11月5日，由微博與新浪新聞聯(lián)合主辦的"新浪新聞·2025探索大會(huì)"在北京落幕。在大會(huì)主題分享環(huán)節(jié)，火山引擎副總裁張?chǎng)芜M(jìn)行了題為《智能體"1+N+X"一站式工作站從生產(chǎn)工具到生產(chǎn)力上崗》的演講。

火山引擎副總裁張?chǎng)?主題演講

以下是演講實(shí)錄，內(nèi)容經(jīng)編輯略有刪減：

每次遇到像大模型這樣一個(gè)技術(shù)浪潮的時(shí)候，人們總是喜歡用一些大的跨時(shí)代性的詞匯描述和贊美。比如有人把大模型稱(chēng)為第四次工業(yè)革命，有人把它稱(chēng)為新時(shí)代的水電煤，但是我更傾向于用一個(gè)一個(gè)里程碑式的時(shí)刻來(lái)去勾畫(huà)一些技術(shù)演進(jìn)的路徑。

比如從ChatGPT發(fā)布至今，先后經(jīng)歷了蘋(píng)果時(shí)刻，因?yàn)槲覀內(nèi)藱C(jī)交互的方式發(fā)生了本質(zhì)的變化，從圖形界面變成自然語(yǔ)言交互，甚至開(kāi)發(fā)方式也發(fā)生最根本的變化，自然語(yǔ)言成為AI時(shí)代新的源代碼。

隨后豆包的出現(xiàn)在短時(shí)間內(nèi)迅速積累上億的用戶(hù)，又給我們帶來(lái)了AI的普惠時(shí)刻，包括到了今年春節(jié)DeepSeek的開(kāi)源，又通過(guò)開(kāi)源開(kāi)放的方式推動(dòng)整個(gè)行業(yè)技術(shù)進(jìn)步。

當(dāng)然創(chuàng)新腳步并沒(méi)有停止，反而在加速。比如像Deep Research的出現(xiàn)，又讓很多人驚呼，說(shuō)AI時(shí)代這個(gè)智能體時(shí)刻真的到來(lái)，但我覺(jué)得更重要的一個(gè)問(wèn)題是我們?nèi)绾稳ヮA(yù)判下一個(gè)時(shí)刻，有人還是用了一些很宏大的詞匯，比如AGI，AI達(dá)到人類(lèi)的水平，甚至是ASI超級(jí)人工智能，AI甚至能超越人類(lèi)的智力。

這些從我的角度我覺(jué)得道路還比較漫長(zhǎng)，但我已經(jīng)看見(jiàn)在發(fā)生的一個(gè)時(shí)刻，AI直接能夠作為數(shù)字勞動(dòng)力直接上崗的時(shí)刻，所以前面幾位專(zhuān)家老師也提出了一個(gè)共同的問(wèn)題，AI可能會(huì)讓哪些人先失業(yè)？剛才聊了很多，從我的角度來(lái)講，在如下三個(gè)領(lǐng)域里，我看到AI和智能體是最能夠成為數(shù)字勞動(dòng)力直接上崗的領(lǐng)域，哪三個(gè)領(lǐng)域？

第一，人力密集型的領(lǐng)域，需要大量重復(fù)勞動(dòng)，人員眾多，甚至有的時(shí)候水平參差不齊，需要大量培訓(xùn)的場(chǎng)景，比如像客服、審核、標(biāo)注，因?yàn)橹悄荏w本質(zhì)上拓展就是人類(lèi)體力和時(shí)間的邊界。

第二，知識(shí)密集型場(chǎng)景，對(duì)知識(shí)要求非常高，但是老專(zhuān)家又非常稀缺，比如說(shuō)我們的咨詢(xún)、法務(wù)、醫(yī)療，智能體本質(zhì)上解決的是知識(shí)分發(fā)的問(wèn)題。

