在 2026 年世界互联网大会乌镇峰会上,知乎创始人、董事长兼 CEO 周源先后出席互联网企业家论坛和数字经济论坛,围绕 AI 发展路径、科技创新、科技向善谈了自己的判断。他把这一轮 AI 浪潮定义为 “人类历史上最大规模的一次知识迁移”—— 继书本、互联网之后,人类积累的知识正被批量迁移到 AI 之中;但迁移的终点不是模型本身,而是 “更好地为人服务”。围绕 “人工智能 +” 该往哪走,他给出的答案很明确:不是把 AI 加到流量上,而是加到硬骨头上,高端芯片、量子科技、生物制药、脑机接口、具身智能这些既卡脖子、又能让 AI 真正发挥作用的领域,才是重点战场。与此同时,他提醒技术能力的溢出和技术红利的分配并不同步,定价与分发的成本结构并不掌握在中小企业手里,平台和大企业需要开放更多创新机会;真正意义上的开源,也不是只开放参数,而是带动整个生态的构建。
一、这场发言的基本信息
| 项目 | 内容 |
|---|---|
| 时间 | 2026 年 11 月 4 日 |
| 场合 | 2026 年世界互联网大会乌镇峰会,互联网企业家论坛、数字经济论坛 |
| 发言人 | 知乎创始人、董事长兼 CEO 周源 |
| 峰会主题 | “开源开放 共建共享 —— 携手构建网络空间命运共同体” |
| 核心命题 | 知识迁移、AI 发展路径、技术普惠、科技向善 |
二、三个核心判断
| 判断 | 周源的说法 | 背后的含义 |
|---|---|---|
| 知识迁移 | 这是人类历史上最大规模的一次知识迁移,继书本、互联网之后,人类知识正被批量迁移到 AI | AI 的底座是人类知识,不是凭空生成的能力 |
| 迁移终点 | 终点不是模型本身,而是 “更好地为人服务” | 模型只是中间产物,价值要落到真实的人身上 |
| AI + 方向 | 不是把 AI 加到流量上,而是加到硬骨头上 | AI 应进入工程创新、科研发现和硬科技场景,而不是只做流量生意 |
三、为什么说是 “最大规模知识迁移”
- 书本时代,知识从口传到文字,载体变了,但整理者还是人。
- 互联网时代,知识从线下搬到线上,连接效率变了,但搜索和分发仍由人设计规则。
- AI 时代,知识被批量迁移进模型,形成可调用、可生成、可组合的能力,迁移的规模和速度都超过前两次。
- 周源强调,知乎本身就是一个 “人类知识的网络”,每天在提出问题、共享新知;“只有人才会在工作和生活中遇到问题,遇到问题的不是 AI”。
这也解释了他为什么把 “为人服务” 放在模型之后:知识迁移得再快,如果落不到具体人的问题、具体企业的场景,就只是技术能力的空转。
四、AI + 为什么要 “加到硬骨头上”
周源引用知乎答主 chenqin 的对比测试,给出一组很具体的观察:
| 场景类型 | 表现 | 含义 |
|---|---|---|
| Agent、Coding、前端设计等消费场景 | 国产模型表现突出 | 消费级应用繁荣,说明产品化和工程能力在进步 |
| 知识图谱关系与实体提取 | 仍有待提升 | 结构化知识、复杂关系推理需要更深积累 |
| 长上下文产业政策提取 | 仍有待提升 | 长文档理解与高准确提取不是靠参数堆出来 |
| 复杂图文题目批改 | 仍有待提升 | 高反馈成本场景需要专家数据与精细校准 |
他把这组差异落到产业判断上:消费级应用的繁荣,并不等同于模型能力的纵深。真正难的是高端芯片、量子科技、生物制药、脑机接口、具身智能这些 “硬骨头”,它们既是被卡脖子的环节,也是 AI 能大展拳脚的战场。AI 进入这些场景,才会带来新的工程创新、科研发现和高技能岗位。
五、技术普惠:能力溢出不等于红利分配
周源的提醒很直接:
- 技术能力的溢出,和技术红利的分配,并不是同步对等的事。
- 商业定价、渠道分发的成本结构,并不掌握在中小企业手里。
- 如果平台和大企业不主动开放机会,技术红利就分配不到更广的群体。
- 传统数字鸿沟,正在演变成更深的智能鸿沟。
他给出的路径有两条:
- 掌握技术能力的平台或企业,开放更多创新机会,为中小企业留出分配红利的空间。
