AI Agent 的发展：能力、技术架构和软硬件形态

AI Agent 的发展：能力、技术架构和软硬件形态 AI Agent 的发展：能力、技术架构和软硬件形态 Modified July 1, 2025 因此，新的AI原生终端可能不是颠覆现有设备，而是围绕“更好地理解用户意图”这一目标，与手机、PC 等已有设备协同发展、优势互补。 更好地执行抽象意图：端 边 云协同 为了更好地执行用户的抽象意图，终端架构将向“端 边 云”协同的方向发展。“端”是 AI 原生终端，作为感知和交互的入口；“边”是智能手机/PC 或其他边缘设备，承担任务协调与中等复杂度的推断计算，并提供显示和网络连接等能力；“云”则作为认知中枢，负责运行基础大模型、调用外部工具和服务，并处理复杂的任务链。 作为边缘节点的智能手机不再只是通信工具或内容消费设备，而是成为连接“端”与“云”的枢纽，因而需要具备更强的异构计算和多设备协同能力。一方面，手机芯片将集成更强大的 AI 能力，为端上的 AI 原生终端提供延申的算力。另一方面，手机需要配备更高带宽的网络连接模块，以保障与端侧设备的稳定实时通信。 此外，手机的摄像头、屏幕、扬声器等 I/O 模块不再只由用户来操作，而可能重新面向 AI Agent 设计，由 AI Agent 根据任务需要进行调度。比如在语音交互过程中提供视觉或听觉层面的辅助反馈，实现更自然、高效的人机协作体验。 PC、手机、AI 原生终端将构成一个人的完整智能生态 ： (1) PC：处理相对复杂的生产力任务； (2) 手机：作为移动计算和通信的中枢； (3) AI 原生终端：作为与物理世界持续连接的桥梁，时刻感知环境、理解上下文，让其他设备能更智能、更主动地服务。 2. 智能操作系统的形态 随着终端设备形态的改变，智能操作系统的交互和执行逻辑也要跟着变化。特别是手机和 PC 这类具备完整交互界面的终端上，操作系统不再只是应用的调度平台，而变成智能代理系统的中枢：负责理解用户意图，并协调模型、工具和垂直智能代理来执行意图。 更好地理解抽象意图：从“幕后”到“台前” 在指令式计算架构下，用户交互的主要入口是网页、软件和 App 等应用层。但在智能计算架构中，OS 将成为用户表达意图的核心界面 即便不是唯一入口，也会是最主要的起点。 具体来说， 任务发起可以有两种主要形式： (1) 在 Agent OS 层表达意图 ，OS Agent 负责理解意图、规划任务、并协调多个垂直 Agent 或直接调用工具来完成任务。 (2) 以垂直 Agent 为入口 ，这个 Agent 会自行判断是否需要调用其他工具或与其他 Agent 协作。 这种变化也将重构操作系统的 UI。应用层会只保留几个核心 APP，作为垂直 Agent 的独立入口。这其中可以包含用户定制的、满足特定需要的垂直 Agent，比如给孩子批改作业的 Agent：拍摄作业、识别错误点，标注和讲解错误原因。而多数应用会退化为服务接口，供 ChatUI 形式的 OS Agent 在需要时调用。 由 Lovart 生成 为了更好地理解抽象意图，操作系统还需要具备强大的上下文整合能力。智能操作系统需要提供一种突破应用生态“数据孤岛”的解决方案，具备在数字世界中统一访问、组织、引用各类数据的能力，比如同时调用日历、邮件、文件系统和第三方 App 信息来判断某个任务的优先级和执行路径。 同时，OS 还要打通物理世界的感知数据，具备跨终端感知能力，能统一处理来自AI原生终端、可穿戴设备、智能家居等多种来源的数据。实现全场景的物理+数字上下文融合，支持更完整、准确的意图理解。 此外，为了支持终端设备持续感知、随时响应的能力，Agent 操作系统层需要支持常驻智能体。这些智能体常驻后台运行，具备状态记忆、上下文追踪和事件触发能力。 更好地执行抽象意图：面向 AI Agent 重构 为了将用户的抽象意图转化为可执行的行为，智能操作系统需要协调多种智能资源，包括长期记忆库、知识图谱、大模型、垂直 Agent 以及各类工具接口等。在第二部分介绍 AgentOS 的发展路径时，我们讨论了这一层的主要职责。