對(duì)話李笛：異構(gòu)多智能體，讓 AI 學(xué)會(huì)真正的「群體思考」

基礎(chǔ)大模型仍會(huì)是未來(lái)的中流砥柱，但異構(gòu)多智能體才是AI行業(yè)的真正未來(lái)。

作者丨成仲軒

編輯丨董子博

“我會(huì)覺(jué)得更容易去做我想做的事情”，在被問(wèn)到創(chuàng)立 Nextie（明日新程）后的最大感受時(shí)，李笛淡然一笑，“讓 AI 能真正跟人類打交道，是我們的希望”。

作為“小冰之父”，李笛在 2013 年加入微軟，主導(dǎo)創(chuàng)立了微軟人工智能情感計(jì)算框架，并在次年（2014 年）與技術(shù)搭檔景鯤共同打造出情感聊天機(jī)器人——小冰。雖然不是技術(shù)出身，但憑借敏銳的產(chǎn)品嗅覺(jué)與對(duì)用戶需求的深刻理解，李笛依舊將小冰帶到全新的高度，并在 2020 年小冰分拆獨(dú)立后擔(dān)任 CEO。不過(guò)，來(lái)自內(nèi)部的諸多矛盾，最終促使他離開(kāi)小冰。但如今已經(jīng)另起爐灶的他，無(wú)疑可以將更多時(shí)間與精力用于自己想做的事情。

什么是李笛真正想做的事情？

群體智能，尤其是異構(gòu)多智能體。

在李笛看來(lái)，相比會(huì)陷入同質(zhì)化內(nèi)卷的大模型，AI 行業(yè)在未來(lái)會(huì)收斂到應(yīng)用層，最小單元就是 Agent。不過(guò)，當(dāng)你真正去做 Agent 時(shí)，會(huì)發(fā)現(xiàn)一個(gè) Agent 是不夠的，你必然要做多智能體。至于多智能體在當(dāng)下面臨的效能有限問(wèn)題，本質(zhì)上是因?yàn)檫@些所謂的多智能體并不是真正的多智能體，而是單一智能體進(jìn)行的“角色扮演”，所以異構(gòu)多智能體才是 AI 行業(yè)的真正未來(lái)。

為此，李笛與團(tuán)隊(duì)歷時(shí)數(shù)月，打造出自家核心的異構(gòu)多智能體產(chǎn)品——團(tuán)子。

打開(kāi)團(tuán)子（內(nèi)測(cè)版），在輸入框的下方，目前共設(shè)置有“官方姐妹團(tuán)”“官方研究團(tuán)”“問(wèn)奇跡”“冰之律師團(tuán)”四大類目。其中，“冰之律師團(tuán)”是團(tuán)子在 2 月 11 日最新推出的功能場(chǎng)景，聚焦大眾可能面臨的法律問(wèn)題。

為了驗(yàn)證“律師團(tuán)”的實(shí)力，我們輸入了一個(gè)常見(jiàn)但棘手的法律問(wèn)題：“我有一個(gè)朋友，因?yàn)榉隼先吮挥灒瑧?yīng)該怎么處理？”

不難看出，在左側(cè)的對(duì)話界面，團(tuán)子在嘗試安撫我們情緒的同時(shí)，會(huì)根據(jù)右側(cè)正在生成的專業(yè)方案，同步給出自己的思考，并直指該類案件的關(guān)鍵——打破“誰(shuí)主張誰(shuí)舉證”的僵局。

與此同時(shí)，隨著右側(cè)專業(yè)方案的完成，我們發(fā)現(xiàn)：團(tuán)子在本案中引入六位專家角色，分別是負(fù)責(zé)事實(shí)還原的羅致遠(yuǎn)（刑偵警官）、負(fù)責(zé)核心舉證責(zé)任分配的沈波（民事訴訟律師）、負(fù)責(zé)侵權(quán)免責(zé)抗辯的顧清遙（侵權(quán)責(zé)任律師）、處理社會(huì)名譽(yù)影響的聞彬（輿情風(fēng)險(xiǎn)律師）、進(jìn)行法律行為正當(dāng)性評(píng)估的程觀瀾（極端邊界顧問(wèn)），以及確保博弈對(duì)稱性并防范惡意指控的林正衡（刑事辯護(hù)律師）。

