央广网北京8月23日消息（记者 黄昂瑾）随着大模型、智能体、机器人加速进化，人工智能究竟还能给人类带来多大惊喜？在2026世界机器人大会期间举办的“CONFLUENCE群智会”上，来自群体智能、机器人、无人机、人工智能体等领域的60余位科学家、创业者和产业实践者，围绕“智能的下一站”展开讨论。

2026世界机器人大会同期活动“CONFLUENCE群智会”现场。（央广网发 主办方供图）

从单机智能到群体协同

过去几年，人工智能沿着不断增强单体能力的路径快速发展。大模型让机器能够听懂更复杂的要求、分析问题并制定计划；人工智能体开始像“数字员工”一样使用软件和工具；机器人则把智能带进工厂、仓库、园区和户外作业现场。随着这些各有所长的智能成员越来越多，产业面对的问题开始从“怎样让一台机器更聪明”，延伸到“怎样让一群机器配合得更好”。

中国科学院自动化所复杂系统认知与决策国家级重点实验室副主任、沌序科技董事长蒲志强认为，个体智能和群体智能并不是彼此替代的两条路线。大模型可以分析和判断，人工智能体可以处理数字任务，机器人可以在物理世界感知和行动；但如果它们各自为战，再强的能力也难以自动变成一个完整结果。组织机制要解决的，正是谁来做什么、彼此共享哪些信息、现场变化后如何重新分工。由此，智能提升的对象不再只有单个模型，也开始包括整个系统的组织能力。

蒲志强指出，自然界提供了许多群体协同的启示。每只蚂蚁只知道身边发生了什么，蚁群却能在没有总指挥的情况下完成觅食、搭桥；鸟群中的每只鸟只需观察附近同伴，就能随时调整方向，避免相撞。群体智能研究的，正是许多个体怎样依据有限信息相互配合，并在环境变化时不断调整，最终完成任何一个个体都无法单独完成的任务。

蒲志强将这种由不同智能体共同形成组织、完成复杂任务的方向概括为群体通用人工智能（Collective AGI）。通俗地说，它不是试图造出一台“什么都会”的超级机器，而是让一群各有所长的成员组成团队：人提出目标、设定规则，数字智能体处理信息和计划，机器人进入现场执行任务，并根据实际情况随时调整协作方式。

数量增加，不等于群体智能

群体智能并不等同于把更多机器人放在一起。活动现场，多位嘉宾从无人机集群、模块化机器人和物流调度等不同角度，讨论了数量与智能之间的区别。

微分智飞（杭州）联合创始人于欢以无人机为例介绍，如果每架无人机飞到哪里、做什么都要等待同一个中央系统发出指令，那么无人机数量越多，通信和调度的压力就越大，一旦中心出现问题，整个集群都可能受到影响。另一种思路，是让每架无人机具备基本的观察和判断能力，只与附近同伴交换必要信息，在共同目标下自行配合。

他展示的一个任务设想中，多架无人机可以分头搜索不同区域；遇到关闭的门等物理障碍时，再通知移动机械臂前来操作。无人机负责“看”，机械臂负责“动”，不同设备不再重复同一种动作，而是像一支临时组成的作业队，根据各自所长分工配合。

香港中文大学（深圳）副教授林天麟把这种协作进一步延伸到机器人的身体结构。他所研究的模块化自重构机器人，类似可以自主拼装的“积木”：面对狭窄入口时可以拆分进入，需要跨越沟壑时可以组合成桥，需要搬运重物时又可以连接成更大的结构；部分模块损坏后，其他模块还能补位。机器人之间的协作，由信息上的互相配合进一步变成身体结构上的重新组合。

走向可验证

群体协同能否成为新的生产力，最终还要接受真实场景的检验。圆桌讨论中，嘉宾们关注的已经不再是产业是否需要多机协作，而是怎样让协作足够便宜、稳定和安全，能够从一次演示变成每天持续运行的生产系统。

据介绍，沌序科技正在构建受控群体人工智能技术架构和智能组织引擎。在低空安全场景中，企业尝试把雷达、光学设备、无线电侦测设备和无人机处置设备连接成一支协同作业队：有的负责发现目标，有的负责识别判断，有的负责现场处置。在更广泛的机器作业场景中，则探索让无人机、无人车、无人船、机器狗和机器人等不同设备进入同一任务系统。所谓“组织”，由此变成一系列具体工程问题：系统要知道有哪些设备、每台设备擅长什么，怎样分配任务、应对变化，并对最终结果进行检查。

捷象灵越创始人、首席执行官吕峰从物流机器人实践出发指出，十台机器人能够顺利运行，并不意味着把数量增加到百台、千台后仍能照常工作。他举例说，两台机器人在狭窄通道相遇，如果都选择主动让路，就可能你退我进、我退你进，不断交换方向，最后谁也无法通过。机器人越多，类似冲突越复杂；如果缺少有效的协调规则，增加设备反而可能降低效率。

在城市交通场景中，智慧互通首席执行官项炎平关注的是“一个路口畅通”和“整座城市畅通”的区别。只优化眼前路口，可能只是把车辆更快地送到下一个堵点；但如果所有摄像头、雷达的数据都送往一个中心统一处理，城市规模扩大后又会带来通信和计算压力。更可行的方向，是让每个路口先处理身边的交通，再与相邻路口互通必要信息，共同改善整张路网的效率。

这些讨论把群体人工智能产业化的难点变成了一组非常具体的问题：不同品牌的设备能不能互相“听懂”，一项复杂任务由谁拆分、怎样分工，某台机器掉线后谁来补位，系统作出的决定能不能解释和检查，协同带来的收益又能不能覆盖部署和维护成本。产业真正呼唤的，并不是一次看起来精彩的集群表演，而是一套能够长期、稳定地组织多种智能完成任务的基础能力。