云知声大模型首席科学家刘升平畅谈智能体

当下的AI领域，大模型的竞争已步入“深水区”，单纯“能说”的时代正在落幕，而能让AI真正“会做”的智能体（Agent）技术，正成为产业变革的核心引擎。从一人公司到AI原生组织，从工具辅助到流程重塑，智能体正在重新定义人、机器与组织的关系。

2月10日，由中国信息产业商会交通数智化分会主办的“数行千里·智轨无界”系列讲座第五期在线上成功举行，特邀云知声大模型首席科学家、研发副总裁刘升平博士，进行了题为《浅谈智能体：从概念到应用》的深度分享。此次活动吸引了智慧交通等多个行业的企业代表与技术专家积极参与，在线参与人数创下历史新高，有效搭建了前沿技术与产业实践之间的对话桥梁。

以下为分享精华，我们做了整理，谨供学习。

观点一：2025，智能体迎来爆发元年，OPC成AI原生创业新范式

2025年被业界视为智能体技术的爆发之年。深度检索智能体、AI编程助手、通用型自主智能体等现象级产品接连涌现，使行业直观地看到其实际应用价值。

伴随智能体技术成熟，全新创业范式应运而生——OPC（One Person Company，一人公司）。这一AI原生创业模式中，创始人（碳基大脑）作为决策中心，深度整合AI智能体（硅基执行）与外部协作网络。各类智能体作为“虚拟员工”承担执行工作，通过多智能体协同形成商业闭环。理论上，一个OPC可同时运行成百上千甚至上百万个智能体，让轻资产、高效率的创业成为现实。

观点二：大模型重构智能体核心能力，“模型即产品”成行业趋势

智能体并非新概念。早在2000年，Russell与Norvig就在《人工智能：一种现代方法》中提出：“智能体是能感知环境并通过执行器作用于环境的实体。”但长期以来，受限于AI认知能力，智能体始终停留在理论层面。

直到大语言模型（LLM）成熟，才真正赋予智能体“思考”的能力。如今，基于大模型的智能体具备自主规划、记忆与反思、工具使用三大核心能力，并展现出自主性、交互性、反应性、适应性四大特征。

这三项核心能力，正经历从外部外挂到模型原生内化的关键范式变迁：规划从外部符号规划升级为模型原生推理执行，记忆从外部代码管理升级为模型自主调控，工具使用从单轮API调用升级为多工具协同与自主纠错。

这一变迁背后，是“模型即产品”的行业核心趋势：此前需要外部代码实现的能力，如今均可训练到大模型参数中。早年的智能应用80%由代码构成，模型仅占10%~20%；未来应用中模型占比可能高达80%~90%，外部代码仅占10%甚至更少，模型本身将成为核心产品。

观点三：AGI发展路线图定调智能体方向，多模态+多智能体是未来

大模型的发展路径，直接决定了智能体的技术底座。OpenAI提出的AGI发展路线图（L1–L5），对智能体发展具有极强指导意义：

L1（一问一答）→L2（推理模型）→L3（原生支持智能体，三大核心能力内化）→L4（AIforScience）→L5（组织化协同）

其中，L3是智能体发展的核心阶段，L5是OPC一人公司概念的源头，也是智能体组织化应用的终极阶段。

值得一提的是，国内大模型发展已与国际接轨，部分模型效果达到同等水平。同时，大模型正朝着多模态深度融合、AI for Science、与物理时空结合、轻量化四大方向进化，为智能体发展提供更多可能。基于此，智能体的未来发展聚焦两大方向：（1）依托原生多模态大模型，实现更自然的人机交互；（2）从单智能体走向多智能体系统（但羊群效应、协同不可控等问题仍需行业持续探索）。

观点四：企业AI应用有三重境界，从“能说”到“会做”再到组织重构

智能体的落地深度，与企业的AI应用水平息息相关。刘升平将企业AI应用划分为三重境界，对应大模型L1–L5发展阶段：

第一重：聊天机器人阶段（L1）

以一问一答为核心，落地于智能客服、外呼、信息检索等场景，是企业AI应用的入门级，目前已在各行业广泛普及，实现服务效率提升与人工成本降低。

第二重：智能体自动化阶段（L3）

从“只会说”到“能做事”，将企业内轻量级、可自动化的小流程交给智能体完成，智能体成为“虚拟员工”，替代人类完成重复性工作，这也是当前企业落地智能体的核心方向。

第三重：AI原生组织阶段（L5）

这是企业AI应用的最高境界，企业从底层架构、业务流程、组织考核全面拥抱AI，实现组织重构：员工核心能力转向与AI的协作能力，业务全链路由AI深度改造，组织形态呈现“人类员工+智能体虚拟员工”的混合协作模式，甚至可能实现不到100人类员工搭配100万级别智能体的高效协同。

同时，刘升平博士结合云知声实践提出“工作流+Agent混合机制”的落地思路：将行业通用规范固化为可控工作流，利用智能体灵活处理个性化需求。这一模式已在云知声医疗病历智能质控系统等产品中得到应用。

观点五：破解幻觉难题，三大维度选对智能体落地场景

大模型的幻觉问题，是智能体落地的核心挑战（幻觉无法杜绝，只能控制）。因此，企业选择落地场景时，除考虑投入产出比，还需围绕幻觉建立三大核心评估维度，筛选适配场景，降低落地风险：（1）幻觉率：匹配大模型能力成熟度；（2）幻觉容忍度：匹配业务场景容错能力；（3）幻觉可检测性：用户能发现并校验错误。

实践印证：云知声兽牙智能体平台，多领域落地赋能产业升级

作为AI领域的长期深耕者，云知声基于深厚技术积累推出“兽牙智能体平台”。该平台具备低门槛、易用性、支持私有化部署等特点，预置丰富行业模板，可帮助企业快速构建和部署智能体应用，目前已在多个关键领域实现落地实践：

智慧交通领域：为申通地铁打造智能调度平台及地铁市民12345工单智能流转系统，实现可视管控、调度问答、运行优化与应急辅助的高效协同；

智慧政务领域：为淮高镇部署“数智淮高”一体化小程序与后台管理系统，智能识别群众诉求、自动流转工单并精准处理，大幅提升基层服务响应速度与治理效能。

“AGI和智能体，几乎可以渗透到所有行业，每个行业、每一类现有应用，都值得用大模型和智能体重新做一遍。”刘升平博士认为，从技术发展来看，大模型的成熟让智能体实现了从理论到实践的跨越，规划、记忆、工具使用的模型原生进化，以及轻量化技术的发展，正持续降低智能体落地门槛；从企业应用来看，智能体不仅是提效降本的工具，更是推动企业从AI工具使用到组织重构的核心力量，AI原生组织将成为未来企业的主流形态。