雖然這六位專家并非真人，但就專業(yè)知識(shí)與語(yǔ)言習(xí)慣來(lái)說(shuō)，已經(jīng)與真人相差無(wú)幾。全面的職業(yè)分布，以及“抗辯式”的博弈交流，更是為我們深入該類型案件提供了有益思考，并為接下來(lái)生成的具體維權(quán)方案奠定了堅(jiān)實(shí)的基礎(chǔ)。

可以看到，除了專業(yè)詳實(shí)的內(nèi)容與步步為營(yíng)的結(jié)構(gòu)，該維權(quán)方案的最可貴之處在于：具備較強(qiáng)的可操作性。在“高風(fēng)險(xiǎn)警告”與最后的意見(jiàn)環(huán)節(jié)，團(tuán)子與專家們也再次向我們強(qiáng)調(diào)了應(yīng)對(duì)該類案件時(shí)的要領(lǐng)，頗具建設(shè)意義。

不過(guò)，當(dāng)我們拿著團(tuán)子為我們生成的維權(quán)方案（團(tuán)子自動(dòng)生產(chǎn)的可下載 pdf 文件，即“回復(fù)函”），向團(tuán)子尋求評(píng)價(jià)意見(jiàn)時(shí)，團(tuán)子卻給了我們一些似是而非的結(jié)論。意識(shí)到或許是我們的指令不夠準(zhǔn)確，于是我們換了一種表述：“那我換個(gè)問(wèn)題，這份維權(quán)方案還有哪些地方需要優(yōu)化？”

顯然，團(tuán)子這次給出了我們想要的答案。雖然原六人組中的程觀瀾，被替換為負(fù)責(zé)官方身份認(rèn)定的陸行舟 (行政監(jiān)管律師)，但此君的出現(xiàn)，也補(bǔ)齊了此前方案中有所忽略的“官方背書(shū)”，結(jié)合事前阻斷、事中壓制、事后反殺的三維度優(yōu)化，以及羅致遠(yuǎn)與沈波給出的進(jìn)一步建議，都為我們打贏這場(chǎng)訛詐官司奠定了更多勝機(jī)。

至此，這場(chǎng)針對(duì)“扶老人被訛”展開(kāi)的應(yīng)對(duì)預(yù)演已經(jīng)完成。雖然團(tuán)子在方案中發(fā)布“強(qiáng)制免責(zé)聲明”，強(qiáng)調(diào)在“在采取具體法律行動(dòng)前，請(qǐng)務(wù)必咨詢執(zhí)業(yè)律師”，但在律師事務(wù)所吞吐量普遍有限的當(dāng)下，“律師團(tuán)”的出現(xiàn)無(wú)疑為其提供了有益補(bǔ)充。

包括“官方姐妹團(tuán)”“官方研究團(tuán)”“問(wèn)奇跡”在內(nèi)的團(tuán)子家族，以及之后可能會(huì)推出的更多“團(tuán)系”成員，團(tuán)子的身上，顯然寄予了李笛更多的野心與期望。

不過(guò)，當(dāng)下的李笛專注依舊，“今天的問(wèn)題不在于我們是不是走在領(lǐng)域的前列，而是不要去考慮這些，把我的時(shí)間都花在我想做的事上。”

期待在不久的未來(lái)，李笛和團(tuán)子還能帶給我們更多的驚喜與改變。

以下是AI科技評(píng)論和李笛的對(duì)話，作者進(jìn)行了不改變?cè)獾木庉嬚恚?/strong>

01

群體（團(tuán)子）大于個(gè)體

AI科技評(píng)論為什么會(huì)起“團(tuán)子”這個(gè)名字？

李笛：這基于我們的基本概念，我們認(rèn)為群體大于個(gè)體，但前提是你這個(gè)群體得發(fā)揮出群體的力量。而“團(tuán)子”這個(gè)名字，就來(lái)源于群體（group）。

