鄔賀銓 中國工程院院士

我國互聯網發展歷經網絡化、移動化，現已進入以智能化和泛在化為特征的數智化時代。為適應這一結構性跨越的需要，互聯網亟需實現“新質化”，核心在于發揮人工智能（AI）的引擎作用，以智能體（AI Agent）為關鍵突破口，引領智能互聯網發展，破局工業互聯網應用。

當前，大模型技術雖在參數規模、多模態能力上持續迭代，但AI技術的規模價值尚未得到充分釋放。生成式AI大模型的核心癥結在于難以真正理解物理世界，僅能作為“被動助手”一問一答，而行業應用需要善解人意并執行的“代理”。

智能體正是破解這一困局的關鍵路徑：它通過整合大模型（基礎知識）、記憶系統（上下文關聯和經驗積累）、工具調用（物理世界認知與交互）及規劃能力（任務拆解），實現了AI從“內容生成”轉向“任務執行”的應用范式 。

進化式自主編程的智能體已經成為智能體新的發展方向。利用AI大模型的能力，多智能體系統通過群智聚合能夠自主生成、測試并迭代優化算法，甚至發現全新的算法。目前已經出現用于發現和優化通用算法的平臺，但多被用于科學研究領域，還不適于直接落地行業應用。

我國實體經濟產業鏈的升級正面臨排產調度、資源優化、路徑規劃、交易決策等諸多復雜挑戰，迫切需要從AI for Science（AI助力科學研究）發展到AI for Industry（AI賦能產業應用），推進人工智能與實體經濟深度融合。傳統算法的局限性在于難以觸及“全局最優解”，尤其是對我國工業門類齊全的千行百業。以編程智能體為代表的新一代AI技術，正在成為激發通用模型與行業知識深度融合的“化學反應爐”，其核心價值在于實現算法的自我演進與優化，為實體經濟找到更優的解決方案。

一般來說，想要打造一個讓AI算法自主進化、尋找全局最優的多智能體系統，需要結合大語言模型和進化搜索算法，并具備跨領域、端到端的自動化問題求解能力，即機器學習、組合優化、GPU內核生成、數學問題求解等能力。生成流程包括：可自我演化的智能體在收到指令后首先基于自身能力尋找算法，利用經典的專家策略或AI搜索不斷進化，以復雜指令形式交給大模型完善并形成新算法，再交到人類預定目標的評估器上判斷質量，打分并作為依據交給下一輪再采樣迭代完善。

百度提出的自我近化超級智能體“伐謀”率先探路，通過AI能力內化，專注于在復雜系統中尋找“全局最優解”。 “伐謀”的出現給出了AI for Industry的一種可能方案：AI不只是局部環節提升效率，而是嵌入企業系統乃至產業鏈去尋找全局最優解，打造新型工業化生態。百度創始人李彥宏在《人民日報》發表署名文章專門介紹“伐謀”的設計理念和初步實踐，“伐謀”以打造出適應市場競爭需要和技術發展趨勢的新質生產力為使命，邁出了堅實的一步，做出有積極意義的探索。

一個直觀的例子是內蒙古自治區鄂爾多斯市伊金霍洛旗早晚高峰期的交通優化方案。該地新老城區跨河通勤的繁忙路口上過去時常出現車輛排隊擁堵的現象。在引入百度智能云SaaS信控平臺后，這里的信號燈仿佛擁有了“大腦”，能根據實時車流自動調整配時方案，使車均延誤降低了13%。隨著“百度伐謀”的介入，算法實現了自主迭代，在原有基礎上，車均延誤再降低5%。垂直行業有更多適于采用自我進化智能體來提升效率和質量的應用場景。在國家深入實施“人工智能+”行動、推動人工智能與千行百業深度融合的背景下，自我進化智能體將為中國企業邁向數智化轉型提供一種全局尋優方案的創新思路，將會助力我國更多行業激發新質生產力。