5月7日，2025联想创新科技大会在上海世博中心盛大开幕。联想集团CTO、高级副总裁Tolga Kurtoglu博士，在大会上发表了题为《以客户为中心 打造普惠式AI创新》的主旨演讲。
Kurtoglu博士表示，联想致力于通过无缝人机交互、跨设备、跨生态知识融合、自主任务编排与执行等技术，打造超级智能体，赋能个人和企业，并为未来的AI双胞胎铺路。以下是演讲全文的中文版：
大家好，我是Tolga!
去年十月，在我作为首席技术官出席的首个重要活动上，我站在一个今天这样的舞台上，向全世界宣告：联想的混合AI愿景不仅是下一个科技“新浪潮”——它更是我们全面释放人类潜能的通途大道。
在过去的六个月里，正是这一使命推动着联想研发部门的每一项重要计划。
联想正在整合飞速发展的AI创新成果，为用户打造兼具强大性能与简约体验的产品和方案。
核心任务：打造超级智能体
正如YY所说，我们当前的核心任务，无论是服务个人用户还是企业客户，都集中在超级智能体的研发上。
对我们而言，"超级智能体"中的"超级"取决于三大核心能力：
1. 通过自然的多模态交互方式实现设备间的主动感知与通信
2. 实现跨设备、跨平台、跨生态系统的本地知识库无缝集成与安全防护
3. 先进的任务自主拆解与编排能力
此外，还有一个关键的设计原则——安全与隐私保护，贯穿这三大核心能力的始终。
这几大能力的融合，将使智能体能够以直观、轻松且安全的方式，适应新任务、新信息，以及新的用户。
这是一个需要敏捷反应、顺时应势、快速行动的时代。
这也是一个发挥联想在全栈计算解决方案上的核心优势，进一步加速人工智能发展的良机。
因为以用户为中心的未来人工智能，不会依赖于任何单一的模型、芯片、设备或形态。
未来的AI将构建在多元模型与多元智能体之上，它将打通设备、边缘、云端等场景，无缝服务企业和个人用户。
超级智能体核心能力之：模型工厂
要达成这一愿景，我们须从所有AI系统的基石——大模型着手。
模型开发者正以前所未有的速度推出性能更强的迭代版本。但针对用户需求，优化数十亿乃至万亿参数的过程非常复杂，往往要耗时数月。
但是，通过联想全新的模型工厂，模型部署的效率获得了显著提升，部署时间从几个月缩短至几周。
无论是运行在Intel架构Windows系统上的DeepSeek蒸馏模型，还是部署于ARM架构Android系统的Llama蒸馏模型，通过加速常见模型优化与定制任务，联想的全球专业工程师团队，能够以业界最快的速度，为我们的所有硬件设备提供顶尖的模型方案。
但是，将最好的模型部署到设备端仅仅是个开始。
超级智能体核心能力之：新一代模型调度技术
从15亿参数的多模态模型，到720亿+参数的垂直领域模型，全栈AI的实现始于全栈模型的集成与编排。
针对需要快速、低成本完成的简单任务——用户需要的是轻量化、高速响应的设备端模型。而对于更复杂的任务，则可能需要依赖云端或数据库算力支持的更大的模型。
而用户的日常业务中，这些能力他们很可能都需要——他们需要通过一个统一的界面，来调用各种规模的模型，这些经过微调的模型能够支持不同功能，并可跨设备、边缘和云端使用。
通过模型编排，超级智能体在接收到查询或任务指令后，必须能够自动进行任务分解，并智能连接至最优解决方案模型——无论模型部署在何处，且整个过程应尽可能减少用户干预。
第一代模型编排器采用相对简单的、基于规则的逻辑引擎。
超级智能体必须能够更加深入地理解用户意图，并据此自主调整要执行的操作。
因此，联想新一代模型调度技术将引入具备自主学习能力的模型路由，这种路由能够根据任务需求和用户反馈持续优化升级。
在这一框架下，超级智能体根据你的具体需求，将查询任务智能发送至一个模型网络——无论是数据中心里的专业领域模型，还是摩托手机里那个帮我搞定上海出行的多语言模型。
随后，这些智能体会通过用户反馈和自我思考机制，评估每次响应的有效性。
这些反馈要么直接来自你自己——比如你对任务结果的点赞或差评；要么是系统自主的性能分析，无需人工干预。
这种反馈闭环将使超级智能体不断优化模型编排，从而持续适配用户意图。
通过部署这项技术，我们将以指数级大幅提升用户通过超级智能体获取的信息量，同时简化用户体验。
超级智能体核心能力之：智能体开发框架
通过联想智能体开发框架，这些模型能力将共同加速智能体的部署进程。
当我们能够把最好的模型部署到用户设备端，以及能够连接任意模型——包括设备端、边缘端或云端模型——的编排技术，那么，我们就构建起了真正的混合式AI模型架构。
而正是在这一架构的基础上，我们将开发出最聪明的超级智能体。
我们该怎么做呢？我们会把模型——以及模型网络与高价值任务相连接，来创建各类智能体的预制件。
这些预制件中，既有通用型，以满足所有或多个智能体的共性需求；也有专用预制件，也就是为特定用户、特定企业、特定任务量身定制的专属能力。
