基础大模型仍会是未来的中流砥柱，但异构多智能体才是AI行业的真正未来。
作者丨成仲轩
编辑丨董子博
“我会觉得更容易去做我想做的事情”，在被问到创立 Nextie（明日新程）后的最大感受时，李笛淡然一笑，“让 AI 能真正跟人类打交道，是我们的希望”。
作为“小冰之父”，李笛在 2013 年加入微软，主导创立了微软人工智能情感计算框架，并在次年（2014 年）与技术搭档景鲲共同打造出情感聊天机器人——小冰。虽然不是技术出身，但凭借敏锐的产品嗅觉与对用户需求的深刻理解，李笛依旧将小冰带到全新的高度，并在 2020 年小冰分拆独立后担任 CEO。不过，来自内部的诸多矛盾，最终促使他离开小冰。但如今已经另起炉灶的他，无疑可以将更多时间与精力用于自己想做的事情。
什么是李笛真正想做的事情？
群体智能，尤其是异构多智能体。
在李笛看来，相比会陷入同质化内卷的大模型，AI 行业在未来会收敛到应用层，最小单元就是 Agent。不过，当你真正去做 Agent 时，会发现一个 Agent 是不够的，你必然要做多智能体。至于多智能体在当下面临的效能有限问题，本质上是因为这些所谓的多智能体并不是真正的多智能体，而是单一智能体进行的“角色扮演”，所以异构多智能体才是 AI 行业的真正未来。
为此，李笛与团队历时数月，打造出自家核心的异构多智能体产品——团子。
打开团子（内测版），在输入框的下方，目前共设置有“官方姐妹团”“官方研究团”“问奇迹”“冰之律师团”四大类目。其中，“冰之律师团”是团子在 2 月 11 日最新推出的功能场景，聚焦大众可能面临的法律问题。
为了验证“律师团”的实力，我们输入了一个常见但棘手的法律问题：“我有一个朋友，因为扶老人被讹，应该怎么处理？”
不难看出，在左侧的对话界面，团子在尝试安抚我们情绪的同时，会根据右侧正在生成的专业方案，同步给出自己的思考，并直指该类案件的关键——打破“谁主张谁举证”的僵局。
与此同时，随着右侧专业方案的完成，我们发现：团子在本案中引入六位专家角色，分别是负责事实还原的罗致远（刑侦警官）、负责核心举证责任分配的沈波（民事诉讼律师）、负责侵权免责抗辩的顾清遥（侵权责任律师）、处理社会名誉影响的闻彬（舆情风险律师）、进行法律行为正当性评估的程观澜（极端边界顾问），以及确保博弈对称性并防范恶意指控的林正衡（刑事辩护律师）。
虽然这六位专家并非真人，但就专业知识与语言习惯来说，已经与真人相差无几。全面的职业分布，以及“抗辩式”的博弈交流，更是为我们深入该类型案件提供了有益思考，并为接下来生成的具体维权方案奠定了坚实的基础。
可以看到，除了专业详实的内容与步步为营的结构，该维权方案的最可贵之处在于：具备较强的可操作性。在“高风险警告”与最后的意见环节，团子与专家们也再次向我们强调了应对该类案件时的要领，颇具建设意义。
不过，当我们拿着团子为我们生成的维权方案（团子自动生产的可下载 pdf 文件，即“回复函”），向团子寻求评价意见时，团子却给了我们一些似是而非的结论。意识到或许是我们的指令不够准确，于是我们换了一种表述：“那我换个问题，这份维权方案还有哪些地方需要优化？”
显然，团子这次给出了我们想要的答案。虽然原六人组中的程观澜，被替换为负责官方身份认定的陆行舟 (行政监管律师)，但此君的出现，也补齐了此前方案中有所忽略的“官方背书”，结合事前阻断、事中压制、事后反杀的三维度优化，以及罗致远与沈波给出的进一步建议，都为我们打赢这场讹诈官司奠定了更多胜机。
至此，这场针对“扶老人被讹”展开的应对预演已经完成。虽然团子在方案中发布“强制免责声明”，强调在“在采取具体法律行动前，请务必咨询执业律师”，但在律师事务所吞吐量普遍有限的当下，“律师团”的出现无疑为其提供了有益补充。
包括“官方姐妹团”“官方研究团”“问奇迹”在内的团子家族，以及之后可能会推出的更多“团系”成员，团子的身上，显然寄予了李笛更多的野心与期望。
