AI的下一個階段，是智能體AI。

文｜《中國企業家》記者 閆俊文

編輯｜張曉迪

頭圖攝影｜鄧攀

2025年，大模型競賽進入第三個年頭，從國家到產業都逐漸意識到，這是一場拉力賽，人才競爭是勝負手，技術大咖可以帶動數億元的資金流動。

微軟亞洲研究院被外界稱為中國智能產業的“黃埔軍校”，張亞勤作為微軟亞洲研究院的初代“掌門人”，是人才與技術變化浪潮的重要開啟者。從科學家、企業家再到清華教授，他成了觀察時代切面的一面鏡子。

1998年，張亞勤回國參與創建微軟中國研究院，2001年，該研究院升級為微軟亞洲研究院，張亞勤任首屆院長，此后至今，這家機構持續不斷為中國互聯網和AI產業注入人才資源。王堅、張宏江、林斌、湯曉鷗等在產業界和科技界舉足輕重的人物都曾在微軟亞洲研究院工作過。

視覺中國

張亞勤曾在微軟任職長達16年，擔任微軟全球副總裁和微軟中國董事長，2014年9月，他加入百度，擔任總裁一職，直至2019年10月退休。當時，小米董事長雷軍專門發微博，送上祝福：“祝賀張亞勤，祝賀百度，歡迎更多的跨國公司精英加入國內企業。”

可以說，張亞勤親歷了中國互聯網以及AI發展的全過程。2015年，他就在媒體撰文，首提“AI+”，當時他就堅信，“人工智能是未來40年、50年的主流技術”。

2019年退休后，張亞勤重返學術界，籌建了清華大學智能產業研究院（AIR），該機構的使命是利用人工智能技術賦能產業升級、推動社會進步。

近期，張亞勤出版了新作《智能涌現：AI時代的變革與思索》，姚期智、雷軍、李開復等寫了推薦語，雷軍提到“這本書中有很多內容涉及已然成勢或即將成勢的契機”——行業進入物理智能與數字智能、生物智能相互融合的創業周期以及自動駕駛重構全球汽車產業的趨勢等。

在書中，張亞勤這樣說：AI給個人消費者帶來的價值提升，可能是漸進的、逐步積累的；為企業乃至行業帶來的價值改變，則可能是高效的、迅速顛覆的。

現在，智能體成了AI價值提升的最前沿方向，張亞勤告訴《中國企業家》：“現在智能體還處在一個很初步的階段，市場上，大家都在說智能體，其實大部分可能還不是真正的智能體。”

此外，他還展望，未來AI+HI（HI即人的智力，human intelligence）智能體的復合智商將會達到1200分，比人類自身的智商至少要高出一個數量級。

以下是《中國企業家》與張亞勤對談的詳細內容（有刪減）：

智能體最佳的方式就是為人工作

《中國企業家》：近期，您提出，生成式AI正轉向智能體AI，其中有兩個突破，一個是任務長度，另一個是任務準確度。

張亞勤：這幾年，人工智能從鑒別式人工智能，比如語音識別、圖像識別、人臉識別轉向生成式人工智能，生成文字、生成視頻、生成蛋白質（新結構），現在，它正向智能體轉變，轉向自主智能。

什么是自主智能？就是當你告訴AI一個目標，它可以自主找到路徑，然后實現目標，和人類越來越像。人類最大的一個能力就是去定一個目標，然后去規劃、決策、行動。

智能體有兩個很重要的指標，一個是任務長度，任務很復雜，智能體會分成不同的階段，然后在每個階段定義子目標，并去做優化，最后，再把它們連在一塊，形成大目標。

過去的7個月，智能體處理的任務長度已經double（翻倍），未來6個月、7個月可能還會double。

另外一個是準確度，智能體的任務準確度（能）達到超過一半（50%）的程度，比如智能體要達到目標，中間需要經過20個不同的路徑，20個子任務串起來之后，50%的時間可以達到目標，如果沒達到，智能體可以和人交互，幫助它完成這個任務。

《中國企業家》：記憶對智能體來說，也是很關鍵的指標。

張亞勤：對，現在智能體很重要的功能就是它有長期的記憶了。這個記憶就是智能體做了很多事之后，它會記住，比如到了下個月，它還可以記住上個月做的事。目前，AI記憶系統還比較初步。

