生成式智能與任務執行智能，是兩種路線目標。

原標題：思必馳俞凱：分布式大模型智能體系統是 AGI 時代一道別樣的風景
文章來源：AI科技評論
內容字數：11437字

思必馳大模型技術路線：從對話系統到分布式智能體系統

本文總結了思必馳首席科學家俞凱在2024全球人工智能產品應用博覽會上的演講及訪談，重點闡述了思必馳區別于OpenAI的大模型技術路線——構建分布式大模型智能體系統。

1. 技術路線差異：超級智能 vs. 可靠執行

1. OpenAI等廠商追求單一集中式超級智能大模型，如同創造一個全知全能的神，擅長內容創作和問題回答，但在2B場景落地時面臨實時私域知識缺乏、專業領域能力欠缺、可靠執行能力不足和系統協作架構缺失等問題。

2. 思必馳則構建“1+N”分布式大模型智能體系統：一個中樞大模型（CEO）+多個垂域大/小模型（CFO、CTO等），類似公司組織架構，強調可靠的任務執行而非超級智能。每個模型各司其職，無需都具備超級智能，核心目標是可靠性。

3. 思必馳更關注執行智能，強調不出錯和可靠性，而非生成式模型所強調的創造性和多樣性。 這有效解決了大模型“幻覺”問題，并通過創新技術重新定義可靠性，例如，優先選擇能夠識別自身知識邊界并拒絕回答超出能力范圍的問題的模型。

2. 智能體系統：超越單一功能模塊

1. 智能體系統與大模型的區別在于系統層面考慮多個全鏈路功能模塊的組合，強調有機整體，提升用戶交互體驗。大模型往往只關注單一功能模塊的輸入輸出，用戶體驗可能較差。

2. 思必馳的智能體系統通過分布式方法結合不同規模的大模型，形成具備工具智能的可靠系統，實現更高的可靠性和產業落地。

3. 思必馳十七年技術發展歷程

1. 早期專注語音識別技術，后轉向對話系統，并于2014年隨著Amazon Echo的出現，將技術應用轉向智能硬件。

2. 2017年，研發全鏈路智能對話定制平臺（DUI），實現大規模可定制的柔性人工智能。

3. 2019年開始切入大模型研發，2023年發布DFM-2大模型，實現通用人工智能的柔性定制，滿足客戶個性化需求，提升“非標交付”效率。

4. 在發展過程中，思必馳不斷克服技術難題，例如構建全鏈路智能對話系統、解決軟件易復制問題、面向智能硬件的嵌入式技術開發以及大規模定制化等。

4. 大模型落地困境與思必馳的優勢

1. 當前大模型廠商面臨的最大挑戰是商業化落地場景，許多廠商“拿著錘子找釘子”。

2. 思必馳的優勢在于：扎實的技術積累（算法和系統結合）、智能硬件領域的長期深耕和豐富的客戶資源，以及覆蓋廣泛的應用場景（智能汽車、智能家居、消費電子等）。

3. 思必馳注重端側模型的開發，但強調要明確端側模型的用途，避免盲目追求多功能化，專注于通用智能的提升。

總而言之，思必馳選擇了一條與OpenAI不同的技術路線，專注于構建可靠的分布式大模型智能體系統，并通過長期技術積累和豐富的行業經驗在眾多應用場景中取得了成功。

聯系作者

文章來源：AI科技評論
作者微信：
作者簡介：雷峰網旗下AI新媒體。聚焦AI前沿研究，關注AI工程落地。