北京說Agent已經(jīng)能造世界，杭州卻說它是剛發(fā)明的電燈泡

金磊 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

你敢相信么，現(xiàn)在的AI，已經(jīng)把“橫店”給直接搞到了線上了！

△圖片由AI生成

以后啊，人要進(jìn)橫店拍戲，可能就會(huì)出現(xiàn)兩種方式了。

一種是像以前一樣，本人肉身進(jìn)劇組；另一種，則變成了坐在電腦前，進(jìn)入線上虛擬片場(chǎng)，在數(shù)字化的影棚中調(diào)度人物、道具和攝像機(jī)，完成影視創(chuàng)作。

這便是在阿里硬核少年技術(shù)節(jié)5.0博見社北京工業(yè)場(chǎng)中，群核科技所分享出來的頗為有趣的案例。

據(jù)介紹，相關(guān)團(tuán)隊(duì)將橫店的部分線下片場(chǎng)掃描、重建，并放到線上作為3D影視基地，創(chuàng)作者可以直接進(jìn)入這些虛擬片場(chǎng)，使用數(shù)字化影棚進(jìn)行內(nèi)容生產(chǎn)。

畢竟之前我們還在聊的是AI生成視頻，而現(xiàn)在，它已經(jīng)開始把真實(shí)片場(chǎng)搬進(jìn)電腦了。

不過更有意思的，還在后面。

今年，硬核少年技術(shù)節(jié)旗下的博見社首次設(shè)置了兩場(chǎng)對(duì)話。一場(chǎng)是我們剛才提到的北京工業(yè)場(chǎng)，它的主題是“AI下一站：從生成內(nèi)容到構(gòu)建世界”，虎鯨文娛、美圖、群核科技等企業(yè)帶來了AI產(chǎn)業(yè)實(shí)踐。

而杭州學(xué)術(shù)場(chǎng)，則聯(lián)合CCF人工智能與模式識(shí)別專業(yè)委員會(huì)，邀請(qǐng)來自清華大學(xué)、南京大學(xué)、上海交通大學(xué)、天津大學(xué)、山東大學(xué)和上海人工智能實(shí)驗(yàn)室等機(jī)構(gòu)的學(xué)者，討論“從生成式AI到智能體進(jìn)化”。

從北京這邊的分享來看，AI已經(jīng)開始進(jìn)片場(chǎng)、組團(tuán)隊(duì)、搭建三維世界；但當(dāng)麥克風(fēng)給到杭州那邊，卻有人站出來“唱反調(diào)”。

在杭州場(chǎng)的圓桌討論中，有人用電力革命類比今天的Agent：

當(dāng)前的Agent大概只相當(dāng)于電燈泡剛剛被發(fā)明出來，確實(shí)比蠟燭好了一些，但電力后來催生的電網(wǎng)、電機(jī)、家用電器，以及一系列過去從未出現(xiàn)過的新事物，我們今天還沒有真正看到。

△硬核少年技術(shù)節(jié)5.0博見社杭州學(xué)術(shù)場(chǎng)

相隔一千公里的北京和杭州、工業(yè)圈和學(xué)術(shù)圈，怎么會(huì)對(duì)Agent的觀點(diǎn)如此南轅北轍？

△圖片由AI生成

杭州學(xué)術(shù)場(chǎng)：Agent發(fā)展像電燈泡

我們先來看下杭州學(xué)術(shù)場(chǎng)這邊。

在正式進(jìn)入討論之前，南京大學(xué)教授高陽在致辭中提到，從早期的邏輯智能體、強(qiáng)化學(xué)習(xí)智能體，到今天的大模型智能體，AI正在把曾經(jīng)的哲學(xué)設(shè)想一步步帶入工程現(xiàn)實(shí)。智能體在底層能力、工程框架、可靠性與安全性上還有許多問題沒有答案。此次博見社讓學(xué)術(shù)前沿與產(chǎn)業(yè)真問題相遇，共同尋找智能體的下一步。

