中国工程院外籍院士赫尔佐格在访谈中提出，人工智能下一阶段的重要突破可能不来自单一大型系统，而是由多个小型、专业化智能体协同完成任务。这一观点为企业数字化、软件开发和网络安全场景中的 AI 落地提供了新的讨论方向。
今日技术观察 IT之家 7 月 26 日消息，据央视新闻今日报道，德国国家工程科学院院士、中国工程院外籍院士赫尔佐格荣获 2025 年度中华人民共和国国际科学技术合作奖。近日，赫尔佐格接受总台《高端访谈》栏目专访时谈到人工智能发展，他表示，人工智能领域下一次重大突破绝非单一大型系统，而是众多小型的专业化智能体协同运作。总台记者何岩柯：随着智能体越来越普及，各界对此讨论热烈。您认为人工智能领域下一次重大突破，会诞生于性能极强的单一大模型，还是由多个智能 01 背景速览 背景速览：据媒体报道，德国国家工程科学院院士、中国工程院外籍院士赫尔佐格近日在接受总台《高端访谈》采访时谈到人工智能发展方向。他认为，未来人工智能的重要进展未必来自一个能力极强的单一大型系统，而可能来自多个小型、专业化智能体之间的协作。赫尔佐格同时提到，人工智能可以进一步降低人们获取知识的门槛，但要真正落地仍需要持续实践和科研工作。 02 趋势影响 趋势影响：这一判断把关注点从“模型越大越好”转向“系统如何分工协作”。如果智能体能够像团队成员一样围绕不同任务进行沟通、配合和调整，AI 系统的构建方式可能会更重视模块化、可替换性和场景适配能力。对于软件开发、企业数字化和智能运营来说，这意味着 AI 能力不一定只依赖单点模型性能，也可能取决于任务拆解、流程编排和多智能体之间的协同效率。 03 企业应用启发 企业应用启发：在企业场景中，小型专业化智能体协作的思路可以启发我们重新设计 AI 工作流。例如，一个面向企业知识管理的系统，可以由资料检索、内容摘要、合规校验、流程建议等不同角色共同完成；在软件开发中，也可以围绕需求分析、代码辅助、测试生成和缺陷排查设置不同 AI 助手。相比把所有任务交给同一个系统处理，分工式架构或许更便于企业按业务变化增减能力模块，但实际效果仍需要结合数据质量、系统集成和业务流程成熟度评估。 04 合规观察 合规风险提醒：多智能体协作并不意味着风险自动降低。企业在引入此类架构时，需要关注数据权限边界、敏感信息流转、日志留存、模型输出责任归属和人工复核机制。特别是在网络安全、客户服务、财务、人力资源等场景中，不同智能体之间如果共享了不应共享的数据，或者在缺少审查的情况下自动执行操作，可能带来隐私、合规和业务连续性风险。因此，智能体越多，越需要清晰的治理规则和可追溯机制。 05 开放讨论 开放讨论问题：对于企业来说，哪些业务更适合采用多个小型智能体协作，而不是使用单一通用 AI 助手？在软件开发和网络安全场景中，如何划分智能体职责，才能既提升效率又避免责任模糊？当多个智能体给出不同建议时，企业应由人工决策、规则系统决策，还是建立新的审核流程？这些问题可能会成为企业 AI 落地过程中值得持续讨论的重点。 公开来源参考 中国工程院外籍院士赫尔佐格：AI 下一个突破口是小型智能体协作