张小珺Jùn|商业访谈录 - 139. 【Agent综述】与苏煜探讨Agent技术史、OpenClaw时刻、边界消融与社会辐射 封面

139. 【Agent综述】与苏煜探讨Agent技术史、OpenClaw时刻、边界消融与社会辐射

139. 【Agent的综述】和苏煜聊Agent技术史、OpenClaw Moment、边界的消弭和社会的辐射

本集简介

前面在福莉和广密的节目中,我们深入揭示了AI的进化从第一幕Chat走向第二幕Agent。可以说,Agent是2026年的高频词。 关于Agent,我一直非常希望深入技术原理层,给大家做一次技术讲解,能够让我们一起非常清晰地了解技术的脉络。 今天我邀请的是俄亥俄州立大学计算机系教授、也是创业公司NeoCognition创始人,苏煜。苏煜是少数见证过Agent演化史的学者,研究方向是Language Agent。我们从更长周期复盘了Agent的技术演进史,尤其是最近三年Language Agent的快速进化。此外,苏煜也是2025年“斯隆研究奖”得主。 接下来,是我们对Agent的技术综述。 祝大家五一假期学习快乐啦^。^ OUTLINE: 00:02:00 苏煜是谁 00:03:30 Agent的技术演进史:从Logical Agent(1960-90s) → Neural Agent(2000年以后,神经代理) → Semantic Parsing(另一边的故事,语义解析) → Language Agent(语言代理) 00:27:21 人类的进化史来说,语言非常晚发生,但对人类文明有了指数型发展 00:29:28 过去三年发展速度比过去几十年都要快,复盘Language Agent上的关键工作 00:40:56 At the end of the day,大家想要的就是universal digital agent;边界的消弭和coding有关 00:45:18 我是最早从Semantic Parsing转型做Language Agent的学者之一 00:48:56 OpenClaw Moment和ChatGPT Moment有非常多相似的地方 00:55:10 中美科技辐射的pattern不同,中国更全民化,在应用层的动作更快 01:02:05 创业新公司NeoCognition,最近融完了一轮$40M的seed round 01:20:30 聊聊Continual Learning、世界模型、交互(GUI vs. CLI) 01:44:34 Agent现在最大的瓶颈是什么?对2026年Agent进展的预期? 01:47:09 各个大厂都在Agent上bet什么,有什么有意思的bets? 01:52:47 我们这一代人经历了Agent的完整周期,我喜欢搭建conceptional framework 02:10:13 最后的快问快答 LINKS: 我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出; 我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出; 如果你想服用文字版,请搜索我们工作室的公众号:语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

双语字幕

仅展示文本字幕,不包含中文音频;想边听边看,请使用 Bayt 播客 App。

Speaker 0

你好,智能代理的逻辑陈述。

Hello, Agent Agent logical statement.

Speaker 0

人工智能:一种现代视角。

Artificial intelligence, a modern approach.

Speaker 0

深度强化学习。

Deep reinforcement learning.

Speaker 0

沟通、感知、理解。

Communication, perception, understanding.

Speaker 0

对吧?

Right?

Speaker 0

语言代理是人工智能发展的一个关键进化步骤。

Language Agent is a critical evolutionary step for artificial intelligence.

Speaker 0

代理就像人一样使用电脑。

Agent use computers like humans do.

Speaker 0

推理,然后采取行动。

Reasoning, take some action.

Speaker 0

打点什么,然后行动。

Type something, action.

Speaker 0

电脑和智能体,用纯文本来呈现。

Computers Agent Embodiment HTML text based representation.

Speaker 0

云用户、OpenAI操作员,真正的交互方式是视频感知和像素级操作。

Cloud computer user, OpenAI operator, embodiment, which is the video perception, pixel level actions.

Speaker 0

云协作者、云端代码、桌面用户、浏览器里的云,比如在Chrome里实现的智能体。

Cloud co worker, cloud code, desktop computer user, cloud in browser, in Chrome embodiment.

Speaker 0

云电脑用浏览器,桌面用,手机用,对吧?

Cloud computer use browser use, desktop use, mobile use, right?

Speaker 0

归根结底,浏览器、桌面、手机、命令行、文本、API、写代码,都不过是手段而已。

Then, at the end of the day, Now, browser, desktop, mobile, CLI, text, API, coding, means to an end.

