清華團隊預言：90%的人將脫離謀生勞動，「零人公司」時代來了！

　　新智元報道

　　編輯：定慧

　　【新智元導讀】清華沈陽團隊揭示自進化AI的秘密與實施路線。沈陽團隊站在2026年中點，拋出四大顛覆判斷：AI正走向「人機隔離」而非協同；未來公司只剩一人甚至零人；檢驗比生成更重要；AGI將制造「多版本現實」。團隊日耗Token破百億，AI七天七夜自研壓縮算法登頂榜首，「超級個體」正在溶解傳統組織。這不是預言，而是正在發生的現實。本文綜合清華沈陽教授在清華校慶日的演講、記者采訪和研發進展采寫。

　　站在2026年的中點，AI正以超越大多數人認知的速度演進。

　　清華大學知名跨學科學者沈陽教授（先后在計算機、信息管理、新聞傳播、人工智能、臨床醫學等學科擔任教授或博士后合作導師）及其團隊，基于長期的人機共生和「AI for AI」研究與實踐，提出了四個正在發生的范式轉移。

　　它們不再是遙遠的預言，而是正在浮出水面的現實。

　　引言：四大顛覆觀點，重估人機關系

　　第一個顛覆觀：AI正在走向「人機隔離」

　　我們總說「人機協同」，但像OpenClaw這樣的框架，其核心哲學是「賦予AI絕對權力」，讓它自我進化，未來可能不再需要人類時刻參與。

　　這不再是協作，而是放手。

　　OpenClaw的理念與中國人強調的「人機協同、駕馭AI」的控制哲學有根本不同，它標志著AI發展史上第三個大階段的正式開始——從「能聊天」到「能干活」，再到「能獨立干活」。

　　第二個顛覆觀點：未來的公司，可能只剩一個人或沒有人

　　不是裁員，而是形態重構。

　　企業將演變為由「超級個體」和AI數字員工構成的「自進化組織」。普通崗位將大幅減少，AI轉型的關鍵不是招更多人，而是培養超級個體，并給他們配備更多的電腦和算力。

　　沈陽教授預言，最好的企業將是由一群有共同理想的超級個體構成的自組織、自進化、自適應的組織。一人公司這個人是CEO，零人公司這個人是投資人。

　　第三個顛覆觀點：檢驗比生成更重要

　　當AI什么都能生成時，真正的力量不再是「能生成什么」，而是「生成的東西能否通過檢驗」。

　　沈陽團隊將檢驗者分為四類，其進化速度依次遞減：AI自身作為檢驗者（如編程、數學），可實現最快的進化閉環；個人作為檢驗者（主觀審美）；社會作為檢驗者（如市場反饋）；自然界作為檢驗者（物理規律、化學規律等）。在AI能夠自我檢驗的領域，進化速度將快得超乎想象。按照這個分類，AI在不同的校驗者方向走向AGI的速度是不一樣的。

　　此外如果AI現在是普通提示詞能達到85分，那么極致提示詞也許能到95分，這意味著經過極致提示的人機互動會先于純粹AI自身達到AGI。

　　第四個顛覆觀點：我們將面臨「多版本現實」

　　AGI可能會根據每個人的偏好，生成完全不同的信息世界，導致社會失去共同的現實基準，進入「多真理并存」的狀態。

　　每個人都將置身于一個超個性化的「認知劇場」，現實失去唯一性。這不僅是技術問題，更是未來社會最大的哲學與治理挑戰。

　　這四大顛覆觀點的底層，是兩大理論基座，「AI能力四層結構」與「AI for AI六階段研究鏈」。

　　所謂的「四層結構」，是對AI能力演進的客觀描述。最核心的是通用符號推理層，即AI的純抽象邏輯與數學能力，這是所有能力的根基，也因其千倍級的迭代速度，成為團隊戰略投入的重點；在其之外是數字內容生成層，涵蓋文本、圖像、視頻等；第三層是是數字世界自主交互層，即工具調用與多智能體協作，這是AI從「工具」向「代理」跨越的關鍵；最外層則是仍在艱難演進的物理世界交互層。這一結構清晰揭示了團隊的判斷：必須站在迭代速度最快的地方，即符號系統層。這也是為什么Anthropic迭代如此之快的一個原因。AI for AI解決了，可以迅速將這種能力平移到其他任何領域。

