思必驰俞凯：分布式大模型智能体系统引领AGI新趋势

2024全球人工智能产品应用博览会近日在苏州工业园区圆满闭幕。会上，思必驰联合创始人、首席科学家俞凯博士在主论坛发表核心观点：当众多厂商聚焦于“超级智能”时，思必驰正着力构建差异化的“分布式大模型智能体系统”。

该系统的核心架构可总结为“1个中枢大模型 + N个垂域模型及全链路交互组件”。俞凯博士形象地比喻道：OpenAI等厂商的技术路线如同打造“全知全能的神”，长于创意与生成；而思必驰的路径则像组建一家高效公司，由CEO（中枢大模型）统筹，CFO、CTO等（各垂域模型）分工协作，核心目标是确保任务可靠完成。

这一思路直接回应了当前大模型产业落地的关键挑战：实时私域知识缺失、专业领域能力不足、执行可靠性存疑以及系统协作架构薄弱。在许多模型受困于“幻觉”问题时，思必驰将重心置于“执行智能”，强调系统的可靠性与任务完成质量。

分布式大模型智能体系统的构建逻辑

思必驰的技术路径与主流方案有何不同？关键在于目标差异。以超级智能为目标的集中式大模型擅长创作与开放问答，但在严肃的任务执行场景中往往表现不稳。相比之下，分布式智能体系统以可靠执行为核心，不追求每个组件都是“超级智能体”，而是通过有机组合确保任务准确、稳定地完成。

这引出一个关键问题：如何定义“可靠”？举例而言，一个模型回答了十个问题，答对六个但四个答错；另一个模型只答对五个，但对另外五个明确表示“不知道，需咨询专家”。后者在实际业务中通常更可靠，因为它清晰知晓自身边界。思必驰在车载语音交互中重点打磨的“拒识”能力，正是这种可靠性思维的体现。

此外，“系统”视角至关重要。单一的大模型无论多强大，也仅是一个功能模块。真正的用户体验产生于从感知、理解、决策到执行的完整链条。正如仅有“大脑”不够，还需与“眼睛”、“耳朵”、“嘴巴”协同工作。思必驰的分布式架构将千亿、百亿、十亿等全尺度模型与各类交互组件深度融合，从系统层面保障响应速度、定制化能力与最终体验。

AI创业贵在长期坚持

这条独特的技术路线并非一日之功，而是思必驰在对话式人工智能领域深耕十七年的自然延伸。回顾历程，几个关键转折点清晰可见。

2012年，俞凯博士将数据驱动的对话技术从剑桥带回国内，奠定了技术基础。2014年，随着亚马逊Echo引爆市场，思必驰敏锐转向智能硬件交互，这比纯软件方案挑战更大，却构筑了更深的护城河。至2017年，面对中国物联网设备多样化的定制需求，思必驰开始研发“柔性AI”技术，推出大规模可定制的DUI开放平台。

大模型布局始于2019年。思必驰的DFM语言大模型坚持自主研发，已于2022年初对外发布。2023年7月，DFM-2大模型发布，核心目标是实现通用人工智能的柔性定制。如今的分布式智能体系统，标志着这一技术演进的最新阶段。

当然，过程并非坦途。从早期攻克全链路对话系统整合，到为应对软件易复制难题而转向硬件，再到为实现大规模定制而拆解重组系统以保障极致性能，每一个挑战都需从真实场景提炼问题，并通过算法、工程与架构设计的综合手段解决。

避免「拿着锤子找钉子」

当业界讨论大模型遇冷时，场景落地能力成为试金石。俞凯博士指出，许多厂商陷入“拿着锤子找钉子”的困境，而思必驰的优势在于“先有一排钉子”。其大模型能力已嵌入到成熟的端到端对话系统和硬件解决方案中。

目前，思必驰的落地场景主要聚焦两大方向：垂直领域模型与具体产品集成。智能汽车是今年的重点落地领域，此外在智能家居、消费电子、政务、智能制造等方面亦有深入应用。

对于2B和智能硬件领域，完整的系统解决方案、可靠性与可定制化能力至关重要，这正是纯算法厂商的短板，需要长期的行业积累。反观2C市场，内容创作、搜索、电商等核心场景已被互联网巨头占据，新入局者突围难度较大。

关于端侧模型趋势，俞凯博士认为这无疑是重要方向，但核心在于明确应用目标。真正的通用智能应以端侧语言模型为核心，并有效整合任务链路。思必驰的垂域模型本就涵盖云侧与端侧，目前正与合作伙伴共同推进相关实践。

谈及差异化优势，首要仍是技术层面，特别是在算法与系统结合上的深厚积累。其次是在智能硬件领域的长期深耕与广泛覆盖，从家电到汽车，思必驰接入了数亿台设备，AI语音芯片出货量达数千万颗，并推出了AI办公本等创新硬件。最后，通过多年服务，思必驰与国内主要汽车和智能硬件厂商建立了深入合作，形成了技术适配成熟、解决方案经验丰富、客户基础扎实的复合优势。

在行业追逐“神”的浪潮中，思必驰选择先打造一个高效、可靠的“组织”。这条路径或许不那么炫目，却可能更贴近产业真实的脉搏。