中國網訊（王雨菲）你“養龍蝦”了嗎？這句近期在科技圈頻繁出現的流行語，折射出大眾對人工智慧領域新趨勢的好奇與關注。今年，“智慧經濟”首次在政府工作報告中被提出。2025年我國人工智慧核心産業的規模已經超過1.2萬億元，企業的數量超過6200家，工業網際網路與AI融合加速，無人車、自動駕駛等應用場景走向實用。如今，人工智慧發展到了哪一步？我們又該如何與這個智慧時代共處？3月24日，中國科學院科技戰略諮詢研究院院長、中國科學院大學公共政策與管理學院院長潘教峰在中國國際經濟交流中心“經濟每月談”中就人工智慧賦能本質與前沿進行了深度解讀。

人工智慧賦能的本質是什麼？

潘教峰提出，其本質就是“整合”。人工智慧依託多元的數據整合，以及人工智慧所提供的五大能力——關聯識別能力、因果推理能力、矛盾發現能力、收斂逼近能力、突變涌現能力來提煉規律和邏輯，實現對知識的抽象、推理、創新，即知識的整合，進而利用人工智慧從單點技術到系統工程，在虛擬世界中構建物理世界的映射與操控體系，從而形成一個系統整合。

人工智慧的“突變涌現能力”

在人工智慧這五大能力中，突變涌現能力是AI中最神秘、最引人深思的部分。所謂突變涌現能，是指通過系統內部結構重組，自發出現超越組成部分功能的全新能力，實現“量變”到“質變”的突破式涌現。潘教峰舉了AlphaGo的例子，2016年AlphaGo在與南韓圍棋棋手李世石圍棋對決的佈局階段，放棄了“外四路行棋”的千年定式，將棋子置於第五路，這一策略並非人類傳授，完全是Al在博弈空間中的自發“突變式發現”，奠定了AlphaGo的勝局。

當然，這種涌現的生成也有一定的條件。潘教峰認為，環境或任務的複雜性是涌現的必要條件。簡單遊戲中，AI只會涌現出窮舉策略；只有在圍棋、星際爭霸這類具有極高複雜度的環境中，才可能涌現出超越人類的宏觀策略。突變性表明，當複雜度達到臨界點時，智慧可以作為一種自然現象，從簡單的計算規則中“涌現”出來，這挑戰了我們對生命、意識和創造力的傳統理解。由此可見，AI作為“協同作者”的科學時代已經來臨，並且未來我們會看到人機協作共創的新範式。

那AI會如何與人類協作呢？人機分工尤為重要。對此，潘教峰指出AI作為“靈感”夥伴，人類負責提出宏觀方向，AI負責在微觀層面進行海量探索和突變，再將涌現的結果交予人類甄別和昇華。與此同時，AI會破解“人類盲維”，因為AI可能發現我們因認知局限而永遠無法想到的解決方案，特別是在高維數學、基礎物理等領域。

由GenAI邁向Agentic AI

當前，人工智慧正處於什麼發展階段？潘教峰總結了人工智慧發展的四代浪潮：從計算智慧到感知智慧，再到認知智慧，最終走向自主智慧。我們已經從早期的生成式AI(GenAI)逐步邁向了更加智慧、自主的代理式AI(Agentic AI)時代。如今興起的“養龍蝦”就是代理式AI的初步形態——用複雜的推理和迭代規劃來自主解決複雜的多步驟問題。所以，代理式人工智慧時代即將到來，預計到2028年，15%的日常工作決策會由代理式人工智慧完成，而這一比例在2024年幾乎為0，所以未來的發展速度將會非常快。

代理式 AI專注于決策而不是創建實際的新內容，不完全依賴於人類提示，可進行自主性決策，實現一個決策閉環。通過感知、理性、執行和學習，實現數據整合、知識整合、系統整合的貫通，打通“感知－推理－執行－學習”閉環，由自動化工具升級為自主系統。

潘教峰列舉了幾個典型案例，在自動駕駛領域，代理式AI體系結構用於實時導航與決策，感知組件從感測器收集數據，認知組件處理這些數據來做出決策；在醫療健康領域，它可分析醫療數據、協助診斷、推薦治療，甚至實時監測患者的健康，與電子健康記錄整合，並利用醫學成像，基因組學和可穿戴設備數據來提供全面的醫療保障解決方案。

主要挑戰及未來路徑

潘教峰認為，未來主要面臨三大挑戰：一是透明性和可解釋性，代理式AI決策過程難以解釋，在高風險領域（如醫療、金融、司法）AI決策過程不透明，可能引發信任問題和法律爭議；二是安全性與防禦，自動化系統越複雜，系統性風險攻擊面擴大，加之外部環境和系統實時反饋不斷變化，容易由靜態風險轉向動態風險；三是倫理問題，例如在醫療和司法領域，AI是否應該做出關鍵決策，以及如何評判決策是否公平。

科技作為第一生産力，是推動經濟社會發展的核心引擎。面對上述挑戰，我們需要回歸底層思維和基礎學科的建設。最後，潘教峰認為想要把握人工智慧發展的浪潮，必須重視基礎科學的研究，腦科學、邏輯學、控制科學、數學等底層學科的發展支撐至關重要。中國有機會在這一輪人工智慧興起之際把握機遇，引領世界發展的潮流，併為人類文明進步做出巨大貢獻。