5月7日,2025聯想創新科技大會在上海世博中心盛大開幕。聯想集團CTO、高級副總裁Tolga Kurtoglu博士,在大會上發表了題為《以客戶為中心 打造普惠式AI創新》的主旨演講。
Kurtoglu博士表示,聯想致力於通過無縫人機交互、跨設備、跨生態知識融合、自主任務編排與執行等技術,打造超級智能體,賦能個人和企業,並為未來的AI雙胞胎鋪路。以下是演講全文的中文版:
大家好,我是Tolga!
去年十月,在我作為首席技術官出席的首個重要活動上,我站在一個今天這樣的舞台上,向全世界宣告:聯想的混合AI願景不僅是下一個科技「新浪潮」——它更是我們全面釋放人類潛能的通途大道。
在過去的六個月里,正是這一使命推動着聯想研發部門的每一項重要計劃。
聯想正在整合飛速發展的AI創新成果,為用戶打造兼具強大性能與簡約體驗的產品和方案。
核心任務:打造超級智能體
正如YY所說,我們當前的核心任務,無論是服務個人用戶還是企業客戶,都集中在超級智能體的研發上。
對我們而言,"超級智能體"中的"超級"取決於三大核心能力:
1. 通過自然的多模態交互方式實現設備間的主動感知與通信
2. 實現跨設備、跨平台、跨生態系統的本地知識庫無縫集成與安全防護
3. 先進的任務自主拆解與編排能力
此外,還有一個關鍵的設計原則——安全與隱私保護,貫穿這三大核心能力的始終。
這幾大能力的融合,將使智能體能夠以直觀、輕鬆且安全的方式,適應新任務、新信息,以及新的用戶。
這是一個需要敏捷反應、順時應勢、快速行動的時代。
這也是一個發揮聯想在全棧計算解決方案上的核心優勢,進一步加速人工智能發展的良機。
因為以用戶為中心的未來人工智能,不會依賴於任何單一的模型、芯片、設備或形態。
未來的AI將構建在多元模型與多元智能體之上,它將打通設備、邊緣、雲端等場景,無縫服務企業和個人用戶。
超級智能體核心能力之:模型工廠
要達成這一願景,我們須從所有AI系統的基石——大模型着手。
模型開發者正以前所未有的速度推出性能更強的迭代版本。但針對用戶需求,優化數十億乃至萬億參數的過程非常複雜,往往要耗時數月。
但是,通過聯想全新的模型工廠,模型部署的效率獲得了顯著提升,部署時間從幾個月縮短至幾周。
無論是運行在Intel架構Windows系統上的DeepSeek蒸餾模型,還是部署於ARM架構Android系統的Llama蒸餾模型,通過加速常見模型優化與定製任務,聯想的全球專業工程師團隊,能夠以業界最快的速度,為我們的所有硬件設備提供頂尖的模型方案。
但是,將最好的模型部署到設備端僅僅是個開始。
超級智能體核心能力之:新一代模型調度技術
從15億參數的多模態模型,到720億+參數的垂直領域模型,全棧AI的實現始於全棧模型的集成與編排。
針對需要快速、低成本完成的簡單任務——用戶需要的是輕量化、高速響應的設備端模型。而對於更複雜的任務,則可能需要依賴雲端或數據庫算力支持的更大的模型。
而用戶的日常業務中,這些能力他們很可能都需要——他們需要通過一個統一的界面,來調用各種規模的模型,這些經過微調的模型能夠支持不同功能,並可跨設備、邊緣和雲端使用。
通過模型編排,超級智能體在接收到查詢或任務指令後,必須能夠自動進行任務分解,並智能連接至最優解決方案模型——無論模型部署在何處,且整個過程應儘可能減少用戶干預。
第一代模型編排器採用相對簡單的、基於規則的邏輯引擎。
超級智能體必須能夠更加深入地理解用戶意圖,並據此自主調整要執行的操作。
因此,聯想新一代模型調度技術將引入具備自主學習能力的模型路由,這種路由能夠根據任務需求和用戶反饋持續優化升級。
在這一框架下,超級智能體根據你的具體需求,將查詢任務智能發送至一個模型網絡——無論是數據中心裏的專業領域模型,還是摩托手機里那個幫我搞定上海出行的多語言模型。
隨後,這些智能體會通過用戶反饋和自我思考機制,評估每次響應的有效性。
這些反饋要麼直接來自你自己——比如你對任務結果的點贊或差評;要麼是系統自主的性能分析,無需人工干預。
這種反饋閉環將使超級智能體不斷優化模型編排,從而持續適配用戶意圖。
通過部署這項技術,我們將以指數級大幅提升用戶通過超級智能體獲取的信息量,同時簡化用戶體驗。
超級智能體核心能力之:智能體開發框架
通過聯想智能體開發框架,這些模型能力將共同加速智能體的部署進程。
當我們能夠把最好的模型部署到用戶設備端,以及能夠連接任意模型——包括設備端、邊緣端或雲端模型——的編排技術,那麼,我們就構建起了真正的混合式AI模型架構。
而正是在這一架構的基礎上,我們將開發出最聰明的超級智能體。
我們該怎麼做呢?我們會把模型——以及模型網絡與高價值任務相連接,來創建各類智能體的預製件。
這些預製件中,既有通用型,以滿足所有或多個智能體的共性需求;也有專用預製件,也就是為特定用戶、特定企業、特定任務量身定製的專屬能力。
