刘知远谈大模型到专业Agent跃迁的核心挑战

在2025外滩大会“智能体时代进化论”分论坛上，清华大学长聘副教授、面壁智能首席科学家刘知远深入剖析了AI从大模型向Agent跃迁的趋势，探讨了“专业智能体”与“多智能体系统”面临的技术挑战和未来愿景。

刘知远认为，AI发展下一阶段是让模型从虚拟世界走进真实环境实现交互，即从大模型向智能体跃迁。在此过程中，AI不仅要成为有知识的“大脑”，更要成为能使用工具、自主学习探索世界的行动者。以下是澎湃科技整理的演讲实录。

人工智能的能力图谱包括四方面的能力

刘知远演讲的PPT

智能体从去年开始在社会上受到广泛关注。从人工智能发展角度来看，智能体有哪些核心问题、关键技术，发展中需解决的挑战以及解决后可能产生的巨大应用，刘知远将进行分享。

人工智能有一个可定义的能力图谱，大致包括四个方面的能力。

第一，要有基座大模型，像大脑一样高效思考世界，同时需要敏锐感官，即多模态智能，敏锐感知世界。第二，2018年随着大模型发展，已形成文本基座模型和多模态模型的前瞻式应用。第三，探索能力，能像专业智能体一样探索和改造世界。第四，专业智能体相互协作形成群体智能，这是人工智能的重要板块。

从图谱组成能清晰看到人工智能发展脉络。2018 - 2025年，模型随预训练技术发展，参数从几千万增长到上万亿，认知能力增强。但下一步不仅要提升模型能力，还要让模型进入真实世界交互，这就是智能体过程，即通过工具使用和自主学习，使智能体成为专业领域的自主探索者，进而形成群体智能。从2022年起，国内外有很多智能体相关探索工作，我国学者和科技工作者走在前沿。从人类社会发展看，它对人工智能发展有重要启示。

AI发展两大方向：个体专业化和协作专业化

过去几百年人类社会发展有两个重要特点。一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”，这意味着人类社会个体专业化程度不断提高，这也是人工智能发展的重要方向，即构建各行业专业智能体。二是马克思提出协作社会化是生产力发展的必然结果，科技革命提供了技术可能。随着技术和互联网发展，人类社会协作的社会化广度和效率大幅提升，未来人工智能也会构建更高效、广泛的多智能体系统。

专业智能体的三大核心挑战

专业智能体是下一代人工智能的重要发展方向，要让模型在真实世界交互完成复杂任务，面临环境多样性、多变性和任务复杂性的挑战，需解决智能体的三个核心问题。

第一个是智能体的泛化性（Generalization）。在真实世界，智能体要面对多样化环境，能在训练接触过的环境中合理决策、完成复杂任务。大模型、智能体应能成为软件开发、数据分析等各方面的专业智能体，这体现了大模型的泛化能力。国际上近两年在泛化性方面发展迅速，让智能体使用专业工具很重要，同时智能体要掌握专业领域的知识和标准化工作流程（SOP）。让智能体从动态环境中学习，构建多样化环境供其学习泛化能力，是智能体泛化性的重要体现。

第二个挑战，智能体的自主性（Autonomy）。智能体进入动态环境要像人一样适应、探索和学习，实现感知、决策和学习自主。过去一年，DeepSeek的R1和OpenAI的o1背后的大规模强化学习，体现了大模型学习从模仿学习向探索式学习跃迁，未来2 - 3年有望实现自主性构建。

第三个非常核心的挑战，其实是智能体的长程性（Long - Horizon - Capability）。智能体要解决复杂任务，任务完成步骤长甚至可能是终生任务。要保持在解决问题的长链条中，关键技术一是在模型内部设计高效架构，使其具备处理更长上下文的能力；二是在智能体层面设计记忆架构，突破上下文“窗口”局限，提升记忆和经验复用能力。消除上下文冗余、降低计算成本、提升推理效率、主动记忆重要信息是核心技术。专业智能体的共同技术基石是自主强化学习，其泛化性、自主性和长程性高度依赖自主强化学习的提升。

多智能体系统：迈向群体智能的“第二次涌现”

构建专业智能体后，需让它们相互通信协作，实现自主协作和动态演化，形成智能体互联网，这是人机协同群体智能第二次涌现的基础。多智能体系统面临的关键挑战是能力提升与资源消耗的矛盾，需在发挥群体智能的同时降低资源开销、提升协作效率。

要解决三个核心问题。第一个方面，高效的交互。国际上很多团队尝试提出面向多智能体的标准化通信协议，如Anthropic、Google团队以及刘知远团队提出的智能体互联网，研发标准化、最小化交流协议和互操作验证平台，可降低通信开销、提升协同效率。第二个方面，各大公司构建多模态研究团队，推出多智能体协作系统框架，探索智能体组织化、自动化编排和动态协作，核心问题是让多智能体进行分布式自主编排，提高路由效率。第三个方面，对应自主强化学习，多智能体群体团队应具备从历史经验中总结的能力，目前多在学术界前沿探索，实现智能体集群经验共享与知识迁移是关键问题。

下一代群体智能的目标：实现专业Agent的规模化和专业化

下一代群体智能的重要目标是实现专业智能体的规模化和专业化，提升群体智能合作协作的广度和效率，实现人工智能的第二次涌现。过去5年大模型能力增强是个体智能的涌现，未来期待众多专业智能体合作带来群体智能涌现。未来值得探索群体智能的涌现激励，找到最优通信合作机制。展望未来，通过构建岗位孪生的专业智能体和组织孪生的智能体群，将实现群体智能涌现，这是迈向通用人工智能阶段的关键问题和愿景。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com