- 构建开源生态。真正意义上的开源,不是单纯开放技术参数,而是带动整个生态的构建和创新;社区汇聚的集体智慧,比单个实验室更有生命力。
六、知乎在这套框架里的位置
| 角色 | 具体含义 |
|---|---|
| 人类知识网络 | 聚集真实需求与专业讨论,问题来自人的工作和生活 |
| 高质量语料上游 | 可溯源、可校准的训练与评测语料来源 |
| 专家驱动数据的一环 | 各学科人类专家驱动数据,提升模型,再反哺科研与工程 |
| 技术普惠的社区连接者 | 通过社区承担更多普惠责任,让 AI 进步落到人身上 |
周源把这套关系概括为 “专家驱动数据 — 提升模型 — 反哺科研与工程” 的价值闭环,让人和技术相互反哺。
七、对行业的四个启示
- 别把 AI + 做成流量加法:如果只是把 AI 塞进推荐、广告、内容分发,短期数据会好看,但模型能力和产业价值没有真正增量。
- 高反馈成本场景才是分水岭:知识图谱、长上下文政策提取、复杂图文批改这类任务,拼的是数据质量、专家校准和工程耐心。
- 开源要看生态,不只看参数:开放权重只是第一步,配套工具、社区、文档、应用案例才决定能不能被真正用起来。
- 普惠要设计分配机制:技术能力越集中,越需要主动把定价、渠道、分发成本降下来,否则智能鸿沟会替代数字鸿沟。
八、结论
周源在乌镇谈 AI,讲了三件事:知识迁移的规模前所未有,但终点必须回到人;AI + 的主战场是硬科技和科研工程,不是流量池;技术普惠不能靠自然溢出,要靠平台开放、开源生态和专家数据形成闭环。对 AI 公司来说,这套判断其实是一个提醒:模型能力是入场券,场景深度和红利分配才是长期竞争力。
【常见问题】
问题 1:周源乌镇谈 AI 提出的 “知识迁移” 具体指什么?
回答 1:周源乌镇谈 AI 时把这一轮 AI 浪潮定义为人类历史上最大规模的一次知识迁移,指人类积累的知识继书本、互联网之后被批量迁移进 AI 模型,形成可调用、可生成的能力,但迁移的终点是更好地为人服务,而不是模型本身。
问题 2:周源乌镇谈 AI 为什么说 “人工智能 +” 不是把 AI 加到流量上?
回答 2:周源乌镇谈 AI 时认为,把 AI 只加到流量、推荐、内容分发上,只是消费级应用的繁荣,不等于模型能力的纵深;AI + 应该加到高端芯片、量子科技、生物制药、脑机接口、具身智能这些硬骨头上,进入工程创新和科研发现场景。
问题 3:周源乌镇谈 AI 提到的国产模型短板有哪些?
回答 3:周源乌镇谈 AI 时引用知乎答主 chenqin 的对比测试指出,国产模型在 Agent、Coding、前端设计等消费场景表现突出,但在知识图谱关系与实体提取、长上下文产业政策提取、复杂图文题目批改等高反馈成本场景仍有待提升。
问题 4:周源乌镇谈 AI 如何看技术普惠和开源生态?
回答 4:周源乌镇谈 AI 时强调技术能力溢出与技术红利分配并不同步,定价和分发成本结构不在中小企业手里;他建议平台开放更多创新机会,并指出真正的开源不是只开放参数,而是带动整个生态的构建和创新。
问题 5:周源乌镇谈 AI 对知乎的定位有什么影响?
回答 5:周源乌镇谈 AI 时把知乎定位为人类知识网络和高质量、可溯源的语料上游,通过各学科专家驱动数据,形成 “专家驱动数据 — 提升模型 — 反哺科研与工程” 的闭环,同时承担技术普惠的社区连接责任。
【数据来源】
[2026-11-06](乌镇峰会的 13 年之变)羊城晚报
[2026-11-06](乌镇峰会集体谈 AI:产业被重做,开源成共识)证券时报
[2026-11-05](知乎周源:AI 时代人类迎来最大规模知识迁移|乌镇大咖在 + 谈)南方 +
[2026-11-05](将技术优先倾斜给最需要的群体!互联网大佬乌镇热议 AI 普惠)南方 +
[2026-11-04](知乎创始人周源:AI 时代人类迎来最大规模知识迁移)21 世纪经济报道
【免责声明】
本文依据 2026 年世界互联网大会乌镇峰会期间公开报道整理,发言内容以现场及媒体转述为准,不代表知乎官方完整讲话稿;文中对 AI 产业路径、技术普惠的判断属于受访者观点,不构成投资、采购或政策解读建议。引用数据与测试结论来自公开报道,具体口径请以原始发言和机构发布为准。