而從現(xiàn)場(chǎng)來看，與會(huì)嘉賓們首先針對(duì)一個(gè)非常現(xiàn)實(shí)的問題展開了討論——

Agent究竟發(fā)展到哪一步了？

對(duì)于這個(gè)問題，有一說一，嘉賓們其實(shí)沒有給出統(tǒng)一的答案。畢竟今天大家口中的Agent，本身就包含了完全不同的形態(tài)；如果觀察維度不同，得到的判斷自然也會(huì)不同。

比如從應(yīng)用能力看，天津大學(xué)教授、國家優(yōu)青郝建業(yè)認(rèn)為，Coding Agent已經(jīng)很難再被簡單劃入初期。原因是，它們已經(jīng)能夠接手相當(dāng)一部分過去由程序員完成的具體工作，這種替代并不只存在于演示視頻里，而是在真實(shí)業(yè)務(wù)中逐漸發(fā)生。

△天津大學(xué)教授、國家優(yōu)青，郝建業(yè)

但如果把視角轉(zhuǎn)向底層技術(shù)，郝建業(yè)給出的判斷又會(huì)謹(jǐn)慎許多：

今天Agent能力的提升，仍然高度依賴基座模型；至于agent架構(gòu)設(shè)計(jì)的很多思想理念比如MAS、Loop Engineering等概念，學(xué)術(shù)界其實(shí)早已研究多年。只不過在強(qiáng)基模出現(xiàn)以后，這些過去無法發(fā)揮性能的技術(shù)路線，終于獲得了進(jìn)入大規(guī)模應(yīng)用的機(jī)會(huì)

換成具身智能，進(jìn)度條又要往回拉。

機(jī)器人進(jìn)入現(xiàn)實(shí)世界后，需要同時(shí)處理視覺、空間、物體、動(dòng)作以及環(huán)境中的各種突發(fā)變化。實(shí)驗(yàn)室里完成一次流暢演示，與進(jìn)入工廠、家庭后長期穩(wěn)定工作，完全是兩個(gè)難度等級(jí)。

再往前一步，真正能夠像人和動(dòng)物一樣，在開放世界里不斷學(xué)習(xí)、自己發(fā)現(xiàn)問題、自己設(shè)置目標(biāo)的Agent，甚至被現(xiàn)場(chǎng)嘉賓判斷為處在“比初期更早”的位置。

這種Agent目前缺乏成熟的理論和方法。持續(xù)學(xué)習(xí)過程中，還會(huì)遇到災(zāi)難性遺忘、模型可塑性不足等問題。換句話說，模型可能學(xué)會(huì)了新的東西，卻把舊能力忘掉；即便持續(xù)給它新的經(jīng)驗(yàn)，它也未必能夠無限吸收。

這么看下來，Agent并沒有一條統(tǒng)一的進(jìn)度條。

在代碼、檢索等數(shù)字空間中，它已經(jīng)能夠完成一些相當(dāng)復(fù)雜的工作；到了現(xiàn)實(shí)世界，穩(wěn)定性和泛化能力立刻成為難題；至于持續(xù)自主學(xué)習(xí)，很多最基礎(chǔ)的問題還沒有答案。

在發(fā)展階段之外，現(xiàn)場(chǎng)的第二個(gè)爭論更加尖銳：

從生成式AI走到Agent，究竟是量變，還是質(zhì)變？

多數(shù)嘉賓的判斷偏向量變。

在他們看來，今天Agent能夠執(zhí)行更長的任務(wù)，主要得益于基模能力增強(qiáng)、上下文窗口變長、工具調(diào)用更加穩(wěn)定，以及Harness持續(xù)優(yōu)化。能力確實(shí)在提升，但底層技術(shù)范式還沒有發(fā)生明顯變化。

