点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
如今，AI技术正以前所未有的速度改变着世界，其中，AI大模型凭借其强大的数据处理能力和深度学习能力，在各个领域都展现出了巨大的应用潜力。你是否好奇AI是如何从对话“助手”升级为自主工作的“伙伴”？
日前，由中国水利学会、光明网联合推出的水科学大讲堂邀请到中兴通讯股份有限公司AI首席专家韩炳涛针对AI发展进行直播分享。水科学大讲堂是中国水利学会主办的水科学科普品牌活动，主要是为了进一步增强水利行业及全社会科学爱好者对涉水前沿科学技术的关注和了解，提升全民水科学意识。
韩炳涛在直播中表示，历经七十年的发展，从大模型的规模突破到智能体的自主能力提升，AI正从“能对话”向“会行动”蜕变，开启从工具到协作者的进化新篇。
一、AI的三次进化：从逻辑推理到深度学习
（一）符号逻辑时代（1950s～1970s）：规则的局限
早期AI的发展依赖数理逻辑，科研人员试图将人类知识转化为逻辑规则。这一阶段虽能证明欧几里得几何定理，但面对复杂任务时，规则数量呈指数级增长，难以逐条厘清。过多的规则限制了AI的应用范围，使其只能局限在特定领域，无法实现通用智能。
（二）机器学习时代（1980s～2000s）：数据驱动的转向
在反思了规则的局限性后，AI进入“学习”阶段：让算法从海量的数据中自动找规律。但受限于计算能力，模型规模仅有几百到上千个参数，只能处理像邮件过滤这类简单的任务，商用场景寥寥无几。不过，这一时期积累的神经网络算法雏形，已显露出规模扩张的潜力。
（三）深度学习时代（2012年至今）：规模催生质变
2012年起，深度学习技术崛起。其核心是发现神经网络具有“可扩展性”，当规模扩大时，能力会持续增长。模型参数从千万级飙升至万亿级，带来了“能力涌现”——AI从简单分类升级为对话、创作等复杂任务。深度学习让AI真正走进日常生活，开启大模型时代。
AI大模型参数（此图由AI生成）
二、大模型的核心特征：规模与通用的平衡
大模型作为人工智能领域的关键突破，有着区别于传统模型的显著特点。这些特点相互关联、相辅相成，共同推动着大模型不断拓展能力边界，从实验室走向实际应用场景。
大规模：“大”是大模型的核心特征，参数至少需要达到10亿级别。当参数从几十亿增至几千亿时，模型会自主涌现新能力，如逻辑推理、跨领域联想等。小模型只能回答简单问题，而千亿级模型能撰写文章、设计方案，展现接近人类的复杂思维。
AI大模型（此图由AI生成）
通用性：传统AI往往“术业有专攻”，只能处理特定领域的任务。而大模型则通过10万亿字级数据预训练（这相当于人类一生接收信息的几万倍），掌握人类知识全貌，实现“一模型多任务”，同时应对问答、翻译、创作等多种场景。
AI模型的“通用性”（此图由AI生成）
并行性：单台电脑无法承载万亿参数运算，需成千上万个计算节点并行协同。所以，大模型设计必须考虑并行性，确保节点高效协作，这是技术从理论走向应用的关键保障。
AI模型的“并行性”（此图由AI生成）
三、智能体：引领AI从“对话”迈向“行动”
（一）智能体的构成：大模型的“超能力”
智能体=大模型+规划能力+记忆能力+工具使用能力。
传统大模型像“对话机器人”被动响应用户的问题，而智能体则让AI能主动拆解任务、记住过程、调用工具，实现从“回答问题”到“完成任务”的跨越。
AI智能体的构成（此图由AI生成）
（二）三级核心能力
规划能力将复杂任务有序分解，如分析需求时先研究竞品再梳理痛点；记忆能力保障多步骤连贯性，像点外卖时记住已选菜品；工具使用则扩展其能力边界，如通过搜索获取实时信息、调用计算器处理复杂运算，有效突破模型自身局限。
AI智能体的核心能力（此图由AI生成）
（三）智能体以多维手段实现商用落地
大模型本质上是基于概率的生成系统，其输出具有不确定性，在实际应用中会有出错的风险。
正因如此，智能体的价值不仅是“能做事”，更是“可靠地把事做对”。它通过工作流编排、知识库参考、闭环学习，将错误率降至最低，成为商用落地的“必需品”。
AI智能体的商用落地（此图由AI生成）
AI 的七十年进化史，是一部从“规则编码”到“数据学习”，再到“自主行动”的突破史。符号逻辑为AI的发展奠定了基础，机器学习推动了AI向数据驱动的转变，深度学习实现了规模的飞跃。智能体正推动AI从“工具”变“伙伴”，重塑人与技术的新型关系。
【专家简介】
韩炳涛，中兴通讯股份有限公司AI首席专家，星云大模型总工程师
制作：林佳欣、田新宇、李鑫怡（实习）
光明网直播服务团队对本次活动进行了全程直播。更多详细信息，可点击下方链接观看回放。
点击回看水科学大讲堂 | AI大模型与智能体：核心机制、演进历程及在各行业的落地应用（http://a-h5-live.neamco.com/cloud/h5/1753864493815140）