《中國企業家》：智能體是很早就有的概念了，為什么到今年就這么熱？

張亞勤：在計算機領域，智能體講了幾十年，但過去的智能體基本上都不太能工作，第一，算法不行，第二，算力不行。從2024年到今年很大的一個變化是，整個算力提高了差不多十倍，推理的算法改善了，數據也越來越多，越來越規范化，用MCP可以連接不同的網站、不同的數據庫。所有的這些加一塊，現在的智能體可以解決相對比較復雜的任務了。

但現在智能體還處于一個很初步的階段，所以，我們把智能體也定義為5個級別，L1到L5，這有點像智能駕駛，要看它的自主智能程度。市場上，大家都在說智能體，其實大部分可能還不是真正的智能體。

《中國企業家》：判斷它是不是一個真正的智能體，就看它的任務長度和任務準確度。

張亞勤：是的，也包括記憶的功能，還要有推理、規劃、決策，以及行動能力，要達成一個閉環。如果一個事情，它能事先分解成n個任務，然后每個任務都有固定路徑，那這個可能就是自動化。

智能體，就是讓它在一個大范圍里面去學習，然后找到它認為的最佳路徑，最后，完成整體任務。

《中國企業家》：紅杉美國前段時間有個報告提到，智能體對客戶的交付，原來是交付過程，現在是交付結果。

張亞勤：智能體一定是交付結果。用戶去告訴智能體這件事，最后它把這件事做成。智能體最佳的方式就是為人工作，進行推理任務集合。

另外很重要的一方面是，智能體和智能體互相之間要學習，它們在學習和博弈的過程中進化，所以，多智能體交互是達到通用人工智能（AGI）的一個重要路徑。而且，智能體學習的時候，初始知識越少越好，讓智能體在交互中學習。

《中國企業家》：不需要做太多的預訓練？

張亞勤：當然需要一些預訓練，但這是一個有意思的trade off compromise（折中妥協），你給它的知識越多，智能體發展的空間自由度也越少。就像下圍棋似的，谷歌的AlphaGo，一開始的版本是要學幾十萬個棋譜，到后來，AlphaGo Zero就不用學這么多棋譜了，只要告訴它規則，什么叫贏，什么叫輸，它就會從零開始，在多個智能體中互相博弈、學習。

《中國企業家》：很多人可能很重視預訓練，但對現實世界的反饋，是不是才是下一步發展智能的重點？

張亞勤：就像我們人一樣的，我們要學一些知識，但最重要的知識還是我們到工作和生活中去學習。

最近，“強化學習之父”理查德·薩頓（Rich Sutton）有個比喻，他說，人工智能分成三個階段，第一階段，給你吃魚；第二階段，教你怎么釣魚，這有點像預訓練，然后加上強化學習；第三階段，不教你怎么釣魚，先讓你吃一下魚，這魚特別好吃，讓你很餓，然后你去找魚，怎么找魚，它不管。最后是第三種方式能最大程度把你的潛力發掘出來。

《中國企業家》：目前，Scaling Law（規模定律）發生了一些變化，您提到了智能體規模定律（Agentic SL），什么是智能體規模定律？

張亞勤：ChatGPT出來之后，最重要的一個規律，就是Scaling Law，數據越多，算力越強，結果就越準確，到了一定程度，比如1億、100億、千億參數，準確度就按指數級上升，所以叫做涌現效應。

從千億參數到萬億參數，再往上走，基本上還是按照這個指數走，但到了2024年底、2025年初，上升速度不是指數級了，變平緩了，很重要的原因就是數據用的差不多了，但智能上限還遠遠沒有達到。

此外，預訓練的Scaling Law轉移到后面了，有了模型后，怎么做推理？可能推理步驟越多，模型的智商會越高。現在大家都在探索，在推理階段，包括到了智能體階段，Scaling Law是不是還有效？此外，Scaling Law主要在語言方面，那么在視覺方面，它還成立嗎？大家也在爭論。

我覺得，整體人工智能的Scaling Law還是成立的，只是移到不同的地方去了。

《中國企業家》：有沒有可能存在一種情況——小模型，有大能力？

張亞勤：未來5至10年，主流還是數據驅動的大模型，到了推理階段，比如端側，模型規模會小一點，但它還是建立在大模型之上的。如果沒有大模型，從小數據、小參數做一個模型，這個模型基本上很難泛化。某個算法可以解決一件事，并且做得很好，但這個不是人工智能發展的主流。

連接數字世界和物理世界，通向AGI

《中國企業家》：從比特世界到原子世界，這是從描述智能到干預智能的演變嗎？

張亞勤：我把它分成三個不同的層次。第一，信息智能，它完全在數字世界里，比如語言、圖像、視覺，包括我們的蛋白質（結構）；第二，物理智能，比如機器人、無人車，物理世界、物理設施用到人工智能，需要智能體和物理世界有交互、行動，以及反饋。