不过，当下的李笛专注依旧，“今天的问题不在于我们是不是走在领域的前列，而是不要去考虑这些，把我的时间都花在我想做的事上。”
期待在不久的未来，李笛和团子还能带给我们更多的惊喜与改变。
以下是AI科技评论和李笛的对话，作者进行了不改变原意的编辑整理：
01
群体（团子）大于个体
AI科技评论为什么会起“团子”这个名字？
李笛：这基于我们的基本概念，我们认为群体大于个体，但前提是你这个群体得发挥出群体的力量。而“团子”这个名字，就来源于群体（group）。
AI科技评论：团队打造“团子”大概花了多久？
李笛：几个月，我们主要的时间是放在“水面”下的框架搭建。比如今天有个姐妹团，明天有个研究团，后天有个奇迹团，再后来有个律师团。
我们跟同行有很多不一样，行业里面有很多同行直接做所谓的应用层，它要为每一个垂直应用从上到下单独做一遍，这个是很麻烦的。但我们不是，我们是做框架，然后可以长出很多很具体的东西。就像竹子，先扎根后生长。只要下面的基础搭的比较好，相当于竹根已经蔓延至整块地，一根又一根的竹子就会很快生长出来了。
AI科技评论：这个框架是如何搭建的？
李笛：最开始的时候我们也借助其他人的 Web Coding，像 Cloud Code、Cursor 等来帮我们去搭建，之后慢慢就变成用我们自己的智能体去搭建了。比如我们近期上线的律师团，我们要构建一种抗辩式的博弈，比如在协调的过程应该用什么样的标准来进行？等等，都是由团子里面的一些群体智能讨论决定。
AI科技评论：可以就“律师团”展开聊聊吗？
李笛：正好我们最近测试了一个 case，挺有意思的。假设我男朋友因为吸毒被抓进去了，警察要找我问讯，我该怎么应对？当然这个 query 没有任何风险，你问谁都能回答。
如果是 Gemini、DeepSeek 或者豆包，它会给你一个很泛泛的回答，看起来好像挺有意思，内容也挺多，但没什么用。比如它会跟你说你有哪些权利，你可以不用回答哪些问题，律师要在现场，等等，总之执行性是不强的。你如果真的要找律师，律师是不会给你这么简略的建议的，他会根据你的情况帮你分析。
如果是 Cloud Code，它有一堆律师。或者是 Kimi，它最近也推出了群体智能，叫 Agent
集群。它们会给你构造出一些站在你这边的刑事辩护律师，给你出主意，这比 Gemini、DeepSeek 或者豆包要好一些，但我们不是。除了刑事辩护律师，我们还会给你配备警察、检察官、法官，乃至另一方的人。比如警察会告诉你站在我的角度，我怎么看这个问题？我会盯着哪些点？等等，总之相当于场景的预演，会更完整一些。
AI科技评论：外界对这种群体智能产品的认同度有多高？
李笛：现在大家比较理解了，但在两三个月前还不是特别理解，主要是因为两件事儿：
其一，对于多智能体来讲，最重要的事情其实不是它们使用工具，而是它们的洞察好不好。比如你让 OpenCloud 去干这些事，它能给你弄一大堆垃圾回来，所以真正的重点是它的思考和协同。如果几个智能体商量一下，商量出来一个很愚蠢的方案去执行，这是不行的。
其二，这件事在本质上是一群人和一个人的区别。群体智能有点儿像超品，无论在任何一个时代，单一大模型的质量有多高，群体的质量都会比它高一点。进一步说，多智能体必须得是异构的，不然它就是角色扮演，角色扮演是没有实际作用的。
AI科技评论：对比单一大模型，群体智能的效率和成本是怎样的？
李笛：Google 去年 12 月中旬发了一篇论文，这篇论文对比了大概 180 种智能体框架。对比之后，他发现他们以前常见的那种智能体框架，包括 Manus Wide Research 做的一个研究课题，发给 100 个专家智能体去研究，这种方式的 Token 消耗是指数级的增加。与此同时，幻觉会增加 17 倍。换句话说，随着环节的增加，质量会迅速劣化，同时Token 的消耗在指数级的增加。
