【前沿讲堂】AI 智能体:从助手到数字生产力

7月3日晚，前沿科技研究院月度线上分享——前沿讲堂如约开讲。香港大学计算与数据科学学院及数据科学研究院助理教授、博士生导师黄超教授，从基础大模型的底层逻辑出发，一路讲到RAG技术的破局之道，再到AI Agent如何从"聊天助手"进化为"数字生产力"——整场分享持续约一个半小时，信息密度极高，干货满满。

黄超教授首先梳理了AI技术的发展脉络：AI → 机器学习 → 深度学习 → 基础大模型（Foundation Model）。他指出大语言模型的核心是Transformer架构（2017年提出），其训练方式可以简单理解为两件事：文字接龙，本质上是基于上下文分析下一个词的概率分布；完形填空，遮住部分内容让模型去猜，迫使它真正理解上下文语义，而非简单记忆。

黄教授特别提到，当前效果较好的模型基本都在千亿参数级别——从GPT、GPT-2、GPT-3到GPT-3.5，再到如今Anthropic的Claude模型参数量已超过数T级别。模型性能长期以来与参数量和数据量正相关，这就是著名的"缩放定律"（Scaling Law）。

但值得关注的是：Scaling Law可能正在接近天花板。数据已被大量消耗，其他限制也日益显现。未来模型的突破，或许不在于"更大"，而在于"更聪明"。

大模型很强大，但它有一个众所周知的毛病——幻觉。黄超教授举了一个切身的例子：问大模型"港大CDS数据科学学院的某门课主要讲什么"，模型会给出看似合理但实际上完全错误的回答，因为它并不了解这门课的内部信息。

他提到，幻觉的根源在于两点：

1. 缺乏特定知识：企业私有信息、内部文档等未进入训练集，模型无从知晓；

2. 无法获取实时数据：训练数据有截止日期，模型无法感知训练之后发生的事。

解决方案的核心思路在于，回答问题之前，先去检索相关的外部知识，再基于检索结果生成回答。对此，黄教授团队在RAG方向开源了多套系统，并且关注端侧RAG——在手机、平板等资源受限的设备上用小模型做RAG，这对模型能力提出了更高的要求。

黄超教授将AI的发展分为三个层次：Chat（聊天）→ Reasoning（推理）→ Agent（行动）。如果说大模型是"大脑"，RAG给大脑装上了"记忆和检索"，那么AI Agent就是让大脑长出"手脚"，真正去执行任务、使用工具。

他在本次分享中介绍了HKU IDS团队在Agent方向的多个开源项目和探索：Vimo 支持音视觉双模态处理，可理解超长视频并检测异常事件；Deep Research Agent 能自动解析数百页 PDF、提取关键词并结合网页检索，生成完整行业研报；仅 6000 行代码的 Nanobot 入选 DeepSeek 推荐全球 15 大通用 Agent，OpenRouter 使用量位列全球第四，团队曾演示用其 20 分钟开发出 “超级玛丽” 游戏。

此外，Computer Use 支持自然语言操控 CAD 等复杂软件，累计调用超 7.8 万次；Open Space 可沉淀 Agent 技能、搭建企业本地化知识平台，规避人员流动带来的经验流失；OpCo 架构实现多 Agent 协同，已用 8 个 Agent 调用 8 张 H100 GPU 训练大语言模型，Agent Swarm 模式面向量化交易等复杂场景；Novic 平台探索 AI 全自动化科研，代码全由 AI 生成，助力科研人员聚焦本质创新。

黄超教授最后展望了AI Agent接下来的探索方向：一是长程任务（Long-horizon Tasks）——不只是时间长，而是任务链条极长、上下文极其复杂、涉及大量工具调用的场景；二是个性化（Personalization）——Agent如何对齐不同用户的能力和偏好，真正做到"懂你"；三是自进化（Self-evolution）——Agent能否在使用过程中持续学习、积累技能、变得越来越聪明。

此外，多Agent集群协作将用于完成更复杂的系统性任务，而如何建立可靠的Agent能力自动化评价体系，则是接下来亟需突破的基础工程。五个方向指向同一个目标：让Agent从"能完成单次任务"走向"持续、自主、可信赖地工作"。

从大语言模型的预训练，到RAG为模型装上"记忆与检索"的外挂，再到AI Agent从单兵作战走向集群协同——AI技术的每一次进化，都在拓展"自动化"的边界。

Scaling Law或许会见顶，但Agent的时代才刚刚开始。 而AI最动人的力量，不在于替代谁，而在于放大每一个人的能力。