在此基础上，我们进一步聚焦于当前 Agent 的两种主要构建范式：基于工作流与基于模型。回顾传统操作系统的发展，有助于更好地理解这两种方法的差异和适用场景。 在指令式计算架构中，最初通过汇编语言直接编写面向硬件的操作指令，每一步行为都需手动设计、显式调用，类似今天基于工作流的 Agent 构建方式。开发者明确指定每个执行步骤的触发条件、调用顺序与控制结构。这种方式具备高度可控性与可解释性，但抽象层级低，缺乏灵活性。 基于模型的 Agent 构建方式则更像是使用高级语言编写程序。它不再依赖显式的流程定义，而是通过大模型理解用户意图后，自动生成任务序列，并动态调用合适的工具或子 Agent 来完成目标。这种方式抽象级别更高，能够应对模糊、多变的用户请求，也更适合开放环境下的复杂交互。 当然，正如今天仍有少数高性能、底层控制场景仍依赖汇编语言（如芯片驱动、安全模块、资源极限计算任务），基于工作流的 Agent 构建方式在某些精度要求高、资源受限或强安全性的场景中依然不可或缺。例如工业自动化、合规流程审批或关键业务节点等，需要明确且稳定的执行路径，适合用工作流显式描述。 最后来讨论智能操作系统的结果呈现形态。传统操作系统的界面是为人类操作设计的：窗口、图标、按钮、触屏手势等 UI 元素，目的是帮助人类完成具体指令操作。而在 AgentOS 中，核心交互逻辑转向面向 AI 的任务协同， UI 主要承担两个功能：表达意图的入口，和展示结果的出口 。 随着 AI Coding 能力不断增强，智能操作系统可以根据当前任务动态生成最合适的 UI 界面。就像浏览器加载网页时自动进行布局与渲染一样。这样的 UI 是任务驱动和结果导向的，由系统 按需渲染、临时创建、用完即消失 。 由 Lovart 生成 当操作系统 UI 不再聚焦复杂的人机操作，而是专注于精准传递意图输入和结果输出，才能成为人和 AI Agent 之间高效沟通的媒介，支撑越来越抽象的意图理解和执行。 3. 应用软件的形态 Andrej Karpathy 在 YC 的 AI Startup School 演讲中，将软件的发展划分为三个阶段：1.0 的手工显式编写，2.0 的通过数据训练生成神经网络，以及今天基于大模型的 3.0，即基于提示词的自然语言编程。 来源：Andrej Karpathy《Software in the Age of AI》 我们在 Karpathy 总结的基础上，结合 AI Agent 的最新进展和未来可能发展方向，进一步延伸出软件 3.5 和软件 4.0 两个新阶段。 软件 1.0 ：核心是显式编程。开发者通过机器、汇编或高级语言，将指令级的需求明确编码，再由编译器构建出应用程序，最终在进程执行环境中执行 。 软件 2.0 ： 通过准备训练样本的方式来表达任务级抽象 。例如，要训练一个排序模型，需要准备排序前和排序后的样本对。训练得到的神经网络模型，在 TensorFlow、PyTorch 等深度学习推断框架上运行。 要注意的是， 软件 1.0 只能实现类似排序这种程序员可以明确指令的任务。而从 2.0 开始，引入模型使计算机能够处理那些无法通过编程直接实现的模糊问题，比如人脸识别。 软件 3.0 ： 以大模型为核心，用户可以直接通过自然语言表达需求 。软件载体呈现两种形态：一种是由大模型作为编程工具显式生成代码，再经过编译获得应用程序；另一种则是通过上下文学习（In context Learning），将即时配置后的大模型本身作为软件载体（ICL 大模型）来直接完成任务 。 软件 3.5 ：即智能代理阶段。 在人机关系上与 3.0 都属于“委托”，但需求抽象提升到了意图级 。用户通过智能代理开发平台，将复杂的个人意图构建为定制化的垂直智能代理。运行环境 AgentOS 则负责提供任务规划、工具调用和记忆管理等必要的 Agent 运行时能力 。 我们可以清晰地看到 3.5 阶段的软件服务与传统软件之间的区别。