鄔賀銓 中國(guó)工程院院士

人工智能正迎來(lái)從技術(shù)突破向價(jià)值落地的關(guān)鍵拐點(diǎn)。當(dāng)前，大模型技術(shù)在參數(shù)規(guī)模、多模態(tài)能力和工程效率上持續(xù)迭代，千行百業(yè)展現(xiàn)了人工智能應(yīng)用的豐富場(chǎng)景，但人工智能技術(shù)的規(guī)模價(jià)值仍未得到充分釋放。在此背景下，國(guó)務(wù)院印發(fā)了《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見(jiàn)》（以下簡(jiǎn)稱《意見(jiàn)》），明確提出智能體應(yīng)用普及，錨定以人工智能技術(shù)跨越價(jià)值落地鴻溝，意在通過(guò)人工智能深度重構(gòu)生產(chǎn)要素，進(jìn)而發(fā)展智能經(jīng)濟(jì)，構(gòu)建智能社會(huì)。這一部署不僅符合技術(shù)演進(jìn)的內(nèi)在規(guī)律，更切中了產(chǎn)業(yè)智能化的核心需求。

從應(yīng)用基礎(chǔ)來(lái)看，人工智能技術(shù)已具備規(guī)模化落地的用戶基礎(chǔ)。據(jù)CNNIC統(tǒng)計(jì)，截至2024年底，使用人工智能技術(shù)和產(chǎn)品的中國(guó)網(wǎng)民占比已達(dá)17.7%；而從2021-2024年寬帶流量數(shù)據(jù)顯示，2024年近半數(shù)流量增速是由人工智能應(yīng)用貢獻(xiàn)。由此可以看出，人工智能已積累可觀的用戶基礎(chǔ)以及實(shí)際使用規(guī)模。但需注意的是，當(dāng)前人工智能應(yīng)用服務(wù)仍難形成商業(yè)閉環(huán)。核心癥結(jié)在于，生成式人工智能雖能根據(jù)提示詞生成內(nèi)容，卻因缺乏長(zhǎng)期目標(biāo)、無(wú)主動(dòng)發(fā)起任務(wù)的能力，無(wú)法感知物理世界，僅能作為“被動(dòng)助手”存在，最終導(dǎo)致推廣受阻。而整合大模型（基礎(chǔ)認(rèn)知）、記憶系統(tǒng)（長(zhǎng)期目標(biāo)支撐）、工具調(diào)用（物理世界交互）、規(guī)劃能力（主動(dòng)任務(wù)發(fā)起）的智能體，正是破解這一困局的關(guān)鍵路徑，為人工智能從“內(nèi)容生成”到“任務(wù)執(zhí)行”提供了應(yīng)用范式。

智能體的核心價(jià)值在于主動(dòng)執(zhí)行與動(dòng)態(tài)優(yōu)化。它不僅具備任務(wù)執(zhí)行能力，還能基于反饋對(duì)執(zhí)行結(jié)果進(jìn)行反思優(yōu)化；能調(diào)用API、數(shù)據(jù)庫(kù)查詢等軟件工具，也能連接外部傳感器、具身智能等硬件設(shè)備，承擔(dān)起“智能代理”的角色。但單一智能體仍存在明顯短板：一是缺乏核心的因果推理能力，面對(duì)含復(fù)雜時(shí)間變量與關(guān)系的問(wèn)題時(shí)穩(wěn)定性不足；二是其輸出質(zhì)量高度依賴用戶提問(wèn)的精準(zhǔn)度，難以主動(dòng)挖掘潛在需求。這種局限決定了單一智能體難以應(yīng)對(duì)產(chǎn)業(yè)場(chǎng)景中的復(fù)雜任務(wù)，需進(jìn)一步向協(xié)同化方向演進(jìn)。

為補(bǔ)齊這一短板，需從 “AI Agent（單一智能體）” 向 “Agentic AI（智能體協(xié)同群）” 升級(jí)。通過(guò)新增中心化編排層，在封閉系統(tǒng)內(nèi)實(shí)現(xiàn) 統(tǒng)一目標(biāo)下的多智能體協(xié)作。這一模式如同 “群策群力”，將多個(gè)智能體整合為 “超級(jí)代理”。依托共享記憶庫(kù)，協(xié)同群可實(shí)現(xiàn)知識(shí)的集成、沉淀與集體反思，進(jìn)而構(gòu)建多智能體協(xié)作生態(tài)。相比單一智能體，其應(yīng)用場(chǎng)景更豐富，能覆蓋多領(lǐng)域知識(shí)融合、復(fù)雜環(huán)境動(dòng)態(tài)響應(yīng)及長(zhǎng)周期任務(wù)接力等需求。

