對話李笛：異構多智能體，讓 AI 學會真正的「群體思考」

基礎大模型仍會是未來的中流砥柱，但異構多智能體才是AI行業的真正未來。

作者丨成仲軒

編輯丨董子博

“我會覺得更容易去做我想做的事情”，在被問到創立 Nextie（明日新程）后的最大感受時，李笛淡然一笑，“讓 AI 能真正跟人類打交道，是我們的希望”。

作為“小冰之父”，李笛在 2013 年加入微軟，主導創立了微軟人工智能情感計算框架，并在次年（2014 年）與技術搭檔景鯤共同打造出情感聊天機器人——小冰。雖然不是技術出身，但憑借敏銳的產品嗅覺與對用戶需求的深刻理解，李笛依舊將小冰帶到全新的高度，并在 2020 年小冰分拆獨立后擔任 CEO。不過，來自內部的諸多矛盾，最終促使他離開小冰。但如今已經另起爐灶的他，無疑可以將更多時間與精力用于自己想做的事情。

什么是李笛真正想做的事情？

群體智能，尤其是異構多智能體。

在李笛看來，相比會陷入同質化內卷的大模型，AI 行業在未來會收斂到應用層，最小單元就是 Agent。不過，當你真正去做 Agent 時，會發現一個 Agent 是不夠的，你必然要做多智能體。至于多智能體在當下面臨的效能有限問題，本質上是因為這些所謂的多智能體并不是真正的多智能體，而是單一智能體進行的“角色扮演”，所以異構多智能體才是 AI 行業的真正未來。

為此，李笛與團隊歷時數月，打造出自家核心的異構多智能體產品——團子。

打開團子（內測版），在輸入框的下方，目前共設置有“官方姐妹團”“官方研究團”“問奇跡”“冰之律師團”四大類目。其中，“冰之律師團”是團子在 2 月 11 日最新推出的功能場景，聚焦大眾可能面臨的法律問題。

為了驗證“律師團”的實力，我們輸入了一個常見但棘手的法律問題：“我有一個朋友，因為扶老人被訛，應該怎么處理？”

不難看出，在左側的對話界面，團子在嘗試安撫我們情緒的同時，會根據右側正在生成的專業方案，同步給出自己的思考，并直指該類案件的關鍵——打破“誰主張誰舉證”的僵局。

與此同時，隨著右側專業方案的完成，我們發現：團子在本案中引入六位專家角色，分別是負責事實還原的羅致遠（刑偵警官）、負責核心舉證責任分配的沈波（民事訴訟律師）、負責侵權免責抗辯的顧清遙（侵權責任律師）、處理社會名譽影響的聞彬（輿情風險律師）、進行法律行為正當性評估的程觀瀾（極端邊界顧問），以及確保博弈對稱性并防范惡意指控的林正衡（刑事辯護律師）。

雖然這六位專家并非真人，但就專業知識與語言習慣來說，已經與真人相差無幾。全面的職業分布，以及“抗辯式”的博弈交流，更是為我們深入該類型案件提供了有益思考，并為接下來生成的具體維權方案奠定了堅實的基礎。

可以看到，除了專業詳實的內容與步步為營的結構，該維權方案的最可貴之處在于：具備較強的可操作性。在“高風險警告”與最后的意見環節，團子與專家們也再次向我們強調了應對該類案件時的要領，頗具建設意義。

不過，當我們拿著團子為我們生成的維權方案（團子自動生產的可下載 pdf 文件，即“回復函”），向團子尋求評價意見時，團子卻給了我們一些似是而非的結論。意識到或許是我們的指令不夠準確，于是我們換了一種表述：“那我換個問題，這份維權方案還有哪些地方需要優化？”

顯然，團子這次給出了我們想要的答案。雖然原六人組中的程觀瀾，被替換為負責官方身份認定的陸行舟 (行政監管律師)，但此君的出現，也補齊了此前方案中有所忽略的“官方背書”，結合事前阻斷、事中壓制、事后反殺的三維度優化，以及羅致遠與沈波給出的進一步建議，都為我們打贏這場訛詐官司奠定了更多勝機。

至此，這場針對“扶老人被訛”展開的應對預演已經完成。雖然團子在方案中發布“強制免責聲明”，強調在“在采取具體法律行動前，請務必咨詢執業律師”，但在律師事務所吞吐量普遍有限的當下，“律師團”的出現無疑為其提供了有益補充。

