近日，产联智库举办了一场聚焦“AI赋能产业升级与经济发展”的圆桌对话，邀请学界与产业界专家共同探讨AI智能体发展趋势、产业融合路径及中小企业智能化转型等核心议题。北京工业大学教授、IEEE China Council常务理事李文正结合自身在人工智能大模型与高性能计算领域的研究经验，就Agentic AI（智能体AI）时代的计算架构变革、算力与电力协同优化等关键问题发表了深度见解。
李文正指出，AI大模型的发展已从“对话生成”迈向“执行真任务”的Agentic AI阶段，形成“大模型+智能体+环境”的协同生态。这一转变标志着AI从被动响应转向主动解决问题，例如OpenClaw等开源智能体的爆火引发了行业对“AI独立上岗”的讨论。他分析称，当前技术路径呈现两大方向：一是以OpenAI GPT-5.4为代表的“大一统模型”，将原生深度集成至工作流，实现电脑操作超越人类；二是以Anthropic Claude Opus 4.6为代表的多智能体协同框架，通过分工协作提升任务处理效率。
在产品形态层面，全球首款通用型AI智能体Manus与开源框架OpenClaw成为焦点。Manus定位为云端运行的数字员工，而OpenClaw则聚焦本地设备部署，二者均通过适配现有大模型实现功能落地。李文正强调，Agentic AI的核心特征在于自治性、感知能力、决策推理与目标导向性，推动AI从“单点对话”向“多智能体协同”演进。这一趋势对企业而言既是机遇也是挑战，需解决数字空间与物理世界的深度融合问题，即“符号落地”难题。
针对智慧城市运营，李文正提出“城市智能体”概念，认为其将从“被动处置”转向“主动预防”，服务体验从“千人一面”升级为“极致个性化”，管理对象扩展至“虚实融合”空间。这一变革对城市基础设施提出四大挑战：算力架构需从中心化转向云边端一体化；数据治理需打破部门壁垒实现全域融合；信任体系需内置伦理对齐机制；容错标准需从“体验降级”提升至“零故障容忍”。他比喻称，未来城市基础设施将如同“有机生命体的神经系统”，集成算力、数据与伦理于一体。
在降低大模型幻觉方面，李文正引用《思考，快与慢》的双系统理论，指出推理模型（LRMs）通过“链式思维”技术路径，强制模型从直觉思维切换至理性思维，有效减少复杂任务中的幻觉现象。例如，OpenAI o1与DeepSeek-R1通过延长思维链提升推理精度，但需平衡算力成本。他提出动态决策与架构创新方案：简单任务采用直觉思维，复杂任务切换至推理计算单元，并通过混合专家模型（MoE）实现专家分工，避免“一刀切”式资源消耗。
针对算力与内存的博弈，李文正分析称，AI大模型推理存在“预填充”与“解码”两阶段需求差异：前者为计算密集型，后者因自回归特性导致KV-Cache爆炸式增长，形成“推理内存墙”。他指出，Agentic AI时代计算范式正从“浮点运算量”转向“逻辑编排效能”，CPU需转型为高频交互式AI推理优化处理器。例如，Groq LPU通过片上近存计算消除HBM访存瓶颈，与英伟达Rubin GPU协同实现低延迟Token生成；Cerebras Systems则通过集成海量计算核心与高速片上存储，在特定任务中实现比传统GPU集群高数十倍的运算速度。
在算力与电力协同层面，李文正提到，随着模型参数从千亿级迈向万亿级，数据中心电力需求呈指数级增长。美国xAI超级计算机Colossus 2获批部署41台天然气轮机，发电容量达1.2吉瓦，凸显电力供应挑战。他建议，通过“东数西算”战略布局新型数据中心基础设施，如太空或海底数据中心，并利用AI优化电力调度。同时，我国已出台《加快构建新型电力系统行动方案（2024—2027年）》，推动算力-电力协同项目落地，以系统化创新应对能源与计算需求矛盾。
