思必驰俞凯谈分布式大模型如何推动AGI智能体发展
近日，2024全球人工智能产品应用博览会在苏州工业园区圆满闭幕。作为行业年度盛会，思必驰联合创始人兼首席科学家俞凯博士在主论坛发表核心观点：在众多企业竞逐“超级智能”的背景下，思必驰独辟蹊径，致力于构建一套“分布式大模型智能体系统”，以解决产业落地的实际难题。
该系统的核心架构可总结为“1个中枢大模型 + N个垂直领域模型及全链路交互组件”。俞凯博士形象地比喻道：OpenAI等厂商的技术路线旨在打造一个“全知全能的神”，长于创意与内容生成；而思必驰的路径则更倾向于组建一家“高效的公司”，由CEO（中枢大模型）负责战略统筹，CFO、CTO等（各垂域模型）分工协作，最终目标是确保任务被可靠、高效地执行完成。
这一设计思路精准应对了当前大模型赋能产业的核心挑战：实时私域知识整合困难、垂直领域专业能力不足、任务执行可靠性存疑以及系统化协作架构缺失。当行业普遍受困于模型的“幻觉”问题时，思必驰将研发重心放在了“执行智能”上，着重提升系统的确定性与任务完成质量。
构建分布式大模型智能体系统
那么，思必驰的分布式智能体系统与主流集中式大模型路径究竟有何不同？根本差异在于设计目标。以超级智能为目标的集中式大模型，在创意写作与开放域问答上表现出色，但在需要严谨执行的业务场景中往往难以胜任。相反，分布式智能体系统的首要目标是可靠执行。它不要求每个组件都具备“全能”智慧，而是通过有机的组合与调度，确保整体任务能够被准确、稳定地完成。
这便引出了一个关键议题：如何定义“可靠”？举例而言，一个模型回答了十个问题，其中六个正确，四个给出了错误答案；另一个模型只正确回答了五个，但对剩余五个明确表示“我不知道，需要转交专家处理”。后者虽然答对数量较少，但在实际业务应用中通常更为可靠，因为它清晰认知并守住了自身的能力边界。思必驰在车载语音交互场景中重点打磨的“拒识”能力，正是这种可靠性工程思维的典型体现。
此外，“系统”视角至关重要。单一的大模型，无论参数规模多么庞大，都只是一个功能模块。真正的用户体验，诞生于从感知、理解、决策到执行的完整技术链条。这好比仅有强大的“大脑”并不够，还需要与“眼睛”（视觉）、“耳朵”（听觉）、“嘴巴”（语音合成）等器官协同工作。思必驰的分布式架构，正是将千亿、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、定制化能力与最终用户体验。
投身 AI 创业，贵在长期坚持
这条独特的技术演进路线并非一日之功，而是思必驰在对话式人工智能领域持续深耕十七年的自然成果。回顾发展历程，几个关键的战略转折点清晰可见。
2012年，俞凯博士将数据驱动的对话式AI技术从剑桥大学引入国内，奠定了公司的技术基石。2014年，随着亚马逊Echo引爆智能硬件市场，思必驰敏锐地转向智能硬件交互赛道，这条路径虽比纯软件方案更具挑战，却为公司构筑了更深的行业护城河。至2017年，为应对中国物联网设备碎片化、定制化需求，思必驰开始研发“柔性AI”技术，并推出了支持大规模定制开发的DUI开放平台。
对大模型的布局则始于2019年。思必驰的DFM系列语言大模型坚持自主研发路线，其初代模型已于2022年初公开发布。2023年7月，性能更强的DFM-2大模型正式亮相，核心目标是实现通用人工智能能力的柔性定制。如今提出的分布式智能体系统，标志着这一技术演进进入了全新阶段。
当然，发展过程绝非一帆风顺。从早期攻克全链路对话系统的技术整合，到为应对软件方案易被复制而战略转向软硬结合，再到为实现大规模定制而不断解构与重组系统以保障极致性能——每一个技术难关的攻克，都源于对真实场景需求的深刻洞察，并通过算法创新、工程优化与架构设计的综合手段予以解决。
警惕「拿着锤子找钉子」
当业界开始讨论大模型热潮是否退却时，场景落地能力成为了真正的试金石。俞凯博士指出，许多厂商正面临“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”。其大模型能力是深度嵌入到公司已有的、成熟的端到端对话系统和硬件解决方案之中的。
目前，思必驰的技术落地主要聚焦于两大方向：一是垂直领域专用模型的开发与应用，二是与具体终端产品的深度集成。智能汽车是2024年的重点落地领域，此外，在智能家居、消费电子、数字政务、智能制造等行业也已实现规模化应用。
对于企业级（2B）和智能硬件市场而言，完整的系统解决方案、极高的可靠性以及灵活的可定制化能力是成功关键，而这恰恰是纯算法厂商的短板，需要长期的行业Know-how积累。反观消费级（2C）市场，内容创作、搜索引擎、电子商务等核心场景已被互联网巨头牢牢占据，新入局者突围难度极大。