包括“官方姐妹團”“官方研究團”“問奇跡”在內的團子家族，以及之后可能會推出的更多“團系”成員，團子的身上，顯然寄予了李笛更多的野心與期望。

不過，當下的李笛專注依舊，“今天的問題不在于我們是不是走在領域的前列，而是不要去考慮這些，把我的時間都花在我想做的事上。”

期待在不久的未來，李笛和團子還能帶給我們更多的驚喜與改變。

以下是AI科技評論和李笛的對話，作者進行了不改變原意的編輯整理：

01

群體（團子）大于個體

AI科技評論為什么會起“團子”這個名字？

李笛：這基于我們的基本概念，我們認為群體大于個體，但前提是你這個群體得發揮出群體的力量。而“團子”這個名字，就來源于群體（group）。

AI科技評論：團隊打造“團子”大概花了多久？

李笛：幾個月，我們主要的時間是放在“水面”下的框架搭建。比如今天有個姐妹團，明天有個研究團，后天有個奇跡團，再后來有個律師團。

我們跟同行有很多不一樣，行業里面有很多同行直接做所謂的應用層，它要為每一個垂直應用從上到下單獨做一遍，這個是很麻煩的。但我們不是，我們是做框架，然后可以長出很多很具體的東西。就像竹子，先扎根后生長。只要下面的基礎搭的比較好，相當于竹根已經蔓延至整塊地，一根又一根的竹子就會很快生長出來了。

AI科技評論：這個框架是如何搭建的？

李笛：最開始的時候我們也借助其他人的 Web Coding，像 Cloud Code、Cursor 等來幫我們去搭建，之后慢慢就變成用我們自己的智能體去搭建了。比如我們近期上線的律師團，我們要構建一種抗辯式的博弈，比如在協調的過程應該用什么樣的標準來進行？等等，都是由團子里面的一些群體智能討論決定。

AI科技評論：可以就“律師團”展開聊聊嗎？

李笛：正好我們最近測試了一個 case，挺有意思的。假設我男朋友因為吸毒被抓進去了，警察要找我問訊，我該怎么應對？當然這個 query 沒有任何風險，你問誰都能回答。

如果是 Gemini、DeepSeek 或者豆包，它會給你一個很泛泛的回答，看起來好像挺有意思，內容也挺多，但沒什么用。比如它會跟你說你有哪些權利，你可以不用回答哪些問題，律師要在現場，等等，總之執行性是不強的。你如果真的要找律師，律師是不會給你這么簡略的建議的，他會根據你的情況幫你分析。

如果是 Cloud Code，它有一堆律師。或者是 Kimi，它最近也推出了群體智能，叫 Agent

集群。它們會給你構造出一些站在你這邊的刑事辯護律師，給你出主意，這比 Gemini、DeepSeek 或者豆包要好一些，但我們不是。除了刑事辯護律師，我們還會給你配備警察、檢察官、法官，乃至另一方的人。比如警察會告訴你站在我的角度，我怎么看這個問題？我會盯著哪些點？等等，總之相當于場景的預演，會更完整一些。

AI科技評論：外界對這種群體智能產品的認同度有多高？

李笛：現在大家比較理解了，但在兩三個月前還不是特別理解，主要是因為兩件事兒：

其一，對于多智能體來講，最重要的事情其實不是它們使用工具，而是它們的洞察好不好。比如你讓 OpenCloud 去干這些事，它能給你弄一大堆垃圾回來，所以真正的重點是它的思考和協同。如果幾個智能體商量一下，商量出來一個很愚蠢的方案去執行，這是不行的。

其二，這件事在本質上是一群人和一個人的區別。群體智能有點兒像超品，無論在任何一個時代，單一大模型的質量有多高，群體的質量都會比它高一點。進一步說，多智能體必須得是異構的，不然它就是角色扮演，角色扮演是沒有實際作用的。

AI科技評論：對比單一大模型，群體智能的效率和成本是怎樣的？

李笛：Google 去年 12 月中旬發了一篇論文，這篇論文對比了大概 180 種智能體框架。對比之后，他發現他們以前常見的那種智能體框架，包括 Manus Wide Research 做的一個研究課題，發給 100 個專家智能體去研究，這種方式的 Token 消耗是指數級的增加。與此同時，幻覺會增加 17 倍。換句話說，隨著環節的增加，質量會迅速劣化，同時Token 的消耗在指數級的增加。