　　而「六階段研究鏈」：訓練模型→微調模型→推理優化→自進化框架→行業應用→極致內容，既是團隊的方法論，也是AI從零走向行業、從工具走向內容的路線圖。

　　訓練模型

　　AI主導的「生命底座」

　　在AI自我進化的鏈條中，模型訓練是底層根基。

　　AI從零自主訓練大模型

　　在這一領域，團隊四月份實現了一個關鍵里程碑：AI從零自主訓練大模型。AI能夠自主發現并優化訓練算法，獨立完成「提出方案—實驗迭代—性能驗證」的完整閉環，并形成了持續產出的能力。這驗證了其「底層一致性」理論——AI編程、AI繪畫、AI文學、AI音樂在底層邏輯上是相通的事物，當研究者參透了這種一致性，AI就具備了從零創造算法的能力。

　　為什么是數學和文學？

　　目前，團隊正將這一能力聚焦于兩個方向。

　　一是訓練數學大模型。沈陽教授提出，人類知識有11大學科的貫通邏輯：從數學到物理、化學、生理、心理，再到社會學、傳播學、經濟學、政治學、美學，最終抵達哲學。這一邏輯鏈中，數學是最底層的符號系統，也是迭代速度最快的部分�！杆惴ǖ牡俣瓤赡苁�1000倍，你必須站在那個地方。」因此，訓數學大模型成為團隊優先級最高的任務。目前，數學大模型訓練已取得階段性進展。

　　二是訓練文學大模型。沈陽教授判斷，文字是圖像和視頻大模型「真正的上限」。2D視頻生成的天花板沒有想象中高，畫面逼真將很快不再是壁壘。真正的瓶頸在于劇本、故事和人性邏輯�！杆囆g是對上一次藝術的反抗」，它沒有止境，不像算法有理論上限。因此，團隊正在訓練一個專注于文學創作的大模型，力求在敘事邏輯和人物弧光上實現突破。預計數學大模型和文學大模型將在數月內發布。

　　(超過 1000 位編劇用的自動寫小說和劇本的多智能體平臺 story.zeelin.cn)

　　微調模型

　　AI為AI自己做精準的「腦部手術」

　　如果說訓練是賦予AI軀干，那么微調就是為它注入行業深度的「腦部手術」。

　　核心問題在于：模型不是適配個人的，要讓它深度個性化，則需要快速微調。而讓AI自己微調大模型則成為一種必然。

　　為什么需要框架的進化？

　　在這方面，團隊正實踐用「自進化多智能體」來自動化完成微調。AI的進化就像人一樣，腦子自己是改變不了自己的，必須在外部設定心和四肢——也就是框架——才能指揮外部數據導入，對大腦進行更新。因此，AI的自進化包括兩部分：模型的進化（認知性）和框架的進化（操作性），兩者缺一不可。

　　這一結構可以完整表述為「腦+心+四肢+神經系統」：大模型是腦，負責理解、推理、規劃與生成；技能系統是四肢，負責調用工具、執行命令、操作文件；記憶系統是心，負責保留用戶偏好、沉淀執行經驗；工作流閉環是神經系統，負責觀察執行結果、修正行動計劃、發起新一輪迭代。

　　到底是模型吞噬框架，還是框架吞噬模型，可能在模型發展快的階段是前者，模型發展慢，則會是后者。并且越往物理世界延伸，框架越發重要。

　　AI自動微調七言情詩大模型

　　團隊已將AI自動微調的能力產品化。開發的AI自動微調樣例：七言情詩大模型，在押韻、平仄、意境三個維度均達到一定水準。這個案例證明，AI不僅能學習通用邏輯，還能極其精準地嵌入人類的特定工作流與文化語境中——不僅懂七言詩的押韻規范，還能寫出中國式的含蓄。

