思必驰俞凯：分布式大模型智能体系统是 AGI 时代一道别样的风景

生成式智能与任务执行智能，是两种路线目标。

原标题：思必驰俞凯：分布式大模型智能体系统是 AGI 时代一道别样的风景
文章来源：AI科技评论
内容字数：11437字

思必驰大模型技术路线：从对话系统到分布式智能体系统

本文总结了思必驰首席科学家俞凯在2024全球人工智能产品应用博览会上的演讲及访谈，重点阐述了思必驰区别于OpenAI的大模型技术路线——构建分布式大模型智能体系统。

1. 技术路线差异：超级智能 vs. 可靠执行

1. OpenAI等厂商追求单一集中式超级智能大模型，如同创造一个全知全能的神，擅长内容创作和问题回答，但在2B场景落地时面临实时私域知识缺乏、专业领域能力欠缺、可靠执行能力不足和系统协作架构缺失等问题。

2. 思必驰则构建“1+N”分布式大模型智能体系统：一个中枢大模型（CEO）+多个垂域大/小模型（CFO、CTO等），类似公司组织架构，强调可靠的任务执行而非超级智能。每个模型各司其职，无需都具备超级智能，核心目标是可靠性。

3. 思必驰更关注执行智能，强调不出错和可靠性，而非生成式模型所强调的创造性和多样性。 这有效解决了大模型“幻觉”问题，并通过创新技术重新定义可靠性，例如，优先选择能够识别自身知识边界并拒绝回答超出能力范围的问题的模型。

2. 智能体系统：超越单一功能模块

1. 智能体系统与大模型的区别在于系统层面考虑多个全链路功能模块的组合，强调有机整体，提升用户交互体验。大模型往往只关注单一功能模块的输入输出，用户体验可能较差。

2. 思必驰的智能体系统通过分布式方法结合不同规模的大模型，形成具备工具智能的可靠系统，实现更高的可靠性和产业落地。

3. 思必驰十七年技术发展历程

1. 早期专注语音识别技术，后转向对话系统，并于2014年随着Amazon Echo的出现，将技术应用转向智能硬件。

2. 2017年，研发全链路智能对话定制平台（DUI），实现大规模可定制的柔性人工智能。

3. 2019年开始切入大模型研发，2023年发布DFM-2大模型，实现通用人工智能的柔性定制，满足客户个性化需求，提升“非标交付”效率。

4. 在发展过程中，思必驰不断克服技术难题，例如构建全链路智能对话系统、解决软件易复制问题、面向智能硬件的嵌入式技术开发以及大规模定制化等。

4. 大模型落地困境与思必驰的优势

1. 当前大模型厂商面临的最大挑战是商业化落地场景，许多厂商“拿着锤子找钉子”。

2. 思必驰的优势在于：扎实的技术积累（算法和系统结合）、智能硬件领域的长期深耕和丰富的客户资源，以及覆盖广泛的应用场景（智能汽车、智能家居、消费电子等）。

3. 思必驰注重端侧模型的开发，但强调要明确端侧模型的用途，避免盲目追求多功能化，专注于通用智能的提升。

总而言之，思必驰选择了一条与OpenAI不同的技术路线，专注于构建可靠的分布式大模型智能体系统，并通过长期技术积累和丰富的行业经验在众多应用场景中取得了成功。

联系作者

文章来源：AI科技评论
作者微信：
作者简介：雷峰网旗下AI新媒体。聚焦AI前沿研究，关注AI工程落地。