些強大的模型在大規模部署中具有經濟可行性。這引發了激烈的競爭，像 Nvidia 這樣的公司與較小的創新者合作，而科技巨頭如 Alphabet 則開發定製的張量處理單元（TPUs）。</p>
<p>人工智能在企業中的整合依賴於使計算能力更便宜、更高效。新的算法技術結合專用芯片代表了下一個邏輯前沿。</p>
<p>除了硬件競爭，人才管道仍然是維持美國在人工智能創新中領導地位的關鍵瓶頸。Leskovec 強烈主張吸引和留住世界頂尖人工智能研究人員和工程師的政策，強調美國必須繼續成為 “全球人才磁鐵”。雖然人工智能常被討論為能夠提升現有勞動力的平衡器，但構建下一代模型所需的基礎研究和開發需要專業的、高素質的人才。</p>
<p>培養這一精英人才所需的投資是巨大的，必須加以保護。Leskovec 指出，教育精英人工智能專家所需的財務和時間投入，表示在斯坦福大學，“教育一個博士生需要超過五十萬美元的投資，以及我五年的參與。” 如果美國未能為這些人才提供無縫的加入勞動力市場和為經濟做貢獻的途徑，他們將不可避免地遷移到提供更好機會的其他國家，從而危及美國在這一對未來生產力至關重要的領域的競爭優勢。</p>
<p>Leskovec 自己的公司 Kumo.AI 專注於企業中的下一層差異化：基於專有結構化商業數據訓練的專用人工智能模型。雖然公共 LLM 是在通用文檔和文本上訓練的，但最有價值的見解往往存在於孤立的、公司特定的交易記錄、供應鏈數據和表格數據集中。利用這些內部數據是解鎖通用、公開訓練模型無法提供的獨特競爭優勢的關鍵。Kumo.AI 專注於構建能夠對這些結構化商業數據進行推理的人工智能，使企業能夠找到自身的獨特優勢，並與競爭對手區分開來。計算效率、自主智能體和專有數據利用的融合定義了創始人和科技領袖在尋求捕捉下一波人工智能所承諾的巨大生產力提升時的直接戰場。</p>

小馬智行-W

<p>斯坦福大學的尤爾·萊斯科維奇預測，到 2026 年，人工智能將從對話式轉向自主代理，強調它們在優化工作流程和提升企業生產力方面的潛力。他指出，需要先進的計算能力和專業人才來支持這一演變。萊斯科維奇警告稱，美國必須吸引頂尖的人工智能研究人員，以保持其競爭優勢，因為下一代人工智能模型的開發需要在教育上進行大量投資。他的公司 Kumo.AI 專注於利用專有商業數據創建專業的人工智能模型，旨在為企業解鎖獨特的競爭優勢</p>