第三，IT密集型場(chǎng)景，比如AI Coding，包括網(wǎng)絡(luò)運(yùn)維，因?yàn)樵谶@樣一些領(lǐng)域天然就是數(shù)字原生，所以通過(guò)AI和智能體可以更進(jìn)一步提升效率。當(dāng)然理論很美好，講到這里有相關(guān)的聽(tīng)眾可能也會(huì)引起一段焦慮，但是我覺(jué)得現(xiàn)在還不必焦慮。

真正打造這樣一個(gè)智能體數(shù)字員工，理論是很美好的，在座有很多技術(shù)專(zhuān)家，大家看過(guò)非常多類(lèi)似的架構(gòu)圖，什么是一個(gè)Agent？又能感知、又能規(guī)劃、又能反思、又能和環(huán)境交互，但是它真實(shí)落地情況是什么樣呢？

時(shí)間關(guān)系，我今天只分享兩步--當(dāng)然可能有很多因素。

第一步，從好的模型到好的應(yīng)用開(kāi)始。因?yàn)槲覀冊(cè)絹?lái)越認(rèn)識(shí)到，模型能力的上限其實(shí)就能夠框定應(yīng)用效果的下限；模型能力的提升，會(huì)解鎖更多的上層應(yīng)用的爆發(fā)。我們的豆包大模型其實(shí)是最好的一個(gè)例子，在過(guò)去從2024年5月份發(fā)布到今天，短短一年多的時(shí)間里，Tokens調(diào)用量增長(zhǎng)253倍，我覺(jué)得它成為了AI時(shí)代新的科技密度和智商密度的一個(gè)衡量單位。

模型能力的提升，為什么能帶來(lái)更好的應(yīng)用？本質(zhì)上能給我們解鎖更多好的應(yīng)用場(chǎng)景，因?yàn)榻裉煸蹅兇髸?huì)的主題是探索，所以我們也往前探索一下，分享我們認(rèn)為至少在未來(lái)一年之內(nèi)，模型能力能給我們解鎖哪些新的場(chǎng)景。

第一個(gè)場(chǎng)景，融合多模態(tài)的深度思考能力。過(guò)去當(dāng)大模型剛出現(xiàn)的時(shí)候，往往把大模型這三個(gè)字和大語(yǔ)言模型五個(gè)字劃等號(hào)，如果我們仔細(xì)想，人類(lèi)信息接觸的方式，它不光是語(yǔ)言，有視覺(jué)和語(yǔ)音，甚至再暢想一下，甚至可能文本的token只是技術(shù)發(fā)展上的偶然，所以我們的深度思考不光能基于文字來(lái)進(jìn)行，還要能基于我們所看到的、聽(tīng)到的去進(jìn)行思考。

舉一個(gè)例子，在座確實(shí)也有很多影視行業(yè)的專(zhuān)家，比如過(guò)去在網(wǎng)上我自己也非常喜歡玩的游戲就是找穿幫，我們經(jīng)常有一些紕漏的地方會(huì)造成一些穿幫的鏡頭，但是今天結(jié)合大模型的視覺(jué)理解能力，比如給定一張?zhí)囟ǖ谋尘昂驮O(shè)置，這是一個(gè)古代的背景，從圖片里我們看布景里有沒(méi)有一些穿幫鏡頭，我自己當(dāng)時(shí)找其實(shí)是花了一些時(shí)間，但是結(jié)合今天大模型的理解能力，能迅速發(fā)現(xiàn)里面右下角桌上的礦泉水瓶是不符合這個(gè)時(shí)代背景。

甚至看一個(gè)更復(fù)雜的例子，給定一個(gè)80年代末北方一個(gè)很貧窮的家庭房廳的背景，讓大模型判斷，說(shuō)在整個(gè)布景里面有哪些物品是不符合這個(gè)時(shí)代的人設(shè)，大模型經(jīng)過(guò)一頓分析以后，它首先能理解貧窮這兩個(gè)字的含義，發(fā)現(xiàn)布景里面的縫紉機(jī)是不應(yīng)該出現(xiàn)在80年代末一個(gè)貧窮的家庭里，甚至更細(xì)的它能發(fā)現(xiàn)里面的暖水壺和臉盆都過(guò)于嶄新，不符合背景的設(shè)置。