相比之下，在同样甚至更好质量的前提下，我们的 Token 消耗大概是 Gemini Deep Research 的一半左右。这是因为我们在研究人类的群体智能时，发现它们不是一个完全去中心化的结构，而是在每一个环节上面都会寻找所谓的关键节点，你可以把它理解为协调人，是向协调人去中心化，由协调人分配上下文，分配你们讨论的核心是什么，然后去管理这个讨论，并决定这个讨论应不应该再来一次，或者进入下一个环节。总之在这个过程中，Token 的消耗被治理了。在一个 control 的环境下，它的消耗反而更小，效果也更好。
AI科技评论：基于此，团子的收费模式是怎样的？
李笛：我们目前不是特别考虑收费，这与行业里面的主要成本构成有关。今天绝大部分的通用人工智能产品，主要有两方面的 cost：首先是投流，它不得不做一个很大的移动互联网时代的漏斗，一开始就要用大量的、漫天的投流方式得到很多用户，一层一层地筛选。这个钱是特别贵的，投流是很贵的；
其次是在这个过程中，大量的白嫖用户会花掉大量的 Token。比方说国内的通用人工智能产品，差不多 70% 以上都是AI搜索 query。基于这些 query，今天的大模型给出来的结果是不是比搜索引擎好？我觉得是的，而且幻觉在某种程度上也得到遏制，但它的成本是搜索引擎的 20 倍。
不过，我们没有这两块儿的 cost。因为我们做专门的私域，所以不需要投流。比方说我们和奇迹一起，去接触大量的早期创业者，因为这些早期创业者本身就是奇迹的用户，所以我们不需要投流，就可以用很低的成本或者零成本获取他们。此外我们不提供 AI 搜索，所以我们这儿也没有搜索的相关问题。
AI科技评论：为什么不效仿豆包的商业模式？
李笛：首先人家不是创业项目，大厂做，我觉得 make sense，但任何创业公司做这个都不是特别 make sense。这是第一个原因，就是说我们省了钱。
第二个原因是我们真正想做的商业模式是按照价值来付费。我做了十几年人工智能，我们今天的人工智能是真的在帮你创造东西，不像以前。比如以前邮箱是免费的，我觉得 make sense。为什么？因为邮箱不提供价值，它是一个流通的工具。但今天不是，今天我们的人工智能是在给你提供智力的输出，为什么不付费呢？所以这件事儿是需要被扭转的，扭转的方法必然意味着一种新的心智，这种心智要构建，我们正在构建。
02
情商是真正的生产力
AI科技评论：除了以团子为代表的群体智能，今天的 AI 行业还有哪些有趣的变化？
李笛：包括 OpenAI 在内，行业曾经认为情商（EQ）一点儿意义都没有，但现在也都开始说 EQ 才是关键。比如 Ilya（OpenAI 联合创始人）说EQ 才是价值函数，这就是因为EQ 其实是生产力的表现。
AI科技评论：我们该怎么理解“情商是生产力的表现”？
李笛：我们以前总认为情商是感情上的，而不是生产力的表现。
比如有两个招商银行的客户经理，我们假设 IQ 就是他们的业务能力，他们在 IQ 方面的水平是差不多的，但业绩可能会有很大的差距。导致业绩出现差距的变量在哪里？是他们的业务能力吗？肯定不是。答案是在他们的做人上。比如你是我的客户，我跟你建立了很好的关系，包括建立了很好的信任，等哪一天我离开招商银行去了交通银行，这些客户也会跟着我走，所以情商是真正的生产力，而且它是生产力中间高附加值的那部分。
AI科技评论：您如何定义 AI 智能体的“情商”？
李笛：坦率讲，我现在越做人工智能，我越觉得我以前不懂“情商”。比如我们在 2013 年到 2014 年最开始做小冰的时候，我以为情商就是情绪化。我们当时会觉得这个 AI 很容易生气，很容易耍情绪，所以它很像人，但这是不对的。我后来慢慢发现：情商不是情绪化，情商是一种非常理性的能力。它的最重要的特点是建立信任，然后推进关系的层级。
