日前，由中國互聯網協會主辦的2025“人工智能+”產業生態大會在北京中關村舉辦。會上，銜遠科技首席技術官張開顏在分享中談到，當前企業在落地通用智能體過程中面臨著“實習生困境”：“10分鐘就能做出一個驚艷的演示案例（Demo），但落地卻數以月計，且困難重重。”
如何跨越通用智能體的實習生困境？以下為張開顏對此的相關分享。
張開顏。銜遠科技供圖
通用智能體的“實習生困境”
從ChatGPT發布，到今年各類大模型層出不窮，搭建一個智能體Demo變得前所未有的簡單。10分鐘，我們就能做出一個驚艷的演示（Demo），但落地卻數以月計，且困難重重。
我們發現，解決行業長尾問題的邊際成本，正在呈指數級上升。目前的通用智能體，就像是一個名校畢業的“高智商實習生”——
基礎模型的預訓練賦予了其博學的知識，數學和代碼的強化學習帶來了極強的邏輯推理，但在垂直領域的實際應用中，依然“眼高手低”。
根本原因在于：基礎模型被“困”在了數學、代碼和通用的文本環境中。它們從海量預訓練語料中學會了專家的“臺詞”，卻不懂業務背后的“邏輯與因果”。它們缺乏在真實業務環境中的經驗學習，這也是目前通用基礎模型面臨的最大天花板。
“通專融合”的技術路徑
一段時間以來，通過多個階段的規模法則（Scaling Law），大模型的通用泛化能力確實在顯著提升，但專業性依然不足。反觀歷史上達到專家級別的專業AI，無一不是在特定的專業場景中進行了海量的自我博弈與強化學習。當然，過去這種成本是極高的。
對此，上海人工智能實驗室主任、銜遠科技創始人周伯文，早在三年前就預判了這一瓶頸，并提出了“通專融合”的技術路徑。
這一路徑包含三個層次。首先是基礎模型層，需要全新的模型架構設計，實現“知識”與“推理”的解耦。
然而對于應用層創業公司來說，我們更關注接下來的第二、第三層。
第二層是“融合協同層”，我們需要實現通用模型與專業知識、專業工具的深度協同推理。第三層是“探索進化層”，這是最關鍵的一層——大模型必須在環境中進行交互，通過探索和反饋不斷提升專業能力。通過在大量專業環境中的經驗學習，最終反哺通用能力的提升。
AI的下半場：“經驗學習”
事實上，今年以來“通專融合”已不再只是我們的預測，而是正在成為國際行業的共識。
2024年諾貝爾化學獎得主、DeepMind創始人戴密斯·哈薩比斯在今年5月就明確表示，DeepMind目前的重心全在“通用+專業”的結合上。而“強化學習之父”理查德·薩頓在今年4月說得更直接：AI 發展的“上半場”是從人類標注數據中學習知識，而下半場則是“經驗學習”。
對于智能體應用而言，現在的關鍵點，已經從模型架構和訓練算法，轉移到了現實世界的任務定義與評估體系重構。只有這樣，才能支持專家智能體的能力進化。
對于上述問題，我們給出的解法便是“銜遠大觀”。它不是一個簡單的智能體編排工具，而是一個進化引擎。
它的邏輯可以用這樣一個公式來表達：
專家能力＝（基礎模型×仿真環境）強化學習
在這里，通用模型只提供“底座智力”，我們真正的壁壘，在于中間這一項——“環境”。沒有環境，強化學習就沒有獎勵信號 （Reward），模型就無法進化。 換句話說，我們不只是在寫提示詞（Prompt），而是在構建一個能讓智能體“摔跟頭”的虛擬世界。
更進一步，我們發現了一個有趣的現象：當不同智能體的訓練環境疊加時，跨領域任務的強化學習不僅不會降低效率，反而能通過遷移學習，極大地促進專業能力的提升。而這，正是通專融合的根本價值所在。
讓智能體“摔跟頭”的虛擬世界如何構建
如何構建一個能讓智能體“摔跟頭”的虛擬世界？我們通過自研“銜遠大觀”，探索出三大技術內核。
