北京说Agent已经能造世界，杭州却说它是刚发明的电灯泡

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 北京说Agent已经能造世界，杭州却说它是刚发明的电灯泡 十三 2026-07-25 19:07:25 来源： 量子位 工业圈和学术圈“唱反调” 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 你敢相信么，现在的AI，已经把 “横店” 给直接搞到了线上了！ △图片由AI生成 以后啊，人要进横店拍戏，可能就会出现两种方式了。 一种是像以前一样，本人肉身进剧组；另一种，则变成了坐在电脑前，进入线上虚拟片场，在数字化的影棚中调度人物、道具和摄像机，完成影视创作。 这便是在阿里 硬核少年技术节5.0 博见社 北京工业场 中，群核科技所分享出来的颇为有趣的案例。 据介绍，相关团队将横店的部分线下片场扫描、重建，并放到线上作为3D影视基地，创作者可以直接进入这些虚拟片场，使用数字化影棚进行内容生产。 毕竟之前我们还在聊的是AI生成视频，而现在，它已经开始把真实片场搬进电脑了。 不过更有意思的，还在后面。 今年，硬核少年技术节旗下的博见社首次设置了两场对话。一场是我们刚才提到的 北京工业场 ，它的主题是 “AI下一站：从生成内容到构建世界” ，虎鲸文娱、美图、群核科技等企业带来了AI产业实践。 而 杭州学术场 ，则联合CCF人工智能与模式识别专业委员会，邀请来自清华大学、南京大学、上海交通大学、天津大学、山东大学和上海人工智能实验室等机构的学者，讨论 “从生成式AI到智能体进化” 。 从北京这边的分享来看，AI已经开始进片场、组团队、搭建三维世界；但当麦克风给到杭州那边，却有人站出来“唱反调”。 在杭州场的圆桌讨论中，有人用电力革命类比今天的Agent： 当前的Agent大概只 相当于电灯泡刚刚被发明出来 ，确实比蜡烛好了一些，但电力后来催生的电网、电机、家用电器，以及一系列过去从未出现过的新事物，我们今天还没有真正看到。 △硬核少年技术节5.0博见社杭州学术场 相隔一千公里的北京和杭州、工业圈和学术圈，怎么会对Agent的观点如此南辕北辙？ △图片由AI生成 杭州学术场：Agent发展像电灯泡 我们先来看下杭州学术场这边。 在正式进入讨论之前，南京大学教授 高阳 在致辞中提到，从早期的逻辑智能体、强化学习智能体，到今天的大模型智能体，AI正在把曾经的哲学设想一步步带入工程现实。智能体在底层能力、工程框架、可靠性与安全性上还有许多问题没有答案。此次博见社让学术前沿与产业真问题相遇，共同寻找智能体的下一步。 而从现场来看，与会嘉宾们首先针对一个非常现实的问题展开了讨论—— Agent究竟发展到哪一步了？ 对于这个问题，有一说一，嘉宾们其实没有给出统一的答案。毕竟今天大家口中的Agent，本身就包含了完全不同的形态；如果观察维度不同，得到的判断自然也会不同。 比如从应用能力看，天津大学教授、国家优青 郝建业 认为， Coding Agent 已经很难再被简单划入初期。原因是，它们已经能够接手相当一部分过去由程序员完成的具体工作，这种替代并不只存在于演示视频里，而是在真实业务中逐渐发生。 △天津大学教授、国家优青，郝建业 但如果把视角转向底层技术，郝建业给出的判断又会谨慎许多： 今天Agent能力的提升，仍然高度依赖基座模型；至于agent架构设计的很多思想理念比如MAS、Loop Engineering等概念，学术界其实早已研究多年。只不过在强基模出现以后，这些过去无法发挥性能的技术路线，终于获得了进入大规模应用的机会 换成 具身智能 ，进度条又要往回拉。 机器人进入现实世界后，需要同时处理视觉、空间、物体、动作以及环境中的各种突发变化。实验室里完成一次流畅演示，与进入工厂、家庭后长期稳定工作，完全是两个难度等级。 再往前一步，真正能够像人和动物一样，在 开放世界 里不断学习、自己发现问题、自己设置目标的Agent，甚至被现场嘉宾判断为处在“比初期更早”的位置。 这种Agent目前缺乏成熟的理论和方法。持续学习过程中，还会遇到灾难性遗忘、模型可塑性不足等问题。换句话说，模型可能学会了新的东西，却把旧能力忘掉；即便持续给它新的经验，它也未必能够无限吸收。 这么看下来，Agent并没有一条统一的进度条。 在代码、检索等数字空间中，它已经能够完成一些相当复杂的工作；到了现实世界，稳定性和泛化能力立刻成为难题；至于持续自主学习，很多最基础的问题还没有答案。 在发展阶段之外，现场的第二个争论更加尖锐： 从生成式AI走到Agent，究竟是量变，还是质变？ 多数嘉宾的判断偏向量变。 在他们看来，今天Agent能够执行更长的任务，主要得益于基模能力增强、上下文窗口变长、工具调用更加稳定，以及Harness持续优化。能力确实在提升，但底层技术范式还没有发生明显变化。 真正的质变，应该发生在Agent能够突破基座模型原有能力上限之后。 与会嘉宾对此给出了比较清晰的标准： Agent要能够判断自己的结果是否正确，发现问题后主动修正，并将任务执行过程中产生的经验沉淀下来，形成自我进化。只有跨过这一步，它才算从依赖人类数据和预设流程，走向真正的自主学习。 不过，山东大学教授 韩忠义 从产品形态出发，给出了另一种观察。 过去的生成式AI主要负责回答问题，而Agent已经开始规划任务、调用工具，甚至直接替人完成工作。从“告诉你该怎么做”，走到“它自己动手去做”，无论底层技术是否发生范式变化，用户感受到的产品形态确实已经不同。 上海人工智能实验室青年研究员 张航帆 ，则把这两种观点接到了一起。 在他看来，技术进步通常是一小步一小步积累起来的，很难在某个精确时间点突然发生指数级跃迁；可当一项能力的成功率跨过临界点时，用户的体验会突然发生改变。 比如一项任务，过去执行一百次只能成功一次，现在一百次只失败五次。站在技术演进角度看，这是持续量变；站在用户角度看，它已经从“不可用”变成了“可以交给它做”，这当然可以被理解为质变。 △上海人工智能实验室青年研究员，张航帆 顺着这个逻辑，现场的第三个问题也就自然出现了： Agent真正获得自我进化能力，到底还缺什么？ 杭州场的四场主题报告，刚好从不同角度拼出了答案。 郝建业 关注的是工具调用、长期任务、记忆和安全。工具让Agent从聊天框进入真实环境，记忆让它能够把一次任务中的经验带到下一次任务，而安全则决定它能否进入生产系统，承担真正有风险的工作。 所以在郝建业看来，Agent的价值并不只体现在单次生成能力上，更重要的是，它能否持续调用工具、沉淀经验，并在安全边界内完成长时间协作。 上海交通大学人工智能学院长聘教轨副教授 温颖 ，则把问题放进了持续强化学习。 △上海交通大学人工智能学院长聘教轨副教授，温颖 人工提供的高质量数据总会遇到上限，模型要继续进步，就需要形成“生成—评估—训练”的循环：自己产生新的经验，再从中筛选有效部分，用于下一轮更新。 但大语言环境与传统强化学习有一个明显区别。传统强化学习通常把策略、环境和评价信号分开处理，而在大语言模型里，同一套参数可能