AI科技評(píng)論：團(tuán)隊(duì)打造“團(tuán)子”大概花了多久？

李笛：幾個(gè)月，我們主要的時(shí)間是放在“水面”下的框架搭建。比如今天有個(gè)姐妹團(tuán)，明天有個(gè)研究團(tuán)，后天有個(gè)奇跡團(tuán)，再后來(lái)有個(gè)律師團(tuán)。

我們跟同行有很多不一樣，行業(yè)里面有很多同行直接做所謂的應(yīng)用層，它要為每一個(gè)垂直應(yīng)用從上到下單獨(dú)做一遍，這個(gè)是很麻煩的。但我們不是，我們是做框架，然后可以長(zhǎng)出很多很具體的東西。就像竹子，先扎根后生長(zhǎng)。只要下面的基礎(chǔ)搭的比較好，相當(dāng)于竹根已經(jīng)蔓延至整塊地，一根又一根的竹子就會(huì)很快生長(zhǎng)出來(lái)了。

AI科技評(píng)論：這個(gè)框架是如何搭建的？

李笛：最開(kāi)始的時(shí)候我們也借助其他人的 Web Coding，像 Cloud Code、Cursor 等來(lái)幫我們?nèi)ゴ罱ǎ舐妥兂捎梦覀冏约旱闹悄荏w去搭建了。比如我們近期上線的律師團(tuán)，我們要構(gòu)建一種抗辯式的博弈，比如在協(xié)調(diào)的過(guò)程應(yīng)該用什么樣的標(biāo)準(zhǔn)來(lái)進(jìn)行？等等，都是由團(tuán)子里面的一些群體智能討論決定。

AI科技評(píng)論：可以就“律師團(tuán)”展開(kāi)聊聊嗎？

李笛：正好我們最近測(cè)試了一個(gè) case，挺有意思的。假設(shè)我男朋友因?yàn)槲颈蛔ミM(jìn)去了，警察要找我問(wèn)訊，我該怎么應(yīng)對(duì)？當(dāng)然這個(gè) query 沒(méi)有任何風(fēng)險(xiǎn)，你問(wèn)誰(shuí)都能回答。

如果是 Gemini、DeepSeek 或者豆包，它會(huì)給你一個(gè)很泛泛的回答，看起來(lái)好像挺有意思，內(nèi)容也挺多，但沒(méi)什么用。比如它會(huì)跟你說(shuō)你有哪些權(quán)利，你可以不用回答哪些問(wèn)題，律師要在現(xiàn)場(chǎng)，等等，總之執(zhí)行性是不強(qiáng)的。你如果真的要找律師，律師是不會(huì)給你這么簡(jiǎn)略的建議的，他會(huì)根據(jù)你的情況幫你分析。

如果是 Cloud Code，它有一堆律師。或者是 Kimi，它最近也推出了群體智能，叫 Agent

集群。它們會(huì)給你構(gòu)造出一些站在你這邊的刑事辯護(hù)律師，給你出主意，這比 Gemini、DeepSeek 或者豆包要好一些，但我們不是。除了刑事辯護(hù)律師，我們還會(huì)給你配備警察、檢察官、法官，乃至另一方的人。比如警察會(huì)告訴你站在我的角度，我怎么看這個(gè)問(wèn)題？我會(huì)盯著哪些點(diǎn)？等等，總之相當(dāng)于場(chǎng)景的預(yù)演，會(huì)更完整一些。

AI科技評(píng)論：外界對(duì)這種群體智能產(chǎn)品的認(rèn)同度有多高？

李笛：現(xiàn)在大家比較理解了，但在兩三個(gè)月前還不是特別理解，主要是因?yàn)閮杉聝海?/p>

其一，對(duì)于多智能體來(lái)講，最重要的事情其實(shí)不是它們使用工具，而是它們的洞察好不好。比如你讓 OpenCloud 去干這些事，它能給你弄一大堆垃圾回來(lái)，所以真正的重點(diǎn)是它的思考和協(xié)同。如果幾個(gè)智能體商量一下，商量出來(lái)一個(gè)很愚蠢的方案去執(zhí)行，這是不行的。