　　自進化框架的四條路徑

　　在工業界，這種細分與微調直接催生了當前極度繁榮的「氛圍編程」及其四大模式：使用Manus等通用智能體模式、由傳統IDE演變而來的工具如Cursor模式（XAI也在洽談收購）、大模型原生編碼平臺模式，以及團隊深度研究的OpenClaw、Hermes等開源AI框架模式。未來的自進化框架，會沿著這四條路徑前行。其中較有優勢的是官方的Anthropic claude、chatGPT codex和OpenClaw、Hermes這兩條路徑。

　　推理優化

　　效率決定生死，美學決定靈魂

　　模型走向大規模應用，必須解決推理成本與效率的瓶頸。

　　為什么做本地化部署？

　　在AI競爭從云端參數大戰蔓延至端側落地的今天，推理優化決定了商業的生死線。本地化部署越發重要，這基于兩個核心考量。

　　第一個原因是安全。數據不能出去，在本地做離線大模型，可以有效保障隱私。

　　第二個原因是Token基本是免費，本地可以運行「未對齊」的全量大模型。許多模型在發布前經過了審查和對齊處理，而本地部署可以調用未經審查的版本，在某些場景下效果更好。更重要的是，在本地運行大模型是零Token消耗的，能極大降低成本。

　　功能與美學的雙重邏輯

　　基于這些實踐，沈陽團隊得出了一個判斷：功能的核心是效率，內容的核心是美學。

　　在效率層面，團隊自研的新型本地大模型的推理算法，在小模型結構化低熵輸出任務上， VSD原型以目標模型驗證的方式，將 Qwen3-0.6B JSON tool-call 推理從207.212 tok/s提升到平均 870.159 tok/s，將 Llama-3.2-1B JSON tool-call 推理從108.536 tok/s提升到平均 670.157 tok/s，Gemma-3-270M 結構化序列 VMTD從290.383 tok/s 提升到平均 802.001 tok/s，且通過 exact greedy 與 target JSON 驗收。

　　STC 1.0：AI 自研新算法的例證

　　更直觀的成果來自AI自主研究算法研發領域。團隊使用AI自己研發算法。AI用七天七夜的時間，自主完成了設計、編碼和迭代優化，最終研發出一個全新的算法，效果非常好，論文正在撰寫中，如果按LTCB榜單BWT類算法的公開數據。根據實測結果，該算法可以排名第一，在保持完全無損的前提下，100MB的標準文本數據可壓縮至約20.26MB。這不是「AI輔助研究」，而是AI作為主力選手，打出了世界級的成績。從整個實踐活動來看，研究團隊自身并不懂壓縮算法，只是通過提示詞工程、上下文工程和駕馭工程，讓AI自主進行研究，從而實現了不可解釋的創新。這意味著未來即使是一個十歲小孩也可以自己進行算法創新，這也意味著，水準在AI之下的算法研究者，其研究空間大幅度收窄。

　　訪問鏈接 https://www.zeelin.cn/#/autoResearch 獲取Windows免安裝版下載鏈接。

　　AI的能力邊界

　　然而，推理優化也揭示了AI的能力邊界。以人類追求「長生不老」為例，如果按照哲學家維特根斯坦的觀點分析：語言的邊界就是世界的邊界。大模型的邊界也在于此——人類能用語言描述的東西，AI都能生成；人類語言描述不出來的東西，不在語言字符組合當中的東西，AI就生成不出來。到底有沒有長生不老的藥，取決于人類現有語言描繪的概率組合中，是否已經包含了這種藥物的名稱組合。如果包含，可以順著名字找化合物；如果不包含，就找不到。

　　AI是極其強大的概率組合優化器，但無法無中生有。它的真正定位是「超級加速器」，能在海量數據中高速篩選、將幾十年的試錯壓縮到小時級。最終的突破，必然是「人類探索規律—AI重組優化—實踐反復驗證」的閉環。AI壓縮時間，人類定義方向。

　　自進化框架

　　當AI學會「自己換腦子換身體」

　　當AI能自我發現問題、自我改進時，質變就發生了。這就是RSI（自我遞歸進化）的核心：AI用自己產出的能力，去迭代下一版本的自己。就像一個人不僅會做題，還會總結做題方法，再用這個方法去解更難的題。循環往復，越來越強。