Speaker 0

编程语言的最终目的,是让代码产生结果。

Coding has a result of programming language.

Speaker 0

让机器真正理解人类的思维方式。

Let machines understand human thinking.

Speaker 0

别让人类像机器一样思考。

Don't let humans think like machines.

Speaker 0

这儿没什么新鲜的。

Nothing is new here.

Speaker 0

聚焦这个智能体,聚焦这种高效编程。

Focus that agent, focus that productivity coding.

Speaker 0

NVIDIA 专精,成为行家里手。

NVIDIA Specialization to become experts.

Speaker 0

或者专门的智能。

Or specialized intelligence.

Speaker 0

智能。

Intelligence.

Speaker 0

差异化要靠谱、能落地。

Differentiation credible, feasible.

Speaker 0

在这方面最拿手的之一。

One of the best to do that.

Speaker 0

玩家。

Player.

Speaker 0

专业智能代理专家。

Specialized intelligence expert agent.

Speaker 0

基于视觉的模型。

Vision based model.

Speaker 0

物理世界模型。

Physical world model.

Speaker 0

预测下一帧,视频预测,对吧?

Next frame prediction, video prediction, right?

Speaker 0

三维重建,潜在变量。

Three d reconstruction, latent variables.

Speaker 0

高效,高质量。

Efficient, high quality.

Speaker 0

所以,通过学习工作中的世界模型来实现专业化。

So, learning to specialize by learning the world model of work.

Speaker 0

足够通用的学习机制

General enough learning machinery.

Speaker 0

抽象的表达方式

Abstract representation.

Speaker 0

语言和思维的分离

The dissociation of language and thoughts.

Speaker 0

个人的思考并不需要语言

Individual thought doesn't need a language.

Speaker 0

文明才需要语言

Civilization needs language.

Speaker 0

将来可能会出现某种语言模型

Some kind of word model in the future.

Speaker 0

知识、约束、业务逻辑

So knowledge, constraints, business logic.

Speaker 0

借助这些积累下来的知识

Piggyback on all of this accumulated knowledge.

Speaker 0

没错。

Right.

Speaker 0

能立刻渗透到人类社会的每个角落。

Immediately reach all corners of human society.

Speaker 0

好的。

Okay.

Speaker 0

记忆、自我学习、持续学习、世界模型、专业化、专项智能,怎么成为专家型智能体。

Memory, self learning, continual learning, world model, specialization, specialized intelligence, how to become expert agents.

Speaker 0

然后就是专业化和成为专家型智能体。

Then, specialization and becoming expert agent.

Speaker 0

对吧?

Right?

Speaker 0

可靠性、速度、成本。

Reliability, speed, cost.

Speaker 0

这属于我的专长。

Part of my expertise.

Speaker 0

一些怪点子。

Weird ideas.

Speaker 0

为了讨好客户、讨好投资人,我可是真下了功夫。

Incentive structure to please customers, to please investors, I put my mind to it.

Speaker 0

我全身心投入进去了。

I put my effort to it.

Speaker 0

希望吧。

Hopefully.

Speaker 0

学习信号,智能体的学习信号,对吧?

The learning signal, agent learning signal, right?

Speaker 0

所以你要在实际使用中持续学习。

So you continue learning from deployment.

Speaker 0

最早的一批智能体初创公司之一。

One of the very first agent startups.

Speaker 0

让前沿智能体能力变得人人可及。

Democratize access to frontier agent capabilities.

Speaker 0

想象空间里的小老鼠通过试错来学习。

Mice in the Imaginarium learning by trial and error.

Speaker 0

想象空间里的小老鼠,也就是LRM,通过模拟试错来掌握各种工具。

Mice in the Imaginarium LRMs in the Imaginarium learning tools through simulated trial and error.

Speaker 0

这是语言的基础模型。

Of foundation model for language.

Speaker 0

语言处理的Transformer,当然了,大家都知道,从持续学习到词元建模,全都是这么一路走来的。

Language processing transformer, of course, everyone knows all the way continual learning, all the way word modeling.

Speaker 0

事实就是如此。

That's the truth.

Speaker 0

这正是我的看法。

That's my belief.

Speaker 0

语言就是世界。

Language is world.

Speaker 0

天空。

Sky.

关于 Bayt 播客

Bayt 提供中文+原文双语音频和字幕,帮助你打破语言障碍,轻松听懂全球优质播客。

继续浏览更多播客