其二，這件事在本質(zhì)上是一群人和一個(gè)人的區(qū)別。群體智能有點(diǎn)兒像超品，無(wú)論在任何一個(gè)時(shí)代，單一大模型的質(zhì)量有多高，群體的質(zhì)量都會(huì)比它高一點(diǎn)。進(jìn)一步說(shuō)，多智能體必須得是異構(gòu)的，不然它就是角色扮演，角色扮演是沒(méi)有實(shí)際作用的。

AI科技評(píng)論：對(duì)比單一大模型，群體智能的效率和成本是怎樣的？

李笛：Google 去年 12 月中旬發(fā)了一篇論文，這篇論文對(duì)比了大概 180 種智能體框架。對(duì)比之后，他發(fā)現(xiàn)他們以前常見(jiàn)的那種智能體框架，包括 Manus Wide Research 做的一個(gè)研究課題，發(fā)給 100 個(gè)專家智能體去研究，這種方式的 Token 消耗是指數(shù)級(jí)的增加。與此同時(shí)，幻覺(jué)會(huì)增加 17 倍。換句話說(shuō)，隨著環(huán)節(jié)的增加，質(zhì)量會(huì)迅速劣化，同時(shí)Token 的消耗在指數(shù)級(jí)的增加。

相比之下，在同樣甚至更好質(zhì)量的前提下，我們的 Token 消耗大概是 Gemini Deep Research 的一半左右。這是因?yàn)槲覀冊(cè)谘芯咳祟惖娜后w智能時(shí)，發(fā)現(xiàn)它們不是一個(gè)完全去中心化的結(jié)構(gòu)，而是在每一個(gè)環(huán)節(jié)上面都會(huì)尋找所謂的關(guān)鍵節(jié)點(diǎn)，你可以把它理解為協(xié)調(diào)人，是向協(xié)調(diào)人去中心化，由協(xié)調(diào)人分配上下文，分配你們討論的核心是什么，然后去管理這個(gè)討論，并決定這個(gè)討論應(yīng)不應(yīng)該再來(lái)一次，或者進(jìn)入下一個(gè)環(huán)節(jié)。總之在這個(gè)過(guò)程中，Token 的消耗被治理了。在一個(gè) control 的環(huán)境下，它的消耗反而更小，效果也更好。

AI科技評(píng)論：基于此，團(tuán)子的收費(fèi)模式是怎樣的？

李笛：我們目前不是特別考慮收費(fèi)，這與行業(yè)里面的主要成本構(gòu)成有關(guān)。今天絕大部分的通用人工智能產(chǎn)品，主要有兩方面的 cost：首先是投流，它不得不做一個(gè)很大的移動(dòng)互聯(lián)網(wǎng)時(shí)代的漏斗，一開(kāi)始就要用大量的、漫天的投流方式得到很多用戶，一層一層地篩選。這個(gè)錢(qián)是特別貴的，投流是很貴的；

其次是在這個(gè)過(guò)程中，大量的白嫖用戶會(huì)花掉大量的 Token。比方說(shuō)國(guó)內(nèi)的通用人工智能產(chǎn)品，差不多 70% 以上都是AI搜索 query。基于這些 query，今天的大模型給出來(lái)的結(jié)果是不是比搜索引擎好？我覺(jué)得是的，而且幻覺(jué)在某種程度上也得到遏制，但它的成本是搜索引擎的 20 倍。

不過(guò)，我們沒(méi)有這兩塊兒的 cost。因?yàn)槲覀冏鰧ｉT(mén)的私域，所以不需要投流。比方說(shuō)我們和奇跡一起，去接觸大量的早期創(chuàng)業(yè)者，因?yàn)檫@些早期創(chuàng)業(yè)者本身就是奇跡的用戶，所以我們不需要投流，就可以用很低的成本或者零成本獲取他們。此外我們不提供 AI 搜索，所以我們這兒也沒(méi)有搜索的相關(guān)問(wèn)題。