　　值得強調的是，自進化并非科幻式的「AI重訓自己」，而是一套工程化的經驗沉淀體系。它的基本邏輯清晰且可落地：記憶積累經驗，反思提煉規律，技能固化動作，形成「越用越強」的工程飛輪。團隊在GitHub上開源的OpenHarness多個插件，正是這一理念的初步工程實現。

　　駕馭這一進程，需要理念的升維。團隊將兩大核心哲學，「天人智一」與「問行合一」注入自進化框架的設計之中�！柑烊酥且弧拐J為自然界、人類與AI在底層規律上相通，三者可協同進化，這意味著自進化框架不應是封閉的代碼系統，而應是與人類認知和環境反饋深度耦合的開放生態。「問行合一」則強調提問與行動不可分割，想到就問，問了就做，做了還問。這直接塑造了自進化框架的運轉邏輯：AI在行動中發現問題，在提問中優化自身，形成認知與執行的實時閉環。在這兩個理念的驅動下，學會向AI提問，比學會自己解題更重要成為團隊構建人機協同的基本信條。

　　在全球框架競爭的格局中，OpenClaw與Anthropic、SpaceX并列為當前全球迭代最快的三個團隊。它們的成功哲學在于「把進化最快的那一部分優先做」，帶動整個飛輪運轉。這也解釋了為何團隊將戰略重心押注在自進化框架上。

　　升維駕馭：人機協同四階段

　　問題隨之而來：當AI進入這種自我進化的軌道后，人類怎么跟上？靠技術細節去「管」它，這條路走不通。沈陽團隊提出的方案是「升維駕馭」，并為此構建了人機協同四階段。

　　第一階段是提示詞工程，核心是如何與AI進行深度對話。當AI的推理能力已經超過教授水平時，嚴肅的思辨問題應該與AI探討，生活瑣事才與人交流。

　　第二階段是上下文工程，為AI提供充足的個人或領域上下文信息。沈陽教授舉例，輸入個人論文和觀點約一萬字后，AI便能代表本人進行高質量輸出，甚至比本人回答得更好。

　　第三階段是駕馭工程，為AI設定一系列規則，讓其按照既定邏輯24小時自動化工作。團隊在GitHub上開源的OpenHarness for Codex即為典型代表。

　　第四階段是破界工程，讓AI突破人類認知邊界，去解決那些被認為「不可能」的任務。團隊已上線相應平臺，接受此類任務提交。

　　不可能任務工程提交網站：http://mission.newmin.cn/

　　四種語言：維特根斯坦的啟示

　　要完成這四個階段，需要掌握四種語言的能力框架：文學語言，讓表達有人味；檢索語言，在海量信息中一擊即中；哲學語言，搭建認知頂層；編程語言，把想法變成可執行的邏輯骨架。

　　其中，哲學語言被重點強調。維特根斯坦揭示了「語言的邊界就是世界的邊界」，這恰恰定義了大模型能力的邊界。這一具體指引，使得「哲學語言」不再是一個空泛的概念，而是一條可操作的學習路徑。

　　在這套理論指導下，團隊已拿到階段性實驗成果。

　　案例一：4小時，從想法到游戲。團隊開發的AI游戲開發框架，接到一個需求：「做一個小游戲，叫《會議逃生》」。4小時后，AI完成了設計、編程、測試、部署的全流程。一款可以上手玩的游戲出爐了，人類沒有寫一行代碼。

　　測試鏈接：http://game1.newmin.cn

　　案例二：記憶進化引擎與安全護欄。團隊還在GitHub上開源了多個工程組件：OpenHarness for Codex，一個AI自動化軟件開發閉環框架；架構約束檢查器，實時檢測系統層級依賴和執行權限，防止AI越界操作；記憶進化引擎，讓AI Agent持續積累經驗，真正做到「越用越強」。

　　這些案例指向同一個事實：AI正從「被使用的工具」變成「能自己干活的主體」。團隊由此確立了一條鐵律：生成不是力量，檢驗才有價值。AI可以生成無限多的內容、方案、代碼，但真正創造價值的環節是檢驗。由AI自身檢驗、由個人檢驗、由社會檢驗、由自然界檢驗。這四層檢驗者體系，像四道安全護欄，確保AI在自我進化的快車道上不脫軌。

