日前，由中国互联网协会主办的2025“人工智能+”产业生态大会在北京中关村举办。会上，衔远科技首席技术官张开颜在分享中谈到，当前企业在落地通用智能体过程中面临着“实习生困境”：“10分钟就能做出一个惊艳的演示案例（Demo），但落地却数以月计，且困难重重。”

如何跨越通用智能体的实习生困境？以下为张开颜对此的相关分享。

张开颜。衔远科技供图

通用智能体的“实习生困境”

从ChatGPT发布，到今年各类大模型层出不穷，搭建一个智能体Demo变得前所未有的简单。10分钟，我们就能做出一个惊艳的演示（Demo），但落地却数以月计，且困难重重。

我们发现，解决行业长尾问题的边际成本，正在呈指数级上升。目前的通用智能体，就像是一个名校毕业的“高智商实习生”——

基础模型的预训练赋予了其博学的知识，数学和代码的强化学习带来了极强的逻辑推理，但在垂直领域的实际应用中，依然“眼高手低”。

根本原因在于：基础模型被“困”在了数学、代码和通用的文本环境中。它们从海量预训练语料中学会了专家的“台词”，却不懂业务背后的“逻辑与因果”。它们缺乏在真实业务环境中的经验学习，这也是目前通用基础模型面临的最大天花板。

“通专融合”的技术路径

一段时间以来，通过多个阶段的规模法则（Scaling Law），大模型的通用泛化能力确实在显著提升，但专业性依然不足。反观历史上达到专家级别的专业AI，无一不是在特定的专业场景中进行了海量的自我博弈与强化学习。当然，过去这种成本是极高的。

对此，上海人工智能实验室主任、衔远科技创始人周伯文，早在三年前就预判了这一瓶颈，并提出了“通专融合”的技术路径。

这一路径包含三个层次。首先是基础模型层，需要全新的模型架构设计，实现“知识”与“推理”的解耦。

然而对于应用层创业公司来说，我们更关注接下来的第二、第三层。

第二层是“融合协同层”，我们需要实现通用模型与专业知识、专业工具的深度协同推理。第三层是“探索进化层”，这是最关键的一层——大模型必须在环境中进行交互，通过探索和反馈不断提升专业能力。通过在大量专业环境中的经验学习，最终反哺通用能力的提升。

AI的下半场：“经验学习”

事实上，今年以来“通专融合”已不再只是我们的预测，而是正在成为国际行业的共识。

2024年诺贝尔化学奖得主、DeepMind创始人戴密斯·哈萨比斯在今年5月就明确表示，DeepMind目前的重心全在“通用+专业”的结合上。而“强化学习之父”理查德·萨顿在今年4月说得更直接：AI 发展的“上半场”是从人类标注数据中学习知识，而下半场则是“经验学习”。

对于智能体应用而言，现在的关键点，已经从模型架构和训练算法，转移到了现实世界的任务定义与评估体系重构。只有这样，才能支持专家智能体的能力进化。

对于上述问题，我们给出的解法便是“衔远大观”。它不是一个简单的智能体编排工具，而是一个进化引擎。

它的逻辑可以用这样一个公式来表达：

专家能力＝（基础模型×仿真环境）^强化学习

在这里，通用模型只提供“底座智力”，我们真正的壁垒，在于中间这一项——“环境”。没有环境，强化学习就没有奖励信号 （Reward），模型就无法进化。 换句话说，我们不只是在写提示词（Prompt），而是在构建一个能让智能体“摔跟头”的虚拟世界。

更进一步，我们发现了一个有趣的现象：当不同智能体的训练环境叠加时，跨领域任务的强化学习不仅不会降低效率，反而能通过迁移学习，极大地促进专业能力的提升。而这，正是通专融合的根本价值所在。