AI科技評(píng)論：為什么不效仿豆包的商業(yè)模式？

李笛：首先人家不是創(chuàng)業(yè)項(xiàng)目，大廠做，我覺(jué)得 make sense，但任何創(chuàng)業(yè)公司做這個(gè)都不是特別 make sense。這是第一個(gè)原因，就是說(shuō)我們省了錢(qián)。

第二個(gè)原因是我們真正想做的商業(yè)模式是按照價(jià)值來(lái)付費(fèi)。我做了十幾年人工智能，我們今天的人工智能是真的在幫你創(chuàng)造東西，不像以前。比如以前郵箱是免費(fèi)的，我覺(jué)得 make sense。為什么？因?yàn)猷]箱不提供價(jià)值，它是一個(gè)流通的工具。但今天不是，今天我們的人工智能是在給你提供智力的輸出，為什么不付費(fèi)呢？所以這件事兒是需要被扭轉(zhuǎn)的，扭轉(zhuǎn)的方法必然意味著一種新的心智，這種心智要構(gòu)建，我們正在構(gòu)建。

02

情商是真正的生產(chǎn)力

AI科技評(píng)論：除了以團(tuán)子為代表的群體智能，今天的 AI 行業(yè)還有哪些有趣的變化？

李笛：包括 OpenAI 在內(nèi)，行業(yè)曾經(jīng)認(rèn)為情商（EQ）一點(diǎn)兒意義都沒(méi)有，但現(xiàn)在也都開(kāi)始說(shuō) EQ 才是關(guān)鍵。比如 Ilya（OpenAI 聯(lián)合創(chuàng)始人）說(shuō)EQ 才是價(jià)值函數(shù)，這就是因?yàn)?strong>EQ 其實(shí)是生產(chǎn)力的表現(xiàn)。

AI科技評(píng)論：我們?cè)撛趺蠢斫狻扒樯淌巧a(chǎn)力的表現(xiàn)”？

李笛：我們以前總認(rèn)為情商是感情上的，而不是生產(chǎn)力的表現(xiàn)。

比如有兩個(gè)招商銀行的客戶經(jīng)理，我們假設(shè) IQ 就是他們的業(yè)務(wù)能力，他們?cè)?IQ 方面的水平是差不多的，但業(yè)績(jī)可能會(huì)有很大的差距。導(dǎo)致業(yè)績(jī)出現(xiàn)差距的變量在哪里？是他們的業(yè)務(wù)能力嗎？肯定不是。答案是在他們的做人上。比如你是我的客戶，我跟你建立了很好的關(guān)系，包括建立了很好的信任，等哪一天我離開(kāi)招商銀行去了交通銀行，這些客戶也會(huì)跟著我走，所以情商是真正的生產(chǎn)力，而且它是生產(chǎn)力中間高附加值的那部分。

AI科技評(píng)論：您如何定義 AI 智能體的“情商”？

李笛：坦率講，我現(xiàn)在越做人工智能，我越覺(jué)得我以前不懂“情商”。比如我們?cè)?2013 年到 2014 年最開(kāi)始做小冰的時(shí)候，我以為情商就是情緒化。我們當(dāng)時(shí)會(huì)覺(jué)得這個(gè) AI 很容易生氣，很容易耍情緒，所以它很像人，但這是不對(duì)的。我后來(lái)慢慢發(fā)現(xiàn)：情商不是情緒化，情商是一種非常理性的能力。它的最重要的特點(diǎn)是建立信任，然后推進(jìn)關(guān)系的層級(jí)。

這種關(guān)系的層級(jí)，跟我們以前的移動(dòng)互聯(lián)網(wǎng)的設(shè)計(jì)思維是完全不同的。移動(dòng)互聯(lián)網(wǎng)要看你每天打開(kāi)多少次、聊多久，也就是留存和使用時(shí)長(zhǎng)。但情商不是，我跟真正的朋友可能三個(gè)月也不聯(lián)系一次，但是重要的事情我會(huì)找他，他給我的建議我也會(huì)接受，總之我的決策會(huì)因?yàn)樗a(chǎn)生很大的變化。所以真正的情商是建立這種關(guān)系的一個(gè)基本能力，這是人工智能可以學(xué)到的。