從視覺(jué)里面找穿幫找出規(guī)律漏洞以外，甚至可以做基于多模態(tài)的搜索，我經(jīng)常自己會(huì)看到一個(gè)很好的電影片斷甚至一張圖片，很想知道原片出自于哪里，今天的搜索不光基于文字，直接可以通過(guò)我們的文字、視頻、圖像都統(tǒng)一的映射到同一個(gè)向量空間里，去實(shí)現(xiàn)所謂多模態(tài)混合檢索。比如給一張米老鼠彈鋼琴的截圖，就能從視頻影視資料庫(kù)里面找到對(duì)應(yīng)的一些影片。

當(dāng)然，第一個(gè)趨勢(shì)其實(shí)更多是從多模態(tài)里提煉出信息，我們還需要的第二個(gè)信息傳播維度是反向的：給定一個(gè)信息，把它變成多模態(tài)的一種表達(dá)。第一個(gè)當(dāng)然就是對(duì)于圖像的生成，這里不用我多講了，有圖有真相，我們可以看到，今天以豆包為例，視頻是圖片生成的模型可以支持不管是圖片創(chuàng)作還是編輯，都能非常輕松的駕馭。像我們剛才提到的，可以讓非技術(shù)人員大家都能實(shí)現(xiàn)專(zhuān)業(yè)級(jí)的圖片創(chuàng)作。

除了圖片之外，其實(shí)視頻能夠給我們帶來(lái)更高的信息密度、更沉浸式的體驗(yàn)以及更加直觀的感染力，所以我們看一段視頻，基于豆包剛才我們講的圖像編輯模型和視頻生成的模型，我們完全可以生成一部AI的這樣一部影片。

可以看到整個(gè)畫(huà)質(zhì)更加高清，同時(shí)可以多支持不同的運(yùn)鏡，保證多個(gè)故事之間邏輯的連貫性和一致性，包括支持不同的運(yùn)鏡，還能在這個(gè)視頻里結(jié)合我們想要的經(jīng)典元素，讓非科班的創(chuàng)作者都能快速去實(shí)現(xiàn)自己的導(dǎo)演夢(mèng)。

正是基于這樣的技術(shù)能力，今年9月份，火山引擎也攜手上海電影和剪映，參加了今年第30屆的釜山電影節(jié)，并且舉辦了AI未來(lái)影像的峰會(huì)，在會(huì)上還展示了五個(gè)AI的短片，所以確實(shí)像龔老師說(shuō)的，我覺(jué)得通過(guò)技術(shù)的手段能夠讓人人成為創(chuàng)作者的夢(mèng)想能夠照進(jìn)現(xiàn)實(shí)，讓大家都能夠通過(guò)光影去表達(dá)自己的心聲。

當(dāng)然多模態(tài)的領(lǐng)域除了能生成圖片視覺(jué)以外，其實(shí)在聽(tīng)覺(jué)語(yǔ)音上，今天的大模型也給我們帶來(lái)了非常多的突破，我相信大家對(duì)AI合成聲音并不陌生，但可是過(guò)去可能沒(méi)有太多的愛(ài)，因?yàn)锳I的味道太濃了，但是今天的這個(gè)大模型不光可以以非常少的樣本量去進(jìn)行人聲的模擬復(fù)刻，甚至能夠用更加流暢、更加自然的語(yǔ)音語(yǔ)調(diào)去播報(bào)，我們現(xiàn)在可以做一個(gè)小的測(cè)試，大家可以聽(tīng)一下在下面這個(gè)播客里，哪一個(gè)聲音是來(lái)自于真人，哪一個(gè)聲音是來(lái)自于AI。

