IJCAI 研究卓越奖得主 Nick Jennings：一个智能体的聪明，不如一群智能体的相遇｜IJCAI 2026

当智能开始走向社会，今夜我们仍关心人类。

作者丨吴思梦

编辑丨岑 峰

1990年，英国作家道格拉斯·亚当斯（Douglas Adams）曾设想过这样一个未来：手机里的人工智能助手不只是回答问题，而是像一个真正的“行动者”一样，替用户寻找信息、完成任务，甚至提前理解需求。

当时，这个想象看起来遥远得像科幻。但三十多年后，AI智能体（Agentic AI）正在成为科技行业最热门的方向。

8月18日，国际人工智能联合会议（IJCAI-ECAI 2026）在德国不来梅开幕。本年度IJCAI研究卓越奖授予了英国拉夫堡大学校长Nick Jennings——这位在多智能体系统领域深耕三十多年的研究者。

1992年，Nick Jennings博士毕业，他与Michael Wooldridge（雷峰网2016年首届GAIR大会最受欢迎的嘉宾之一）共同写下了定义多智能体系统的经典论文，1995年提出的智能体四条特征至今仍是业界引用最多的定义之一。当科技巨头们把智能体AI捧上Gartner曲线的顶峰、把2026年称作“智能体元年”时，在这位奠基人的获奖演讲《智能体AI的过去、现在与未来》（The Past, the Present, and the Future of Agentic AI）中，Jennings回顾了智能体的发展历程，并提出一个耐人寻味的判断：今天行业热议的智能体，并不是一个突然出现的新概念，而是一条经过数十年积累、终于等到技术成熟的研究路线。

以下是Nick Jennings在IJCAI-ECAI 2026大会发表的获奖演讲精编稿，AI 科技评论基于原英文演讲内容进行了不改原意的翻译编辑：

▎The Past, the Present, and the Future of Agentic AI

主讲人：Nick Jennings，IJCAI 2026 研究卓越奖得主，英国拉夫堡大学校长

01

现在：站在风口的智能体

智能体AI（Agentic AI）、多智能体系统、基于智能体的计算——我把它们看作同一件事。它真的处于“过度期望”的顶峰。这是我最近看到的一条Gartner曲线，多智能体系统（multi-agent systems）正位于曲线的峰值，是当下最受关注、发展最快的技术领域之一。

这里有一组我特别喜欢的数字。根据2026年Gartner CIO高管调查，只有17%的组织已经部署了AI智能体，但超过60%的组织预计在未来几年内部署。这是我所见过最具进攻性的采纳曲线，说明大家对它的兴趣确实非常大。

还有很多知名人物在谈论智能体和智能体AI。比如英伟达的黄仁勋说：“每家公司都应该关注AI智能体，未来每家公司的IT部门都会变成HR部门。”这些关于智能体AI是什么、将变成什么的论断，既深远又激进。

除了站在Gartner曲线的顶端、有名人为它背书，还有一大批大公司推出了智能体产品：OpenAI、Anthropic、Google、Microsoft、AWS，这些全球最大的科技公司都有智能体相关产品，从开发工具包到基础设施，再到让智能体互相通信交互的能力。Salesforce 也很有意思，它试图摸索出在后台系统部署智能体的组织方法。

所以，智能体AI确实是一片狂热。对我们这些思考智能体已经很久的人来说，一个显而易见的问题是：为什么是现在？

02

为什么是现在：

从“回答问题”到“完成任务”

过去几十年里，我们见证了对AI前所未有的兴趣。特别是随着ChatGPT这样的大语言模型被广泛采用，它们确实惊人地强大，记得我刚入行的时候，绝不会想到今天能做到这样。但你会慢慢意识到：让模型回答问题，这很神奇，能用合理的准确度和保真度回答关于世界的问题，是一回事；而真正完成任务，去做事，是另一回事。行动（acting）是一种有用得多、普遍得多的活动。

大语言模型确实变革了交互，但它们主要是响应式的：你问，它答。智能体要主动得多——它聚焦于执行：给定一个目标、一项任务，把它拆解成一系列步骤，然后去完成。这就是从被动接收者到主动行动者的转变。

同时我们还意识到，很多现实世界的问题需要持续的、有韧性的行动。行动不是一次性的一问一答、得到一个答案就完了——你真正想要的是在那些活动中的持久性（persistence）。所以我们需要按任务推进，更需要跨时间的协助。智能体带来了记忆、规划、持续过程这些要素，能管理跨越数小时的工作流，能持续监控。