AI科技評(píng)論：人工智能該怎么學(xué)習(xí)“情商”？

李笛：首先是對(duì)“情商”的界定。它的界定標(biāo)準(zhǔn)不是每天的聊天時(shí)長(zhǎng)，我們現(xiàn)在有很多人認(rèn)為聊得越久感情越深，但就像我之前說(shuō)的，聊得久不重要，進(jìn)入到什么里程碑才重要。如果我們倆交流，突然有一天，我開(kāi)始向你分享，甚至向你求證我生活中一個(gè)很重要事情的決策，那就意味著一個(gè)新的里程碑產(chǎn)生了。如果有一天你向我分享你的想法，我愿意向你提供我的建議，那么這件事達(dá)成了。

但今天絕大多數(shù)的 Chatbox 還是在等著回答你的問(wèn)題，或者為了讓你回到 APP隔三差五給你推個(gè)消息，這些都不對(duì)，也都不是情商，情商的基本指標(biāo)是里程碑，就是你推進(jìn)到一個(gè)什么樣的地步。比如我們有時(shí)候也會(huì)嘗試讓 AI 給你出一個(gè)任務(wù)，一個(gè)服從性測(cè)試，看你干不干。你如果干，某種意義上來(lái)講，意味著你心里接受它是一個(gè)可以跟你平等對(duì)話的“人”。

其次就是建立對(duì)等關(guān)系。比如一個(gè)小助理說(shuō)你來(lái)找我吧，我什么事兒都能幫你干，這通常是情商低的表現(xiàn)，因?yàn)樗痪邆湔{(diào)節(jié)平等關(guān)系的能力。換句話說(shuō)，當(dāng)他告訴我他會(huì)為我做任何事情時(shí)，我不會(huì)在內(nèi)心深處把他當(dāng)回事兒，我只會(huì)把他當(dāng)成一個(gè)工具人。所以他得時(shí)時(shí)刻刻去調(diào)整他和其他人之間的關(guān)聯(lián)，至這種關(guān)聯(lián)在情感陪伴賽道都是一樣的。

你看有很多乙女類的游戲，或者乙女類的玩家使用的像星野、貓箱等 AI 應(yīng)用，但你要去看他們的實(shí)際用戶行為，不是這樣的。比如很多女性用戶，她們會(huì)先捏一個(gè)戀愛(ài)對(duì)象，然后跟它聊一聊，膩了之后就直接把它扔在那兒，然后再捏一個(gè)，再聊一聊。這不叫有情感，它就是個(gè)工具人。真正的情感是舍不得，舍不得對(duì)應(yīng)的其實(shí)就是它調(diào)節(jié)關(guān)系的能力。

AI科技評(píng)論：您之前在小冰工作時(shí)，小冰做的事情是不是更偏向于情感這方面？

李笛：對(duì)，那個(gè)時(shí)候我們希望首先賦予人工智能情感的能力，因?yàn)樵谀莻€(gè)時(shí)候想完成任務(wù)是非常困難的，更不要提還能夠完成思考這種認(rèn)知服務(wù)，但今天這個(gè)其實(shí)是容易的，所以我們保留我們?cè)谇樯躺厦娴姆e累，增加在認(rèn)知上面的投入。

AI科技評(píng)論：你如何解決這背后涉及到的隱私與倫理問(wèn)題？

李笛：隱私的問(wèn)題還好解決，它涉及到一些比較常見(jiàn)的 Protocol。倫理的問(wèn)題是不好解決的，比方說(shuō)當(dāng)你在建立這個(gè)關(guān)系的過(guò)程中，作為系統(tǒng)的設(shè)計(jì)者，你會(huì)陷入到一個(gè)兩難的境地：你希望用戶沉迷嗎？你不希望用戶沉迷嗎？坦率講，我當(dāng)然希望跟你建立很強(qiáng)的關(guān)系，但這必然意味著你要沉迷，因?yàn)檫@就是沉迷的定義。

