人类或许正在成为AI变聪明之后的新短板。这话听着别扭，但眼下正一点点变成事实。

上述判断出自中国人工智能公司深度求索的一篇技术文章。这家公司此前靠性价比高的大模型在全球打出名气。

其团队近日公开了一套叫“超级智能体”的新架构设计。按设想，AI智能体要能同时处理多项任务，还得在人工干预更少的前提下一直跑下去。

深度求索的重心正从“造大模型”挪向“用好大模型”。让AI真正替人干活，正在成为行业的新题目。

人一次只能同时盯三到五个窗口

深度求索团队的说法是，AI模型在单项任务上越来越强，人的注意力反倒成了新瓶颈。

眼下多数AI智能体都跑在彼此独立的会话里。每个会话就像一个单独的小房间。

用户得在不同任务之间来回跳，每个任务的上下文还要手动管。

团队估算，一个人能有效跟踪的活跃会话，大致也就三到五个。

可以想象成同时开着五个聊天窗口，跟五个助手分别对话，人忙得团团转。

AI本事再大，若每一件都要人盯着、每一步都要人确认，效率提升终归有限。

一个“调度员”，多个“执行者”

针对这个难题，深度求索给出四个设计目标：连续性、高效性、主动性、持久性。理想助手该有的特质，几乎都落在这四点里。

所谓连续性，是用户能在聊天软件、编程平台等不同场景里，跟同一个智能体一直协作下去。

高效性指的是智能体能并行处理复杂任务，不用排着队一件件来。

主动性说的是它能自己发现该关注的问题，不用等人开口吩咐。

持久性则指它可以长时间连续运行，中途被打断也能自行恢复。

架构上，超级智能体走的是“路由器加工作者”的双层路子。有点像公司里的项目经理带一支执行团队。

跟用户沟通、维护共享上下文、把任务分派出去的，是路由器。

多个工作者各自独立干活，再把进展和结果报给路由器。

整套系统还靠事件驱动、异步交互，外加一个叫“看门狗”的外部监控程序撑着运转。

琐碎的会话管理由此交给系统，人可以把精力放在高层决策和审核结果上。

这套设计搭在深度求索今年8月以开发者预览版形式开源的智能体框架上。该框架推出时，被看作公司转向应用层的重要信号。

框架采用模块化、插件式架构，AI模型可以调用各类工具来完成任务。

深度求索透露，公司内部已经跑着一个超级智能体，帮他们复现和修复软件缺陷、回应代码评审，同时持续改进框架本身。

有个挺典型的例子：开发者群聊里有人提了一句某个程序错误，这个智能体自己找上去尝试复现，接着在后台动手修复，全程没有谁给它下过指令。

AI在帮着改进让它自己运转的工具，这一幕多少有点“自我进化”的味道。

眼下，一个研究原型已经在代码托管平台上公开，开发者能下载体验，也能参与改进。

不过深度求索把话说得很明白：这不是正式产品，还不能用于生产环境，公开版本跟内部系统有差异，部分功能仍在开发中。

智能体之战全面打响

押注智能体的中国企业不止深度求索一家，国内科技巨头纷纷入局。

腾讯近日表示，其智能体开发平台能帮企业定制、管理并协调客服、营销、运营等各类智能体。

在腾讯看来，推广应用的關鍵挑战在于如何把智能体接入企业现有的业务系统、数据和流程。

阿里云今年7月也推出了新工具，用来监控智能体表现、协调多个智能体完成复杂工作流。

中国AI行业的竞争焦点正悄然转移：从大模型的“参数竞赛”转向智能体的“落地竞赛”。

深度求索近来的势头也相当猛，新模型的调用量增速惊人。

其一款新模型一周内调用量达到33.6万亿个令牌，登上全球周使用量榜首；公司还宣布开源一套内部推理框架，以降低算力成本和能耗。

能力越大，风险也越需要管住

当然，深度求索也坦承，超级智能体还有不少难题待解。这种坦诚在行业宣传中并不多见。

比如，工作量增长后如何扩展规模、长期记忆怎么实现、不同智能体之间怎样高效沟通。

安全和隐私问题同样不容忽视，尤其是云端智能体需要访问用户本地设备的时候。

一个能主动行动的AI，既可能帮你提前解决问题，也可能在你不知情的情况下做出错误操作。主动性越强，出错时的影响也可能越大。

怎么给智能体划定权限边界、在关键环节保留人类确认，是走向实用的必经之路。

可以预见，未来的AI将不再是一个个需要人类逐一照看的“实习生”，而更像一支能够自我组织的团队。

人类的角色，或许会从“操作员”转变为“管理者”和“把关人”。