AI进入＂能干活＂时代:从聊天工具到数字同事,只差这一步

智能体到底是什么？

如果用一句话解释：智能体（Agent）就是能自己制定计划、调用工具、执行任务的AI。它不再是一个"你问我答"的对话框，而是一个能主动完成工作的"数字员工"。

微软这次发布的MAI系列包含7款自研模型，其中最引人注目的是MAI-Thinking-1——一款350亿活跃参数的高级推理模型。在数学竞赛测试中得分94.5%，这意味着它在复杂推理上已经逼近顶尖人类水平。但真正重要的不是分数，而是微软把这套模型嵌入了Copilot、Azure、Office全家桶——它不只是能解题，而是能帮你做PPT、写代码、分析数据、管理项目。

微软的雄心是用MAI系列打造一个覆盖企业全场景的"智能体生态"。而支撑这个生态的，是微软同时公布的Majorana 2量子芯片和"2029年前建成商业级量子计算机"的路线图。如果你觉得这听起来像科幻，那是因为他们确实在下注一个10年后的未来。

物理AI：让机器"理解"真实世界

英伟达走的路线更硬核。

Cosmos 3是全球首个完全开源的全模态世界模型。什么叫"全模态"？它能同时理解和生成文本、图像、视频、环境声音和动作。更关键的是，它以"领先的物理精度"做到了这一点。

这意味着什么？一个机器人不再只靠"看到"来理解世界，它能"理解"重力、摩擦力、物体碰撞。一个自动驾驶系统不需要跑百万公里真实路测，在Cosmos 3生成的物理精确仿真环境中就能完成大部分训练。

黄仁勋说："物理AI的爆发式增长指日可待。"这句话背后的逻辑是清晰的：当AI开始理解物理定律而非仅仅模式匹配，它就从"信息空间"跨入了"物理空间"。这才是真正意义上的通用人工智能（AGI）的前哨站。

在已开源的世界模型中，Cosmos 3在Physics-IQ、PAI-Bench等四项评测中均排名第一。三星、LG、理想汽车、斗山机器人等企业已在使用。西门子和达索系统正在用它构建自主AI工程师——将数周的工程仿真压缩到数小时。

阿里的答卷：AI能看能想能动手

阿里千问Qwen3.7-Plus的路线更接地气：让AI直接操作软件界面。

这套模型能感知真实世界场景、读取屏幕内容、直接操作界面、基于视觉参考生成代码。在实测中，基于它构建的智能体系统连续稳定运行超过11小时，自主完成了一款英语单词学习APP的完整开发，累计生成超过1万行代码。

这是一个质的飞跃。过去我们谈论"AI辅助编程"，本质上是人类写代码、AI给建议。现在，AI可以独立完成从界面设计到逻辑实现的全流程。这和Copilot是两种完全不同的范式——前者是"副驾驶"，后者是"自动驾驶"。

拐点已至，但不要神化

三家公司同时出手，信号再明确不过：AI正在从"信息型"向"行动型"跃迁。

但我的观点是：这个跃迁的关键瓶颈不在模型能力，而在于"信任基础设施"的缺失。

一个数字同事能帮你写代码，这很好。但如果它能帮你发工资、签合同、做医疗诊断——你敢不敢把最终决定权交给它？智能体落地的真正障碍，不是技术，是人机之间的责任边界尚未划定。

过去十年，我们见证了AI从"识别猫"到"写文章"的进化。下一个十年，我们将面对的课题是：当AI开始"做事"而非"说话"，我们如何建立一套新的协作契约？

这不是一个技术问题。它是一个社会问题。

参考文献：

• Microsoft Build 2026 Keynote, San Francisco, June 2, 2026.
• NVIDIA GTC Taipei 2026 Keynote, June 1-2, 2026.
• Qwen3.7-Plus Technical Report, Alibaba Cloud, June 2026.
• Cosmos 3: A Unified World Model for Physical AI, NVIDIA Research, 2026.
• MAI-Thinking-1: Advanced Reasoning Model Technical Overview, Microsoft Research, 2026.

（内容由AI生成，仅供参考）

⚡ AI 辅助生成，内容经人工审核