我们的研发团队运用这些智能体预制件，为客户快速交付高度定制化的AI智能体解决方案。
让我们看一下超级智能体开发的两大核心模块：
基于大模型的自动化工作流
首先是基于大模型的自动化工作流。这是一种能够让智能体通过实时编程处理任意任务的能力。
举个例子，用户发起了一个请求… 例如：“如果周五我有会议，记得提醒我妻子去接儿子。”
而智能体则会调用一个经过专门调优的模型，将这一请求转化为一系列自动化操作。在此过程中，它需要完成以下步骤：
• 查阅私人日历（可能记录了我儿子的放学时间）
• 监测工作日程（查看是否有人预约了会议）
• 随后识别我的妻子身份及其联系方式（仅在特定时间有会议安排时激活该功能）
通过这种工作流自动化技术，超级智能体能够从用户输入中提取关键信息，将复杂请求拆解为多个子任务，并最终将这些子任务整合成可执行的行动计划。
随后，超级智能体将自动生成工作流方案，并自主执行。
多智能体协作
当智能体拥有了自主任务编排与执行能力后，就可以支持超级智能体的另外一个关键模块——多智能体协作了。
在多智能体协作场景中，一群智能体接收任务后通过协同合作完成任务。每个智能体负责任务的某个特定部分，最终整合输出一个统一的方案。
有时，当任务特别复杂时，系统需要启动一个智能体层级架构——任务首先由一个“顾问智能体”进行分解，并将分解后的子任务分配至特定智能体，各智能体随后构建各自的独立工作流，并将结果反馈给顾问智能体。待顾问智能体确认后，最终输出集体决策结果。
顾问智能体充当了交互界面的角色——也就是说，它既是任务输入的入口，也是结果输出的出口。
这个界面有时直接与你相连，有时则连接其他AI智能体，有时还会同时连接你和其他智能体。
以辅导学生的超级智能体为例，它可能包含多个重要学科领域智能体——比如数学、文学、科学等智能体。一个规划型智能体会统一协调这些领域智能体。在收到学生的问题后，这个规划智能体会制定教学方案，然后激活所需的学科知识进行响应。
学生只需通过一个统一的交互界面，即可获得所有学科资源的支持。
多智能体协作机制既实现了智能体的专业化分工，又最大限度简化了人机交互流程。
这为 YY 先前提到的 “认知操作系统” 开启了大门。在这样的认知操作系统中，各种智能体能够收集和整合海量数据，并就如何展示和使用这些数据做出决策。
这是联想超级智能体的愿景：通过无缝人机交互、跨设备、跨生态知识融合、自主任务编排与执行等技术打造智能伴侣，从而为未来的AI双胞胎铺路。
异构计算驱动的AI算力
然而，要充分释放超级智能体的潜力，还需要持续发展支持多智能体环境所需的超级算力。
AI的未来，将建基于联想一直安身立命的技术优势，也就是强大、高效、无处不在且安全可靠的AI算力。
YY已经指出，设备端AI的发展取决于算力支撑与模型能力，以及二者形成的协同倍增效应。
推理速度越快，推理效率越高，AI响应就越快，性能就越强——这一法则在数据中心和设备端同样成立。
在异构计算技术的推动下，我们构建的关键AI基础设施平台性能，已超越业界顶尖水平。
我们将吞吐量提高了75%，同时保持准确性。我们将延迟降低了51%。我们提供更快的性能，输出基准时间缩短43%。这一切，都聚焦于打造最高能效的计算。
计算不发展的话，AI也无法进化。超级智能体需要强大的计算支撑。联想正在AI和计算领域双管齐下，为你赋能。
这种计算与AI的共生演进，正是构建多智能体并行环境、释放成熟AI双胞胎潜力的关键所在。
超级智能体的下一程
在超级智能体向AI双胞胎的演进历程中，下一程是什么？是能够持续自主规划、自主行动、自主思考与自主进化的智能体—— 最终实现智能体间的自主协商。
这将在三个层面展开：
个体任务层面——每个智能体将自主规划、自主执行，并自主反思自身任务表现；
多智能体交互层面——各个智能体会像游乐场中的孩童般相互学习，通过调整自己的计划和行动来获取同伴的更优反馈；
还有系统评估层面——智能体群组将评估整体表现，协调整体行动与资源分配以提升性能。
当我们把混合AI模型架构、自动化工作流和多智能体协作，与支撑多智能体并行执行所需的计算环境结合起来时，超级智能体将始终处于动态演进状态。
它们会像人类一样，快速学习并通过与我们和其他智能体的交互持续进化。
群体协作、紧密连接与社会化学习，是人类拥有的超能力。
超级智能体对人类这些超能力的模拟，正在放大我们的认知智能与联结智能，正在助力我们打破数据孤岛，催生一种增强版的集体智慧新形态。
我们的目标从来不是取代人类，而是把这种AI集体智能与我们既有的丰富知识储备和专业技能结合起来，从而释放出我们的潜能。
我迫不及待地想看看，未来，我们，还有我们的超级智能体同事将会向大家展示怎样的成果！
-
-
-
-
-
-
-
-
-
-