从满足的需求上看，传统软件往往只能覆盖高频、标准化、静态的需求场景，而垂直 Agent 可以深入处理长尾、个性化、动态的问题，甚至应对用户在上下文中临时提出的复杂任务。从使用方式上看， 软件形态正 从原本用户需要手动操作、流程式控制的“面向过程”式的软件界面，转变为“面向结果”：用户只需表达意图，Agent 即可自动规划、执行所有中间过程，并交付最终结果。 软件 4.0 ：即社会智能体阶段。 此时 AI 不再是仅仅执行任务的代理，而是在角色级需求定义下，被授权在特定领域内自主决策和行动的主体。用户通过社会智能体建模平台，构造社会智能体运行的环境、角色与边界规则 。 这一阶段的软件形态，也与 这部分之前讨论 的操作系统与终端形态相对应。对应的操作系统是 社会化 AgentOS，不仅要支撑单个 Agent 运行，还 需要提供身份信用管理、环境共享、社会规则引擎等群体管理功能。而对应的交互载体，可能不是某个终端设备，而是能够融合多种终端、实现全域环境感知的 空间计算平台。 因此，新的AI原生终端可能不是颠覆现有设备，而是围绕“更好地理解用户意图”这一目标，与手机、PC 等已有设备协同发展、优势互补。 更好地执行抽象意图：端 边 云协同 为了更好地执行用户的抽象意图，终端架构将向“端 边 云”协同的方向发展。“端”是 AI 原生终端，作为感知和交互的入口；“边”是智能手机/PC 或其他边缘设备，承担任务协调与中等复杂度的推断计算，并提供显示和网络连接等能力；“云”则作为认知中枢，负责运行基础大模型、调用外部工具和服务，并处理复杂的任务链。 作为边缘节点的智能手机不再只是通信工具或内容消费设备，而是成为连接“端”与“云”的枢纽，因而需要具备更强的异构计算和多设备协同能力。一方面，手机芯片将集成更强大的 AI 能力，为端上的 AI 原生终端提供延申的算力。另一方面，手机需要配备更高带宽的网络连接模块，以保障与端侧设备的稳定实时通信。 此外，手机的摄像头、屏幕、扬声器等 I/O 模块不再只由用户来操作，而可能重新面向 AI Agent 设计，由 AI Agent 根据任务需要进行调度。比如在语音交互过程中提供视觉或听觉层面的辅助反馈，实现更自然、高效的人机协作体验。 PC、手机、AI 原生终端将构成一个人的完整智能生态 ： (1) PC：处理相对复杂的生产力任务； (2) 手机：作为移动计算和通信的中枢； (3) AI 原生终端：作为与物理世界持续连接的桥梁，时刻感知环境、理解上下文，让其他设备能更智能、更主动地服务。 2. 智能操作系统的形态 随着终端设备形态的改变，智能操作系统的交互和执行逻辑也要跟着变化。特别是手机和 PC 这类具备完整交互界面的终端上，操作系统不再只是应用的调度平台，而变成智能代理系统的中枢：负责理解用户意图，并协调模型、工具和垂直智能代理来执行意图。 更好地理解抽象意图：从“幕后”到“台前” 在指令式计算架构下，用户交互的主要入口是网页、软件和 App 等应用层。但在智能计算架构中，OS 将成为用户表达意图的核心界面 即便不是唯一入口，也会是最主要的起点。 具体来说， 任务发起可以有两种主要形式： (1) 在 Agent OS 层表达意图 ，OS Agent 负责理解意图、规划任务、并协调多个垂直 Agent 或直接调用工具来完成任务。 (2) 以垂直 Agent 为入口 ，这个 Agent 会自行判断是否需要调用其他工具或与其他 Agent 协作。 这种变化也将重构操作系统的 UI。应用层会只保留几个核心 APP，作为垂直 Agent 的独立入口。这其中可以包含用户定制的、满足特定需要的垂直 Agent，比如给孩子批改作业的 Agent：拍摄作业、识别错误点，标注和讲解错误原因。而多数应用会退化为服务接口，供 ChatUI 形式的 OS Agent 在需要时调用。 由 Lovart 生成 为了更好地理解抽象意图，操作系统还需要具备强大的上下文整合能力。智能操作系统需要提供一种突破应用生态“数据孤岛”的解决方案，具备在数字世界中统一访问、组织、引用各类数据的能力，比如同时调用日历、邮件、文件系统和第三方 App 信息来判断某个任务的优先级和执行路径。 