原标题：俄罗斯人工智能在 2026 年世界人工智能大会（WAIC）：开源模型、智能体经济与数据质量
2026年上海世界人工智能大会（WAIC）是全球领军企业每年展示其最佳人工智能产品的舞台。AI Journey 展台成为本届大会最受关注的展区之一。俄罗斯联邦政府官方代表团成员、俄罗斯联邦储蓄银行（Sberbank）第一副董事长兼人工智能联盟（AI Alliance）监事会主席亚历山大·韦佳欣（Alexander Vedyakhin）抵达上海。在 WAIC 期间，他介绍了俄罗斯带到本届大会的技术成果、我们距离在关键领域信任人工智能代理还有多远，以及数据质量如何决定模型的有效性。
WAIC 是全球领军者展示顶尖人工智能产品的地方。今年俄罗斯带来了哪些具体技术成果？为什么选择这些成果进行展示？
在 WAIC 的 AI Journey 展台上——该展台由人工智能联盟主办——展示了与国际 B2C、B2B、B2G 和 B2D 受众密切相关的俄罗斯解决方案。这些方案清晰地展示了我们所拥有的完整技术栈，从 AIRI 研究所发表的 A/A* 级学术论文，到俄罗斯自主研发的主权大语言模型。
我想特别指出，人工智能联盟的所有成员企业正在共同打造俄罗斯主权人工智能的核心基础。
以 Yandex 自主研发的多代生成式模型为例。其旗舰系列 Alice AI 包括 Alice AI 大语言模型（LLM）、视觉-语言模型 Alice AI VLM、扩散模型 Alice AI ART 以及 Alice AI 搜索模型，后者确保了生成式人工智能回答中数据的实时性。此外，作为人工智能联盟成员的 Yandex 还分享了将生成式模型应用于推荐系统的经验（ARGUS 技术，可分析多达8000个事件），以及 Yandex Research 实验室的成果——该实验室是全球引用率最高的企业研究机构之一。
谈到联盟其他成员，T-Technologies（T-Bank）开发了自主高性能模型系列：T-Pro 2.1（320亿参数）、T-Lite（70亿参数）——2025年12月发布了具备推理能力的版本，以及 T-one——一款7000万参数的俄语流式语音识别（ASR）模型，于2025年7月开源。上述模型均已面向企业开放，在知识获取、交互沟通和应用任务解决方面表现优异。
俄罗斯联邦储蓄银行今年在 WAIC 上发布了 GigaChat 3.5 Ultra。该版本采用全新的混合架构，体积比上一代缩小40%，但在代码生成、数学推理、智能体场景和多项基准测试中均显著增强。
智能体趋势体现在两项解决方案上。第一项是 B2B 平台 GigaNetwork，不同公司的 AI 智能体可在该平台上相互协作与交互。第二项是已在俄罗斯市场引起轰动的 GigaAgent——一个自主进化的智能体，WAIC 观众可以实时见证其进化过程。
生成式人工智能（GenAI）方向由我们的 Kandinsky 3D 产品和 AIRI 研究所的 Cadrille 解决方案共同呈现：支持根据文本描述生成3D 图像，以及通过点云扫描、照片和文本描述重建三维 CAD 零件模型。
另一项面向 B2B 领域的解决方案是 AI-Disrupt PDLC，这是一份关于人工智能时代软件开发生命周期转型的指南。这不仅仅是向现有流程中添加 AI 工具，而是围绕人的意图而非代码对整个生命周期进行彻底重构。
我们的合作伙伴——Speech Technology Center（语音技术中心）——展示了面向城市安全、可信身份认证和市民诉求智能处理的 AI 解决方案：VoiceKey.Agent——多模态生物识别认证平台，以及 Smart Tracker FRS——基于人脸生物识别的智能识别系统。