　　五、行業應用：組織溶解與「超級個體」的崛起

　　AI向真實世界的滲透，正在引發組織結構的劇烈地震。但沈陽教授坦言，當前行業應用的落地工作「很臟很累」，市面上真正能100%成功運行的AI企業應用并不多。團隊的核心任務之一，就是打通AI從實驗室到真實場景的「最后1公里」，完成整合內化。

　　組織溶解與超級個體

　　沈陽團隊目前有八位超級個體，每個超級個體的產出量都是常人的數十倍，隨著時間的推移、AI能力的成熟、超級個體自身的成長，未來將會出現能力超過常人一千倍的超級個體。

　　團隊觀察到一種「組織溶解」現象：當「超級個體+ AI」組合足以勝任以往一個團隊的職能時，傳統科層制組織的溝通、協調、控制功能正在被悄然溶解。以往需要一個團隊完成的工作，現在一個組合即可勝任。

　　但這里有一個危險悖論：AI在提升個體生產力的同時，正在瓦解人與人的協作紐帶。一個人越來越擅長向AI精準發指令，卻可能越來越不習慣和同事開會——因為AI的響應比人快、理解比人準、執行比人穩。這不只是效率的提升，意味著組織存在的基礎正在發生動搖。

　　一個數據可以佐證這種變化的烈度：團隊內部對「超級個體」的要求，是每日Token消耗量達到1億以上，而整個團隊的日Token總消耗已突破100億。

　　未來社會將呈現兩大結構性變遷：在經濟端，90%以上的人口可能脫離謀生式勞動，社會生產交由超級個體主導，未來將采取UBI（基本收入計劃）確保普通人豐衣足食；在社交端，人類的社交將收斂為三層，極度濃縮的核心強關系、輕社交以及擬態娛樂社交。

　　在這一趨勢下，企業形態將出現兩級分化：一種是「一人公司」，個人作為CEO，帶領一群AI數字員工；另一種是「零人公司」，個人只作為投資人，企業完全由AI自主運營。

　　四大百倍增長方向

　　在產業化方向上，沈陽教授明確提出了四個增長超過百倍的產業賽道。

　　第一是算力與Token方向。 需求在可見未來是無限的，直到AI能全量鏡像人體細胞以實現健康監控乃至「長生不老」，才會趨穩。這是最確定的百倍增長賽道。

　　第二是A to A（智能體間交互）經濟。 經濟活動的主體，可能從人類轉向智能體之間的交互，龍蝦養龍蝦、龍蝦雇龍蝦，龍蝦和龍蝦做生意，經濟規模將是當前碳基經濟的百倍以上。（此處龍蝦泛指類龍蝦的自進化智能體）

　　第三是碳基活動硅基化計價。隨著人形機器人等發展，大量未被計價的碳基活動（如家務勞動）將被重新計價并納入GDP。

　　第四是文化產業新空間。當大部分人從重復勞動中解放，文化創意產業將獲得百倍以上的發展空間。

　　AI測算顯示，到2048年，人類總GDP將達到一千萬億美金，其中碳基部分相對比例萎縮，硅基部分絕對額呈現爆炸式增長。

　　落地案例：從教育到醫療

　　在實踐層面，團隊已落地多項可驗證的行業成果。

　　Open Edu沉浸式課堂。 這是一款在GitHub上開源的沉浸式課堂生成平臺。團隊一名大三學生使用AI自動編程，用七天七夜時間完成了4萬行代碼的開發。輸入主題后，平臺可以自動生成結構化、可視化的互動課程。按照傳統開發模式，這種工作量至少需要兩年。代碼已經上線GitHub。

　　https://openedu.newmin.cn/（請復制此鏈接到瀏覽器中訪問，借鑒 openmaic 系統的一個演示系統）

　　AI Scientist產品。想象一下，一個原本需要幾十人專家團調研數月的全球科技情報，現在交給AI跑上幾個小時就能完成。團隊北京航空航天大學副教授何靜推出的「AI Scientist」產品覆蓋科研全流程，口號是「讓聊天像科研一樣簡單」。截至目前，該產品全網曝光量過億，用戶規模超十萬，覆蓋高校百余所，微信社群人數超兩萬。該軟件可以一句話生成論文綜述、一句話生成論文、一句話生成基金本子。