同时，OS 还要打通物理世界的感知数据，具备跨终端感知能力，能统一处理来自AI原生终端、可穿戴设备、智能家居等多种来源的数据。实现全场景的物理+数字上下文融合，支持更完整、准确的意图理解。 此外，为了支持终端设备持续感知、随时响应的能力，Agent 操作系统层需要支持常驻智能体。这些智能体常驻后台运行，具备状态记忆、上下文追踪和事件触发能力。 更好地执行抽象意图：面向 AI Agent 重构 为了将用户的抽象意图转化为可执行的行为，智能操作系统需要协调多种智能资源，包括长期记忆库、知识图谱、大模型、垂直 Agent 以及各类工具接口等。在第二部分介绍 AgentOS 的发展路径时，我们讨论了这一层的主要职责。在此基础上，我们进一步聚焦于当前 Agent 的两种主要构建范式：基于工作流与基于模型。回顾传统操作系统的发展，有助于更好地理解这两种方法的差异和适用场景。 在指令式计算架构中，最初通过汇编语言直接编写面向硬件的操作指令，每一步行为都需手动设计、显式调用，类似今天基于工作流的 Agent 构建方式。开发者明确指定每个执行步骤的触发条件、调用顺序与控制结构。这种方式具备高度可控性与可解释性，但抽象层级低，缺乏灵活性。 基于模型的 Agent 构建方式则更像是使用高级语言编写程序。它不再依赖显式的流程定义，而是通过大模型理解用户意图后，自动生成任务序列，并动态调用合适的工具或子 Agent 来完成目标。这种方式抽象级别更高，能够应对模糊、多变的用户请求，也更适合开放环境下的复杂交互。 当然，正如今天仍有少数高性能、底层控制场景仍依赖汇编语言（如芯片驱动、安全模块、资源极限计算任务），基于工作流的 Agent 构建方式在某些精度要求高、资源受限或强安全性的场景中依然不可或缺。例如工业自动化、合规流程审批或关键业务节点等，需要明确且稳定的执行路径，适合用工作流显式描述。 最后来讨论智能操作系统的结果呈现形态。传统操作系统的界面是为人类操作设计的：窗口、图标、按钮、触屏手势等 UI 元素，目的是帮助人类完成具体指令操作。而在 AgentOS 中，核心交互逻辑转向面向 AI 的任务协同， UI 主要承担两个功能：表达意图的入口，和展示结果的出口 。 随着 AI Coding 能力不断增强，智能操作系统可以根据当前任务动态生成最合适的 UI 界面。就像浏览器加载网页时自动进行布局与渲染一样。这样的 UI 是任务驱动和结果导向的，由系统 按需渲染、临时创建、用完即消失 。 由 Lovart 生成 当操作系统 UI 不再聚焦复杂的人机操作，而是专注于精准传递意图输入和结果输出，才能成为人和 AI Agent 之间高效沟通的媒介，支撑越来越抽象的意图理解和执行。 3. 应用软件的形态 Andrej Karpathy 在 YC 的 AI Startup School 演讲中，将软件的发展划分为三个阶段：1.0 的手工显式编写，2.0 的通过数据训练生成神经网络，以及今天基于大模型的 3.0，即基于提示词的自然语言编程。 来源：Andrej Karpathy《Software in the Age of AI》 我们在 Karpathy 总结的基础上，结合 AI Agent 的最新进展和未来可能发展方向，进一步延伸出软件 3.5 和软件 4.0 两个新阶段。 软件 1.0 ：核心是显式编程。开发者通过机器、汇编或高级语言，将指令级的需求明确编码，再由编译器构建出应用程序，最终在进程执行环境中执行 。 软件 2.0 ： 通过准备训练样本的方式来表达任务级抽象 。例如，要训练一个排序模型，需要准备排序前和排序后的样本对。训练得到的神经网络模型，在 TensorFlow、PyTorch 等深度学习推断框架上运行。 要注意的是， 软件 1.0 只能实现类似排序这种程序员可以明确指令的任务。而从 2.0 开始，引入模型使计算机能够处理那些无法通过编程直接实现的模糊问题，比如人脸识别。 软件 3.0 ： 以大模型为核心，用户可以直接通过自然语言表达需求 。