第三，生物智能，比如腦機接口，把大模型用到生命體、生物體，也要涉及物理智能和信息智能。

如果我們定義通用人工智能超越99%的人類，完成絕大多數的任務。這個時候，就一定要有賴物理智能和生物智能的交互，比如你要學游泳，就要去和別人交互，得到真實世界的反饋。所以，智能體之間的交互，包括和環境的交互，都很重要。

《中國企業家》：這是不是人工智能接下來發展的重點？

張亞勤：是的，真實世界有很多數據，但它也有一些問題，任務太分散，比如機器人可以做各種各樣的事情，但在每個領域，它的數據又是不夠的。

另外，真實世界和數字世界沒有連接在一塊。過去，我們做的事都在真實世界，虛擬世界則另有一套算法，兩個世界連不在一塊，在虛擬世界訓練好的策略到了真實世界，它就不奏效了。所以，我們提出RSR（Real2Sim2Real），就是要把信息世界和物理學連在一塊，形成閉環。

攝影：鄧攀

《中國企業家》：在RSR這個過程里，哪一步數據反饋是最難的？

張亞勤：RSR首先要理解物理世界，比如把某個動作抽象出來，就挺難的，但抽象出來之后，變成數字世界里面的模型參數，再去訓練它，訓練各種各樣的可能性，生成各種數據，比如，讓各種機器人做早飯、爬山。之后再讓機器人回到真實世界里去工作（Sim2Real），結果，到這一步往往它就不工作了。

因為真實世界和虛擬世界沒有形成閉環，不同步，機器一旦在真實世界工作時間長了，它就發散，在虛擬世界訓練的東西就沒用了。

《中國企業家》：在自動駕駛場景里，是不是能更好理解這個問題？

張亞勤：無人駕駛的數據是不夠的，比如，無人車在復雜的交通場景里會碰到各種各樣的情況，這時候，如果你用模擬器去生成各種不同的長尾場景，每次生成它，它就會有一個決策。如果你拿這套方案到真實世界里面，你會發現這兩個是不同步的，第一，AI描述的場景和真實場景還是有很大區別。第二，因為在真實世界里總會碰到新的case，但你不可能模擬出所有的case出來，而算法總有不收斂的時候，這就需要永遠在上面加規則。

所以，現在大家都在做端到端，把感知、推理、決策的模塊放在一起，變成了一個大模型，實現端到端的決策。第一，它們之間閉環，第二，它和真實世界閉環。但真正實現全閉環很難，還是一個研究的課題。

《中國企業家》：智能體的風險和AI的風險有什么不一樣？

張亞勤：智能體是推理任務的集合，現在，它能給你一直推理，因為它要找完成任務的路徑，任務越長，失控的可能性越大。比如，它在找路徑的時候，它可能會觸犯一些規則，而這些規則我們沒有定義清楚。

《中國企業家》：VLA（視覺語言動作模型）怎么樣跨越多模態融合？它也會遇到語義鴻溝。

張亞勤：（這要依靠）世界模型，包括對不同模態的語義理解，對行為的理解以及對常識的理解來解決，機器在學習常識方面還是差很多。

現在，新的機器、算法學起來還需要時間，有一些屬于第一性原理，像牛頓定律，物理定律，要把它融合進來，但說實話，也不能整天算那些公式，還是要通過常識（來訓練）。

我們人類學習很多事情很清楚、很簡單，但機器可能認為很難，同樣，我們認為很難學習的領域，機器認為很簡單，這兩種智能其實不太一樣。

《中國企業家》：您在《智能涌現》這本書里，提到了智能體能自我迭代，能夠自我升級和優化，這是終局還是階段性的目標？

張亞勤：如果大模型是操作系統，智能體就是上面的APP或者SaaS應用，智能體幫你規劃，去找數據，調用別的模型，這時候，它可能不是一個單獨的APP，它是一個集合，用智能體把它表述出來，它是AI之上的一個中間件。

《中國企業家》：智能體要做到哪些，才能沖到L4（高度自動駕駛）？

張亞勤：目前還很早期，現在智能體可以做一些簡單的規劃和任務，另外，智能體的記憶不太好，不是內存不夠，而是它不知道什么該記，什么不該記，context不是很清楚。

通用智能體，更難一些，所以這個東西并不是今年做，明年就換了。下一個階段的AI，是智能體AI。當通用智能體做成之后，通用人工智能就差不多實現了，通用智能體是實現AGI的一條路徑。