这两点已经是很重要的理由了。但最深刻、最重要的潜力在下一层：从单个模型，走向交互智能体系统。我从来不认为智能是把所有东西集中到一个地方、一个所有人都来寻求答案的中央神谕（centralized oracle）。我一直觉得，现实世界的复杂问题，本质上是智能体之间的交互——智能体代表不同的参与者，掌握不同的信息，追求不同的目标，对自己的决策保持自主权。

我认为大多数有趣的问题，用这种竞争与协作的图景来刻画，远比“一个集中的神谕”准确得多。这就是我对智能体AI现状的理解：大量兴奋、巨大潜力，以及很多关于它为何有价值的论证。

03

剧透警告：这不是一个新想法

这是一个终身成就奖，而我确实在这一行做了很久了，所以我觉得回顾一下过去是合适的。你们中很多人，尤其是更年轻的研究者，可能会好奇：智能体AI这个伟大的新想法是从哪来的？我要给你们一个剧透警告——

这不是什么惊天动地的新想法。

尽管一些相当有名的作者写了一些相当显眼的文章。我随便就能举出好几个例子，都在把智能体说成2020年以后才出现的东西。很明显，这个领域的一些主要推动者，出于某种原因，没有承认这个领域已经走过的路。这或许两方都有责任：一方面是我们这些智能体研究者，应该更有力地讲好这个领域的故事；另一方面，那些推动智能体议程的人，也应该意识到它是有历史的。

我读博的时候——那是很久以前了——分布式AI就已经存在了，讲的是合作的智能体、黑板系统（blackboard systems）里协作的知识源。我读书时常读的那些书，是1980年代末、90年代初出现的：有分布式AI的论文集，有明斯基的《心智社会》（Society of Mind），还有最早讨论开放智能体系统、讨论一定程度竞争与协作的著作。

开始在这条路上走之后，我有幸参与了一个大型欧洲项目，这个项目就在不来梅附近，由这里的教授主持，所以我职业生涯头五年经常来不来梅，看着这片领域成长起来，非常享受。我的博士论文后来成了一本书，《工业多智能体系统中的合作》（Cooperation in Industrial Multi-Agent Systems），我觉得它现在还在印，销量还不错，我正等着这场演讲之后它能迎来一波销量大涨（笑）。

博士毕业后不久，我和我的好朋友、好同事、好合作者Michael Wooldridge，他今天也在现场，我们合作写了一篇论文，那至今仍是这个领域最有奠基意义的文章之一，它真正定义了多智能体系统的概念基础：智能体是什么、如何构建。那也是我至今被引用最多的论文，也是整个领域被引用最多的论文之一。

这里是我的第二个“循环时刻”：我是第一位欧洲籍的“计算机与思想奖”（Computers and Thought Award）得主，那是1999年的IJCAI大会。你们能看到那串长长的获奖名单，26年间几乎没怎么变过。我是从1999年的会议手册上截的图。当年的摘要这样写道：“智能体代表了AI乃至整个计算机科学激动人心的新综合，有潜力显著改进复杂系统的建模、设计与实现的理论与实践。

在这场演讲中，我们将探讨是什么让智能体成为如此诱人而强大的概念模型，并论证可扩展的软件系统需要能够在动态、不确定环境中有效运行、通过灵活的组织结构相互交互的智能体。”我当时想过把这份摘要原封不动地再提交给这次大会，来传达一个事实：这个领域是有传承的。从1999年的青年研究员，到26年后拿到终身成就奖、不再做研究的“资深研究员”，这跨度还挺有纪念意义的。

我们起步的时候，是一个极其初生的社区。90年代初，我认识几乎所有做智能体和多智能体的人，我们常常在很小的圈子里聚会。我们不得不自己建设这个社区：建结构、建聚在一起的方式。当时已经有一些大型会议，但专门属于智能体领域的几乎没有。所以我们创办了最初的会议、这个领域的第一本期刊。后来有了AAMAS会议，至今仍在举办，最近刚庆祝了它的四分之一世纪——2002年创办的。

