在2025外灘大會(huì)“智能體時(shí)代進(jìn)化論”分論壇上，清華大學(xué)長聘副教授、面壁智能首席科學(xué)家劉知遠(yuǎn)深入剖析了人工智能從大模型向智能體躍遷的必然性，并系統(tǒng)闡述了“專業(yè)智能體”與“多智能體系統(tǒng)”面臨的核心技術(shù)挑戰(zhàn)及未來發(fā)展方向。

劉知遠(yuǎn)指出，人工智能的下一階段發(fā)展將突破虛擬世界的限制，通過工具使用和自主學(xué)習(xí)進(jìn)入真實(shí)環(huán)境交互，實(shí)現(xiàn)從“知識(shí)大腦”到“行動(dòng)者”的轉(zhuǎn)變。這一過程的核心在于讓模型具備探索和改造世界的能力，最終形成群體智能。

他提出，人工智能的能力圖譜包含四個(gè)關(guān)鍵維度：基座大模型作為“大腦”高效思考，多模態(tài)智能提供敏銳感知，探索能力支持專業(yè)領(lǐng)域自主行動(dòng)，以及多智能體協(xié)作形成群體智能。從2018年預(yù)訓(xùn)練模型參數(shù)規(guī)模從千萬級(jí)增長至萬億級(jí)，到2022年國內(nèi)外智能體探索工作涌現(xiàn)，人工智能正沿著這一脈絡(luò)快速發(fā)展。

在專業(yè)智能體領(lǐng)域，劉知遠(yuǎn)強(qiáng)調(diào)三大核心挑戰(zhàn)：泛化性要求模型適應(yīng)多樣化環(huán)境，在編程、數(shù)據(jù)庫、物理等不同領(lǐng)域完成復(fù)雜任務(wù)；自主性需要模型實(shí)現(xiàn)感知、決策和學(xué)習(xí)的全面自主，從模仿學(xué)習(xí)轉(zhuǎn)向探索式學(xué)習(xí)；長程性則考驗(yàn)?zāi)Ｐ吞幚黹L鏈條任務(wù)的能力，突破上下文窗口限制。這些挑戰(zhàn)的解決高度依賴自主強(qiáng)化學(xué)習(xí)技術(shù)的突破。

對(duì)于多智能體系統(tǒng)，他指出，當(dāng)不同專業(yè)背景的智能體協(xié)同工作時(shí)，雖然能完成更復(fù)雜的任務(wù)，但會(huì)帶來計(jì)算資源消耗激增的問題。如何平衡能力提升與資源開銷，成為群體智能發(fā)展的關(guān)鍵。當(dāng)前，國際科技團(tuán)隊(duì)正通過標(biāo)準(zhǔn)化通信協(xié)議、分布式自主編排和群體演化學(xué)習(xí)等技術(shù)路徑探索解決方案。

劉知遠(yuǎn)認(rèn)為，人類社會(huì)的發(fā)展為人工智能提供了重要啟示：個(gè)體專業(yè)化是群體效能提升的基礎(chǔ)，協(xié)作社會(huì)化是生產(chǎn)力發(fā)展的必然結(jié)果。未來，人工智能將通過構(gòu)建崗位孿生的專業(yè)智能體和組織孿生的智能體群，實(shí)現(xiàn)群體智能的第二次涌現(xiàn)。