软件载体呈现两种形态：一种是由大模型作为编程工具显式生成代码，再经过编译获得应用程序；另一种则是通过上下文学习（In context Learning），将即时配置后的大模型本身作为软件载体（ICL 大模型）来直接完成任务 。 软件 3.5 ：即智能代理阶段。 在人机关系上与 3.0 都属于“委托”，但需求抽象提升到了意图级 。用户通过智能代理开发平台，将复杂的个人意图构建为定制化的垂直智能代理。运行环境 AgentOS 则负责提供任务规划、工具调用和记忆管理等必要的 Agent 运行时能力 。 我们可以清晰地看到 3.5 阶段的软件服务与传统软件之间的区别。从满足的需求上看，传统软件往往只能覆盖高频、标准化、静态的需求场景，而垂直 Agent 可以深入处理长尾、个性化、动态的问题，甚至应对用户在上下文中临时提出的复杂任务。从使用方式上看， 软件形态正 从原本用户需要手动操作、流程式控制的“面向过程”式的软件界面，转变为“面向结果”：用户只需表达意图，Agent 即可自动规划、执行所有中间过程，并交付最终结果。 软件 4.0 ：即社会智能体阶段。 此时 AI 不再是仅仅执行任务的代理，而是在角色级需求定义下，被授权在特定领域内自主决策和行动的主体。用户通过社会智能体建模平台，构造社会智能体运行的环境、角色与边界规则 。 这一阶段的软件形态，也与 这部分之前讨论 的操作系统与终端形态相对应。对应的操作系统是 社会化 AgentOS，不仅要支撑单个 Agent 运行，还 需要提供身份信用管理、环境共享、社会规则引擎等群体管理功能。而对应的交互载体，可能不是某个终端设备，而是能够融合多种终端、实现全域环境感知的 空间计算平台。 基于以上软件阶段的划分，接下来，我们聚焦当前应用软件的主要形态 SaaS，一起看一下从软件 3.0 向 3.5、乃至 4.0 迈进的过程中，垂直领域的 SaaS 产品 可能呈现出的理想发展轨迹。 SaaS 产品向 AI Agent 的演化，可以看作一个从提供标准工具，到赋能定制化服务，再到构筑领域生态的过程。可以分为三个主要阶段： Agent 化 ：主要变化 是从传统的、基于点击的图形界面，转向更自然的对话式界面。同时， SaaS 厂商开始内嵌预设的智能助手，将原本用户手动操作、信息查询的功能，升级为“目标导向+自动执行”的智能服务。比如，投顾领域的 SaaS 可以研发“研报分析 Agent”、“资产配置 Agent”或“市场情绪追踪 Agent”。这些预设 Agent 具备自然语言对话界面，能够理解高阶目标，完成任务规划、工具调用并交付最终结果。 平台化 ： 随着需求复杂度提升，预设 Agent 已无法覆盖所有场景。此时，可以 将内部用于构建标准 Agent 的核心能力，转变为一个开放的能力底座 ，对外提供服务。包括 包括预设的专业工作流模板、将标准功能和数据源封装好的工具集 等。基于这个开放平台，用户可以接入自有知识库、专有数据源和专业工具（如策略模型），构建出高度定制化的专属 Agent。 生 态 化 ： 当定制 Agent 数量和种类足够丰富后，平台可以转向构建一个垂直领域的智能体操作系统，支持生态内不同参与者进行 Agent 资源的共享、分发与价值交换。这一生态可以以两种互补的形态呈现： (1) 2B 的市场化，仿照 App Store 模式， 为专业开发者和机构提供一个发布、订阅和销售其专业 Agent 与工具的 Agent 商店 ； (2) 2C 的社区化，类似 AI Agent 版的小红书/GitHub，支持普通用户在创作者社区中发布、分享和订阅轻量级 Agent，并进行二次创作。这两种形态可以底层的基础设施，包括模型底座、工具接口、信用体系等，但面向不同用户群提供差异化的 UI，并可通过跨平台分享的方式实现互通。可以预见，这一阶段将会同时出现由核心厂商主导的闭源生态，以及由社区驱动的开源 Agent 生态，共同推动垂直领域的智能化进程。 从不断演进的人机关系出发，我们观察到终端设备正在从智能手机向 AI 原生终端和空间计算平台演化，操作系统也正重构为以智能调度和意图理解为核心的 AgentOS，而应用软件则迈向基于垂直 Agent 的、具备更强自主性和协作性的智能体体系。