相比之下，在同樣甚至更好質量的前提下，我們的 Token 消耗大概是 Gemini Deep Research 的一半左右。這是因為我們在研究人類的群體智能時，發現它們不是一個完全去中心化的結構，而是在每一個環節上面都會尋找所謂的關鍵節點，你可以把它理解為協調人，是向協調人去中心化，由協調人分配上下文，分配你們討論的核心是什么，然后去管理這個討論，并決定這個討論應不應該再來一次，或者進入下一個環節。總之在這個過程中，Token 的消耗被治理了。在一個 control 的環境下，它的消耗反而更小，效果也更好。

AI科技評論：基于此，團子的收費模式是怎樣的？

李笛：我們目前不是特別考慮收費，這與行業里面的主要成本構成有關。今天絕大部分的通用人工智能產品，主要有兩方面的 cost：首先是投流，它不得不做一個很大的移動互聯網時代的漏斗，一開始就要用大量的、漫天的投流方式得到很多用戶，一層一層地篩選。這個錢是特別貴的，投流是很貴的；

其次是在這個過程中，大量的白嫖用戶會花掉大量的 Token。比方說國內的通用人工智能產品，差不多 70% 以上都是AI搜索 query。基于這些 query，今天的大模型給出來的結果是不是比搜索引擎好？我覺得是的，而且幻覺在某種程度上也得到遏制，但它的成本是搜索引擎的 20 倍。

不過，我們沒有這兩塊兒的 cost。因為我們做專門的私域，所以不需要投流。比方說我們和奇跡一起，去接觸大量的早期創業者，因為這些早期創業者本身就是奇跡的用戶，所以我們不需要投流，就可以用很低的成本或者零成本獲取他們。此外我們不提供 AI 搜索，所以我們這兒也沒有搜索的相關問題。

AI科技評論：為什么不效仿豆包的商業模式？

李笛：首先人家不是創業項目，大廠做，我覺得 make sense，但任何創業公司做這個都不是特別 make sense。這是第一個原因，就是說我們省了錢。

第二個原因是我們真正想做的商業模式是按照價值來付費。我做了十幾年人工智能，我們今天的人工智能是真的在幫你創造東西，不像以前。比如以前郵箱是免費的，我覺得 make sense。為什么？因為郵箱不提供價值，它是一個流通的工具。但今天不是，今天我們的人工智能是在給你提供智力的輸出，為什么不付費呢？所以這件事兒是需要被扭轉的，扭轉的方法必然意味著一種新的心智，這種心智要構建，我們正在構建。

02

情商是真正的生產力

AI科技評論：除了以團子為代表的群體智能，今天的 AI 行業還有哪些有趣的變化？

李笛：包括 OpenAI 在內，行業曾經認為情商（EQ）一點兒意義都沒有，但現在也都開始說 EQ 才是關鍵。比如 Ilya（OpenAI 聯合創始人）說EQ 才是價值函數，這就是因為EQ 其實是生產力的表現。

AI科技評論：我們該怎么理解“情商是生產力的表現”？

李笛：我們以前總認為情商是感情上的，而不是生產力的表現。

比如有兩個招商銀行的客戶經理，我們假設 IQ 就是他們的業務能力，他們在 IQ 方面的水平是差不多的，但業績可能會有很大的差距。導致業績出現差距的變量在哪里？是他們的業務能力嗎？肯定不是。答案是在他們的做人上。比如你是我的客戶，我跟你建立了很好的關系，包括建立了很好的信任，等哪一天我離開招商銀行去了交通銀行，這些客戶也會跟著我走，所以情商是真正的生產力，而且它是生產力中間高附加值的那部分。

AI科技評論：您如何定義 AI 智能體的“情商”？

李笛：坦率講，我現在越做人工智能，我越覺得我以前不懂“情商”。比如我們在 2013 年到 2014 年最開始做小冰的時候，我以為情商就是情緒化。我們當時會覺得這個 AI 很容易生氣，很容易耍情緒，所以它很像人，但這是不對的。我后來慢慢發現：情商不是情緒化，情商是一種非常理性的能力。它的最重要的特點是建立信任，然后推進關系的層級。