我們的研發團隊運用這些智能體預製件,為客戶快速交付高度定製化的AI智能體解決方案。
讓我們看一下超級智能體開發的兩大核心模塊:
基於大模型的自動化工作流
首先是基於大模型的自動化工作流。這是一種能夠讓智能體通過實時編程處理任意任務的能力。
舉個例子,用戶發起了一個請求… 例如:「如果周五我有會議,記得提醒我妻子去接兒子。」
而智能體則會調用一個經過專門調優的模型,將這一請求轉化為一系列自動化操作。在此過程中,它需要完成以下步驟:
• 查閱私人日曆(可能記錄了我兒子的放學時間)
• 監測工作日程(查看是否有人預約了會議)
• 隨後識別我的妻子身份及其聯繫方式(僅在特定時間有會議安排時激活該功能)
通過這種工作流自動化技術,超級智能體能夠從用戶輸入中提取關鍵信息,將複雜請求拆解為多個子任務,並最終將這些子任務整合成可執行的行動計劃。
隨後,超級智能體將自動生成工作流方案,並自主執行。
多智能體協作
當智能體擁有了自主任務編排與執行能力後,就可以支持超級智能體的另外一個關鍵模塊——多智能體協作了。
在多智能體協作場景中,一群智能體接收任務後通過協同合作完成任務。每個智能體負責任務的某個特定部分,最終整合輸出一個統一的方案。
有時,當任務特別複雜時,系統需要啟動一個智能體層級架構——任務首先由一個「顧問智能體」進行分解,並將分解後的子任務分配至特定智能體,各智能體隨後構建各自的獨立工作流,並將結果反饋給顧問智能體。待顧問智能體確認後,最終輸出集體決策結果。
顧問智能體充當了交互界面的角色——也就是說,它既是任務輸入的入口,也是結果輸出的出口。
這個界面有時直接與你相連,有時則連接其他AI智能體,有時還會同時連接你和其他智能體。
以輔導學生的超級智能體為例,它可能包含多個重要學科領域智能體——比如數學、文學、科學等智能體。一個規劃型智能體會統一協調這些領域智能體。在收到學生的問題後,這個規劃智能體會制定教學方案,然後激活所需的學科知識進行響應。
學生只需通過一個統一的交互界面,即可獲得所有學科資源的支持。
多智能體協作機制既實現了智能體的專業化分工,又最大限度簡化了人機交互流程。
這為 YY 先前提到的 「認知操作系統」 開啟了大門。在這樣的認知操作系統中,各種智能體能夠收集和整合海量數據,並就如何展示和使用這些數據做出決策。
這是聯想超級智能體的願景:通過無縫人機交互、跨設備、跨生態知識融合、自主任務編排與執行等技術打造智能伴侶,從而為未來的AI雙胞胎鋪路。
異構計算驅動的AI算力
然而,要充分釋放超級智能體的潛力,還需要持續發展支持多智能體環境所需的超級算力。
AI的未來,將建基於聯想一直安身立命的技術優勢,也就是強大、高效、無處不在且安全可靠的AI算力。
YY已經指出,設備端AI的發展取決於算力支撐與模型能力,以及二者形成的協同倍增效應。
推理速度越快,推理效率越高,AI響應就越快,性能就越強——這一法則在數據中心和設備端同樣成立。
在異構計算技術的推動下,我們構建的關鍵AI基礎設施平台性能,已超越業界頂尖水平。
我們將吞吐量提高了75%,同時保持準確性。我們將延遲降低了51%。我們提供更快的性能,輸出基準時間縮短43%。這一切,都聚焦於打造最高能效的計算。
計算不發展的話,AI也無法進化。超級智能體需要強大的計算支撐。聯想正在AI和計算領域雙管齊下,為你賦能。
這種計算與AI的共生演進,正是構建多智能體並行環境、釋放成熟AI雙胞胎潛力的關鍵所在。
超級智能體的下一程
在超級智能體向AI雙胞胎的演進歷程中,下一程是什麼?是能夠持續自主規劃、自主行動、自主思考與自主進化的智能體—— 最終實現智能體間的自主協商。
這將在三個層面展開:
個體任務層面——每個智能體將自主規劃、自主執行,並自主反思自身任務表現;
多智能體交互層面——各個智能體會像遊樂場中的孩童般相互學習,通過調整自己的計劃和行動來獲取同伴的更優反饋;
還有系統評估層面——智能體群組將評估整體表現,協調整體行動與資源分配以提升性能。
當我們把混合AI模型架構、自動化工作流和多智能體協作,與支撐多智能體並行執行所需的計算環境結合起來時,超級智能體將始終處於動態演進狀態。
它們會像人類一樣,快速學習並通過與我們和其他智能體的交互持續進化。
群體協作、緊密連接與社會化學習,是人類擁有的超能力。
超級智能體對人類這些超能力的模擬,正在放大我們的認知智能與聯結智能,正在助力我們打破數據孤島,催生一種增強版的集體智慧新形態。
我們的目標從來不是取代人類,而是把這種AI集體智能與我們既有的豐富知識儲備和專業技能結合起來,從而釋放出我們的潛能。
我迫不及待地想看看,未來,我們,還有我們的超級智能體同事將會向大家展示怎樣的成果!