智能体前沿技术：从数字世界到物理世界

人员

报告安排

1. 面向下一代通用智能体：个性化、主动式与可持续演进

   刘卫文 · 上海交通大学

   简介

   具备真实操作权限的智能体正加速走向现实，展现出重塑个人数字生活的巨大潜力，并推动2026年成为个人智能体元年。然而，个人智能体从概念走向普及仍面临关键瓶颈：传统被动响应模式难以满足持续、深入的用户需求，高频交互带来的成本与负担，也限制了其真正融入日常生活。如何让智能体实现长期陪伴、主动服务与个性化适配，正在成为人工智能领域的重要命题。本次报告将提出一种新的智能体发展视角：从以性能为中心，转向以价值创造为中心。围绕这一转变，报告将系统阐述实现全天候主动理解与长期持续演进的三条关键路径，包括通过离线偏好理解与空闲时段计算提升需求预测能力，通过长程任务建模增强复杂任务中的持续交互与执行能力，以及通过主动式交互机制推动智能体从被动响应走向主动感知、主动发起与主动协同。在此基础上，报告还将进一步展望开放智能体网络的演进方向。下一代通用智能体将具备跨组织、跨平台协作能力，拥有持久身份、经验积累与持续演进机制，并能够将历史交互转化为可复用的能力资产，逐步形成可连接、可协同、可成长的智能体生态。最后，报告将总结通用智能体技术演进的核心路径，并勾勒其未来发展的基础框架与整体图景。 AI agents are rapidly moving toward practical deployment, demonstrating enormous potential to reshape personal digital. However, traditional passive response paradigms are insufficient to support users’ sustained and in-depth needs, while the cost and burden of high-frequency interaction continue to hinder their integration into everyday life. Enabling agents to provide long-term companionship, proactive service, and personalized adaptation has therefore become a central challenge in artificial intelligence. This talk will present a new perspective on agent development: shifting the focus from performance-centered design to value-centered design. From this perspective, the talk will systematically examine three key pathways toward all-day proactive understanding and long-term continual evolution: sleep-time scaling, multi-step capabilities, and proactive interaction. Building on this foundation, the talk will further explore the evolution toward an open agentic web. The next generation of general-purpose agents will be capable of cross-organization and cross-platform collaboration, equipped with persistent identity, continual evolution mechanisms. Finally, the talk will summarize the core trajectory of general-purpose agent evolution and outline a foundational framework and future vision for its development.

2. Harness-aware GUI智能体

   楼星雨 · OPPO广东移动通信有限公司

   简介

   随着GUI任务逐渐走向更长程、多步骤、跨应用的真实场景，GUI智能体的发展正从单纯提升模型能力，转向模型与Harness共同演进的新阶段。模型不断增强推理规划与多模态理解能力；Harness则作为支撑智能体完成复杂任务的系统框架，涵盖多智能体协同、记忆管理、异常感知、错误重试等关键能力，持续为模型的稳定执行提供保障。然而，随着二者并行迭代，模型与Harness之间的协同关系也面临新的挑战：模型往往难以充分理解Harness的能力边界、执行约束与反馈机制，导致规划决策与系统执行脱节，难以形成相互促进、螺旋上升的优化效应。为应对这一问题，本报告提出Harness-aware GUI智能体方法，旨在将Harness持续内化到模型中，使模型不仅学习任务本身，也学习Harness所定义的协作机制、执行约束与反馈信号。由此，Harness与模型不再是割裂的工具链关系，而是通过数据、训练、评测和反馈形成闭环，在持续交互中相互适配、协同演进。

3. 基于分层架构与统一协议实现通用具身智能

   范鹤鹤 · 浙江大学

   简介

   当前具身智能因普遍采用“垂直整合”模式导致的重复造轮子、高昂成本与生态碎片化困局。为了打破关键模组接口不兼容率超 90% 的技术壁垒，借鉴计算机系统抽象分层的成功经验，提出了一套由具身指令编译器（基于 GPT-4 进行任务规划）、统一具身机器指令集 (标准化软硬件交互协议）与 Diffusion 动作执行器（生成鲁棒的运动序列）构成的分层解耦架构。通过原型系统 BiBo 及其 InfiniEVA 仿真评测体系的实践展示，证明了通过构建统一协议与层级体系，可以有效打破软硬件耦合，从而推动通用、可复用的具身智能系统规模化落地。

4. 从更强模型到更优系统：智能体的降本增效与长周期运行

   胡舒悦 · 上海人工智能实验室

   简介

   随着大模型智能体逐步应用于长周期复杂任务，如何在保证任务性能的同时降低运行成本，并使智能体能够稳定完成长周期复杂任务，成为推动智能体走向实际应用的关键问题。本报告将围绕智能体的“降本增效”与“长周期运行”介绍两方面工作。第一部分关注多模型路由，我们探索通过大/小模型之间的动态路由，发挥不同模型在能力与成本上的互补优势，从模型系统层面优化性能—成本权衡，实现智能体的系统级降本增效。第二部分关注智能体运行框架(Harness)。我们将介绍 Harness 的自进化、多维度评估以及如何通过组织运行机制实现数天级别的长周期稳定运行与持续提升。通过上述工作，我们希望探索从单一模型能力优化走向智能体系统级优化的技术路径，为构建高效、稳定、可持续运行的智能体系统提供新的思路。

5. 开放世界泛化灵巧操作

   许华哲 · 清华大学

   简介

   泛化操作是具身智能的重要议题。在数据、算法和硬件的交界处，有许多范式创新。如何获取数据，如何训练模型，本报告将介绍我们最新的依托强化学习的基础通用模型。