说到智能体AI，我觉得很重要的一点是：先定义你所说的“智能体”是什么。更年轻的你们可能想象不到，当年我们花了多少时间和精力去定义“智能体”这个词。我在大学里参加过一个又一个工作坊、一场又一场活动，就为了辩论智能体是什么。最后Mike和我把它凝练成一组特征命题，1995年发表。到今天再看，我认为它依然正中靶心。

智能体是自主的：在没有人类或其他智能体直接干预的情况下运行，对自己的行动和内部状态有一定控制；是反应性的：感知环境，包括物理世界，并及时对环境变化作出响应；不只是被动跟随，而是与环境相连；但智能体还不仅仅是响应，它是主动的：不是单纯对环境作出反应，而是表现出目标导向的行为、主动采取行动；还有社会能力：通过某种通信方式与其他智能体——也可能包括人类——交互。

这就是1995年的定义。在那之后很长一段时间，我都不再参加“什么是智能体”的辩论了。直到最近，我担任了几家大公司的工业顾问，这些公司本该更懂行，但他们问我：“要是我们能有智能体标准就好了。”那一刻我双手抱头，心想：天哪，我们连前人已经做过什么都缺基本的了解。

为了让这一点真正深入人心，我想放一段我最喜欢的视频，1990年的，道格拉斯·亚当斯（Douglas Adams）。

英格兰板球队陷入困境。记者问：“亚当斯先生，你厌倦了线性非交互的电视吗？”亚当斯：“我甚至不知道‘线性非交互电视’是什么意思。”记者：“你厌倦了那种单向朝你涌来、你只能像沙发土豆一样坐在面前的电视吗？来啊，跟我互动。”亚当斯：“等等，你想让我做什么？”——“我叫Tom，我是你的智能体。我能问你知不知道这是什么意思吗？意思是我在这儿为你跑腿、为你取糖果、不知疲倦地为你工作，随时待命，再小的活儿都不嫌小。我不仅仅是软件工程师，我是超级行动者，一个完全定制人格的人工智能，只作为你手机里的一段软件存在。我有幸即时访问全世界数字化存储的每一条信息：任何图片、影片、声音、书籍、统计、事实、联系。只要告诉我，为你找到它就是我卑微的职责。”——1990年的预言。

道格拉斯·亚当斯这段精彩的视频之后没多久，一些软件公司就试着把它做出来。Clippy——回形针助手，在Office 97里推出。结果我们发现：它不够聪明，太打扰人，它不够了解用户上下文，也不够理解用户偏好。它是一个好主意生不逢时的绝佳例子——因为帮助和支持别人、做道格拉斯·亚当斯那段视频里Tom说的那些事，真的非常难。

04

第一条经验：没有单一的智能体

从我们的工作和历史中，我认为有几条经验对当代的智能体AI很重要。

首先我要提出：世界上没有“单一智能体系统”。那种认为自己是宇宙中唯一值得考虑的行动者、唯一实体的想法，我一直认为，对AI的规划、推理和学习来说，是一个真正的边缘情况（edge case）。我不是说它错了，不是说它不值得关注——但如果你只考虑单个智能体的规划、单个智能体的推理，你漏掉了很大一块。

因为我认为所有现实的系统都是多智能体系统，大多数问题都涉及多个智能体、多个行动者、不同的问题集。举一个智能电网的例子：一个在智能电网中运行的智能体，你会遇到电力消费者、生产者、发电方，还有输电方。这些是不同的行动者、不同的组织，在国家、国际、区域、微观各个层面运作，它们必须交互、必须在一起工作。这不是一个系统，把它集中化是可怕的方式。

再想想任何大城市的综合交通管理：成千上万、数以十万计的个体行动者，各自做着自己的选择。有一些规则和法规试图引导车流，但控制是高度分散的，资源也是分散的——不同组织负责控制的不同方面。

一旦有了多个智能体，你就进入了思考交互的世界。我一直认为，社会交互是这个领域被严重低估的一块。翻翻历届会议论文集，花在社会交互、系统社会性上的时间和精力，相比其他主题，小得几乎可以忽略不计。而一旦你开始思考交互，就要面对合作（cooperation）、协调（coordination）、协商（negotiation）这些问题。我认为这些是根本性的——无论对人类智能还是人工智能，我后面还会回到这一点。

社会交互有非常多的形式，可以用很多方式刻画。我快速带你们看几个例子，它们也代表了我负责过的一些工作。

05

格陵兰冰层下的传感器

第一个例子是一个封闭的合作系统：你知道系统里所有智能体，它们都在你的控制之下，全是软件智能体。这是我们在格陵兰做的冰川传感器网络，用于监测气候变化。地质学家们不知道冰川内部的活动有多剧烈——外面能看到冰盖的萎缩，但没人清楚表面之下到底发生了什么。

