9月11日，2025 Inclusion·外灘大會“AGI：數(shù)字與物理世界的共同進化”見解論壇成功舉辦。本次論壇由螞蟻集團主辦，中國信通院華東分院承辦，智源社區(qū)與智東西支持，匯聚了來自學術界、產(chǎn)業(yè)界的十余位頂尖專家，共同探討人工智能技術的最新進展和實際應用。

大模型參數(shù)破萬億后，Scaling Law邊際收益遞減，“單點暴力”已難撬動通用智能。全球大模型玩家正開啟一場能力交接——讓AI認知進化、讓多智能體協(xié)同，最終實現(xiàn)AI像電網(wǎng)一樣即插即用。

AGI撞墻后的出路：認知推理、自主進化，多體協(xié)同

上海人工智能實驗室領軍科學家、上海創(chuàng)智學院副院長喬宇表示：通用人工智能正“從大模型到智能體再到大系統(tǒng)”進化，從單一模型系統(tǒng)優(yōu)化，走向自主進化、多智能體協(xié)同、人機協(xié)作的系統(tǒng)級智能，“大系統(tǒng)智能”典型特征有：認知推理，深度思考；持續(xù)學習、自主進化；多體協(xié)同、物理智能等。

螞蟻集團平臺技術事業(yè)群副總裁周俊則向大家介紹了百靈大模型如何像“飛輪”一樣不斷自我進化。他說，一個好的AI系統(tǒng)需要三大要素：高質(zhì)量的數(shù)據(jù)、科學的評測標準和高效的算法。這三者形成一個循環(huán)，使得AI系統(tǒng)能夠不斷自我優(yōu)化。周俊還現(xiàn)場演示了百靈大模型的多模態(tài)能力——不僅能理解文字，還能處理圖片、聲音甚至視頻，真正實現(xiàn)了“能看、能聽、能說、能畫”的全面能力。

強化學習：把“智能體編排”從博士課題變成產(chǎn)品經(jīng)理的拖拽游戲

強化學習（RL）曾是AlphaGo的獨門武器，如今成為“讓大模型長出手腳”的核心技術；誰能把RL做成低門檻框架，誰就能把“智能體編排”從博士課題變成產(chǎn)品經(jīng)理的拖拽游戲。

清華大學交叉信息院助理教授吳翼教授分享了他帶領團隊開發(fā)的AReaL，一個面向智能體的強化學習框架。吳翼曾任OpenAI研究員，他認為，通過強化學習，能讓智能體的工作流編排得到極大簡化，并能涌現(xiàn)出復雜多步推理能力。

真實世界應用試錯成本極高，物理世界需“開真車”

在真實的嚴謹性應用場景，自動駕駛、機器人等實體AI面臨“真實世界試錯成本極高”的死結(jié)。全球產(chǎn)業(yè)界共識：先讓AI在仿真里“撞夠墻”，再進物理世界“開真車”。

同濟大學交通學院特聘研究員熊溪介紹了如何讓AI在虛擬世界中學習，并將所學知識應用到現(xiàn)實世界。他以自動駕駛為例說明：通過在虛擬環(huán)境中模擬多種交通場景，AI能夠?qū)W習安全駕駛策略，從而避免在真實道路上產(chǎn)生潛在風險。這種方法不僅更加安全，而且效率更高、成本更低，也為其他復雜系統(tǒng)的智能化決策提供了借鑒。

螞蟻金融大模型技術負責人胡浩源展示了AI在金融領域的實際應用。他指出，隨著經(jīng)濟發(fā)展，老百姓對理財服務的需求越來越多，但專業(yè)的理財顧問卻遠遠不夠。為了解決這個問題，螞蟻集團開發(fā)了金融大模型Finix和AI理財助手“螞小財”，讓普通人也能享受到專業(yè)級的理財服務。同時，技術上通過mlf（make llm fail）發(fā)現(xiàn)最難解決的復雜問題，自適應調(diào)度專業(yè)知識和專業(yè)工具來徹底解決。

在最后的圓桌討論環(huán)節(jié)，智源研究院FLM團隊負責人王業(yè)全、極佳視界首席科學家朱政、群核科技首席科學家唐睿就“AI如何鏈接物理世界”問題展開了討論。

大模型進入“數(shù)據(jù)精耕期”，高質(zhì)量語料缺口高達PB級，一些研究機構(gòu)和科技企業(yè)提前布局數(shù)據(jù)技術。

中國信通院華東分院副院長、上海工創(chuàng)中心副總經(jīng)理廖運發(fā)指出，隨著全球AI產(chǎn)業(yè)規(guī)?？焖僭鲩L與大模型廣泛應用，高質(zhì)量數(shù)據(jù)集是企業(yè)構(gòu)建核心競爭力與人工智能應用壁壘的關鍵力量，并介紹了上海在大力推進數(shù)據(jù)要素產(chǎn)業(yè)及語料生產(chǎn)的政策措施及成果。企業(yè)構(gòu)建高質(zhì)量數(shù)據(jù)集是一項重要的戰(zhàn)略工程，未來，可以通過三步走戰(zhàn)略，依據(jù)數(shù)據(jù)治理成熟標準（如DCMM、DSMM），從人機料法環(huán)入手做好高質(zhì)量數(shù)據(jù)集建設。

會上，螞蟻集團和人民大學聯(lián)合研發(fā)原生MoE架構(gòu)擴散語言模型（dLLM) LLaDA-MoE，在約20T數(shù)據(jù)上完成了從零訓練MoE架構(gòu)的擴散語言模型，驗證了工業(yè)級大規(guī)模訓練的擴展性和穩(wěn)定性；效果超過此前發(fā)布稠密擴散語言模型LLaDA1.0/1.5和Dream-7B，比肩等效自回歸AR模型，并保有數(shù)倍的推理速度優(yōu)勢。模型將在近期完全開源，以推動全球AI社區(qū)在dLLM上的技術發(fā)展。

從“煉大模型”到“搭大系統(tǒng)”，外灘大會勾勒出的不僅是技術路線圖，更是一場數(shù)字與物理世界“雙向奔赴”的產(chǎn)業(yè)革命。當AI開始像電網(wǎng)、像路網(wǎng)、像城市一樣運行，下一個超級平臺，或許就不再是App，而是一座“智能體城市”。