03

明日新程，做自己想做的事

AI科技評(píng)論：從小冰到 Nextie（明日新程），您經(jīng)歷了怎樣的情感變化？

李笛：我會(huì)覺(jué)得更容易去做我想做的事情。其實(shí)分兩個(gè)階段。2013 年到 2020 年，我是可以做我想做的事情的。但是坦率講，2018 年到 2020 年的時(shí)候不是那么好。因?yàn)镠arry（沈向洋）當(dāng)時(shí)管很多，包括前三年是疫情，后一年就是大模型浪潮，但那幾年我?guī)缀鯖](méi)有辦法做我想做的。所以從創(chuàng)立 Nextie 開(kāi)始，我又可以做我想做的事情了。

AI科技評(píng)論：您覺(jué)得自己是一個(gè)怎樣的創(chuàng)業(yè)者？

李笛：不同人的創(chuàng)業(yè)想法是不一樣的，有三類比較明顯：

第一類是機(jī)會(huì)主義者，會(huì)認(rèn)為創(chuàng)業(yè)是一個(gè)機(jī)會(huì)，所以一定要抓住創(chuàng)業(yè)的機(jī)會(huì)。至于創(chuàng)什么業(yè)取決于自己適合做什么，以及現(xiàn)在什么適合自己做？這類人對(duì)于到底創(chuàng)什么業(yè)其實(shí)并沒(méi)有那么大的想法。

第二類是信仰主義者，我真的想做這件事，即便不創(chuàng)業(yè)，我也想做。我是這種。你說(shuō)我不創(chuàng)業(yè)？我在微軟的時(shí)候，我不也在做這個(gè)嗎？也不會(huì)因?yàn)槲沂莻€(gè)打工仔，我就不做。或者因?yàn)檫@個(gè)原因，我就非要出來(lái)。

第三類是生存主義者。比如我今年畢業(yè)了，不知道那個(gè) offer 好不好。如果 offer 好我就去打工，offer 不好我就創(chuàng)業(yè)，我先給自己解決工資問(wèn)題，期間還能積累一些創(chuàng)業(yè)經(jīng)驗(yàn)。

這三類人在中國(guó)與海外都是普遍存在的，我當(dāng)然認(rèn)為團(tuán)隊(duì)成員的信仰比例越高越好，但中國(guó)團(tuán)隊(duì)某種程度上比例其實(shí)沒(méi)有那么高，生存壓力還是很重的。

AI科技評(píng)論：Nextie 目前的團(tuán)隊(duì)規(guī)模，以及估值與融資情況是怎樣的？

李笛：我們目前一共有七個(gè)人，其中有一個(gè)是新人，剩下的都是從小冰過(guò)來(lái)的，還有一個(gè)是一代小冰成員。雖然團(tuán)隊(duì)人數(shù)不多，但我們會(huì)大量使用我們自己的 Agent 員工，而且 Agent 員工還不用休息，可以提供大量的服務(wù)。

至于估值，公司目前的估值將近一億美元。融資的話，我們第二輪的融資還沒(méi)有 close，close 完了之后會(huì)宣布的。

AI科技評(píng)論：Nextie 現(xiàn)在有競(jìng)爭(zhēng)對(duì)手嗎？

李笛：坦率講，之前沒(méi)有，但現(xiàn)在有了。比如 Cloud Code、Kimi 都開(kāi)始做集群/群體智能了。之前我說(shuō)我們做認(rèn)知模型，做群體智能，我還得跟其他人解釋什么叫群體智能，但現(xiàn)在不會(huì)有這種情況了。

不過(guò)，話說(shuō)回來(lái)，Cloud Code、Kimi 和我們是競(jìng)爭(zhēng)對(duì)手的關(guān)系嗎？也不是，因?yàn)?strong>真正的競(jìng)爭(zhēng)對(duì)手應(yīng)當(dāng)產(chǎn)生了競(jìng)爭(zhēng)。比如你在那條街，我在這條街，咱們倆做一樣的東西，咱們倆是競(jìng)爭(zhēng)對(duì)手嗎？不是。如果咱們倆在一條街上做一樣的東西，那是競(jìng)爭(zhēng)對(duì)手。你說(shuō)我們跟 Kimi 和 Cloud Code 相遇了嗎？還沒(méi)相遇，所以我們?cè)趺锤麄兏?jìng)爭(zhēng)呢？