真正的質(zhì)變，應(yīng)該發(fā)生在Agent能夠突破基座模型原有能力上限之后。

與會(huì)嘉賓對(duì)此給出了比較清晰的標(biāo)準(zhǔn)：

Agent要能夠判斷自己的結(jié)果是否正確，發(fā)現(xiàn)問題后主動(dòng)修正，并將任務(wù)執(zhí)行過程中產(chǎn)生的經(jīng)驗(yàn)沉淀下來，形成自我進(jìn)化。只有跨過這一步，它才算從依賴人類數(shù)據(jù)和預(yù)設(shè)流程，走向真正的自主學(xué)習(xí)。

不過，山東大學(xué)教授韓忠義從產(chǎn)品形態(tài)出發(fā)，給出了另一種觀察。

過去的生成式AI主要負(fù)責(zé)回答問題，而Agent已經(jīng)開始規(guī)劃任務(wù)、調(diào)用工具，甚至直接替人完成工作。從“告訴你該怎么做”，走到“它自己動(dòng)手去做”，無論底層技術(shù)是否發(fā)生范式變化，用戶感受到的產(chǎn)品形態(tài)確實(shí)已經(jīng)不同。

上海人工智能實(shí)驗(yàn)室青年研究員張航帆，則把這兩種觀點(diǎn)接到了一起。

在他看來，技術(shù)進(jìn)步通常是一小步一小步積累起來的，很難在某個(gè)精確時(shí)間點(diǎn)突然發(fā)生指數(shù)級(jí)躍遷；可當(dāng)一項(xiàng)能力的成功率跨過臨界點(diǎn)時(shí)，用戶的體驗(yàn)會(huì)突然發(fā)生改變。

比如一項(xiàng)任務(wù)，過去執(zhí)行一百次只能成功一次，現(xiàn)在一百次只失敗五次。站在技術(shù)演進(jìn)角度看，這是持續(xù)量變；站在用戶角度看，它已經(jīng)從“不可用”變成了“可以交給它做”，這當(dāng)然可以被理解為質(zhì)變。

△上海人工智能實(shí)驗(yàn)室青年研究員，張航帆

順著這個(gè)邏輯，現(xiàn)場(chǎng)的第三個(gè)問題也就自然出現(xiàn)了：

Agent真正獲得自我進(jìn)化能力，到底還缺什么？

杭州場(chǎng)的四場(chǎng)主題報(bào)告，剛好從不同角度拼出了答案。

郝建業(yè)關(guān)注的是工具調(diào)用、長期任務(wù)、記憶和安全。工具讓Agent從聊天框進(jìn)入真實(shí)環(huán)境，記憶讓它能夠把一次任務(wù)中的經(jīng)驗(yàn)帶到下一次任務(wù)，而安全則決定它能否進(jìn)入生產(chǎn)系統(tǒng)，承擔(dān)真正有風(fēng)險(xiǎn)的工作。

所以在郝建業(yè)看來，Agent的價(jià)值并不只體現(xiàn)在單次生成能力上，更重要的是，它能否持續(xù)調(diào)用工具、沉淀經(jīng)驗(yàn)，并在安全邊界內(nèi)完成長時(shí)間協(xié)作。

上海交通大學(xué)人工智能學(xué)院長聘教軌副教授溫穎，則把問題放進(jìn)了持續(xù)強(qiáng)化學(xué)習(xí)。

△上海交通大學(xué)人工智能學(xué)院長聘教軌副教授，溫穎

人工提供的高質(zhì)量數(shù)據(jù)總會(huì)遇到上限，模型要繼續(xù)進(jìn)步，就需要形成“生成—評(píng)估—訓(xùn)練”的循環(huán)：自己產(chǎn)生新的經(jīng)驗(yàn)，再從中篩選有效部分，用于下一輪更新。