这些软硬件形态的变迁，正是为了在更高抽象层级上理解人类意图、释放机器智能。 回顾整篇文章对 AI Agent 发展路径的讨论，从能力、技术架构到软硬件形态的逐层演进，背后似乎遵循着一条更为基本的演化规律，可以称之为“ 智能的尺度定律 ”： 一个智能系统所能有效应对的复杂性尺度，决定了其智能的层级。 从生物智能的角度，这一定律体现为表征（可处理的数据和信息量）、执行（工具使用和逻辑推理）和协作（社会关系层级）三个维度的持续扩展。从计算架构的角度，它表现为后端“执行深度”的增长：机器自主完成的操作链条越来越长、执行逻辑和流程越来越复杂。从人机关系的角度，这一定律体现为前端交互抽象层级的提升：从 how to do 到 who you are，人类用更少的信息，调动更大尺度的智能资源。 生物智能、计算架构和人机关系的演化过程，为我们理解 AI Agent 的发展提供了一个参考系。从“后视镜”里找规律和相似点总是容易的。但在向前看时，一方面要敏锐判断未来究竟会压什么“韵脚”，另一方面要充分考虑生物智能与机器智能之间、指令式计算架构与智能计算架构之间的底层差异。 生物智能进化由自然选择驱动，充满偶然性。而机器智能的发展，目前主要由人类的意图和工程实现驱动，目标性更强，迭代速度也更快，因此有可能跳过某些生物智能发展的阶段。同样，指令式计算以确定性和逻辑驱动为核心，强调结果的唯一性和可复现性；智能计算则是概率性、上下文驱动的，其结果往往是生成式、非唯一的，更侧重在不确定性中进行推理、自我调整和反馈。 此外，从人机关系的角度， 本文关于计算架构和软硬件形态的讨论，仍然聚焦“以人为中心”的智能代理阶段。当真正进入“以 AI 为中心”的阶段，如人机共生的社会智能体和自治智能体，AI Agent 的形态和技术实现将变得更加模糊和不可预测。在讨论这个更远的未来时，应保持足够的开放性：我们面对的，不只是一个更聪明强大的工具，而是可能拥有自主行为逻辑和高阶目标的新型智能主体。 🔗 原文链接： https://mp.weixin.qq.com/s/R3qLxH7z... https://mp.weixin.qq.com/s/R3qLxH7z... 原创 桑基韬 特工宇宙2025年07月01日 18:45 浙江 内容编辑丨桑基韬 内容审核丨特工少女 如果说 2023 年是生成式 AI 的爆发之年，那么 2025 年无疑正在成为“ AI Agent 的元年” 。从科技巨头到初创公司，从软件应用到智能硬件，几乎所有产品都在被“Agent”概念重构。 AI Agent 正从一个技术概念，迅速演变为科技行业的新范式。 但热议背后，众说纷纭： AI Agent 的能力边界在哪里？在技术架构中，它应该扮演“超级应用”还是“新一代操作系统”？它的出现，将如何从根本上重塑人机关系？ 要回答这些问题，我们不能孤立地看待 AI Agent 本身，而应试着把它放在一个更广阔的参考系中。 如同电力设备之于电能的利用 ， AI Agen t 是释放机器智能的最佳载体。 其能力的发展路径，可以从生物智能由物种到个体、再到社会的演化过程中找到参照。 这些能力需要依托智能计算架构来实现。如同传统的指令式计算通过“ 计算元件 操作系统 应用软件”三层结构释放算力这一生产要素，智能计算架构也 在沿着“模型底座—Agent 操作系统—垂直智能 Agent”的路径，逐步构建起释放智能生产要素的体系。 而 AI Agent 最终所呈现出的软硬件形态，则由不断演进的人机关系塑造。核心是匹配人类从指令级、任务级、意图级直到角色级的需求抽象，构建更高效、自然、自主的智能协作方式。 这篇文章将和大家一起回顾生物智能、计算架构和人机关系的演化，分别从能力、技术架构和软硬件形态三个角度，理解 AI Agent 当前的进展和未来可能的发展方向。 从生物智能的演化看 AI Agent 能力的发展 马毅老师提出了智能演化的四阶段路径： 物种智能 个体智能 社会智能 机器智能 ，将机器智能作为前三阶段自然演化智能的延续。 