【珍藏必读】大模型智能体跃迁：三大核心挑战与未来应用前景-优快云博客

在日前举行的上海外滩大会上，清华大学计算机系长聘副教授、面壁智能联合创始人兼首席科学家刘知远发表主题演讲，分享大模型智能体发展的关键技术与挑战。

从去年开始，智能体在社会上获得了广泛关注。我从人工智能发展的角度，谈一谈智能体有哪些核心问题，关键技术是什么，在接下来的发展过程中需要解决的挑战，以及一旦挑战被解决了，可能产生怎样的巨大应用。

在这里插入图片描述

人工智能有一个可以定义出来的能力图谱，大致包括四个方面的能力：首先要有基座大模型，像大脑一样高效思考世界，还需要敏锐的感官，也就是多模态智能来感知世界。这两部分从 2018 年随着大模型发展，已经形成包括文本基座模型和多模态模型的前瞻式应用。

除了这两部分，还有两个非常重要的组成部分——探索能力，能像一个专业智能体（Agent）一样，具备专业能力，探索、改造这个世界；合作能力，专业智能体如何互相高效协作，形成群体智能。这是人工智能的四个重要板块

在这里插入图片描述

从这张图谱中，可以清晰看到人工智能发展的显著脉络。从 2018 年到 2025 年，我们见证了模型随着预训练技术，从一个非常小的、只有几千万参数模型，增长到上万亿的规模，是一个类似于脑容量越来越大的过程，它具有更强的认知世界的能力。

我们认为，再进一步还需要让模型进入到真实环节、真实世界去进行交互，这个过程就是一个智能体的过程，也就是通过工具使用、自主学习，让智能体变成在相关专业领域里自主探索的专业智能体，进一步形成群体智能。人工智能应该会在最近这几年里，实现从大模型向智能体跃迁。

从2022年开始，国内外陆续开展与智能体相关的探索，相当于在这一跃迁过程的浪潮里，国内非常多学者和科技工作者所从事的工作，已经站在了世界前沿。我们还要进一步深入到人工智能未来发展的趋势，去看待智能体的核心挑战是什么。人类社会本身是人类智能高度发达的阶段，我们可以想象，对于人工智能未来发展的态势来说，人类社会的发展会有非常重要的启示。

人类社会发展有什么重要特点？在社会学领域有两个重要观点，体现了人类社会从生产力、效能方面的特点。第一个是社会学奠基人涂尔干提出，「个体的专业化是群体效能提升的基础」。也就是说，在过去几百年里，人类社会经历了每一个人都在提高专业化的程度和规模，然后变得发展壮大的过程，这会成为人工智能发展的重要方向，也就是要去构建各行各业、各个领域的专业智能体。

另一个是马克思在社会学方面提出的观点，「协作社会化是生产力发展的必然结果，科技革命为这种扩张提供技术可能」。过去几百年，随着技术发展，互联网和信息社会出现，整个人类社会协作的社会化广度和效率都大为提升。从这个角度讲，我们可以预期未来人工智能的发展也一定会构建一套更加高效、广泛的多智能体系统，这将构成接下来两个非常重要的组成部分。

我们认为，「专业智能体」将是下一代人工智能非常重要的发展方向，要让这个模型进入到一个多样、多变、复杂的真实世界中进行交互，来完成相关的复杂任务。我们可以设想，当大模型放到一个真实环节，它所面临的挑战是什么，挑战就是环境的多样性、环境的多变性，以及任务的复杂性。

针对这些挑战，我们认为需要解决的，就是智能体的「三个性」的问题。

第一个挑战是智能体的泛化性，在真实世界里，智能体需要面对多样化的环境，需要在训练过程中接触的环境之下，模型能做出合理决策，完成复杂任务。我们可以设想，把大模型放到不同领域，有可能是编程领域、数据库领域、系统环境领域，也有可能是物理环境领域或其他各种专业，我们预期这个大模型、智能体能成为软件开发、数据分析、系统触控、机械控制等各个方面专业智能体，这件事情体现的就是智能体背后的大模型泛化能力。

最近两年，能看到泛化性方面日新月异的发展。不同领域都有相应的专业工具，智能体要能使用各种各样的专业工具，这是一个重要方面；同时，相关的专业领域也有各自的知识，有自己的SOP（标准化作业流程），也要能让智能体掌握使用。这些要求会成为智能体泛化的重要体现。

在这方面，一个重要特点是要让智能体从一个动态环境中学习的能力。我们看到有非常多科技工作者在提世界模型，其实就是要构建多样化的环境，来为智能体提供学习泛化能力的过程，这是智能体泛化性的重要体现。