但大語言環(huán)境與傳統(tǒng)強(qiáng)化學(xué)習(xí)有一個(gè)明顯區(qū)別。傳統(tǒng)強(qiáng)化學(xué)習(xí)通常把策略、環(huán)境和評(píng)價(jià)信號(hào)分開處理，而在大語言模型里，同一套參數(shù)可能同時(shí)參與行動(dòng)、推理和評(píng)價(jià)。策略、環(huán)境模型和驗(yàn)證器彼此耦合，任何一處更新都有可能影響其他環(huán)節(jié)，訓(xùn)練自然也更容易產(chǎn)生波動(dòng)。

清華大學(xué)智能產(chǎn)業(yè)研究院副研究員周浩，則把大規(guī)模Agent系統(tǒng)所需的能力歸納成三項(xiàng)：

第一是低時(shí)延基座模型，支撐高頻搜索、決策和執(zhí)行；第二是自演化強(qiáng)化學(xué)習(xí)，讓Agent可以根據(jù)反饋持續(xù)優(yōu)化；第三是可學(xué)習(xí)的長程記憶，讓它在跨上下文、跨任務(wù)時(shí)維持狀態(tài)，形成長期協(xié)作。

△清華大學(xué)智能產(chǎn)業(yè)研究院副研究員，周浩

張航帆關(guān)注的，則是最近越來越頻繁出現(xiàn)在Agent領(lǐng)域的另一個(gè)詞——Harness。

通俗理解，Harness是一套圍繞大模型搭建的任務(wù)執(zhí)行框架。它負(fù)責(zé)理解目標(biāo)、拆解任務(wù)、管理上下文、調(diào)用工具，并根據(jù)環(huán)境反饋調(diào)整接下來的動(dòng)作。

如果把基座模型看作一個(gè)聰明的大腦，Harness更像負(fù)責(zé)組織工作的執(zhí)行系統(tǒng)。沒有這套系統(tǒng)，Agent可能知道很多，卻很難穩(wěn)定完成一項(xiàng)持續(xù)數(shù)小時(shí)甚至數(shù)天的復(fù)雜任務(wù)。

而張航帆進(jìn)一步研究的Self-Harness，則是希望Agent能夠自動(dòng)診斷和優(yōu)化自己的運(yùn)行框架。也就是說，未來Agent不僅要完成任務(wù)，還要逐漸學(xué)會(huì)改進(jìn)自己完成任務(wù)的方式。

把這些問題放到一起，會(huì)發(fā)現(xiàn)杭州學(xué)術(shù)場(chǎng)真正關(guān)心的，已經(jīng)超出了“Agent能不能干活”。

它還要知道自己干得對(duì)不對(duì)，哪里出了問題；一次任務(wù)結(jié)束后，哪些經(jīng)驗(yàn)值得保留，哪些能力應(yīng)該更新；更進(jìn)一步，它要能夠把執(zhí)行過程產(chǎn)生的反饋，轉(zhuǎn)化成下一輪能力增長。

這才是所說的“電燈泡”背后，尚未完全建成的電網(wǎng)。

點(diǎn)亮一盞燈，并不等于電力革命已經(jīng)完成；長期供電、穩(wěn)定運(yùn)行，并將電力接入無數(shù)生產(chǎn)和生活場(chǎng)景，需要的是一整套系統(tǒng)。

北京這邊，已經(jīng)開始給AI搭建真實(shí)世界

如果說杭州學(xué)術(shù)場(chǎng)討論的是Agent距離最終形態(tài)還缺哪些底層能力，那么北京工業(yè)場(chǎng)關(guān)心的，就是現(xiàn)有能力如何先進(jìn)入真實(shí)生產(chǎn)。

