覆盖其背后的算力开销，那么“数字员工”的规模化上岗就只是美好愿望。  这一判断正在产业端得到印证。2025年以来，全球科技巨头纷纷加码推理基础设施以降低推理成本：英伟达斥资200亿美元收购专用推理芯片公司，亚马逊、微软、谷歌、Meta均向博通下达推理芯片大单。国内层面，百度、阿里巴巴、字节跳动等企业亦加速推理算力布局，其中阿里巴巴宣布未来三年投入超过3800亿元建设云和AI硬件基础设施；百度智能云成功点亮自研万卡集群，计划进一步扩展至3万卡。  “推理芯片与训练芯片的要求截然不同。”周鸿祎解释，训练需要万卡集群高速互联，单卡故障可能导致整体训练中断；推理则更像互联网服务，“只要内存能装下模型，就能无限叠加机器，对卡的要求低很多，成本可控”。这一技术特性为中国芯片产业提供了“换道超车”的窗口。  对此，他认为，一旦智能体成为主流交互入口，那么国家的产业政策就不能只盯着训练芯片，更要为这些干活的“数字员工”配好便宜好用的推理芯片，包括端侧芯片、IoT边缘芯片及企业私有化部署算力，加速构成一个庞大的算力网络。  当算力重心从“训练大脑”转向“部署神经末梢”，智能体才能真正从“试用”走向“实用”，嵌入产业肌理。  从“单点”到“生态”  加快系统协同与风险治理建设  智能体的终极形态并非孤立运作的“超级个体”，而是相互协作的“数字社会”。当技术层面的瓶颈逐步破题之后，更深层的挑战浮现：当数以亿计的智能体在网络上奔跑、交互，它们如何协作？如何治理？谁来负责？  “单个智能体容易出错、倦怠、幻觉，但通过多智能体协作，能力会显著提升。”北京智源人工智能研究院院长王仲远以“三个臭皮匠顶个诸葛亮”类比——多智能体通过相互协同配合，处理具体场景任务的效果显著优于单一智能体，成为人工智能技术走出实验室、深度融入实体经济的关键路径。  此外，智能体的自主性带来了新型风险，智能体可能犯错却无人担责，可能被劫持成为攻击工具，并在协作中产生不可预测的行为。  全国政协委员、奇安信董事长齐向东对《证券日报》记者表示，要实现创新与安全的动态平衡，关键在于将安全能力嵌入AI应用全生命周期；明确合规红线，夯实安全主体责任，强化权限与内容管控；以AI对抗AI，让安全能力始终跑在安全风险前面。  全国政协委员，安天科技集团董事长、首席架构师肖新光提出，应对人工智能时代的安全挑战，关键要发挥制度优势，打造国家
=*=*=*=*=*=
当前为第3/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页