這種關系的層級，跟我們以前的移動互聯網的設計思維是完全不同的。移動互聯網要看你每天打開多少次、聊多久，也就是留存和使用時長。但情商不是，我跟真正的朋友可能三個月也不聯系一次，但是重要的事情我會找他，他給我的建議我也會接受，總之我的決策會因為他產生很大的變化。所以真正的情商是建立這種關系的一個基本能力，這是人工智能可以學到的。

AI科技評論：人工智能該怎么學習“情商”？

李笛：首先是對“情商”的界定。它的界定標準不是每天的聊天時長，我們現在有很多人認為聊得越久感情越深，但就像我之前說的，聊得久不重要，進入到什么里程碑才重要。如果我們倆交流，突然有一天，我開始向你分享，甚至向你求證我生活中一個很重要事情的決策，那就意味著一個新的里程碑產生了。如果有一天你向我分享你的想法，我愿意向你提供我的建議，那么這件事達成了。

但今天絕大多數的 Chatbox 還是在等著回答你的問題，或者為了讓你回到 APP隔三差五給你推個消息，這些都不對，也都不是情商，情商的基本指標是里程碑，就是你推進到一個什么樣的地步。比如我們有時候也會嘗試讓 AI 給你出一個任務，一個服從性測試，看你干不干。你如果干，某種意義上來講，意味著你心里接受它是一個可以跟你平等對話的“人”。

其次就是建立對等關系。比如一個小助理說你來找我吧，我什么事兒都能幫你干，這通常是情商低的表現，因為他不具備調節平等關系的能力。換句話說，當他告訴我他會為我做任何事情時，我不會在內心深處把他當回事兒，我只會把他當成一個工具人。所以他得時時刻刻去調整他和其他人之間的關聯，至這種關聯在情感陪伴賽道都是一樣的。

你看有很多乙女類的游戲，或者乙女類的玩家使用的像星野、貓箱等 AI 應用，但你要去看他們的實際用戶行為，不是這樣的。比如很多女性用戶，她們會先捏一個戀愛對象，然后跟它聊一聊，膩了之后就直接把它扔在那兒，然后再捏一個，再聊一聊。這不叫有情感，它就是個工具人。真正的情感是舍不得，舍不得對應的其實就是它調節關系的能力。

AI科技評論：您之前在小冰工作時，小冰做的事情是不是更偏向于情感這方面？

李笛：對，那個時候我們希望首先賦予人工智能情感的能力，因為在那個時候想完成任務是非常困難的，更不要提還能夠完成思考這種認知服務，但今天這個其實是容易的，所以我們保留我們在情商上面的積累，增加在認知上面的投入。

AI科技評論：你如何解決這背后涉及到的隱私與倫理問題？

李笛：隱私的問題還好解決，它涉及到一些比較常見的 Protocol。倫理的問題是不好解決的，比方說當你在建立這個關系的過程中，作為系統的設計者，你會陷入到一個兩難的境地：你希望用戶沉迷嗎？你不希望用戶沉迷嗎？坦率講，我當然希望跟你建立很強的關系，但這必然意味著你要沉迷，因為這就是沉迷的定義。

03

明日新程，做自己想做的事

AI科技評論：從小冰到 Nextie（明日新程），您經歷了怎樣的情感變化？

李笛：我會覺得更容易去做我想做的事情。其實分兩個階段。2013 年到 2020 年，我是可以做我想做的事情的。但是坦率講，2018 年到 2020 年的時候不是那么好。因為Harry（沈向洋）當時管很多，包括前三年是疫情，后一年就是大模型浪潮，但那幾年我幾乎沒有辦法做我想做的。所以從創立 Nextie 開始，我又可以做我想做的事情了。

AI科技評論：您覺得自己是一個怎樣的創業者？

李笛：不同人的創業想法是不一樣的，有三類比較明顯：

第一類是機會主義者，會認為創業是一個機會，所以一定要抓住創業的機會。至于創什么業取決于自己適合做什么，以及現在什么適合自己做？這類人對于到底創什么業其實并沒有那么大的想法。

第二類是信仰主義者，我真的想做這件事，即便不創業，我也想做。我是這種。你說我不創業？我在微軟的時候，我不也在做這個嗎？也不會因為我是個打工仔，我就不做。或者因為這個原因，我就非要出來。