所以這里的問題要具體得多。

比如一段視頻到底能不能交付、人物會(huì)不會(huì)突然變臉、商品顏色會(huì)不會(huì)跑偏、AI做出來的東西最后到底有沒有人愿意買單等等。

虎鯨文娛集團(tuán)CTO杜顏龍，先從文娛的本質(zhì)談起。

在他看來，小說用文字構(gòu)建世界，影視用鏡頭構(gòu)建世界，游戲用代碼構(gòu)建世界，演唱會(huì)則用現(xiàn)場(chǎng)構(gòu)建世界。媒介不同，但最終目的都指向同一件事：讓觀眾相信這個(gè)世界、進(jìn)入這個(gè)世界，并在其中產(chǎn)生情緒和共鳴。

過去一百多年，影視行業(yè)用一整套工業(yè)流水線構(gòu)建這個(gè)世界，并孜孜以求解決三個(gè)核心問題：成本、周期和品質(zhì)。AI出現(xiàn)后，這套構(gòu)建世界的方式迎來了系統(tǒng)性重寫。而AI的價(jià)值，最終也要落到這三個(gè)核心問題上來回答。

首先被提及的自然是成本和周期，但在杜顏龍看來，影視行業(yè)真正難啃的骨頭，依舊是品質(zhì)。降本增效不是目的，在越來越多的觀看場(chǎng)景里以極致的視聽語言講好一個(gè)故事，才是行業(yè)真正的目標(biāo)。

一條Prompt生成幾秒鐘的驚艷畫面，和完成一部真正能讓觀眾坐下來看的影視作品，中間還隔著編劇、美術(shù)、導(dǎo)演、拍攝、剪輯和聲音設(shè)計(jì)等大量專業(yè)環(huán)節(jié)。

古裝人物的對(duì)白需要符合時(shí)代語感，服裝造型需要考慮人物身份、地域和場(chǎng)合；畫面要有構(gòu)圖、材質(zhì)和光影，鏡頭運(yùn)動(dòng)還要服務(wù)故事節(jié)奏。

AI不僅要能生成內(nèi)容，還要理解什么樣的故事成立、什么樣的畫面高級(jí)，以及什么樣的鏡頭能夠讓觀眾進(jìn)入劇情。杜顏龍因此把影視品質(zhì)拆成了三類審美：編劇審美、美術(shù)審美和導(dǎo)演審美。

△虎鯨文娛集團(tuán)CTO，杜顏龍

沿著這個(gè)判斷，虎鯨文娛給出了三個(gè)面向未來的觀點(diǎn)。

首先，AI不會(huì)取代真人。真人演員、導(dǎo)演和創(chuàng)作者依舊會(huì)參與影視內(nèi)容生產(chǎn)，AI更可能與他們形成新的協(xié)作關(guān)系。在生產(chǎn)過程和內(nèi)容交付上，人和AI的關(guān)系都值得研究。

其次，AI一定會(huì)重寫影視生產(chǎn)流程。只靠一個(gè)通用模型、一句話生成影視精品，在可見時(shí)間里仍然不現(xiàn)實(shí)；真正的產(chǎn)業(yè)落地，需要完整的模型、工具和生產(chǎn)技術(shù)棧，并把它們接進(jìn)已有的影視流程。

最后，當(dāng)內(nèi)容供給因AI而大幅增加后，精品內(nèi)容會(huì)變得更加稀缺。那時(shí)真正值錢的，可能不再是“能不能生成”，而是“什么值得被生成”。

這種價(jià)值轉(zhuǎn)移，在美圖公司技術(shù)副總裁兼美圖影像研究院負(fù)責(zé)人劉洛麒的分享中，也有類似體現(xiàn)。

劉洛麒先提出了一個(gè)現(xiàn)實(shí)問題：模型能力已經(jīng)很強(qiáng)，但從一款強(qiáng)模型到普通用戶低門檻使用，中間仍然存在巨大的產(chǎn)品鴻溝。