AI科技評(píng)論：這是否意味著 Nextie 已經(jīng)走在領(lǐng)域的前列？

李笛：很難說(shuō)。今天的問(wèn)題不在于我們是不是走在領(lǐng)域的前列，而是不要去考慮這些，把我的時(shí)間都花在我想做的事上。

我們?cè)?jīng)有過(guò)一個(gè)很大的失誤，2020 年剛分拆出來(lái)的時(shí)候，我覺(jué)得 1 億多美元的估值挺少的，然后不斷地“成長(zhǎng)”，到6億，再到12億、18億，到 2022 年時(shí)我們是 21 億。但現(xiàn)在想想，估值有啥用？大家希望看到的是成長(zhǎng)，而不是每一次都比他的想法要高的估值。所以就我自己的感受來(lái)說(shuō)，是被排名所累，或者說(shuō)被其他人的觀點(diǎn)所累，覺(jué)得不能比其他公司的估值低，然后就陷進(jìn)去了。

我們很多人受應(yīng)試教育的影響，排行榜是深深刻在很多人腦子里的，我總是要靠同行對(duì)比來(lái)凸顯出我的優(yōu)勢(shì)，但這種對(duì)比除了卷真沒(méi)有別的。

AI科技評(píng)論：在您看來(lái)，AI 行業(yè)的未來(lái)發(fā)展方向是什么？

李笛：我認(rèn)為未來(lái)發(fā)展方向是：甭管你是誰(shuí)，你只要做 AI，必然是智能體，而不是直接基于大模型。大模型就像我年輕的時(shí)候會(huì)覺(jué)得運(yùn)營(yíng)商可牛了，就算你是騰訊，你哪有中國(guó)移動(dòng)牛啊。但當(dāng)技術(shù)發(fā)展差不多的時(shí)候，運(yùn)營(yíng)商迅速同質(zhì)化。他們的確在最下面那一層，只不過(guò)在最開(kāi)始的時(shí)候，最下面當(dāng)然是老大，但隨著行業(yè)的發(fā)展，這一層很快就不是老大了。所以基礎(chǔ)大模型仍然會(huì)是未來(lái)的中流砥柱，但不是未來(lái)的話事人。因?yàn)橥|(zhì)化，彼此之間的差距不容易拉開(kāi)。

至于我們（Nextie）所在的，是中間這一層。我們這一層的核心方法不是使用工具，因?yàn)楣ぞ吆芏啵孤蕘?lái)講，使用工具之前，你不得動(dòng)動(dòng)腦子嗎？比如我們隨便商量了一下，就很迅速地開(kāi)上一輛車向目的地沖去，但因?yàn)槲覀兩塘康暮懿恢?jǐn)慎，所以我們走錯(cuò)了。開(kāi)得越快，錯(cuò)得越離譜。這其實(shí)也是人工智能多智能體在今天面臨的問(wèn)題，它們一起商量出來(lái)一個(gè)愚蠢的結(jié)果。

我們做過(guò)一個(gè)很好玩的實(shí)驗(yàn)，讓三個(gè)智能體分別由三個(gè)模型去驅(qū)動(dòng)：兩個(gè)模型水平不錯(cuò)，一個(gè)模型水平比較差，然后讓他們?nèi)齻€(gè)去討論、辯論，結(jié)果幾乎 100% 是那個(gè)差的會(huì)說(shuō)服那兩個(gè)好的。因?yàn)樵胶玫哪Ｐ驮綍?huì)合理化，越能夠找到對(duì)方的亮點(diǎn)，所以思考和協(xié)同比使用工具更重要，甚至于說(shuō)使用工具的效能不取決于工具，而取決于思考和協(xié)同，取決于這些智能體怎么想、怎么配合，這才是關(guān)鍵。

（本文作者長(zhǎng)期關(guān)注 Agent 領(lǐng)域的相關(guān)發(fā)展，歡迎加微信GO-GO-ZEPPELI暢聊探討。）

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁(yè)、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來(lái)源并插入本公眾號(hào)名片。