如何进一步挖掘人工智能的潜力，让它更深度、更广泛地融入工作与生活，创造更大价值？

  日前，由中国水利学会、光明网联合推出的水科学大讲堂邀请到中兴通讯股份有限公司AI首席专家韩炳涛针对AI发展进行直播分享。水科学大讲堂是中国水利学会主办的水科学科普品牌活动，主要是为了进一步增强水利行业及全社会科学爱好者对涉水前沿科学技术的关注和了解，提升全民水科学意识。

  韩炳涛表示，智能体技术正推动AI应用进入全新阶段。从早期逻辑推理的“能计算”到如今大模型与智能体的“会思考”，每一步突破都藏着技术与需求的碰撞。

  一、大模型的进化瓶颈与突破方向

  （一）规模定律的挑战与延续

  神经网络的“规模定律”曾让人们认为“参数越大，能力越强”，但单纯扩大规模已难持续提升性能。将参数从万亿增至10万亿，未必带来质变。

  韩炳涛认为，需通过增加数据量、提升数据质量，结合推理能力优化等方式延续规模优势，让大模型在更高效的路径上进化，而非仅依赖算力堆砌。

  （二）推理与多模态能力的飞跃

  2025年起，大模型展现出显著的“思考能力”：解决问题时先输出推理过程再给结论，这让编程准确率提升300%，数学任务准确率提升500%。

  多模态融合能力（此图由AI生成）

  同时，多模态融合能力也有所突破——过去处理语音对话需三个模型分工，如今单模型可直接理解语音、文本、情感，甚至捕捉用户焦急语气，使得交互体验更具温度。

  二、智能体：从对话到行动的核心引擎

  （一）智能体的核心能力构成

  智能体=大模型+记忆能力+规划能力+工具使用能力+行动执行能力。

  智能体核心能力构成（此图由AI生成）

  与传统对话机器人的“一问一答”不同，智能体可自主拆解任务、记住过程节点、调用工具资源，实现从“被动响应”到“主动完成”的跨越。

  例如，接到“订外卖”指令时，能自主完成搜索、筛选、下单全流程，无需用户分步指引。

  智能体的行动执行能力（此图由AI生成）

  （二）当前瓶颈与突破方向

  目前，智能体的核心瓶颈在于规划能力。多数商用智能体的任务步骤仍依赖人工预定义规则，属于特定场景专用工具。若能攻克“自主生成步骤”的难关，通用智能体将实现从“专用”到“通用”的飞跃。

  三、四大方向引领未来发展

  （一）开启智能任务设计新时代

  让大模型自主设计任务流程是核心目标。例如，在需求分析场景中，智能体能自动规划“研究竞品→梳理用户痛点→匹配现有资源”的步骤，无需人工预设，大幅提升复杂任务处理效率。

  智能体重塑AI应用形态（此图由AI生成）

  （二）构建更自然的交互桥梁

  强化对语音、图像、视频、三维空间等多类型信息的综合处理能力。这不仅提升交互自然度，更支撑具身智能——视觉语言动作模型可根据摄像头感知的三维信息，直接控制机器人关节完成物理世界任务。

  （三）打破AI商用成本壁垒

  降低每个token（在计算机领域中，token通常是指一串字符或符号）的处理成本是商用关键。如DeepSeek（深度求索）通过技术创新将推理成本降低数倍，实现低价服务仍盈利，为大规模应用扫清算力昂贵的障碍。

  技术创新降低商用成本（此图由AI生成）

  （四）实现端云协同智能

  提升手机、汽车、机器人等终端设备的AI能力，实现端侧与云端智能联动。例如，手机本地处理简单指令，复杂任务联动云端大模型，兼顾响应速度与处理能力。

  云端协同智能（此图由AI生成）

  四、AI进化的阶段跨越与未来展望

  现如今，AI已从L1聊天机器人、L2推理者阶段，迈入L3智能体阶段。未来将向L4创新者、L5组织者演进，即创新者具备自主优化任务方案的能力，组织者可协调多智能体协作，实现复杂系统级任务。

  AI进化的阶段跨越（此图由AI生成）

  智能体正重塑AI应用形态，从规模依赖转向能力深化，从被动响应转向主动行动。2025年的四大发展方向——自主工作流、全模态融合、低成本推理、端云协同，将推动AI从实验室走向千行百业。从对话助手到自主伙伴，智能体开启的不仅是技术新篇章，更是人与AI协同共生的新可能。

  【专家简介】

  韩炳涛，中兴通讯股份有限公司AI首席专家，星云大模型总工程师

  制作：田新宇、林佳欣、李鑫怡（实习）

  光明网直播服务团队对本次活动进行了全程直播。更多详细信息，可点击下方链接观看回放。

  点击回看水科学大讲堂 | AI大模型与智能体：核心机制、演进历程及在各行业的落地应用