11.4 迈向通用人工智能
智能体 AI 被广泛认为是通往 通用人工智能（AGI） 的必经之路。从简单的聊天机器人到能够自主感知、规划和行动的智能体，人类正处在 AI 进化的关键拐点。
本节展望未来的技术趋势，探讨 AGI 的分级标准及可能的演进路径。
11.4.1 AGI 的定义与分级
一种常见做法是用“能力分级”来描述从对话系统到通用智能的演进路径。本节用“五级路线图”的形式给出一个可讨论的框架，帮助你定位不同系统的能力边界。
11.4.2 AGI 五级路线图
Level 1: 聊天机器人
具有对话能力的 AI。
代表：典型对话系统。
现状：已实现。
Level 2: 推理者
具备人类水平的问题解决能力，能够处理复杂的逻辑推理。
代表：更强的推理型系统。
现状：逐步成熟，但能力边界仍与场景强相关。
Level 3: 智能体
能够代表用户采取行动，长时间自主运行。
能力：不仅能"说"，还能"做"；不仅能回答问题，还能 完成工作。
现状：加速落地 / 企业采用期（本书探讨的核心）。
Level 4: 创新者
能够协助发明创造，发现新知识。
能力：阅读所有生物学论文，提出新的蛋白质折叠假设。
现状：尚未实现。
Level 5: 组织
能够完成整个组织的运转工作。
能力：自主运营一家公司，无需人类干预。
现状：科幻范畴。
智能体 AI 正是连接 Level 2 到 Level 4 的关键桥梁。
11.4.3 未来趋势一：端侧智能体
目前的智能体大多运行在云端，但这面临隐私泄漏、网络延迟和成本高昂的问题。未来的趋势是 AI 的 小型化和本地化。
小语言模型
一类趋势是更小、更便宜、更易部署的模型在快速进步，逐步覆盖一部分端侧场景。
OS 级别的集成
端侧系统级集成通常具备三个特点：
能读取屏幕内容（屏幕感知）。
能跨应用操作（应用意图）。
尽可能在本地完成敏感数据处理。
未来，"每个人的手机里都有一个贾维斯" 将成为现实。
11.4.4 未来趋势二：具身智能
智能体终将通过机器人拥有物理身体。
Robot as Agent： 特斯拉 Optimus, Figure 01 等人形机器人正在将 视觉语言模型 (LLM/VLM) 作为大脑。
多模态闭环： 传统的机器人控制依赖硬编码的规则。具身智能体 实现了：
感知：看到杯子在桌边（Vision）。
推理：杯子快掉了，如果不接住会碎（Reasoning/World Model）。
规划：我应该伸出右手，以特定速度移动（Planning）。
行动：发送电机控制信号（Action）。
挑战： 现实世界的物理容错率几乎为零。代码写错了可以重跑，机器人摔倒了硬件就坏了。Sim-to-Real（仿真到现实）的迁移技术是关键。
11.4.5 未来趋势三：大模型即操作系统
一种常见的类比是把“大模型 + 工具 + 规则 + 调度”视为某种“软件操作系统”的雏形。
如果将 LLM 类比为 CPU：
上下文窗口 = RAM：上下文窗口就是内存，存放当前正在处理的数据。
RAG / Vector DB = Disk：外部存储就是硬盘，存放长期记忆。
Tools / APIs = IO Devices：能够连接联网、外设。
Agent Controller = Kernel：负责进程调度、资源分配、权限管理。
在未来，只要你依然在使用计算机，你其实就是在与一个智能体交互。 传统的图形界面（GUI）可能会逐渐退化为辅助，自然语言界面（LUI） 将成为人机交互的主流。不再需要学习如何点击菜单，而是学习如何向计算机下达清晰的指令。
11.4.6 未来趋势四：开放标准与行业协作
行业协作与开放标准也是重要趋势：当工具连接、权限边界、上下文传递逐步标准化后，智能体更容易跨产品与组织复用。
核心标准方向
常见的标准化方向包括：
工具描述与调用
让不同系统用一致方式描述工具与参数
权限与审计
明确“谁能调用什么”，并可追溯
上下文传递
在协作链路中稳定地传递关键上下文
轨迹与可观测性事件
支持跨系统回放、评估与排障
下一节: 本章小结
Last updated