辅助最新信息“微乐广东麻将小程序必赢神器免费安装”(透视)开挂辅助脚本+详细开挂安装教程

-->

　　5月8日
，国家网信办 、国家发展改革委
、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，将智能体安全、可靠 、可信作为产业发展的底线要求 ，规范有序推动智能体落地应用 。

　　同一天
，第二十八届中国北京国际科技产业博览会（以下简称“科博会”）开幕，以智能体为代表的AI应用同样成为产业端的焦点
。

　　今年以来 ，一只“红色龙虾 ”从技术圈走向产业应用，被视为AI从“对话交互
”迈向“自主执行”的关键标志。“龙虾 ”常与智能体混为一谈
，事实上，“龙虾
”是智能体平台 ，并非智能体本身 。而这只是外界对“龙虾”的误解之一。

　　科博会的一场围绕AI智能体的圆桌论坛上
，来自操作系统、工业AI
、网络安全等领域的产业人士给出近乎一致的判断：应用层的狂欢之下，决定智能体能否真正进入产业的地基 ，还未打好
。

　　龙虾之外
，他们关心的是模型、智能体跑在什么之上——操作系统 、端侧算力
、工业模型、安全框架，这些才是智能体从“能用 ”到“敢用
”的桥与路。

　　先把OS和标准做好

　　2024年到2026年 ，每年春节都有一款产品破圈 。2024年是Sora
，2025年为DeepSeek，2026年“龙虾”被全民热议
。什么是“龙虾 ”？大多数人至今搞不太明白。

　　“它不等于智能体
” ，诚迈科技股份有限公司总裁刘冰在分享感悟前
，先进行概念纠偏 。“‘龙虾’之所以火，是因为它让智能体具备了短期记忆能力 ，以及执行 、操控的机制
。它是一个平台，让公众能够知道人工智能到底能干什么。”

　　就像踢一场足球比赛一样
，他打了个比方：“一个足球队有前锋，很光鲜 ，但也需要中场
、后卫、守门员 。人工智能要落地到传统行业
，首先要分层次地把每一个关键岗位角色定义清楚
。我们既需要‘龙虾’，也需要操作系统 ，Scale（规模） 、Agent（智能体）等队友
，来形成落地‘最后一公里’的产品或方案。 ”

　　比如操作系统，“传统操作系统向下控制所有硬件
、文件系统、CPU（中央处理器）和GPU（图形处理器）算力资源等 ，这是‘龙虾’和智能体不具备的” 。刘冰说
。

　　在他看来
，中国数字化发展了十几年，基础设施全球领先 ，但智能化水平在各个行业参差不齐
，核心症结在于操作系统这个数字化基座。如果出现新的操作系统，能将人工智能原生集成进入 ，同时又让所有的端侧设备运行，相信智能化水平能够大幅度提升 。

　　诚迈科技自身的实践也印证了这一点：从2024年开始
，诚迈科技从软件走向软硬结合，推出面向信创领域的台式机 、笔记本和服务器 ，以及面向汽车
、机器人和物联网行业的端侧AI产品等。

　　在工业制造这个深水区
，操作系统还需要一次更底层的重构
。

　　远舢智能科技联合创始人兼CTO李小龙分享了实践中发现的问题，在某个场景下 ，“整个工艺生产过程中
，大概有1200多个模型同步运行，整个运行环境需要一套相关底座来支撑 ，我们把它称之为INOS
，就是工业原生OS
”。

　　“另外，我们不得不面对一个核心问题 。”李小龙发现 ，“‘龙虾’对token访问时
，OpenAI和Anthropic的协议不一样，谁牵头制定标准？计算机发展这么多年 ，都是标准化之后才能做到产业生态的共生共荣
。 ”

　　大模型产业落地差1%都不行

　　操作系统打好了地基，模型本身则需要在场景下打磨。

　　远舢智能成立八年
，发现AI在产业落地重点还是在端侧，在这个过程中还需要从技术端做诸多突破 。

　　以基模为例 ，“所谓的AGI（通用人工智能）
，说将来拿一个模型把这件事全干了，我们不是这样认为的
。我们采用的是专有模型的路线。大模型啥都能干 ，但在工业场景就是差1%
，尤其是在专有领域，我们把知识密度增强 ，把大量冗余部分剥离掉
，在这个方面做了大量模型蒸馏工作
” 。

　　从公司成立到现在，远舢智能没有采取大模型卷参数的方式 ，李小龙解释
，“因为在很多工业场景，对大模型的功耗、准确性有很高的要求 ，所以我们把知识级别的内容通过Transformer做轻量化处理，在真正要把工业串起来的那一步
，再加一些工业机理知识”
。

　　达索系统大中华区可持续发展首席专家冯升华提出，“工业AI有三道门槛：可信 、科学、经得起工业实践。通用大模型解决聊天
、写作、做视频的问题 ，属于‘文艺AI’
，而工厂里需要的是工业AI，不能有幻觉 。不能造一架95%时间稳定 、5%时间不确定的飞机 ，AI生成的每一个东西
，都要经得住科学考验和工业实践 ”
。

　　端侧模型的性能正在快速提升。业内人士表示，当前主流开源模型中 ，7B
、14B、26B 、32B
、35B等参数级别的模型性能
，已大幅接近，甚至是超越两年前的顶尖模型 。比如千问3.5 35B参数的模型已经直接对标千问3 Max 235B模型的水平 ，知识蒸馏和量化技术让大模型“下沉
”到端侧成为可能。

　　从“比参数”到“比落地 ”
，工业AI有自己的评价体系
。

　　AI安全的核心是基建

　　工业AI要可信，安全是可信的前提。当智能体从对话框里走出来 ，开始操控设备和数据，原有的安全防护体系要同步成长 。

　　十年前
，我们讨论网络安全，近十年聚焦数据安全 ，现在是人工智能安全
。“过去的网络安全
，我们说补丁要打得足够快；到了数据安全时代，我们说手段要来得及时；到了人工智能安全 ，我们强调基础设施要建得好。到了AI时代
，如果搞安全还是打补丁，可能是灾难性的 。
”安恒信息高级副总裁杨勃亮出自己的观点
。

　　当天 ，IBM全球合伙人、IBM咨询大中华区战略咨询部总经理董海军提到了一个具有讽刺意味的案例：Meta的一位安全主管用“龙虾”整理邮件
，结果龙虾把他所有的邮件都删了。安全主管尚且如此，普通企业面临的AI风险可想而知 。

　　和传统的AI相比 ，智能体带来的安全挑战还有着本质不同
。

　　杨勃指出
，“现在智能体‘长了两个爪子’，进入了物理空间 、社会实体空间 ，它不再只是在屏幕里跑的工具，而是具备决策和执行能力。人类无法确保制造出的机器都能正常运行
，所以必须有配套的安全手段 。当智能体与工业机器人
、具身智能结合之后，如果被远程恶意控制 ，带来的影响和损耗会非常大 ”
。

　　行业忙着给AI“造
”更多手脚
，“最后一公里”的路还要一块砖一块砖地砌。

（文章来源：北京商报）