让智能体“摔跟头”的虚拟世界如何构建

如何构建一个能让智能体“摔跟头”的虚拟世界？我们通过自研“衔远大观”，探索出三大技术内核。

第一，是智能体的“模拟训练场”。不仅要提供一个静态的“考场”，还要赋予其动态的“宇宙”。其中的考量是，如果完全依赖真实历史数据，我们永远无法覆盖那些罕见但致命的“黑天鹅”场景。

因此，我们利用程序化规则，合成出海量的、现实中极少发生的边缘案例。为了解决外部工具调用不稳定的问题，我们引入了生成式世界模型（World Model）来模拟环境反馈。

更重要的是，这个环境具备“课程学习”（Curriculum Learning）能力。就像游戏设计一样，它会根据AI当前的水平，自适应地调整难度。AI只有通关了“简单模式”，才能进入“困难模式”。

第二，是“接近专家水准的反馈机制”，也就是自适应奖励。

传统的强化学习往往只提供最终结果，这对于长链条的复杂任务来说，信号过于稀疏。就像学高数，老师只告诉你期末挂科了，却不说错哪一步，你永远学不会。

在“大观”里，我们引入了“过程奖励”。对于数学、物理等精确的专业领域，我们采用类似DeepSeek R1的思路，将指标映射为可验证的规则奖励。而对于复杂的物理世界，我们用动力学公式进行程序化验证。

甚至，我们赋予了AI“好奇心”。我们团队今年和清华大学首次提出了测试时强化学习算法（TTRL），引入基于自我一致性的“内在奖励”机制。这项工作刚刚被AI顶会NeurIPS收录。

第三，是让学习更经济的“高效强化学习引擎”。

训练专家级AI非常消耗资源，不能只靠蛮力计算。我们利用强化学习稀疏奖励的特性，通过“低秩适应”（LoRA）只更新极少量参数，在保证性能同时能够实现高效训练。而在面对复杂的多阶段任务时，我们采用多智能体强化学习（MARL），平衡不同模型的专业能力和推理成本。

即使面对无法改动参数的闭源模型，我们也能通过上下文强化学习（In-Context RL），优化它的记忆经验库，让它在对话流中变得越来越聪明。

总结一下，高保真的环境、专家级的密集反馈、高效的进化引擎，这就是“衔远大观”这台“数字风洞”的内部运作机制。

从智能体进化平台到企业智能涌现平台

基于衔远大观的进化能力，我们进一步系统构建了三层平台：底层的数据管理、中间的进化引擎、上层的专家智能体管理。

在应用层，我们将智能体分为两类：一类是指挥规划智能体（CIP），是在作战指挥室进行决策的“诸葛亮”；一类是协同执行智能体（Syngents），是在战场上执行任务的“赵子龙”。

以前企业买AI是买软件，现在是买“数字员工”。我们的平台，实际上就是这些数字员工的“入职培训中心”和“终身学习中心”。

基于这套平台，我们已经构建了多个行业的专家级智能体。比如，在生物信息行业，我们与国家蛋白质科学中心合作构建的智能体，能提出新的科学假设，并自动进行蛋白质组学数据分析。实测显示，其分析速度比人工快10倍，且约有25~30%的自动生成假设，达到了研究生水平的原创性与合理性。

在建筑行业，我们与某头部央企合作构建了“计划编制智能体”。它既能从“经验驱动”到“模型驱动”，实现智能计划编制；又能从“事后补救”到“事前预见”，实现智能风险预警。相比人工，计划编制时间节省70%，工期延误全面受控，并为某中型企业降本3300万元。我们还为供应链领域行业头部企业构建了“国际物流多式联运路径规划智能体”，它结合大模型对多源路况的实时感知，以及运筹学求解器的最佳路径计算，将应急物流规划的时间从几小时缩短到了几分钟。

数据终将耗尽，但环境可以无限生成数据。我们坚信，高质量的智能体环境，将是2026年最稀缺的资产。我们也希望与各行各业的专家携手合作，将各领域深厚的行业“know-how”，转化为智能体的训练场，一起构建真正专家级别的智能体。