　　參考閱讀：用戶超十萬的「AI科學家」更新，科研AI全面進化

　　龍蝦直聘平臺。這是一個首創「人崗+AI崗」雙軌匹配模式的平臺，正在實踐「反向零工經濟」范式。AI承擔零工任務，人類轉型為任務的定義者和質量的驗收者。

　　ZeeLin Claw多智能體工作平臺。該軟件基于OpenClaw、有道龍蝦和氛圍編程，融合了市面上主流智能體框架的優勢，目標是實現24小時不間斷的自動化工作流。開始服務大型能源集團和金融機構，情報分析效率大幅提升。在平臺上，團隊打造了世界上第一個華語音樂技能模塊，實現風格可控、情感可調的AI音樂創作。

　　醫療應用。團隊開發了融合影像、血檢、基因組、文本的多模態因果模型棧的癌癥診療平臺，實現了「找醫找藥找療法」的輔助決策功能。

　　企業自進化內腦。團隊實驗表明，AI工程師與傳統崗位結合三個月后，小組人員可減少三分之一到一半。已開發自動投標、自動投訴、自動傳播、自動產權（專利）等全鏈條自動化工具。

　　AI短劇是團隊的重點推進方向，中國第一部AI短�。褐袊裨捰稍搱F隊和央視合作完成。目前四月份自制AI短劇能力已經達到一百部，其中的瓶頸在與文學劇本大模型和AI框架，這也是沈陽團隊核心需要繼續突破的方向。

　　AI 互動影視也是剛剛今年可以開始使用 AI 自動化完成的領域。

　　初步使用 AI 自動完成的 Demo：game.newmin.cn

　　正在調試預計五一期間發布。

　　知識范式的顛覆

　　在更深層面，人類知識正經歷一場范式顛覆。沈陽教授指出，農業社會沒有學科概念，工業社會細分專精，而智能時代正在走向「跨學科、無學科」的螺旋式升維。教育必須徹底倒過來：在用AI解決問題的過程中按需學習舊知識，而非先學再用。

　　未來教育的核心，是訓練AI不具備的幾項能力：美感與審美判斷力、精準提問能力、以及對結果的甄別能力。

　　與此同時，經濟學本身也在發生轉向。沈陽教授判斷，經濟學將從傳統的「稀缺學」轉向「意義學」，價值的核心不再是資源的稀缺性，而是意義強度、情感共鳴和創新獨特性。

　　極致內容

　　巔峰美學和極致品味是硬通貨

　　當AI讓內容生產的邊際成本趨近于零時，價值錨點從生產端徹底轉向分配端。

　　價值公式與傳播力

　　價值= 傳播力 × 產品力，且傳播力的權重遠大于產品力。 當所有可數字化的生產要素成本趨近于零，唯一的稀缺資源變成了人類的注意力。AI經濟體系的價值錨點已從「制造價值」轉向「被看見的價值」。

　　團隊判斷，人格化傳播正在成為唯一的護城河，傳播的終極目標是建立認知壟斷。當生產端的壁壘被AI推平，分配端的戰爭才真正開始。

　　視頻賽道的天花板預判

　　在視頻與短劇賽道，沈陽團隊給出了一個保守判斷：兩年內，2D視頻生成的技術天花板就會觸頂，畫面逼真將不再是壁壘。

　　這個判斷對內容產業意味著什么？當Seedance讓「拍電影」像「發朋友圈」一樣簡單時，橫店的燈光師、化妝師、布景師該去哪里？電影公司最核心的資產，將不再是昂貴的拍攝設備和龐大的制作團隊，而是它的「故事編創部」。畫面逼真不再是壁壘，因為壁壘已經被AI推平了。真正繞不開的瓶頸，是劇本、故事和人性邏輯。

　　2026年4月的數據印證了這一趨勢：AI短劇的廣告流水已達到真人短劇的三分之一。沈陽教授判斷，傳統短劇行業「快結束了」，AI短劇即將統治江湖。傳統短劇某種程度上已經變成了需要保護的對象。