第二个挑战是智能体的自主性。智能体要进入到一个动态环境里面，就要像人一样在使用中适应环境，主动探索，不断学习。它需要能实现感知自主、决策自主和学习自主，我们认为这是非常重要的发展范式。

在过去一年里，包括DeepSeek R1和OpenAI O1，表面上看是深度思考能力，更重要的技术其实是背后的「大规模强化学习」，这体现了大模型或者人工智能学习从过去大模型的模仿学习范式跃迁到探索式学习，甚至再进一步，进入到完全开放的环境，进行自主探索和学习。我们认为未来 2～3 年内将实现这样的自主性构建。

如何让大模型或智能体具备自主探索和自主演化的能力，是一个非常值得探索的话题。国内外有非常多学者在探索这方面工作，最近半年有非常突飞猛进的发展，如果大家去搜reverse learning会有非常清晰的感受。

第三个挑战是智能体的长程性。也就是说，它能不能去解一个越来越复杂的任务。任务的复杂性体现在完成步骤足够长，甚至可能是持续更长，甚至终生的相关任务，是一个越来越长的解决问题的链条。

在这个方面，过去两年有非常多的探索，要让模型具备更长的上下文感知和经验复用的能力。核心技术和动态有两个，第一是在模型内部设计高效架构，让模型具备处理更长上下文的能力；第二是在智能体层面设计更好地管理历史信息的记忆架构，突破当前上下文的窗口局限，这个突破将会让模型能在更多复杂场景里具备更强的记忆能力和经验复用能力。

如何把上下文冗余消除掉？如何让计算成本急剧下降？如何能让推理效率急剧提升？如何实现对历史重要信息的主动记忆，是构成解决长程性的关键技术。

总体来看，专业智能体还有一个共同的技术基石「自主强化学习」。过去一年，大模型学习范式从模仿学习向探索学习跃迁，智能体的三大核心能力，包括泛化性、自主性和长程性，都高度依赖于自主强化学习的提升。以上是专业智能体方面，我们认为的核心技术与挑战。

接下来就是「多智能体系统」。当我们在各行各业构建足够专业的智能体之后，就要让智能体之间进行通信与协作。如何实现智能体的自主协作和动态演化，从而形成全球范围内的智能体互联网，是实现人机协同群体智能第二次涌现的重要基础。

让多个智能体具有不同的专业背景，并且让它们合作起来，显然是可以去完成单个智能体没办法完成的、更加复杂的任务，但这个合作过程本身会引入非常大的额外计算。智能体系统面临的关键挑战在于——多智能体系统能力提升与资源消耗之间产生非常大的矛盾。我们需要解决的，是如何在有效发挥群体智能的同时，降低群体协作的资源开销，提升协作效率，也就是刚才提到的协作的社会化效率问题。

在这个方面，核心需要解决三大问题：如何让这些智能体高效交互，它们互相之间对话需要有非常高效的语言；遇到一个任务时，如何有效实现多智能体分工，让这些智能体避免内耗，这是高效的任务路由。我们还需要这个多智能体能从历史工作中学习经验，实现持续演化。这是我们认为构建高效多智能体系统非常重要的核心策略。

高效交互方面，包括Anthropic、Google在内的很多团队，都在尝试提出面向多智能体的标准化通信协议，不管是A2A，还是我们团队提出来的 Internet of Agents，都在尝试构建一个更加高效的交互协议，这像历史上的互联网协议标准化过程一样，也是争夺话语权非常重要的方面。

在交互协议方面，非常值得做的工作是，如何研发一个标准化、最小化交流协议和互操作验证平台，能降低通信开销，提升智能体高效协同。

协作方面，各大公司都在构建多模态研究团队，并且推出自己的多智能体协作系统框架，用于探索智能体组织化、自动化编排和动态协作。这也是国内在这方面做得很有前景的课题。

这方面的核心问题是如何能让多智能体进行分布式自主编排，让路由过程更加高效，这里不再过多介绍，国内外已经有非常多的案例。

群体演化方面非常前沿的问题，对应前面提到的自主强化学习。面向专业智能体，当然需要它能具备自主的学习能力。任何一个优秀团队都是善于向历史去学习的，我们可以想像，一个多智能体的群体团队，它也应该能从历史工作经验中总结经验、总结教训，这就涉及到多智能体的群体演化与学习的能力。如何实现智能体集群经验共享与知识迁移，是这方面非常关键的问题。