智能體協(xié)同群在封閉環(huán)境下應(yīng)用高效，但不適于在開(kāi)放生態(tài)系統(tǒng)和異構(gòu)平臺(tái)集成應(yīng)用，下一步需依托區(qū)塊鏈、聯(lián)邦學(xué)習(xí)等分布式技術(shù)協(xié)議，開(kāi)發(fā)開(kāi)放環(huán)境下智能體互聯(lián)即 IoA（智聯(lián)網(wǎng)），打造“智能體即服務(wù)”和“網(wǎng)絡(luò)即協(xié)作平臺(tái)”的生態(tài)，實(shí)現(xiàn)開(kāi)放式異構(gòu)智能體的跨域協(xié)作。IoA可廣泛落地于智慧城市、智慧制造等領(lǐng)域，為各類(lèi)場(chǎng)景提供 “數(shù)字化身” 式的智能支撐；不過(guò)，如何實(shí)現(xiàn)智聯(lián)網(wǎng)下異構(gòu)智能體的高效協(xié)同、責(zé)任邊界劃分與風(fēng)險(xiǎn)管控，仍需進(jìn)一步探索。總體而言，智能體協(xié)同群與智聯(lián)網(wǎng)是現(xiàn)階段推動(dòng) AI 從技術(shù)走向落地的關(guān)鍵環(huán)節(jié)，二者的發(fā)展成熟，將成為未來(lái)向通用人工智能過(guò)渡的必要前提。

大語(yǔ)言模型作為智能體生成的關(guān)鍵，經(jīng)訓(xùn)練優(yōu)化可提供強(qiáng)大自然語(yǔ)言處理能力、知識(shí)庫(kù)及豐富信息，助其更好理解和回應(yīng)用戶指令、滿足需求。近期，OpenAI推出了GPT-5，DeepSeek官方發(fā)布DeepSeek-V3.1版本，百度于上半年推出文心大模型4.5 Turbo和文心大模型X1 Turbo兩款大模型以及多個(gè)AI應(yīng)用，近期還將推出文心大模型最新版推理模型。全球頭部廠商不斷提升模型基礎(chǔ)能力，在算法優(yōu)化、數(shù)據(jù)處理、多模態(tài)融合等關(guān)鍵領(lǐng)域持續(xù)突破，推動(dòng)著大語(yǔ)言模型向更高性能、更廣泛應(yīng)用的方向邁進(jìn)。

此外，值得一提的是開(kāi)源生態(tài)，以國(guó)內(nèi)的文心大模型為例，今年文心4.5系列開(kāi)源10款模型。這種開(kāi)源模式不僅促進(jìn)了技術(shù)的快速傳播與交流，讓更多開(kāi)發(fā)者能夠基于先進(jìn)的模型進(jìn)行二次創(chuàng)新，還吸引了全球范圍內(nèi)的優(yōu)秀人才共同參與到模型的改進(jìn)和完善中，形成了良性的技術(shù)迭代循環(huán)。

無(wú)論是智能體的迭代，還是智聯(lián)網(wǎng)的構(gòu)建，都離不開(kāi)底層算力的支持。過(guò)去一年，行業(yè)雖然持續(xù)探索大模型技術(shù)創(chuàng)新以降低對(duì)算力的需求，但算力緊張的局面仍然制約AI的應(yīng)用。國(guó)產(chǎn)算力技術(shù)的突破尤為迫切，近來(lái)國(guó)內(nèi)一些企業(yè)取得了很有影響力的進(jìn)展。昆侖芯早前點(diǎn)亮了三代萬(wàn)卡集群，通過(guò)超大規(guī)模并行計(jì)算能力，大幅縮短了千億參數(shù)模型的訓(xùn)練周期，顯著提升了AI原生應(yīng)用的迭代效率，為多模態(tài)數(shù)據(jù)與復(fù)雜任務(wù)的開(kāi)發(fā)提供了堅(jiān)實(shí)基礎(chǔ)。

產(chǎn)業(yè)智能化的深入推進(jìn)，最終依賴人才這一“核心動(dòng)力”。人才培養(yǎng)是培育人工智能創(chuàng)新生態(tài)的重要一環(huán)。像百度這樣的頭部企業(yè)在這方面做了很有成效的探索，基于近十年AI研發(fā)的持續(xù)投入和在算力、框架、模型到應(yīng)用的四層布局構(gòu)建起AI全棧技術(shù)優(yōu)勢(shì)，近期發(fā)布“百度人才培養(yǎng)星河”計(jì)劃及多個(gè)品牌項(xiàng)目，將聯(lián)合高校和科研機(jī)構(gòu)培養(yǎng)人工智能及大模型人才，以人才服務(wù)社會(huì)和產(chǎn)業(yè)AI應(yīng)用落地。

從智能體的技術(shù)突破，到智聯(lián)網(wǎng)的未來(lái)探索；從算力基座的夯實(shí)，到產(chǎn)業(yè)應(yīng)用的落地，這一進(jìn)程的背后需要政策發(fā)揮領(lǐng)航作用。隨著《意見(jiàn)》的深入實(shí)施，我們定能加速通向智能體時(shí)代，讓人工智能成為社會(huì)高質(zhì)量發(fā)展的強(qiáng)勁動(dòng)能。