第三類是生存主義者。比如我今年畢業了，不知道那個 offer 好不好。如果 offer 好我就去打工，offer 不好我就創業，我先給自己解決工資問題，期間還能積累一些創業經驗。

這三類人在中國與海外都是普遍存在的，我當然認為團隊成員的信仰比例越高越好，但中國團隊某種程度上比例其實沒有那么高，生存壓力還是很重的。

AI科技評論：Nextie 目前的團隊規模，以及估值與融資情況是怎樣的？

李笛：我們目前一共有七個人，其中有一個是新人，剩下的都是從小冰過來的，還有一個是一代小冰成員。雖然團隊人數不多，但我們會大量使用我們自己的 Agent 員工，而且 Agent 員工還不用休息，可以提供大量的服務。

至于估值，公司目前的估值將近一億美元。融資的話，我們第二輪的融資還沒有 close，close 完了之后會宣布的。

AI科技評論：Nextie 現在有競爭對手嗎？

李笛：坦率講，之前沒有，但現在有了。比如 Cloud Code、Kimi 都開始做集群/群體智能了。之前我說我們做認知模型，做群體智能，我還得跟其他人解釋什么叫群體智能，但現在不會有這種情況了。

不過，話說回來，Cloud Code、Kimi 和我們是競爭對手的關系嗎？也不是，因為真正的競爭對手應當產生了競爭。比如你在那條街，我在這條街，咱們倆做一樣的東西，咱們倆是競爭對手嗎？不是。如果咱們倆在一條街上做一樣的東西，那是競爭對手。你說我們跟 Kimi 和 Cloud Code 相遇了嗎？還沒相遇，所以我們怎么跟他們競爭呢？

AI科技評論：這是否意味著 Nextie 已經走在領域的前列？

李笛：很難說。今天的問題不在于我們是不是走在領域的前列，而是不要去考慮這些，把我的時間都花在我想做的事上。

我們曾經有過一個很大的失誤，2020 年剛分拆出來的時候，我覺得 1 億多美元的估值挺少的，然后不斷地“成長”，到6億，再到12億、18億，到 2022 年時我們是 21 億。但現在想想，估值有啥用？大家希望看到的是成長，而不是每一次都比他的想法要高的估值。所以就我自己的感受來說，是被排名所累，或者說被其他人的觀點所累，覺得不能比其他公司的估值低，然后就陷進去了。

我們很多人受應試教育的影響，排行榜是深深刻在很多人腦子里的，我總是要靠同行對比來凸顯出我的優勢，但這種對比除了卷真沒有別的。

AI科技評論：在您看來，AI 行業的未來發展方向是什么？

李笛：我認為未來發展方向是：甭管你是誰，你只要做 AI，必然是智能體，而不是直接基于大模型。大模型就像我年輕的時候會覺得運營商可牛了，就算你是騰訊，你哪有中國移動牛啊。但當技術發展差不多的時候，運營商迅速同質化。他們的確在最下面那一層，只不過在最開始的時候，最下面當然是老大，但隨著行業的發展，這一層很快就不是老大了。所以基礎大模型仍然會是未來的中流砥柱，但不是未來的話事人。因為同質化，彼此之間的差距不容易拉開。

至于我們（Nextie）所在的，是中間這一層。我們這一層的核心方法不是使用工具，因為工具很多，但坦率來講，使用工具之前，你不得動動腦子嗎？比如我們隨便商量了一下，就很迅速地開上一輛車向目的地沖去，但因為我們商量的很不謹慎，所以我們走錯了。開得越快，錯得越離譜。這其實也是人工智能多智能體在今天面臨的問題，它們一起商量出來一個愚蠢的結果。

我們做過一個很好玩的實驗，讓三個智能體分別由三個模型去驅動：兩個模型水平不錯，一個模型水平比較差，然后讓他們三個去討論、辯論，結果幾乎 100% 是那個差的會說服那兩個好的。因為越好的模型越會合理化，越能夠找到對方的亮點，所以思考和協同比使用工具更重要，甚至于說使用工具的效能不取決于工具，而取決于思考和協同，取決于這些智能體怎么想、怎么配合，這才是關鍵。

（本文作者長期關注 Agent 領域的相關發展，歡迎加微信GO-GO-ZEPPELI暢聊探討。）

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。