智能本质上是相通的 。如果将机器智能看作一种新的智能形式，它的演化很可能会重复生物智能的物种 个体 社会三阶段路径。 1. 物种智能 生物智能的源头是只能对刺激做出反射性反应的单细胞生物，遵循固定的 “刺激 反应” 模式。类似的，最早的机械计算机严格遵循打孔纸带上的 0/1 机器指令，基于 “指令 执行” 的线性流程。 进入脊椎动物阶段，中枢神经系统对全身的感知和运动进行协调，实现了对环境变化的调控与适应。之后，哺乳动物的大脑皮层不断复杂化，其分层结构能够对海量的感官信息进行逐步整合、处理与抽象，形成了更高级的内部世界表征。在此基础上，灵长类动物的额叶区域显著增大，后续逐步发展出工具使用、模范学习、社会互动等、工具使用和模仿学习等能力，开启了通往现代人类的大门。 在机器智能中，这一过程体现为：从依赖人工编码、规则明确的程序执行逻辑，发展为基于数据驱动和概率的模型推断。AI 模型让机器获得了理解数据并进行推断的泛化能力。多层神经网络进一步实现了类似生物皮层的分层表征机制，能够从原始数据中提取和学习复杂的特征。随着数据规模的增长，学习到的特征具备了通用性与跨任务能力。 当模型和数据规模跨越了某个临界点，这些通用特征的潜力通过“预训练 微调”得以释放，机器智能逐步形成了可以统一感知、记忆、生成和推理的基础结构，“新物种”雏形初现，成为迈向类个体智能的转折点。 2. 个体智能 进入个体智能阶段， 生物和计算的发展重心都从“硬件”转向了“软件”。 生物智能方面，由基因决定的物种级生理结构进化速度放缓，转向以学习和经验驱动的个体智能发展。 机器智能也经历了类似的路径。物种智能阶段的重心是设计优秀的模型架构，如 SVM、概率图模型、CNN 等。在基于 Transformer 的模型架构成熟和稳定后，模型智能的提升主要来源于数据侧：从预训练阶段的互联网存量语料，到后训练阶段通过模型采样生成的新的推理数据，再到推断阶段与环境交互中产生的行为数据。 在生物智能中，语言的出现是一次认知革命。语言不仅是交流的工具和思维的载体，而且实现了知识的跨时空传承。 对应到机器智能，当前 AI Agent 的记忆机制聚焦单个 Agent，致力于优化内部短期和长期记忆的存取。类似语言的知识传承作用，记忆研究要解决的另一个重要问题是：如何构建一个外部记忆网络， 让 Agent 之间可以共享情境上下文和长期经验 。 生物智能进入农业革命阶段，逐步建立起一套相对稳定的基础设施，包括农耕知识、历法制度、定居点等。基于这个简易的社会操作系统，农业生产内部出现开垦、播种、灌溉等专业分工，彼此协作进一步提升了生产效率。 机器智能中的垂直智能代理对应人类的专业分工，需要结合领域数据和专业工具，并设计工作流或设定奖励函数来实现。 这些 垂直智能代理的发展也需要一个抽象出的共性基础层，即 Agent 操作系统：负责资源调度、权限控制、记忆管理等。 这一层的抽象可以极大解放垂直智能 Agent 的开发者，使其专注于高层业务逻辑，加速垂直智能 Agent 应用的广度和深度。 3. 社会智能 根据能力和角色的不同，对应个体智能和社会智能两个阶段，AI Agent 可以分别翻译为智能代理和智能体。 在个体智能阶段，AI Agent 是被动代理，以完成人类指定的任务为目标。 进入社会智能后，AI Agent 具备身份、信用、价值交换能力 ，成为社会主体之一，可以基于社会身份自主发起目标。 为了更好理解 AI Agent 在群体智能阶段的发展，先来回顾人类城市文明的形成过程。农业革命带来了专业化分工，进而有了交换产品和服务的需求。随着生产效率的不断提升，这种交换在没有血缘关系的陌生人之间展开。因此发明了货币、契约、法律等制度，构成了城市文明和大规模社会化协作的底层协议。 发展到社会智能阶段，不同 AI Agent 不只为了完成某个人类任务而协作，而是可以作为独立的社会节点，构成一个社会性协作网络。每个 AI Agent 能够基于规则、激励和目标，自主选择合作对象、进行价值交换