<p>The next revolution in artificial intelligence will not merely involve chatbots that talk, but autonomous agents that act. This fundamental shift from conversational AI to systems capable of reasoning, self-correction, and performing multi-step tasks independently represents the immediate frontier for global technology, transforming enterprise productivity and accelerating the demand for specialized talent.</p>
<div class="lb-trans"><p>下一次人工智能革命將不僅僅涉及會説話的聊天機器人，而是能夠自主行動的智能體。這種從對話式人工智能到能夠推理、自我糾正並獨立執行多步驟任務的系統的根本轉變，代表了全球技術的前沿，正在改變企業生產力並加速對專業人才的需求。</p>
</div><p>Stanford Computer Science Professor Jure Leskovec, co-founder and Chief Scientist of Kumo.AI, spoke with the CNBC Worldwide Exchange program about the trajectory of artificial intelligence, emphasizing the pivot from conversational interfaces to autonomous agents and the critical infrastructure and talent challenges facing the industry. Leskovec stressed that the speed of AI research and advancements is “just unprecedented,” consistently exceeding expectations even among seasoned researchers. This breakneck pace is driven by concurrent breakthroughs in algorithmic reasoning and computational efficiency, setting the stage for AI to move rapidly up the value chain.</p>
<div class="lb-trans"><p>斯坦福大學計算機科學教授、Kumo.AI 聯合創始人兼首席科學家 Jure Leskovec 在 CNBC Worldwide Exchange 節目中談到了人工智能的發展軌跡，強調了從對話界面到自主智能體的轉變，以及行業面臨的關鍵基礎設施和人才挑戰。Leskovec 強調，人工智能研究和進展的速度是 “前所未有的”，即使在經驗豐富的研究人員中也不斷超出預期。這種快速的步伐是由算法推理和計算效率的突破共同推動的，為人工智能迅速提升價值鏈奠定了基礎。</p>
</div><p>The current generation of large language models (LLMs) primarily focuses on providing sophisticated answers; however, the true economic impact will emerge when AI systems transition to becoming reliable executors. Leskovec anticipates that by 2026, we will be firmly entrenched in the era of autonomous agents. This transition means moving away from simply talking with AI to utilizing AI that makes decisions autonomously, optimizing workflows across multiple steps and correcting itself as necessary. “I think it’s really about going beyond AI that is chatting to AI that is doing,” Leskovec asserted, highlighting the profound practical implications for business operations.</p>
<div class="lb-trans"><p>當前一代大型語言模型（LLMs）主要專注於提供複雜的答案；然而，真正的經濟影響將在人工智能系統轉變為可靠的執行者時顯現。Leskovec 預計到 2026 年，我們將堅定地進入自主智能體的時代。這一轉變意味着不再僅僅與人工智能對話，而是利用能夠自主決策的人工智能，優化多個步驟的工作流程，並在必要時自我糾正。Leskovec 強調：“我認為這真的意味着超越聊天的人工智能，走向能夠執行的人工智能”，突顯了對商業運營的深遠實際影響。</p>
</div><p>Underpinning this algorithmic evolution is the continuous need for computational power. The massive demand for training and inference—the actual deployment cost of these models—has made AI infrastructure, particularly specialized chips, a primary focus for hyperscalers and startups alike. The focus has shifted toward reducing the cost of inference to make these powerful models economically viable for mass deployment. This has spurred intense competition, evidenced by companies like Nvidia partnering with smaller innovators and tech giants like Alphabet developing custom Tensor Processing Units (TPUs).</p>
<div class="lb-trans"><p>支撐這一算法演變的是對計算能力的持續需求。對訓練和推理的巨大需求——這些模型的實際部署成本——使得人工智能基礎設施，特別是專用芯片，成為超大規模企業和初創公司的主要關注點。焦點已轉向降低推理成本，以使這些強大的模型在大規模部署中具有經濟可行性。這引發了激烈的競爭，像 Nvidia 這樣的公司與較小的創新者合作，而科技巨頭如 Alphabet 則開發定製的張量處理單元（TPUs）。</p>
</div><p>AI’s integration into the enterprise hinges on making computational power cheaper and more efficient. New algorithmic techniques coupled with specialized chips represent the next logical frontier.</p>
<div class="lb-trans"><p>人工智能在企業中的整合依賴於使計算能力更便宜、更高效。新的算法技術結合專用芯片代表了下一個邏輯前沿。</p>
</div><p>Beyond the hardware race, the talent pipeline remains a critical chokepoint for maintaining American leadership in AI innovation. Leskovec argued strongly for policies that attract and retain the world’s top AI researchers and engineers, underscoring that the US must remain the “global talent magnet.” While AI is often discussed as an equalizer that can upskill the existing workforce, the foundational research and development necessary to build the next generation of models require specialized, highly educated personnel.</p>
<div class="lb-trans"><p>除了硬件競爭，人才管道仍然是維持美國在人工智能創新中領導地位的關鍵瓶頸。Leskovec 強烈主張吸引和留住世界頂尖人工智能研究人員和工程師的政策，強調美國必須繼續成為 “全球人才磁鐵”。雖然人工智能常被討論為能夠提升現有勞動力的平衡器，但構建下一代模型所需的基礎研究和開發需要專業的、高素質的人才。</p>
</div><p>The investment required to cultivate this elite talent is substantial and must be protected. Leskovec noted the financial and temporal commitment required to educate elite AI expertise, stating that at Stanford, “it takes more than half a million dollars worth of investment, five years of my involvement to educate a single PhD student.” If the US fails to provide seamless pathways for this talent to join the workforce and contribute to the economy, they will inevitably migrate to other nations offering better opportunities, thereby compromising American competitive dominance in a field central to future productivity.</p>
<div class="lb-trans"><p>培養這一精英人才所需的投資是巨大的，必須加以保護。Leskovec 指出，教育精英人工智能專家所需的財務和時間投入，表示在斯坦福大學，“教育一個博士生需要超過五十萬美元的投資，以及我五年的參與。” 如果美國未能為這些人才提供無縫的加入勞動力市場和為經濟做貢獻的途徑，他們將不可避免地遷移到提供更好機會的其他國家，從而危及美國在這一對未來生產力至關重要的領域的競爭優勢。</p>
</div><p>Leskovec’s own company, Kumo.AI, is focused on the next layer of differentiation in the enterprise: specialized AI models trained on proprietary, structured business data. While public LLMs are trained on generic documents and text, the most valuable insights often reside in siloed, company-specific transaction records, supply chain data, and tabular datasets. Harnessing this internal data is the key to unlocking unique competitive advantages that generic, publicly trained models cannot offer. Kumo.AI specializes in building AI that can reason over this structured business data, enabling businesses to find their unique strengths and differentiate themselves from competitors. The convergence of computational efficiency, autonomous agents, and proprietary data utilization defines the immediate battleground for founders and tech leaders seeking to capture the enormous productivity gains promised by the next wave of AI.</p>
<div class="lb-trans"><p>Leskovec 自己的公司 Kumo.AI 專注於企業中的下一層差異化：基於專有結構化商業數據訓練的專用人工智能模型。雖然公共 LLM 是在通用文檔和文本上訓練的，但最有價值的見解往往存在於孤立的、公司特定的交易記錄、供應鏈數據和表格數據集中。利用這些內部數據是解鎖通用、公開訓練模型無法提供的獨特競爭優勢的關鍵。Kumo.AI 專注於構建能夠對這些結構化商業數據進行推理的人工智能，使企業能夠找到自身的獨特優勢，並與競爭對手區分開來。計算效率、自主智能體和專有數據利用的融合定義了創始人和科技領袖在尋求捕捉下一波人工智能所承諾的巨大生產力提升時的直接戰場。</p>
</div>

Beyond Chatbots: Stanford’s Jure Leskovec Predicts Autonomous AI Agents Will Reshape Workflows by 2026

- 人工智能將從對話式轉向自主代理，提升企業生產力。  
- 斯坦福教授 Leskovec 強調基礎設施和人才挑戰對行業影響重大。  
- 競爭加劇推動 AI 領域的專有數據和計算效率需求。

超越聊天機器人：斯坦福大學的 Jure Leskovec 預測，到 2026 年自主 AI 代理將重塑工作流程