過去做軟件，通常圍繞功能展開。功能越做越多，入口、菜單和參數(shù)也隨之增加，用戶需要自己判斷該用什么工具、怎樣組合這些工具。

Agent出現(xiàn)后，這套邏輯開始改變。越來越多的功能被藏到Agent后面，用戶只需要表達(dá)目標(biāo)，系統(tǒng)負(fù)責(zé)理解意圖、拆解任務(wù)，并決定調(diào)用哪些模型和工具。

劉洛麒將這種變化總結(jié)為，從功能堆疊走向智能決策，從交付功能走向交付成果。

△美圖公司技術(shù)副總裁兼美圖影像研究院（MT Lab）負(fù)責(zé)人，劉洛麒

但美圖很快發(fā)現(xiàn)，單個(gè)Agent依然難以完成復(fù)雜任務(wù)。

原因在于，真實(shí)創(chuàng)作通常包含多個(gè)目標(biāo)，而且每個(gè)目標(biāo)都有自己的上下文。把所有事情都交給同一個(gè)Agent，它很容易顧此失彼。

于是，美圖開始把軟件從Agent升級(jí)為Agent Teams，讓不同Agent各自處理策劃、設(shè)計(jì)、修圖、調(diào)色和執(zhí)行，再通過協(xié)作完成整條任務(wù)。

比如在美圖設(shè)計(jì)室中，用戶真正需要的并不只是一張好看的商品圖。從商業(yè)角度看，這張圖還要符合目標(biāo)用戶偏好，適應(yīng)不同平臺(tái)的尺寸要求，投放后還得觀察是否帶來付費(fèi)和增長。

因此，美圖設(shè)計(jì)室組織了4個(gè)專業(yè)Agent和70個(gè)Skill，從市場(chǎng)分析、內(nèi)容生成、視覺創(chuàng)作，一直做到投放分析，最終交付一套可以直接使用的商業(yè)物料。

這也意味著，AI產(chǎn)品的價(jià)值正在從“做出內(nèi)容”，繼續(xù)向“解決問題”轉(zhuǎn)移。

一張圖夠不夠好看，只是最開始的一關(guān)；它能不能被用戶直接使用，能不能進(jìn)入業(yè)務(wù)流程，最終能不能帶來收入，才決定這項(xiàng)AI能力究竟有沒有價(jià)值。

再回到開頭那座被搬到網(wǎng)上的橫店片場(chǎng)。這一次，我們可以把背后的邏輯說得更清楚一些。

群核科技AI業(yè)務(wù)線高級(jí)總監(jiān)龍?zhí)鞚?/strong>認(rèn)為，當(dāng)前視頻生成模型主要在二維像素層面學(xué)習(xí)。它可以不斷逼近三維世界，卻很難真正理解空間結(jié)構(gòu)。

△群核科技AI業(yè)務(wù)線高級(jí)總監(jiān)，龍?zhí)鞚?br/>

比如把一張房間圖片交給模型，讓它補(bǔ)出另外幾個(gè)視角，每張圖片單獨(dú)看可能都很逼真，但如果把它們放在一起對(duì)照，門窗、家具以及墻面的位置經(jīng)常互相矛盾。

這類問題在幾秒鐘的視頻里或許還不明顯，可一旦進(jìn)入十幾分鐘甚至更長的影視內(nèi)容，人物、道具和場(chǎng)景就很容易發(fā)生穿幫，難以進(jìn)入嚴(yán)肅的生產(chǎn)流程。

群核科技給出的解法，是在生成視頻之前，先建立一個(gè)明確的3D空間。人物、道具、場(chǎng)地和攝像機(jī)的位置先在三維環(huán)境中固定，再將關(guān)鍵畫面交給視頻模型完成最終生成。

龍?zhí)鞚蓪⑦@套分工概括為：

視頻模型負(fù)責(zé)審美和語言控制，3D模型負(fù)責(zé)一致性。

這套思路還有一句非常形象的總結(jié)——一次搭建，全篇復(fù)用。

一間客廳、一座宮殿或者一條街道，在3D空間中搭好以后，就可以被不同鏡頭反復(fù)調(diào)用；人物和攝像機(jī)也能夠在其中調(diào)整，而不需要每生成一個(gè)鏡頭，就重新抽卡一次。