第一，是智能體的“模擬訓練場”。不僅要提供一個靜態的“考場”，還要賦予其動態的“宇宙”。其中的考量是，如果完全依賴真實歷史數據，我們永遠無法覆蓋那些罕見但致命的“黑天鵝”場景。
因此，我們利用程序化規則，合成出海量的、現實中極少發生的邊緣案例。為了解決外部工具調用不穩定的問題，我們引入了生成式世界模型（World Model）來模擬環境反饋。
更重要的是，這個環境具備“課程學習”（Curriculum Learning）能力。就像游戲設計一樣，它會根據AI當前的水平，自適應地調整難度。AI只有通關了“簡單模式”，才能進入“困難模式”。
第二，是“接近專家水準的反饋機制”，也就是自適應獎勵。
傳統的強化學習往往只提供最終結果，這對于長鏈條的復雜任務來說，信號過于稀疏。就像學高數，老師只告訴你期末掛科了，卻不說錯哪一步，你永遠學不會。
在“大觀”里，我們引入了“過程獎勵”。對于數學、物理等精確的專業領域，我們采用類似DeepSeek R1的思路，將指標映射為可驗證的規則獎勵。而對于復雜的物理世界，我們用動力學公式進行程序化驗證。
甚至，我們賦予了AI“好奇心”。我們團隊今年和清華大學首次提出了測試時強化學習算法（TTRL），引入基于自我一致性的“內在獎勵”機制。這項工作剛剛被AI頂會NeurIPS收錄。
第三，是讓學習更經濟的“高效強化學習引擎”。
訓練專家級AI非常消耗資源，不能只靠蠻力計算。我們利用強化學習稀疏獎勵的特性，通過“低秩適應”（LoRA）只更新極少量參數，在保證性能同時能夠實現高效訓練。而在面對復雜的多階段任務時，我們采用多智能體強化學習（MARL），平衡不同模型的專業能力和推理成本。
即使面對無法改動參數的閉源模型，我們也能通過上下文強化學習（In-Context RL），優化它的記憶經驗庫，讓它在對話流中變得越來越聰明。
總結一下，高保真的環境、專家級的密集反饋、高效的進化引擎，這就是“銜遠大觀”這臺“數字風洞”的內部運作機制。
從智能體進化平臺到企業智能涌現平臺
基于銜遠大觀的進化能力，我們進一步系統構建了三層平臺：底層的數據管理、中間的進化引擎、上層的專家智能體管理。
在應用層，我們將智能體分為兩類：一類是指揮規劃智能體（CIP），是在作戰指揮室進行決策的“諸葛亮”；一類是協同執行智能體（Syngents），是在戰場上執行任務的“趙子龍”。
以前企業買AI是買軟件，現在是買“數字員工”。我們的平臺，實際上就是這些數字員工的“入職培訓中心”和“終身學習中心”。
基于這套平臺，我們已經構建了多個行業的專家級智能體。比如，在生物信息行業，我們與國家蛋白質科學中心合作構建的智能體，能提出新的科學假設，并自動進行蛋白質組學數據分析。實測顯示，其分析速度比人工快10倍，且約有25~30%的自動生成假設，達到了研究生水平的原創性與合理性。
在建筑行業，我們與某頭部央企合作構建了“計劃編制智能體”。它既能從“經驗驅動”到“模型驅動”，實現智能計劃編制；又能從“事后補救”到“事前預見”，實現智能風險預警。相比人工，計劃編制時間節省70%，工期延誤全面受控，并為某中型企業降本3300萬元。我們還為供應鏈領域行業頭部企業構建了“國際物流多式聯運路徑規劃智能體”，它結合大模型對多源路況的實時感知，以及運籌學求解器的最佳路徑計算，將應急物流規劃的時間從幾小時縮短到了幾分鐘。
數據終將耗盡，但環境可以無限生成數據。我們堅信，高質量的智能體環境，將是2026年最稀缺的資產。我們也希望與各行各業的專家攜手合作，將各領域深厚的行業“know-how”，轉化為智能體的訓練場，一起構建真正專家級別的智能體。