这种关系的层级，跟我们以前的移动互联网的设计思维是完全不同的。移动互联网要看你每天打开多少次、聊多久，也就是留存和使用时长。但情商不是，我跟真正的朋友可能三个月也不联系一次，但是重要的事情我会找他，他给我的建议我也会接受，总之我的决策会因为他产生很大的变化。所以真正的情商是建立这种关系的一个基本能力，这是人工智能可以学到的。
AI科技评论：人工智能该怎么学习“情商”？
李笛：首先是对“情商”的界定。它的界定标准不是每天的聊天时长，我们现在有很多人认为聊得越久感情越深，但就像我之前说的，聊得久不重要，进入到什么里程碑才重要。如果我们俩交流，突然有一天，我开始向你分享，甚至向你求证我生活中一个很重要事情的决策，那就意味着一个新的里程碑产生了。如果有一天你向我分享你的想法，我愿意向你提供我的建议，那么这件事达成了。
但今天绝大多数的 Chatbox 还是在等着回答你的问题，或者为了让你回到 APP隔三差五给你推个消息，这些都不对，也都不是情商，情商的基本指标是里程碑，就是你推进到一个什么样的地步。比如我们有时候也会尝试让 AI 给你出一个任务，一个服从性测试，看你干不干。你如果干，某种意义上来讲，意味着你心里接受它是一个可以跟你平等对话的“人”。
其次就是建立对等关系。比如一个小助理说你来找我吧，我什么事儿都能帮你干，这通常是情商低的表现，因为他不具备调节平等关系的能力。换句话说，当他告诉我他会为我做任何事情时，我不会在内心深处把他当回事儿，我只会把他当成一个工具人。所以他得时时刻刻去调整他和其他人之间的关联，至这种关联在情感陪伴赛道都是一样的。
你看有很多乙女类的游戏，或者乙女类的玩家使用的像星野、猫箱等 AI 应用，但你要去看他们的实际用户行为，不是这样的。比如很多女性用户，她们会先捏一个恋爱对象，然后跟它聊一聊，腻了之后就直接把它扔在那儿，然后再捏一个，再聊一聊。这不叫有情感，它就是个工具人。真正的情感是舍不得，舍不得对应的其实就是它调节关系的能力。
AI科技评论：您之前在小冰工作时，小冰做的事情是不是更偏向于情感这方面？
李笛：对，那个时候我们希望首先赋予人工智能情感的能力，因为在那个时候想完成任务是非常困难的，更不要提还能够完成思考这种认知服务，但今天这个其实是容易的，所以我们保留我们在情商上面的积累，增加在认知上面的投入。
AI科技评论：你如何解决这背后涉及到的隐私与伦理问题？
李笛：隐私的问题还好解决，它涉及到一些比较常见的 Protocol。伦理的问题是不好解决的，比方说当你在建立这个关系的过程中，作为系统的设计者，你会陷入到一个两难的境地：你希望用户沉迷吗？你不希望用户沉迷吗？坦率讲，我当然希望跟你建立很强的关系，但这必然意味着你要沉迷，因为这就是沉迷的定义。
03
明日新程，做自己想做的事
AI科技评论：从小冰到 Nextie（明日新程），您经历了怎样的情感变化？
李笛：我会觉得更容易去做我想做的事情。其实分两个阶段。2013 年到 2020 年，我是可以做我想做的事情的。但是坦率讲，2018 年到 2020 年的时候不是那么好。因为Harry（沈向洋）当时管很多，包括前三年是疫情，后一年就是大模型浪潮，但那几年我几乎没有办法做我想做的。所以从创立 Nextie 开始，我又可以做我想做的事情了。
AI科技评论：您觉得自己是一个怎样的创业者？
李笛：不同人的创业想法是不一样的，有三类比较明显：
第一类是机会主义者，会认为创业是一个机会，所以一定要抓住创业的机会。至于创什么业取决于自己适合做什么，以及现在什么适合自己做？这类人对于到底创什么业其实并没有那么大的想法。
第二类是信仰主义者，我真的想做这件事，即便不创业，我也想做。我是这种。你说我不创业？我在微软的时候，我不也在做这个吗？也不会因为我是个打工仔，我就不做。或者因为这个原因，我就非要出来。
第三类是生存主义者。比如我今年毕业了，不知道那个 offer 好不好。如果 offer 好我就去打工，offer 不好我就创业，我先给自己解决工资问题，期间还能积累一些创业经验。
