联想集团范建平:“自进化智能体”未来会成为新热点

睿见Economy
Nov 14

专题:2025中国高新技术论坛

  由深圳市人民政府主办的第二十七届高交会于2025年11月14日-16日在深圳举行。作为高交会的重要论坛“中国高新技术论坛”于11月14日举办,论坛主题为:人工智能赋能未来产业发展”。联想集团副总裁、联想研究院人工智能实验室负责人范建平在演讲中指出,智能体和智能终端未来会成为新的热点,智能体本身也在不断前进和演化,所谓的“自进化的智能体”。

  他解释到,首先是技术上的可行性,大模型变得越来越好,会变得越来越大,当然也有人研究变得越来越小的大模型。二是计算机的算力也在不断增长,微软AMD英特尔在推40Tops的计算单元,客户也有此需求。三是商业上可行,可以解决客户隐私的隐患和Token的焦虑。

  范建平指出,因为自进化、自动适应环境和任务的变化,是人类智能一个重要的Milestone,智能体未来也必须要向这方面发展,而且它不仅可以用到终端,也会成为AGI,是Final dream的桥梁。

  以下为演讲实录:

  范建平:大家好,现在我给大家介绍一下面向普惠大众的应用,面向终端设备的AI。

  首先看一下行业的大趋势,1981年有第一台PC后,进入了计算机时代,大约10年后有互联网,但PC并没有因为互联网的产生而消失,所以我们有控制互联网入口的Internet PC。Mobile-Cloud后PC仍然没有消失,后面有了Cloud AI,我们要思考AI如何重构过去的行业,像PC、终端设备、云。

  我以前在美国做教授,AI不是那么流行,但从2012年Alex Net出来后,AI就转向可以实用的,我们那时候把它定义叫Perception AI,2020年General NativeAI出来后,Social media开始讨论AI,从去年年底到现在人们开始讨论AI Agent,面向普通大众可以使用的。我们认为Agent将会是下一个热点。

  当终端设备有了Agent时,会变得更Smart,我们可以充分define什么叫Smart device。让我们从这三方面看一下AI Agent和Smart device为什么可以成为下一个热点。

  首先是技术上的可行性,大模型变得越来越好,会变得越来越大,但另一方面也有人研究变得越来越小的大模型。二是计算机的算力也在不断增长,微软和AMD、英特尔在推40Tops的计算单元。客户也有这样的需求,General Native AI改变了Human computer interaction,我们可以用Native Language跟Device进行交流,而且未来的智能体可能可以更understand我们customer的request,这样就会让我们的device变成我们的一部分。三是商业上可行,因为Customer有这样的需求,商业上可以解决客户隐私的隐患和Token的焦虑。我们的钱是Token去付的,如果把大模型放到PC里,可以由我们自己的Computing来产生Token。

  从这三方面考虑,我们认为智能体和智能终端未来会成为新的热点。智能体本身自己也在不断前进和演化,所谓的自进化的智能体。因为自进化,自动适应环境和任务的变化,是人类智能一个重要的Milestone。我们的智能体未来也必须要向这方面发展,而且它不仅可以用到终端,也会成为所谓的AGI,是Final dream的桥梁,没有这种自进化能力,它不可能成为一个AGI的。一个自动化的智能体未来也会重新定义终端,我们的终端未来会变成一个personalize的终端,它越来越贴近你的需求,越来越能够understand你,它必须要拥有一个自进化的智能体,我们把它定义为自进化的AIPC或者自进化的Smartphone(音)。

  我们把Agent定义成六个阶段,现在是类似Deep Research,今天cover的是Self-involved Agent,随着时间的进化会变得越来越好。我们如何实现这个东西?我们很久以前开始研究端侧大模型、端侧智能体,2024年发布了世界上第一台AIPC,包括智能体大脑、工具库、知识库、任务拆解模块、应付理解模块、记忆模块。很多大模型公司越来越把Agent能力integrate到大模型里,我们要反其道而行之。为什么我们要去Discover这个设计?我们把Agent的brain和其他component Discover出来时,未来大模型会变得越来越好,我们是可以换脑袋的,而且未来它可以自进化,自进化大脑是一件非常难的事情,自进化其他的component是一件可行的事情。模型越大,性能越好,端侧的大模型肯定有它的Iimitation,虽然它可以带来很多的benefit,所以我们需要Hybrid的approach来实现,根据它的Budget、privacy concern的程度。我们可以把这个任务assign到不同的智能体上来达到更好的service。

  我们实现了六个模块的智能体来赋能联想的AIPC,我们是世界上第一个发布的AIPC的公司,现在AIPC占我们的出货量30%,因为我们现在是世界No.1的PC出口量,我们是唯一一个能够提供真实具有端侧模型的AIPC厂商,遥遥领先于世界上其他PC厂商。

  我们出厂时会完成智能体和AIPC,当我们产品到Customer时,就会根据它自己的数据来update这个智能体,然后实现个性化服务。学术界有很多讨论,如何自进化的大模型,搞搞学术研究可以,但产品上用不太行。就像蚍蜉撼大树,那么Limited的customer的订单去update一个无穷大数据量的大模型,相当于一滴水,在大海里掀不起风浪。

  我们做的另外一个update是模块的update模块的自进化,把大模型从其他功能模块分离出来的原因就是因为未来它可以实现自进化。这个自进化可以达到三个目的:一是对新场景的自适应、新任务的自适应、新环境的自适应,这种自适应是多个层面的,大家都用过Deep research think Agent,它变得比以前更慢,这是我们不希望看到的。我们怎么Leverage过去曾经做过的东西。有第一种Leverage,会require memory,如果这个工作昨天已经做过了,那覆盖过来就可以。二是这种工具我曾经用过,而且我知道它的parameter是什么。三是指导方针,什么东西是我能干的,什么是我不能干的,我可以自动declare一些task。这是所谓自进化的智能体对终端带来的帮助。

  只要有了智能体,必然会讨论群体智能,多个智能体在设备互联时是怎么合作的,来达到解决一个更复杂的问题。中国人经常说三个臭皮匠顶个诸葛亮。但在现实生活中这个事情从未发生过,因为三个臭皮匠臭到一块儿了,他们功能都一样的。如何让这些智能体相互互补变得更好?它们要功能互补。我们在training Agent的时候,它要Specialize才能够conversation each other,而且单纯的collaboration是没有用的,我们还需要Hierarchical,我们需要一个比大家高一点的东西去完善这些脚本。一个Hierarchical的结果是所谓的超级智能体,它能够去把一个任务理解完了之后分离到其他地方,未来我们怎么去达到Human machine完全的integration,是我们未来的dream,也是我们Work的方向。谢谢大家!

  新浪声明:所有会议实录均为现场速记整理,未经演讲者审阅,新浪网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。

海量资讯、精准解读,尽在新浪财经APP

责任编辑:李昂

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10