我们造了一种传感器，大约拳头大小，完全自主构建，把它们冻进冰里，深入冰下约20米，在冰川上散布多个。你遇到的第一个问题：你可以按特定顺序把它们放进去，但冰川会流动，有些传感器融化得比别的快——所以放进去的第一天你不知道网络拓扑会是什么样，之后也不会知道。你必须用一种非常灵活的方式维持这个网络。

为什么它变成了一个多智能体系统？第一，我们希望传感器尽可能长时间地工作。这些传感器很昂贵，寿命越长越好。因为纯粹的物理传输规律：如果要在A和B之间传数据，通过中间传感器接力，总体耗电比从一头直传另一头更少——这是能量使用的物理。第二，我们无法集中控制：不可能把所有信息发给某个中央权威，让它来决定每个传感器该测什么、传什么。我们想要的，是协调这些传感器的测量——让它们在完全相同的时间采样——同时尽量延长整个网络的寿命。

挑战在于：从别的传感器转发数据，消耗的是你自己的能量预算。对别人是好事，但对我自己的能量预算是不利的。所以我们要构造一个整体系统，让它在没有中心控制的情况下运行。如果你只是让它各管各的，会发生什么？离中心最远的传感器最先耗尽电力，传感网络的半径一圈圈缩小，最后只剩下中心附近的部分。

所以我们构造了一个简单的机制设计（mechanism design）结构：每个智能体都有自己的能量预算，有支付、有报酬——转发别人的数据可以获得报酬。于是每个智能体面临选择：是提交我自己的数据，还是帮别人转发、换取报酬？每一个智能体都是完全分布式决策，只选择对自己最有利的选项。我们不想让某个传感器“自愿牺牲”去承担中继任务，那对它不好。挑战在于：没有中央控制的情况下做到这一点。这是我们设计的系统，所有传感器都是我们设计、我们控制、我们开发软件的，我们的目标是通过每个参与者做最大化自身余额的局部决策，尽可能久地最大化网络覆盖。

引入激励机制后，你可以看到数据开始共享，网络半径保持又宽又久——这就是我们的设计目标：完全去中心化，每个智能体在精巧设计的结构下做局部选择。最终的结果，和每个人都单打独斗非常不同。我们还可以分析这个结果、和最优解对比：想象你能集中控制、计算出最优方案，我们蓝色的结果和最优解相当接近——只是中间部分略高了一点。

我们把同一套方法用在了另一项运动上：帮助英国队（Team GB）在2012年奥运会上拿奖牌。我们与UK Sport合作，在比赛场地（波特兰，多塞特郡）构建了一套超本地化的天气预报系统，让船长们在七场赛前能根据天气和风向做决策：该往哪个方向迎风航行。我们想给船长最准确的信息。那届奥运会英国队大获成功，我记得拿了五枚奖牌，我们的技术帮了忙。

这个例子对我来说非常特别，我想放进来有两个原因：第一，用智能体帮助运动队拿奥运奖牌，太棒了；第二，奥运帆船赛场在波特兰，在多塞特郡——那是我长大的地方。波特兰在英国是一个很小的镇子，是英国最贫困的地区之一。能用我们的智能体帮助这样一个地方举办顶级赛事、在那里夺冠，对我来说意义非凡。

底层的科学，是用智能体构建复杂软件系统：如何构建自主智能体、如何设计那些交互——比如我们刚说的支付方案，以及如何把这些交互锚定在某种电子化的制度结构里。我和同事们发展了一套基于计算机制设计的方法论，用来构建智能体系统。

06

一场关于引擎的漫长谈判

第二个例子，它既有合作也有竞争：一个组织控制着整个系统，但系统内部并没有回到单一权威，而且涉及完全不同的参与者。这是我和劳斯莱斯（Rolls-Royce）合作了很久的项目——用智能体做供应链管理。

发动机供应链：你希望飞机发动机得到维护、正常工作，这大概是生活中很值得期待的事。这些发动机需要定期维护，每年要飞成千上万小时，得进场换特定零件，有点像汽车保养。但有时意外会发生：一只鸟撞进发动机，发动机停摆，需要紧急维修。