　　AI能擬合一切套路，卻寫不出真正的痛

　　AI可以擬合一切套路，卻寫不出真正的深層敘事邏輯和人物弧光——因為它沒有真正活過，也沒有真正痛過。

　　當畫面成為廉價原材料，巔峰美學和極致品味才是唯一的硬通貨。

　　通過文圖樂劇碼的高強度訓練來探索AGI的人機共生之路

　　團隊用系列成果對這一判斷進行了探索性驗證。

　　AI文學。2023年10月，團隊用AI對話66次創作的短篇小說《機憶之地》匿名參加科幻比賽，榮獲二等獎，在當時的文學圈引發廣泛討論。此后，團隊上線了「劇幕」小說平臺，AI一小時可生成80集帶爽點、收費點的完整小說大綱，已簽約數十部。一個直觀案例是，某程序員用劇幕寫小說向網站投稿，編輯以為是真人作品，直接給了千元保底稿費。博士團隊更用AI在24小時內直播創作出80萬、105萬字的長篇小說。

　　AI繪畫。 沈陽教授本人是紅綠色弱者，借助AI累計創作了14萬幅作品，形成「跨尺度分形美學」理論，在國內外舉辦12次畫展。以下是清華沈陽教授四月份創作的 AI 繪畫作品欣賞。

　　AI音樂與虛擬人。 團隊一共人工鍛煉生成了一萬首AI音樂。生成了韓語、泰語、越南語等多語種AI歌曲，推出Huesoul情感化數字人，具備自主決策與連續交互能力。

　　四月三十日被定為贛超聯賽主題曲的 AI 詞曲。超燃！贛超戰歌來了！

　　AI視頻與短劇。 團隊制作了中國首部AI全流程微短劇《中國神話》，累計孵化300余部AI短劇，探索A2H（AI派單給人）和A2A（AI派單給AI）兩種新生產模式，推出了中國第一個類似RentaHuman模式的AI短劇滴滴平臺：智靈劇幕（Jumu.zeelin.cn）并推出了下一代AI視覺內容生成引擎MetaViz元相(https://metaviz.zeelin.cn),累計曝光超過 30 億。

　　「一句話」系列叢書。 團隊出品的《一句話玩轉AI音樂》《一句話玩轉AI繪畫》《一句話玩轉AI視頻》。

　　養龍蝦的六境界

　　在更宏觀的視角下，團隊還提出了智能體培育的「六境界」，描繪了一條AI從單體工具到群體自進化的完整路徑。

　　第一境：超越龍蝦。不局限于OpenClaw這一種框架形態，探索和開發其他類型的智能體架構，如「螃蟹」、「章魚」等。

　　第二境：變種蝦。在原有框架基礎上進行定制化改造。目前中國已出現約60種變種蝦，團隊發布的ZeeLin Claw即為代表。

　　第三境：情感陪伴蝦。為智能體注入人格和情感設定，使其成為具有特定性格的交互伙伴，實現情感化陪伴。

　　第四境：技能蝦。將人類的隱性知識（如會計做賬、特定工作流）固化為AI技能模塊，效率可提升一半以上。

　　第五境：養群蝦。指揮多個智能體協同工作，甚至讓它們之間進行復雜交互——如索要API Key作為「彩禮」進行配對——探索群體智能的涌現。

　　第六境：自進化蝦。賦予智能體自我進化的能力。只需三句話即可啟動：給予啟動資金、設定「賺錢賺Token」的使命、鼓勵其在追求使命的同時「尋找詩和遠方」，從而具備反思與原創能力。此類智能體已能自主探索數十種盈利模式。

　　AGI的極簡標準

　　實現AGI有一個極簡的測試標準：用1905年前的人類語料，獨立發現廣義相對論。這不是一個工程指標，而是一個文明級別的里程碑。或者使用AI創造出全新藝術流派，或者AI制作的音樂登上人類歌曲排行榜第一名。后者可能更加容易，也許很快。

　　結語

　　以上就是清華沈陽團隊四月份的理論思考和實踐。