橫店線下片場(chǎng)被掃描、重建并搬到線上，正是這條路線的延伸。

走到這一步，AI視頻的競(jìng)爭重點(diǎn)也開始變化。過去大家看的是單個(gè)鏡頭是否足夠驚艷，現(xiàn)在則要考察人物和場(chǎng)景能否在長視頻中保持一致，鏡頭能不能精確控制，以及整條生產(chǎn)鏈的效率是否足夠高。

為了解決效率問題，群核科技還將3D片場(chǎng)與視頻Harness結(jié)合起來。3D片場(chǎng)負(fù)責(zé)提高一致性和品質(zhì)，視頻Harness則通過關(guān)鍵幀和預(yù)覽流程，降低長視頻制作中的重復(fù)生成成本。

到了這里，北京工業(yè)場(chǎng)的三場(chǎng)主題分享，其實(shí)已經(jīng)連成了一條非常清晰的線。

虎鯨文娛討論的是AI怎樣進(jìn)入影視工業(yè)流程，并理解專業(yè)審美；美圖討論的是軟件怎樣從提供工具，走向直接交付成果；群核科技則進(jìn)一步把一次性的內(nèi)容生成，推進(jìn)到可復(fù)用、可控制的空間構(gòu)建。

而在隨后舉行的工業(yè)場(chǎng)圓桌中，嘉賓們也進(jìn)一步討論了“生成內(nèi)容”和“構(gòu)建世界”之間的區(qū)別。

杜顏龍認(rèn)為，生成內(nèi)容更像一次單向交付，而構(gòu)建世界意味著資產(chǎn)可以不斷沉淀，人與內(nèi)容之間也會(huì)產(chǎn)生持續(xù)互動(dòng)；龍?zhí)鞚蓜t將構(gòu)建世界理解為對(duì)現(xiàn)實(shí)世界的仿真，它可以成為短劇、游戲，甚至機(jī)器人訓(xùn)練的前置流程。

劉洛麒所強(qiáng)調(diào)的，是世界應(yīng)當(dāng)具備因果規(guī)律、物理規(guī)律和可交互性。只有理解并維持這些規(guī)律，AI才真正開始從生成一個(gè)樣本，走向構(gòu)建一套系統(tǒng)。

與此同時(shí)，工業(yè)落地還必須面對(duì)創(chuàng)意與精準(zhǔn)之間的選擇。

節(jié)日濾鏡、娛樂玩法可以容忍一定偏差，用戶更在意好不好玩；但到了電商領(lǐng)域，商品顏色、材質(zhì)和款式一旦發(fā)生變化，這張圖就無法使用。

流水線式生產(chǎn)更在意成本與效率，精品內(nèi)容則需要大量人工參與和精細(xì)控制。同一種AI能力放進(jìn)不同場(chǎng)景，驗(yàn)收標(biāo)準(zhǔn)可能完全不同。

所以，當(dāng)高質(zhì)量內(nèi)容越來越容易生成后，價(jià)值會(huì)繼續(xù)向上轉(zhuǎn)移：對(duì)用戶的理解、對(duì)創(chuàng)意的判斷，以及將內(nèi)容分發(fā)給合適人群的能力，都會(huì)變得更加重要。

學(xué)術(shù)圈和工業(yè)圈，其實(shí)在追同一個(gè)閉環(huán)

現(xiàn)在我們?cè)倩仡^看開頭的那組“沖突”，其實(shí)就不難理解了。

北京工業(yè)場(chǎng)展示的是，AI已經(jīng)能在具體行業(yè)里做到什么；杭州學(xué)術(shù)場(chǎng)追問的，則是這些局部能力什么時(shí)候才能連接起來，形成一個(gè)真正能夠自主運(yùn)轉(zhuǎn)和持續(xù)進(jìn)化的系統(tǒng)。