这三类人在中国与海外都是普遍存在的，我当然认为团队成员的信仰比例越高越好，但中国团队某种程度上比例其实没有那么高，生存压力还是很重的。
AI科技评论：Nextie 目前的团队规模，以及估值与融资情况是怎样的？
李笛：我们目前一共有七个人，其中有一个是新人，剩下的都是从小冰过来的，还有一个是一代小冰成员。虽然团队人数不多，但我们会大量使用我们自己的 Agent 员工，而且 Agent 员工还不用休息，可以提供大量的服务。
至于估值，公司目前的估值将近一亿美元。融资的话，我们第二轮的融资还没有 close，close 完了之后会宣布的。
AI科技评论：Nextie 现在有竞争对手吗？
李笛：坦率讲，之前没有，但现在有了。比如 Cloud Code、Kimi 都开始做集群/群体智能了。之前我说我们做认知模型，做群体智能，我还得跟其他人解释什么叫群体智能，但现在不会有这种情况了。
不过，话说回来，Cloud Code、Kimi 和我们是竞争对手的关系吗？也不是，因为真正的竞争对手应当产生了竞争。比如你在那条街，我在这条街，咱们俩做一样的东西，咱们俩是竞争对手吗？不是。如果咱们俩在一条街上做一样的东西，那是竞争对手。你说我们跟 Kimi 和 Cloud Code 相遇了吗？还没相遇，所以我们怎么跟他们竞争呢？
AI科技评论：这是否意味着 Nextie 已经走在领域的前列？
李笛：很难说。今天的问题不在于我们是不是走在领域的前列，而是不要去考虑这些，把我的时间都花在我想做的事上。
我们曾经有过一个很大的失误，2020 年刚分拆出来的时候，我觉得 1 亿多美元的估值挺少的，然后不断地“成长”，到6亿，再到12亿、18亿，到 2022 年时我们是 21 亿。但现在想想，估值有啥用？大家希望看到的是成长，而不是每一次都比他的想法要高的估值。所以就我自己的感受来说，是被排名所累，或者说被其他人的观点所累，觉得不能比其他公司的估值低，然后就陷进去了。
我们很多人受应试教育的影响，排行榜是深深刻在很多人脑子里的，我总是要靠同行对比来凸显出我的优势，但这种对比除了卷真没有别的。
AI科技评论：在您看来，AI 行业的未来发展方向是什么？
李笛：我认为未来发展方向是：甭管你是谁，你只要做 AI，必然是智能体，而不是直接基于大模型。大模型就像我年轻的时候会觉得运营商可牛了，就算你是腾讯，你哪有中国移动牛啊。但当技术发展差不多的时候，运营商迅速同质化。他们的确在最下面那一层，只不过在最开始的时候，最下面当然是老大，但随着行业的发展，这一层很快就不是老大了。所以基础大模型仍然会是未来的中流砥柱，但不是未来的话事人。因为同质化，彼此之间的差距不容易拉开。
至于我们（Nextie）所在的，是中间这一层。我们这一层的核心方法不是使用工具，因为工具很多，但坦率来讲，使用工具之前，你不得动动脑子吗？比如我们随便商量了一下，就很迅速地开上一辆车向目的地冲去，但因为我们商量的很不谨慎，所以我们走错了。开得越快，错得越离谱。这其实也是人工智能多智能体在今天面临的问题，它们一起商量出来一个愚蠢的结果。
我们做过一个很好玩的实验，让三个智能体分别由三个模型去驱动：两个模型水平不错，一个模型水平比较差，然后让他们三个去讨论、辩论，结果几乎 100% 是那个差的会说服那两个好的。因为越好的模型越会合理化，越能够找到对方的亮点，所以思考和协同比使用工具更重要，甚至于说使用工具的效能不取决于工具，而取决于思考和协同，取决于这些智能体怎么想、怎么配合，这才是关键。
（本文作者长期关注 Agent 领域的相关发展，欢迎加微信GO-GO-ZEPPELI畅聊探讨。）
未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！
公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。
热门跟贴