大家聽(tīng)到語(yǔ)氣還是很自然的，有沒(méi)有嘉賓想?yún)⑴c一下，哪個(gè)是真人，哪個(gè)是AI？

我們可以看到，其實(shí)從大家的遲疑里，真人和AI的聲音已經(jīng)很難分辨了，所以從語(yǔ)音的角度，甚至可以宣布AI已經(jīng)通過(guò)了圖靈測(cè)試，因?yàn)橐呀?jīng)很難分辨哪個(gè)是真人、哪個(gè)是機(jī)器了。

基于趨勢(shì)一的理解和趨勢(shì)二的生成，第三個(gè)趨勢(shì)是大模型真的能下場(chǎng)干活了，但是講到智能體，大家可以回想一下，在2025年之前，我們看到的demo都是什么樣的，是不是大部分都是聊天框？都是一個(gè)聊天框然后人機(jī)對(duì)話，人沒(méi)事和機(jī)器聊來(lái)聊去的，但是今天智能體這個(gè)demo可以大家看到屏幕上的樣子，我給它一張圖片，我說(shuō)你幫我用剪映把它轉(zhuǎn)成3D，再配上一段音樂(lè)，然后再發(fā)布到抖音上，所有這些操作對(duì)于電腦上這些軟件工具的調(diào)用，都是這個(gè)大模型通過(guò)一個(gè)叫做Computer Use的技術(shù)，端對(duì)端直接完成的。

當(dāng)然除了電腦以外還有手機(jī)，我說(shuō)幫我訂一張明天最早回上海的機(jī)票，它能夠理解我的意圖，然后自動(dòng)的打開(kāi)我原手機(jī)上的12306的軟件，搜索了以后再結(jié)合它的長(zhǎng)期記憶，對(duì)我個(gè)人偏好的理解，去選擇最適合我的航班航司出發(fā)的機(jī)場(chǎng)，最終直接完成訂票，所以今天的智能體不再僅僅是聊天的Chatbot，而是端到端完成復(fù)雜任務(wù)的、真干活的幫手。

講到這里是第一步:我們選擇一個(gè)更好的模型，解鎖更多的應(yīng)用場(chǎng)景。第二步,如何從一個(gè)好的應(yīng)用場(chǎng)景,真正把它變成一個(gè)能夠上崗的數(shù)字生產(chǎn)力。

我們先看一張時(shí)間表，這個(gè)時(shí)間表是不是跟我們某些同事的日常有一些類(lèi)似，早上八點(diǎn)半起來(lái)，先對(duì)著一堆系統(tǒng)發(fā)會(huì)呆，先思考一下今天該干啥，九點(diǎn)開(kāi)始把數(shù)據(jù)整理，錄入到N個(gè)不同的表格里，10點(diǎn)—12點(diǎn)連續(xù)開(kāi)了三個(gè)會(huì)，記了很多會(huì)議紀(jì)要，下午一點(diǎn)好不容易想專(zhuān)注的去干會(huì)事，又被流程怎么操作、系統(tǒng)卡在哪里這樣的問(wèn)題所打斷，這個(gè)時(shí)間表其實(shí)從系統(tǒng)工程的角度來(lái)看，本質(zhì)上暴露了企業(yè)效率三個(gè)制約因素。

第一，我們有大量的工時(shí)被這種規(guī)則性的任務(wù)所消耗；第二，過(guò)多系統(tǒng)的切換導(dǎo)致了上下文的中斷；第三，數(shù)據(jù)的孤島制約了決策效率，所以我們第二步要做的是幫助企業(yè)構(gòu)建一個(gè)數(shù)字生產(chǎn)力的勞務(wù)派遣站，通過(guò)源源不斷的幫我們派遣數(shù)字員工來(lái)去拓展人類(lèi)的體力和精力的邊界，來(lái)去解決這些問(wèn)題。