所以你面对的是计划内维修和计划外维修的混合。有一系列不同的组织：不同的航空公司、飞机制造商、不同组织管理的机队——负责发动机的那些。一般来说，发动机并不归航空公司所有，而是按小时计费（power-by-the-hour）租赁的。还有制造商、维修设施、零部件供应商。我们开发的软件系统已经部署了，所有这些组织都在用——在座有些人，可能就是坐着他们维护的飞机来参会的。

本质上，这个问题是多个相互依赖、并发进行的协商。每个行动者都是独立的：飞机、发动机、维修设施、供应链，全部相互连接。特别是当非计划事件发生时，你需要决定：它去哪儿修？哪个维修设施最合适？找一个近的？还是远的、更便宜、更容易到达的？这些全部相互关联。就像任何一个调度问题：你要优化它，中途插入新零件，然后重新优化。因为行动者各不相同，这些都是并发的协商。发动机制造商要协商去哪家维修设施——那是一场关于排期时间、价格、什么时候能完成的谈判；维修设施要选择优先处理哪个机队的请求——怎么排程，考虑客户优先级、飞机类型、所需维护时间、与既定计划的冲突程度，所有这些决策都压进那个优化问题里。至于选择更换零件：哪一个供应商供货？这完全是准时制（just-in-time）的方式：零件在需要时刚好到达；那又是一场协商：估算什么时候能到货、维修需要多久。对我来说这总有点吓人——飞机发动机需要的零件，很多时候“差不多能用”就足够了。还有：距离它必须进场保养还有多久？如果快到期了，你可能会选择把计划维修和这次紧急维修一起做掉。

底层是一整套开放的协商算法、协商方法和技术。结构化协商有巨大的设计空间：你如何设计它们？交互协议是什么？协商的博弈规则是什么？你会签什么类型的合同？然后，协商策略是什么——你试图优化什么？

07

海地地震中的人机协作

第三个例子，我想尽量覆盖前两个没有覆盖到的东西：它既有竞争也有合作，它是一个开放系统——不属于单一组织、单一结构的智能体需要走到一起；而且它是绝对意义上的人类与智能体协作。这是我们在英国与9个合作伙伴一起做的项目，用于灾害响应。

这套系统部署在海地，地震后被用来挽救生命、规划救援。我们与救援组织合作，用系统判断哪些社区需要优先救助——比如给断水的社区供水，我们要找出哪些社区最需要帮助。我们构建的系统是一个有深度人类参与的多智能体系统：这是第一个真正把人类作为活跃参与者、与智能体并肩工作的大型项目，而之前的项目主要是纯智能体。

地震发生时，你会收到大量报告，来自各种不同来源：当地可能有传感器，有社交媒体报告——成千上万条关于现场情况的报告，多媒体的：有建筑损毁的照片、有文字、有视频。你要做的是理解正在发生什么：哪些地区最可能需要帮助？构建那种需求热力图——红色区域是有大量人口、可能有严重损毁的地方。而在地震后的最初几个小时、最初几天里，你对“人在哪里”知之甚少——这是关乎生死的事。

我们做的是把人类专家和智能体聚在一起，共同理解这个高度不确定、信息不可信的局面。我们发现了大量案例：有人夸大受损程度或夸大自己所在区域的人数——出于明显的人性原因，想让自己的社区得到救助。于是智能体负责总结海量信息，人类一线救援人员用他们的经验做判断；人机一起找出最高优先级的地点，包括去哪里可以降低不确定性，共同制定救援排期——有时是人类优先、智能体优化，有时反过来。这就是它在实际运行中的样子：一群人类，能深入现场去探索正在发生什么；智能体在旁观察损毁、观察现场、找出需要最大力度响应和救助的区域。

又是那个图景：人和智能体一起工作。人类使用他们的经验——一线救援人员习惯在那种环境下工作，他们知道自己要找什么，有大量默会知识和底层知识；智能体帮他们追踪事态、理清状况。

底层的科学非常围绕“团队”展开：如何从一组孤立、独立的智能体构建一个团队？如何让这个团队有效协调、作为一个团队行动？任务完成后如何解散、扩展？这会用到联合意图（joint intentions）这类模型——那是我最早的成果之一——团队形成与划分，以及如何有效运作。还有人类的部分：如何让人类与那些真正有用、不是Clippy那种、真正理解现场并知道如何响应的智能体并肩工作。人机团队的科学，我认为至今仍是最激动人心的领域之一。