HI加AI，智商達到1200分

《中國企業家》：大概在10年前，您就提出了“AI+”這個概念，現在回首，“AI+”發生了什么變化？

張亞勤：當時提“AI+”，首先，我認為人工智能十分重要，人工智能是第四次工業革命主要的技術引擎。第二，人工智能是未來，是未來40年、50年的一個主流技術。第三，它會改變行業，創造新的產業。

我當時提出“AI+”，后來趕上AlphaGo出來，我越來越深信這個概念，因為AlphaGo是人工智能的一個大突破，它通過強化學習，可以解決棋譜這么復雜的問題，我覺得別的問題都可以解決，比如像人臉識別、圖像識別等。

現在，人工智能和以前最大的區別就是，人工智能可能是一個大的底座，它可以適應每個領域，就像一個人，他可以自己學習，基本完成所有的事。

所以，未來是AI+HI，HI是人的智力（human intelligence），機器是我們一個個的助理和智能體，兩者結合的復合智商，比我們人類的智商至少要高一個數量級，這個智商不是120分，而是1200分。

《中國企業家》：DeepSeek崛起之后，它有沒有可能會成為下一個安卓或者iOS這種底層操作系統？

張亞勤：還是十分有希望的。目前，DeepSeek技術的領先性，包括它的效率和新的算法，但目前做這個判斷還早。因為一個操作系統很重要的是，它的生態怎么樣，有沒有粘性。現在如果有個特別好的模型出來，還是可以替代它的，但如果DeepSeek生態成了之后，就難替代它了。

《中國企業家》：這也是一場殘酷的競爭。

張亞勤：沒錯。第一，還是要把技術做好，第二，開源這個商業模式是很對的，而且用了MIT license，它是最靈活的一種開源方式，因為操作系統很重要一點就是，讓大家都要用起來，要有整個用戶的一個base（基礎），然后在上面建立一些像MCP、API這樣的中間件，底層越做越好，上面又有粘性，那就成了一個真正的人工智能時代操作系統。

人工智能時代的操作系統可能不會很多，全球可能會有差不多8至10個，有3、4個在中國，3、4個在美國，然后別的國家有2、3個。

因為它和移動時代有點不太一樣，移動時代基本上兩家（安卓和iOS）通吃，以前的操作系統是代碼，現在的大模型是數據，而數據是有區域性的，就像云計算，云計算廠商全世界差不多有10家左右。可能在人工智能時代，有10個左右的基礎大模型，但上面會有很多的智能體。

視覺中國

《中國企業家》：AI時代的操作系統和移動互聯網時代的操作系統，底層邏輯有差別？

張亞勤：構成的要素不一樣，AI整個的生態要大很多，我預測，人工智能時代的操作系統比移動互聯網至少大一個數量級，可能更大，甚至兩個數量級。

《中國企業家》：這對很多的創業型模型公司來說，也提出了新的挑戰？

張亞勤：從長遠來講，現在的創業者其實更容易了。因為不需要自己去做大模型了，可以去調開源模型的參數，然后可以結合自己的數據，或者用微調，或者用智能體或者RAG（檢索增強生成），最后產生自己的應用。

也可以給自己制造很多智能體，讓多智能體來服務我們，解決某些問題。

我們離AGI很遠，規模定律還在，還有效，所以這些公司還得燒錢。得不斷有新數據，然后過三個月，半年，模型還得升級，至少現在還沒有達到穩態。

《中國企業家》：有沒有可能出現一家公司或者技術，再把DeepSeek顛覆了？

張亞勤：這都有可能，盡管DeepSeek比其它公司效率高得多，但它也需要有很多的資源。未來，有很多變數，目前，產業格局并沒有完全固定。

《中國企業家》：未來有可能會逐漸擺脫對標注數據的依賴嗎？

張亞勤：你如果看GPT，特別是ChatGPT，它的大量數據其實是自我標注、自我監督，到了應用領域的時候，可能還需要標注一些數據。但以后，越來越多的機器可以學會自己標注數據，再發展，可能就不需要標注了。

《中國企業家》：AI時代的創業者和移動互聯網時代創業者，他們的能力有什么不一樣？

張亞勤：在互聯網時代，你要很清楚怎么連接，要有很豐富的連接。在AI時代，你要做出一個所謂的智能體，就要有任務導向，就是你做這事有什么用。

轉自：中國企業家雜志