但這樣一個(gè)數(shù)字員工派遣站，并不是一堆工具和一堆智能體簡(jiǎn)單的堆砌，而是需要一個(gè)體系化的平臺(tái)，這里我也起了一個(gè)名字叫"1+N+X"，聽(tīng)起來(lái)有點(diǎn)晦澀，但簡(jiǎn)單來(lái)說(shuō)就是一個(gè)統(tǒng)一的交互入口，解決找工具難的問(wèn)題以及帶上N個(gè)開(kāi)箱即用的、解決企業(yè)通用痛點(diǎn)的智能體，比如說(shuō)懂?dāng)?shù)據(jù)分析、懂營(yíng)銷(xiāo)的數(shù)字專(zhuān)家，幫大家提效。

還有面向千行百業(yè)企業(yè)定制化無(wú)限多需求的一整套業(yè)務(wù)定制智能體的開(kāi)發(fā)工具鏈。所以換句話說(shuō)，你能夠通過(guò)一個(gè)統(tǒng)一入口去派遣、去雇傭一堆相互協(xié)同的智能體，能夠直接和業(yè)務(wù)系統(tǒng)對(duì)話跑結(jié)果，最后把結(jié)果送回到統(tǒng)一的工作臺(tái)上來(lái)。

首先我們?yōu)槭裁葱枰粋€(gè)統(tǒng)一的交互入口呢？我自己的認(rèn)知也在迭代，我發(fā)現(xiàn)今天企業(yè)的智能體數(shù)量不是太少，反而是太多了，根據(jù)我們客戶(hù)的數(shù)據(jù)顯示，現(xiàn)在平均一家企業(yè)投產(chǎn)的智能體有超過(guò)130多個(gè)，最多的已經(jīng)超過(guò)600個(gè)，但是不幸的是，這些智能體交互的入口和界面都是散落在不同的業(yè)務(wù)系統(tǒng)里，有OA、CRM，有自己獨(dú)立的聊天框，所以雖然我們進(jìn)入AI時(shí)代，但是搞IT的人都知道，過(guò)去一直想要去鏟除所謂煙囪式IT的孤島不但沒(méi)有消失，反而越變?cè)蕉嗔?，因?yàn)橹悄荏w讓開(kāi)發(fā)的門(mén)檻變得極低。

所以我們的解法通過(guò)同一個(gè)操作空間，通過(guò)我們大家熟悉的A2A的協(xié)議，通過(guò)MCP的協(xié)議能夠讓不同智能體為我們所用。

我們簡(jiǎn)單看一下智能體交互入口能夠給我們帶來(lái)三方面的便利：

第一，實(shí)現(xiàn)所謂多智能體的協(xié)同，忘了開(kāi)會(huì)怎么辦呢？會(huì)議助手找來(lái)會(huì)議紀(jì)要，想出差，差旅助手幫我去搞定所有的行程，我不用在系統(tǒng)間切來(lái)切去，在同一個(gè)工作間就像一個(gè)智能前臺(tái)就可以去調(diào)度一切。

第二，和企業(yè)的業(yè)務(wù)系統(tǒng)打通，包括差旅系統(tǒng)知識(shí)庫(kù)等等，讓我們高效完成日常工作。

第三，千人千面，可能銷(xiāo)售關(guān)注的是客戶(hù)看板，HR關(guān)注的是招聘助手，行政可能會(huì)把待辦助手置頂，讓每一個(gè)人都有和自己最相關(guān)的智能體追著去服務(wù)。

這里有一段演示，時(shí)間關(guān)系就不展開(kāi)了，我們光有交互入口還不夠，我們還要有開(kāi)箱即用能幫我們解決問(wèn)題企業(yè)的通才和專(zhuān)家，企業(yè)的通用需求有很多，比如像數(shù)據(jù)分析、客服、內(nèi)容生成，但今天這里我簡(jiǎn)單舉一個(gè)例子，企業(yè)內(nèi)部各類(lèi)的流程提效。