关于端侧大模型的发展趋势，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。真正实用的通用智能应以高性能的端侧语言模型为核心，并有效整合任务执行链路。思必驰的垂直领域模型本就涵盖云侧与端侧部署，目前正与产业合作伙伴共同推进相关领域的创新实践。
谈及思必驰的差异化竞争优势，首要的仍是技术层面，特别是在算法与系统工程紧密结合上的深厚积累。其次是在智能硬件领域的长期深耕与广泛生态覆盖，从智能家电到智能汽车，思必驰的AI技术已接入数亿台终端设备，自研AI语音芯片出货量达数千万颗，并成功推出了AI办公本等创新硬件产品。最后，通过多年的产业服务，思必驰已与国内主流的汽车品牌及智能硬件厂商建立了深入、稳固的合作关系，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型壁垒。
在行业竞相追逐“神”一般全能模型的浪潮中，思必驰选择先潜心打造一个高效、可靠、务实的“智能组织”。这条路径或许不那么喧嚣夺目，却可能更贴近产业智能化升级的真实脉搏与核心需求。
相关攻略
在人工智能浪潮中，大语言模型已成为推动产业变革的关键引擎。其中，实在智能推出的实在塔斯（TARS）大模型，是一款面向垂直行业领域、可自主训练的类ChatGPT大语言模型。它并非通用模型的简单复刻，而是基于实在智能在自然语言处理领域长期的技术积淀与丰富的落地经验，为行业深度定制而生。下面，我们来详细拆
在探索如何高效利用GPT、BERT等大型语言模型的强大能力时，“工作流”无疑是实现任务自动化与智能化的核心策略。它是一套将复杂问题标准化、流程化的系统性方法，旨在显著提升任务执行的效率与输出结果的可靠性。那么，一套优秀的大模型工作流具体包含哪些关键组成部分？我们又该如何设计与实施呢？ 工作流的核心要
大模型缓存机制通过KVCache和前缀匹配实现重复内容仅计费一次，显著降低成本。主流方案差异明显：OpenAI自动缓存折扣约五折但时效短；Claude需手动标记，折扣可低至一折；DeepSeek采用硬盘缓存，持久且费用极低。工程中应将稳定内容前置以提升命中率，高频重复场景下合理利用可大幅节省费用。
谈及当前企业智能化转型的主流方案，“大模型一体机”无疑是备受关注的核心选项。本质上，它是一套完整的“交钥匙”解决方案，将AI服务器硬件、预训练好的大模型以及配套的应用软件深度融合，打包交付，旨在为企业提供安全、高效、可私有化部署的大模型服务。 一、核心构成：三位一体的“智能体” 这套系统的架构与核心
企业在引入大型人工智能模型时，面临一个关键抉择：是采用便捷的云端服务，还是选择将模型私有化部署在本地？后者，即将大模型部署于企业自有的服务器或专用硬件上，正日益成为对数据安全、响应速度和成本控制有严格要求的机构的核心选择方案。 一、私有化部署的背景与趋势 在人工智能技术迅猛发展的浪潮中，以实在智能为
热门专题
热门推荐
近日，中国汽车流通协会联合精真估发布了《2026年4月纯电动车型一年车龄保值率排行榜》。这份数据对于正在选购新能源车的消费者具有重要参考价值，能帮助大家更清晰地了解当前热门电动车的残值表现。 该榜单统计的是车龄满一年的纯电动车型。位居榜首的是问界M9，其一年保值率高达80 4%。这一夺冠成绩含金量十
科技行业近期迎来一场备受瞩目的创新盛宴。以智能清洁机器人闻名的追觅科技（Dreame），在旧金山隆重举办了“Dreame Next 2026”未来愿景发布会。活动不仅前瞻性地展示了涵盖智能手机、智能穿戴乃至概念电动车的全系列产品，更邀请到苹果联合创始人史蒂夫·沃兹尼亚克亲临助阵。这场为期四天的盛会，
SpaceX最快下周披露招股书，6月初启动全球路演，估值或达1 75万亿美元，募资规模有望创纪录。公司以垂直整合与成本控制为核心优势，布局商业航天、AI基础设施与卫星互联网，其“太空数据中心”构想融合太空太阳能与AI算力，开辟新赛道。此次IPO或引发科技板块资金结构性变动，标志资本正加速拥抱太空与AI融。
NVIDIA在SIGGRAPH上宣布扩展其微服务库，以加速人形机器人开发。其核心是将生成式AI深度集成至OpenUSD语言体系，推出相关模型与NIM微服务，从而提升数字孪生与机器人工作流效率。公司还开放了机器人技术栈，并联合合作伙伴推动OpenUSD的工业应用，为开发者提供从仿真到部署的端到端平台支持。
OKX作为全球领先的数字资产交易平台，其风险主要来源于市场波动、技术安全与合规环境。平台通过多重安全机制、资产储备证明和严格的合规流程来管理风险。用户需理解加密货币的高波动性本质，并采取自主保管资产、启用安全功能等策略，以在参与Web3生态时更好地保护自身权益。