08

未来：从智能体到智能社会

最后，讲一些关于未来的假设，讲一些我认为它为什么重要的理由——我已经给出了一些系统的实例作为证明。下面是一些我同事们的想法。

我认为未来几年，我们将看到一个根本性的转变：AI的“单位”——我们所说的一个AI，将从单个智能体，变成智能体的集合、群体或社会。现在有很多焦点放在构建越来越大、越来越强的基础模型上，这没问题，会继续下去。但我想我们会越来越多地谈论的，不只是单个基础模型的有效能力或智能——我们要开始谈论模型的集合、交互智能体的集合。而不是孤立地评估一个模型，那是一种唯我论（solipsistic）的世界观。把它放进社会语境：你面对的是对象的集合，团队有多高效？我认为这会变得越来越重要。

我认为，社会智能（social intelligence）将变得和认知智能一样重要。我花了很多时间操心认知智能——这并非不合理，但我认为它一直是种执念：执念于单智能体的推理、单智能体的学习。我们需要的是理解社会语境的智能体、善于做团队成员的智能体、能实现人类与智能体有效协作的智能体。

我认为我们会看到——我希望会看到——围绕“人类-AI伙伴关系”的叙事。因为我认为两者结合，会胜过人类单独行动，也胜过AI系统单独行动。最有价值的AI系统，是能有效支持、增强人类能力的系统——就像救灾里的那样。

还有我们关心的一切：负责任的、安全的智能体。我们用那些词指代的所有东西，但这些大多是在个体实体的层面上定义的。我们需要把这些概念扩展到社会层面。

还有很多激动人心的研究挑战。比如“灵活分工”（flexible economy）：一套坚实的原则、指导方针、工作方式，规定人类和智能体各自应该做什么——什么是人类几乎总该做的，什么我们很乐意委托给智能体，以及这些分工在一次交互的过程中如何变化。这实际上就是救灾里发生的事：没什么事的时候，人类盯着系统，然后他们被别的事情分心、转移了注意力——这时智能体需要顶上、多承担一点。

伙伴式协作，是我一直在讲的重点：让智能体和人类有效协作。这不意味着人类必须去适应、去搞清楚计算机系统的工作方式——那是一种真正的伙伴关系式工作，在信任中发展智能体，有效沟通。还有开放系统：我们需要智能体相互交互，它们来自不同的开发者、不同的工作方式——理解彼此语义、理解决策如何做出，独立开发的智能体如何互操作。要让这一切成真，还有很多问题存在。

09

现在是我们的时刻

让我以一些个人反思结尾。我一直对理论和实践的联系感兴趣。整个职业生涯，我有好几条纯理论的工作线，我很乐于证明结果、证明定理；但实际上，我最享受的是把这些理论真正用到现实世界里、产生真正的影响。而且这不是单向的：不是你有了一个好理论然后去应用它——往往是你有了好理论，应用它，然后暴露出大量需要回去修正理论的深层科学挑战。这不是一条线性管道，而是一种交互。

我一直相信团队科学。我今天讲的一切，都不只是我一个人的——你们稍后会看到更多。我总是在团队里做事。最好的科学总是在团队里完成的，让不同专长、不同背景的人各自带来不同的东西。

我还想说，我在这片领域坚持了下来——以防你们忘了，我1992年博士毕业，到现在已经很久了，我看着多智能体社区里的这么多同事一路走来。有时候你就是必须坚持，有时候你只需要等待属于你的时刻到来。对我们这些在这个领域深耕了这么久的人来说——现在是我们的时刻。

还有，找到你自己的社区，真的非常重要。我们刚开始时没有自己的社区，我们亲手建了它：把人聚到一起，找到论坛、找到机制。所以我想说，智能体AI并不是从今天才开始的。

最后，现在我们有了行业内最大的科技玩家，但他们目前聚焦的还是简单的交互。而我要说的是：技术终于开始追上科学了——让这一切成真的技术，正在追赶多智能体系统这门不断展开的科学。我们应该把智能体AI系统看作伙伴，认识到人类和智能体互补的专业知识；如果做对了，它们会因此表现得更好。我认为我们将进入——也需要进入——一个“智能体社会”（society of agents）的时代。我们下一个范式转移，不会来自构建更聪明的智能体，而将来自理解和开发智能社会（intelligent societies）。