以屏幕上的例子為例，一家公司從客戶(hù)下訂單到最后產(chǎn)品交付往往要跨越多個(gè)系統(tǒng)，要通過(guò)人工去實(shí)現(xiàn)多個(gè)系統(tǒng)之間的不同串聯(lián)，耗時(shí)又耗力，但今天我們通過(guò)大模型，通過(guò)AI首先可以模仿理解人類(lèi)的操作，生成可以自動(dòng)化執(zhí)行的工作流，從而后續(xù)能夠幫我們自動(dòng)的完成工作。

比如這樣一個(gè)智能體起了一個(gè)名字叫做OAA，只需要簡(jiǎn)單三步，第一步觀察人類(lèi)操作錄屏，第二步從錄屏中自動(dòng)的去學(xué)習(xí)領(lǐng)域的規(guī)則，生成工作流，第三步所有后續(xù)的操作可以由這個(gè)機(jī)器完全自動(dòng)的執(zhí)行。

除了需要通才以外，千行百業(yè)，不管是制造、傳媒、新聞行業(yè)都是需要有自己的員工自己的專(zhuān)才，整個(gè)智能體構(gòu)成時(shí)間關(guān)系我就不贅述了。只想跟大家分享一個(gè)關(guān)鍵的認(rèn)知，智能體的效果并不是一次性搭建一個(gè)靜態(tài)結(jié)果，而是像人類(lèi)員工一樣，需要有持續(xù)養(yǎng)成、持續(xù)迭代、持續(xù)調(diào)教的過(guò)程，所謂全生命周期的管理。

大家在圖上看到全是技術(shù)的語(yǔ)言，我就不展開(kāi)了，但是我做一個(gè)很形象的比方，比如里面第一步策略的規(guī)劃，就像我們招聘時(shí)候?qū)慗D，先明確需要什么樣的技能和智能體，能力開(kāi)發(fā)就像準(zhǔn)備面試時(shí)候去刷題，我們要去快速的抱佛腳把這個(gè)技能建立起來(lái)。

效果的評(píng)測(cè)是實(shí)習(xí)的考核和轉(zhuǎn)正，包括應(yīng)用的發(fā)布轉(zhuǎn)正以后持證上崗，線上觀測(cè)就像是對(duì)智能體日常的績(jī)效管理，我們要從多個(gè)維度通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方法觀測(cè)可評(píng)測(cè)智能體的效果，而品質(zhì)優(yōu)化就像是我們真人員工的一個(gè)晉升，通過(guò)這樣一個(gè)循環(huán)，讓這個(gè)智能體從一開(kāi)始一個(gè)實(shí)習(xí)生的級(jí)別，最后蛻變成行業(yè)的業(yè)務(wù)專(zhuān)家。

時(shí)間關(guān)系，有一些細(xì)節(jié)就不展開(kāi)了，基于"1+N+X"的體系，回到最前面的主題，我們就能夠構(gòu)建企業(yè)從一開(kāi)始基于需求去招聘員工，再去培養(yǎng)，再和真人構(gòu)建成一個(gè)混合型組織的一個(gè)完整鏈路。

講到這里，"1+N+X"就講完了，但是最后還有一個(gè)One More Thing，今天跟王巍總聊天的時(shí)候提到，隨著社會(huì)的進(jìn)步連寵物都在進(jìn)步，寵物狗都越變?cè)铰斆?，所以在AI大模型快速迭代的今天，其實(shí)人類(lèi)也同樣需要進(jìn)化，所以AI可能會(huì)在取代一部分職業(yè)的同時(shí)，也會(huì)催生出更多一些新的工種和角色。

所以從我的角度，AI高價(jià)值的落地不光是技術(shù)的問(wèn)題，更重要也是我們對(duì)于新的人才結(jié)構(gòu)和人才密度的建設(shè)，最后一頁(yè)分享給各位，我們一起共勉。