近日，產聯智庫舉辦了一場聚焦“AI賦能產業升級與經濟發展”的圓桌對話，邀請學界與產業界專家共同探討AI智能體發展趨勢、產業融合路徑及中小企業智能化轉型等核心議題。北京工業大學教授、IEEE China Council常務理事李文正結合自身在人工智能大模型與高性能計算領域的研究經驗，就Agentic AI（智能體AI）時代的計算架構變革、算力與電力協同優化等關鍵問題發表了深度見解。
李文正指出，AI大模型的發展已從“對話生成”邁向“執行真任務”的Agentic AI階段，形成“大模型+智能體+環境”的協同生態。這一轉變標志著AI從被動響應轉向主動解決問題，例如OpenClaw等開源智能體的爆火引發了行業對“AI獨立上崗”的討論。他分析稱，當前技術路徑呈現兩大方向：一是以OpenAI GPT-5.4為代表的“大一統模型”，將原生深度集成至工作流，實現電腦操作超越人類；二是以Anthropic Claude Opus 4.6為代表的多智能體協同框架，通過分工協作提升任務處理效率。
在產品形態層面，全球首款通用型AI智能體Manus與開源框架OpenClaw成為焦點。Manus定位為云端運行的數字員工，而OpenClaw則聚焦本地設備部署，二者均通過適配現有大模型實現功能落地。李文正強調，Agentic AI的核心特征在于自治性、感知能力、決策推理與目標導向性，推動AI從“單點對話”向“多智能體協同”演進。這一趨勢對企業而言既是機遇也是挑戰，需解決數字空間與物理世界的深度融合問題，即“符號落地”難題。
針對智慧城市運營，李文正提出“城市智能體”概念，認為其將從“被動處置”轉向“主動預防”，服務體驗從“千人一面”升級為“極致個性化”，管理對象擴展至“虛實融合”空間。這一變革對城市基礎設施提出四大挑戰：算力架構需從中心化轉向云邊端一體化；數據治理需打破部門壁壘實現全域融合；信任體系需內置倫理對齊機制；容錯標準需從“體驗降級”提升至“零故障容忍”。他比喻稱，未來城市基礎設施將如同“有機生命體的神經系統”，集成算力、數據與倫理于一體。
在降低大模型幻覺方面，李文正引用《思考，快與慢》的雙系統理論，指出推理模型（LRMs）通過“鏈式思維”技術路徑，強制模型從直覺思維切換至理性思維，有效減少復雜任務中的幻覺現象。例如，OpenAI o1與DeepSeek-R1通過延長思維鏈提升推理精度，但需平衡算力成本。他提出動態決策與架構創新方案：簡單任務采用直覺思維，復雜任務切換至推理計算單元，并通過混合專家模型（MoE）實現專家分工，避免“一刀切”式資源消耗。
針對算力與內存的博弈，李文正分析稱，AI大模型推理存在“預填充”與“解碼”兩階段需求差異：前者為計算密集型，后者因自回歸特性導致KV-Cache爆炸式增長，形成“推理內存墻”。他指出，Agentic AI時代計算范式正從“浮點運算量”轉向“邏輯編排效能”，CPU需轉型為高頻交互式AI推理優化處理器。例如，Groq LPU通過片上近存計算消除HBM訪存瓶頸，與英偉達Rubin GPU協同實現低延遲Token生成；Cerebras Systems則通過集成海量計算核心與高速片上存儲，在特定任務中實現比傳統GPU集群高數十倍的運算速度。
在算力與電力協同層面，李文正提到，隨著模型參數從千億級邁向萬億級，數據中心電力需求呈指數級增長。美國xAI超級計算機Colossus 2獲批部署41臺天然氣輪機，發電容量達1.2吉瓦，凸顯電力供應挑戰。他建議，通過“東數西算”戰略布局新型數據中心基礎設施，如太空或海底數據中心，并利用AI優化電力調度。同時，我國已出臺《加快構建新型電力系統行動方案（2024—2027年）》，推動算力-電力協同項目落地，以系統化創新應對能源與計算需求矛盾。