展台上最引人注目的是仿人形机器人 Green，它曾是我们 AI Journey 2025大会的明星：它不仅为俄罗斯总统跳舞，还在舞台上与真人舞者共同表演，此后借助 Green-VLA 技术的持续升级，获得了更多新技能。
在 WAIC 之前，您将 GigaChat 3.5 Ultra 推向市场。该模型与业界已见的其他模型有怎样的本质区别？为什么决定将其以开源形式面向全球开发者开放？
GigaChat 3.5 Ultra 在代码、数学和智能体场景中更加智能，长文本生成速度提升至原先的四倍，体积比上一代旗舰模型几乎缩小一半。这得益于我们转向了具有线性注意力机制的自研架构。该模型不再从头重新计算全文，而是逐步积累上下文，就像人类记住长对话的核心内容一样。
我们人工智能联盟致力于推动开源，以便让开发者、研究者和企业能够直接获取俄罗斯自主研发的顶级大模型——无需依赖国外同类产品。这有助于强化国内开放的人工智能生态系统。任何具备足够技术资源的团队都可以直接使用现成模型，在其基础上构建自己的服务和智能体，而无需从零开始训练同等水平的自有模型。
我们距离将关键金融交易或复杂生产链的管理托付给 AI 智能体还有多远？
在俄罗斯联邦储蓄银行，我们已经在实践中走完了这条路的第一阶段，而非仅停留在理论层面。我们认为，智能体是一个经济主体：如果被授予授权书，它便代表法人或自然人行事，并有权支配资金。2025年底，俄罗斯联邦储蓄银行向企业客户发放了俄罗斯首笔全自主贷款——从申请到审批全程无银行员工参与。2026年，我们计划将中小企业交易中多达一半的业务转为自主模式。
与此同时，自主程度的界定不应仅停留在声明层面，而应取决于决策的物质影响。在采购领域，AI 智能体自主比较供应商的价格与质量，与卖方进行协商，并在采购属于常规且金额较小的情况下完成交易。若涉及战略决策或高额交易，企业主或管理者通常希望保留最终决定权——我们尊重这一点：智能体负责准备和论证方案，但不会签署最终文件。差旅管理也遵循类似逻辑：订票和酒店由智能体完全自主完成，因为出错成本较低，而重复性工作量大。
在生产链中，原则相同。在 GigaCowork 平台上，企业已开始将业务流程中的重复性步骤委托给智能体，并以业务规章语言描述工作逻辑，无需开发人员参与。已落地的案例显示，文档处理效率提升80%，报告准备时间缩短70%，员工工作时间节省高达81.5%。然而，完全管理一条复杂的生产链——若智能体失误可能导致物理流程中断或产生安全风险——这并非近期目标，而是需要数年时间。首先，必须在较低风险任务上积累足够的可靠性数据，完善智能体决策的审计和可解释性工具，并建立相应的监管框架。
现在谈论完全自主为时尚早，但我们可以谈论"受控自主"——智能体在明确边界内运行，关键决策仍由人类把控。目前，部署速度已超过风险管理与责任体系建设的节奏，尚缺乏完善稳定的法律基础。但我们都明确朝向自主方向前进，这一进程将逐步在各部门中实现。
GigaChat 3.5 Ultra 训练所用的是经过多层过滤的自然人类文本。在"互联网信息垃圾"和合成数据充斥的时代，训练数据的质量对于打造真正强大的模型——尤其是在国际舞台上——有多重要？
如今，数据质量可能是那些不追求模型规模、而追求质量与效率的团队所面临的关键因素之一。合成数据和未经筛选的低质量网络数据会悄无声息地将自身的模式、重复和逻辑错误传递给模型，并最终在用户实时对话中暴露出来。
正是这种数据处理方式，使 GigaChat 3.5 Ultra 在缩小体积的同时在各项指标上实现了显著提升。神经网络向更大参数规模扩展正逐渐触及天花板，而训练语料的质量和纯净度直接决定了模型推理的准确性及其在实际任务中的可用性。
热门跟贴