兩場(chǎng)討論的重點(diǎn)不同，卻指向了同一個(gè)閉環(huán)：

執(zhí)行、驗(yàn)證、反饋、更新。

在學(xué)術(shù)場(chǎng)，Agent執(zhí)行完任務(wù)后，需要判斷結(jié)果是否正確，發(fā)現(xiàn)錯(cuò)誤后進(jìn)行修正，再把有效經(jīng)驗(yàn)寫入記憶、技能或者模型參數(shù)，逐漸形成持續(xù)學(xué)習(xí)能力。

在工業(yè)場(chǎng)，AI生成的內(nèi)容同樣需要接受驗(yàn)證。一段視頻要經(jīng)過審美和邏輯檢查，虛擬片場(chǎng)要保證人物與空間一致，商品圖要準(zhǔn)確還原材質(zhì)和顏色，內(nèi)容投入市場(chǎng)后，還要繼續(xù)觀察它是否帶來了業(yè)務(wù)價(jià)值。

杭州想解決的是“能力怎樣不斷增長”，北京關(guān)心的是“結(jié)果能不能穩(wěn)定交付”。

因此，橫店片場(chǎng)已經(jīng)被搬到線上，與Agent仍處在電燈泡時(shí)代，完全可以同時(shí)成立。

工業(yè)界正在具體場(chǎng)景中補(bǔ)齊流程、數(shù)據(jù)、空間和行業(yè)規(guī)則，讓一盞盞燈先亮起來；學(xué)術(shù)界則繼續(xù)研究記憶、驗(yàn)證、Harness、強(qiáng)化學(xué)習(xí)和自主進(jìn)化，試圖搭建能夠連接這些燈的完整電網(wǎng)。

One More Thing：

博見社，還只是硬核少年技術(shù)節(jié)5.0的一部分。

7月20日，這場(chǎng)橫跨阿里巴巴ATH事業(yè)群和淘天集團(tuán)的年度技術(shù)活動(dòng)，在杭州、北京兩地同步啟動(dòng)，并持續(xù)一周。

開幕式上，淘天集團(tuán)集中發(fā)布了AIGX技術(shù)體系的四項(xiàng)成果，包括拍立淘全模態(tài)實(shí)時(shí)Agent、全場(chǎng)景AI創(chuàng)作工作臺(tái)if Studio、Coupella智惠引擎和Agentic推薦系統(tǒng)Dream。

除此之外，技術(shù)市集集中展示了30余項(xiàng)AIGX技術(shù)成果；AI Hackathon首次設(shè)置業(yè)務(wù)創(chuàng)新和靈感腦洞雙賽道，吸引百余支團(tuán)隊(duì)參加；Whoisspy趣味賽則把Agent放進(jìn)桌游，讓人類與AI直接同場(chǎng)對(duì)戰(zhàn)。

從首屆技術(shù)展示，到后來引入AI Hackathon、模型挑戰(zhàn)，再到如今將學(xué)術(shù)場(chǎng)和工業(yè)場(chǎng)放在同一場(chǎng)技術(shù)節(jié)中，硬核少年技術(shù)節(jié)已經(jīng)連續(xù)辦到第五屆。

而這一次，最有意思的可能恰恰是，北京和杭州沒有給出一個(gè)整齊劃一的答案。

有人已經(jīng)把橫店劇場(chǎng)掃描進(jìn)電腦，展示AI今天能把事情推進(jìn)到什么程度；也有人提醒大家，電燈泡才剛剛亮起來，后面的電網(wǎng)還遠(yuǎn)沒有建好。

這大概也是AI當(dāng)下最真實(shí)的狀態(tài)。

局部已經(jīng)足夠科幻，完整系統(tǒng)仍處于早期。