谢谢大家。

10

Q&A 现场问答

▎问： 首先祝贺你，实至名归。最近几个月，发生了大约15起针对大型产业的智能体攻击事件。你对构建一个更安全、更可靠的智能体生态系统，有什么期望？

答： 这是一个非常重要的问题，关于安全和防护。我认为这是我们这个领域最典型的特征和挑战之一。看看最近关于智能体出错的网络攻击报道——那些标题之下还有很多内容，但无论如何，这正是让公众担忧的东西。我们需要对话，需要确保我们既关注单个智能体、单个行动者，也关注社会层面——因为那么多不同的系统在相互交互，漏洞、可能性、安全需求，都需要在社会的层面去考虑。

▎问： 你说到当今开发智能体的社区似乎在忽视早期的问题，比如智能体通信、智能体互操作。你觉得这些早期成果在今天还有潜在作用吗？还是已经过时、不再相关了？

答： 那些问题中具体的技术细节，在今天的背景下可能没那么相关了。但你提到的基础设施——大厂那些智能体工具包，它们往往有自己的一套方式。我最后特别强调的关键挑战，是真正实现开放系统：那些不是为互相理解而开发的系统。在一定程度上，我今天的演讲就是因为这些词汇、概念和图景——但我不确定你是否完全理解我所说的；能够在智能体之间保持这种操作灵活性，非常重要。我不认为我的成果就该被全盘推翻，但我们确实需要新的运作方式。看看目前所有的例子，所有交互——包括那些“智能体朋友”——都是非常简单、受限的。我想表达的全部丰富性，在于把所有这些东西整合起来，产生复杂的交互。

▎问： 现在越来越多的人不仅把AI看作工具，而且看作自主行动者——最近Harari就提出这个观点，说我们必须为这个时代做好准备。这对智能体、智能体社会，以及对与人类的协作，意味着什么？

答： 我完全同意。我们的系统主动行动、主动做事——这正是我们如今拥有的智能体模型，我认为它有用得多。我们真正需要的，是带着任务、带着目标的主动问题解决者。它既会帮助我们构建更好的AI系统，也会成为许多问题更好的计算形态——因为今天讲到的这些问题，没有一个能被集中到一个中央存储库里。所以，主动的行动者完全是我们想要的方向。但还是要再说一遍：重点在交互。

▎问： 我深受启发。有一个问题：像管理领域、社会科学里的组织理论——你是会从人类社会提炼出那些理论，来指导智能体如何协调？还是会更多从AI这一侧出发？

答： 谢谢。我认为在这个领域工作的一部分，就是它是一个高度跨学科的领域。和我合作过的人，有数学背景、控制背景、经济学背景，也有人类学背景、组织设计背景——所有这些学科都与这个领域相关。比如我讲到的智能体导向的软件工程方法论：它是把复杂问题概念化为一个“计算组织”（computational organization）——字面意义上我们就是这样用词的。我们谈论角色，谈论角色的属性、角色要达成的目标、角色之间的职责分离。我认为，许多关注个体行动者及其交互方式的学科正在汇聚，这正是我们呼吁的。很高兴看到有更多力量加入进来。

IJCAI 2026 要来了，你还在单打独斗？

为了方便大家抱团交流、互通会议消息，我们专门建了IJCAI 2026 参会群！进群你会解锁这些「福利」

• 会议情报站：投稿 DDL、格式规范、评审进度……关键节点第一时间送达，再也不怕错过 deadline，投稿准备稳稳的。

• 同行茶话会：天南海北的同行都在群里，聊心得、碰思路、攒人脉，科研路上我们同行。

• 前沿补给站：最新研究成果、热点方向实时同步，结合会议主题帮你捋清投稿脉络，给论文灵感加满油。

• 现场后援团：（会议期间专属开启）：到了会场也不用慌——

  路线导航：场馆分布、报告厅怎么走，群里随时问；

  议题共读：热门 session、Keynote 现场探讨，错过也能追；

  Poster 汇编：现场海报精华整理，一键收藏不遗漏；

  约局广场：约饭局、采访局、交流局……想唠嗑、想合作、想面基，群里发起就成。

进群传送门：扫码进群或添加微信Qvv0909777，备注：IJCAI+ 单位/学校+姓名+方向。

搞科研/搞技术，信息差很重要。

来，一起快人一步！

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。