近日，產(chǎn)聯(lián)智庫(kù)舉辦了一場(chǎng)聚焦“AI賦能產(chǎn)業(yè)升級(jí)與經(jīng)濟(jì)發(fā)展”的圓桌對(duì)話，邀請(qǐng)學(xué)界與產(chǎn)業(yè)界專家共同探討AI智能體發(fā)展趨勢(shì)、產(chǎn)業(yè)融合路徑及中小企業(yè)智能化轉(zhuǎn)型等核心議題。北京工業(yè)大學(xué)教授、IEEE China Council常務(wù)理事李文正結(jié)合自身在人工智能大模型與高性能計(jì)算領(lǐng)域的研究經(jīng)驗(yàn)，就Agentic AI（智能體AI）時(shí)代的計(jì)算架構(gòu)變革、算力與電力協(xié)同優(yōu)化等關(guān)鍵問(wèn)題發(fā)表了深度見(jiàn)解。

李文正指出，AI大模型的發(fā)展已從“對(duì)話生成”邁向“執(zhí)行真任務(wù)”的Agentic AI階段，形成“大模型+智能體+環(huán)境”的協(xié)同生態(tài)。這一轉(zhuǎn)變標(biāo)志著AI從被動(dòng)響應(yīng)轉(zhuǎn)向主動(dòng)解決問(wèn)題，例如OpenClaw等開(kāi)源智能體的爆火引發(fā)了行業(yè)對(duì)“AI獨(dú)立上崗”的討論。他分析稱，當(dāng)前技術(shù)路徑呈現(xiàn)兩大方向：一是以O(shè)penAI GPT-5.4為代表的“大一統(tǒng)模型”，將原生深度集成至工作流，實(shí)現(xiàn)電腦操作超越人類；二是以Anthropic Claude Opus 4.6為代表的多智能體協(xié)同框架，通過(guò)分工協(xié)作提升任務(wù)處理效率。

在產(chǎn)品形態(tài)層面，全球首款通用型AI智能體Manus與開(kāi)源框架OpenClaw成為焦點(diǎn)。Manus定位為云端運(yùn)行的數(shù)字員工，而OpenClaw則聚焦本地設(shè)備部署，二者均通過(guò)適配現(xiàn)有大模型實(shí)現(xiàn)功能落地。李文正強(qiáng)調(diào)，Agentic AI的核心特征在于自治性、感知能力、決策推理與目標(biāo)導(dǎo)向性，推動(dòng)AI從“單點(diǎn)對(duì)話”向“多智能體協(xié)同”演進(jìn)。這一趨勢(shì)對(duì)企業(yè)而言既是機(jī)遇也是挑戰(zhàn)，需解決數(shù)字空間與物理世界的深度融合問(wèn)題，即“符號(hào)落地”難題。

針對(duì)智慧城市運(yùn)營(yíng)，李文正提出“城市智能體”概念，認(rèn)為其將從“被動(dòng)處置”轉(zhuǎn)向“主動(dòng)預(yù)防”，服務(wù)體驗(yàn)從“千人一面”升級(jí)為“極致個(gè)性化”，管理對(duì)象擴(kuò)展至“虛實(shí)融合”空間。這一變革對(duì)城市基礎(chǔ)設(shè)施提出四大挑戰(zhàn)：算力架構(gòu)需從中心化轉(zhuǎn)向云邊端一體化；數(shù)據(jù)治理需打破部門壁壘實(shí)現(xiàn)全域融合；信任體系需內(nèi)置倫理對(duì)齊機(jī)制；容錯(cuò)標(biāo)準(zhǔn)需從“體驗(yàn)降級(jí)”提升至“零故障容忍”。他比喻稱，未來(lái)城市基礎(chǔ)設(shè)施將如同“有機(jī)生命體的神經(jīng)系統(tǒng)”，集成算力、數(shù)據(jù)與倫理于一體。

在降低大模型幻覺(jué)方面，李文正引用《思考，快與慢》的雙系統(tǒng)理論，指出推理模型（LRMs）通過(guò)“鏈?zhǔn)剿季S”技術(shù)路徑，強(qiáng)制模型從直覺(jué)思維切換至理性思維，有效減少?gòu)?fù)雜任務(wù)中的幻覺(jué)現(xiàn)象。例如，OpenAI o1與DeepSeek-R1通過(guò)延長(zhǎng)思維鏈提升推理精度，但需平衡算力成本。他提出動(dòng)態(tài)決策與架構(gòu)創(chuàng)新方案：簡(jiǎn)單任務(wù)采用直覺(jué)思維，復(fù)雜任務(wù)切換至推理計(jì)算單元，并通過(guò)混合專家模型（MoE）實(shí)現(xiàn)專家分工，避免“一刀切”式資源消耗。

針對(duì)算力與內(nèi)存的博弈，李文正分析稱，AI大模型推理存在“預(yù)填充”與“解碼”兩階段需求差異：前者為計(jì)算密集型，后者因自回歸特性導(dǎo)致KV-Cache爆炸式增長(zhǎng)，形成“推理內(nèi)存墻”。他指出，Agentic AI時(shí)代計(jì)算范式正從“浮點(diǎn)運(yùn)算量”轉(zhuǎn)向“邏輯編排效能”，CPU需轉(zhuǎn)型為高頻交互式AI推理優(yōu)化處理器。例如，Groq LPU通過(guò)片上近存計(jì)算消除HBM訪存瓶頸，與英偉達(dá)Rubin GPU協(xié)同實(shí)現(xiàn)低延遲Token生成；Cerebras Systems則通過(guò)集成海量計(jì)算核心與高速片上存儲(chǔ)，在特定任務(wù)中實(shí)現(xiàn)比傳統(tǒng)GPU集群高數(shù)十倍的運(yùn)算速度。

在算力與電力協(xié)同層面，李文正提到，隨著模型參數(shù)從千億級(jí)邁向萬(wàn)億級(jí)，數(shù)據(jù)中心電力需求呈指數(shù)級(jí)增長(zhǎng)。美國(guó)xAI超級(jí)計(jì)算機(jī)Colossus 2獲批部署41臺(tái)天然氣輪機(jī)，發(fā)電容量達(dá)1.2吉瓦，凸顯電力供應(yīng)挑戰(zhàn)。他建議，通過(guò)“東數(shù)西算”戰(zhàn)略布局新型數(shù)據(jù)中心基礎(chǔ)設(shè)施，如太空或海底數(shù)據(jù)中心，并利用AI優(yōu)化電力調(diào)度。同時(shí)，我國(guó)已出臺(tái)《加快構(gòu)建新型電力系統(tǒng)行動(dòng)方案（2024—2027年）》，推動(dòng)算力-電力協(xié)同項(xiàng)目落地，以系統(tǒng)化創(chuàng)新應(yīng)對(duì)能源與計(jì)算需求矛盾。