9月11日，2025 Inclusion·外灘大會“AGI：數字與物理世界的共同進化”見解論壇成功舉辦。本次論壇由螞蟻集團主辦，中國信通院華東分院承辦，智源社區與智東西支持，匯聚了來自學術界、產業界的十餘位頂尖專家，共同探討人工智能技術的最新進展和實際應用。

大模型參數破萬億後，Scaling Law邊際收益遞減，“單點暴力”已難撬動通用智能。全球大模型玩家正開啟一場能力交接——讓AI認知進化、讓多智能體協同，最終實現AI像電網一樣即插即用。

AGI撞牆後的出路：認知推理、自主進化，多體協同

上海人工智能實驗室領軍科學家、上海創智學院副院長喬宇表示：通用人工智能正“從大模型到智能體再到大係統”進化，從單一模型係統優化，走向自主進化、多智能體協同、人機協作的係統級智能，“大係統智能”典型特征有：認知推理，深度思考；持續學習、自主進化；多體協同、物理智能等。

螞蟻集團平台技術事業群副總裁周俊則向大家介紹了百靈大模型如何像“飛輪”一樣不斷自我進化。他說，一個好的AI係統需要三大要素：高質量的數據、科學的評測標準和高效的算法。這三者形成一個循環，使得AI係統能夠不斷自我優化。周俊還現場演示了百靈大模型的多模態能力——不僅能理解文字，還能處理圖片、聲音甚至視頻，真正實現了“能看、能聽、能說、能畫”的全麵能力。

強化學習：把“智能體編排”從博士課題變成產品經理的拖拽遊戲

強化學習（RL）曾是AlphaGo的獨門武器，如今成為“讓大模型長出手腳”的核心技術；誰能把RL做成低門檻框架，誰就能把“智能體編排”從博士課題變成產品經理的拖拽遊戲。

清華大學交叉信息院助理教授吳翼教授分享了他帶領團隊開發的AReaL，一個麵向智能體的強化學習框架。吳翼曾任OpenAI研究員，他認為，通過強化學習，能讓智能體的工作流編排得到極大簡化，並能湧現出複雜多步推理能力。

真實世界應用試錯成本極高，物理世界需“開真車”

在真實的嚴謹性應用場景，自動駕駛、機器人等實體AI麵臨“真實世界試錯成本極高”的死結。全球產業界共識：先讓AI在仿真裏“撞夠牆”，再進物理世界“開真車”。

同濟大學交通學院特聘研究員熊溪介紹了如何讓AI在虛擬世界中學習，並將所學知識應用到現實世界。他以自動駕駛為例說明：通過在虛擬環境中模擬多種交通場景，AI能夠學習安全駕駛策略，從而避免在真實道路上產生潛在風險。這種方法不僅更加安全，而且效率更高、成本更低，也為其他複雜係統的智能化決策提供了借鑒。

螞蟻金融大模型技術負責人胡浩源展示了AI在金融領域的實際應用。他指出，隨著經濟發展，老百姓對理財服務的需求越來越多，但專業的理財顧問卻遠遠不夠。為了解決這個問題，螞蟻集團開發了金融大模型Finix和AI理財助手“螞小財”，讓普通人也能享受到專業級的理財服務。同時，技術上通過mlf（make llm fail）發現最難解決的複雜問題，自適應調度專業知識和專業工具來徹底解決。

在最後的圓桌討論環節，智源研究院FLM團隊負責人王業全、極佳視界首席科學家朱政、群核科技首席科學家唐睿就“AI如何鏈接物理世界”問題展開了討論。

大模型進入“數據精耕期”，高質量語料缺口高達PB級，一些研究機構和科技企業提前布局數據技術。

中國信通院華東分院副院長、上海工創中心副總經理廖運發指出，隨著全球AI產業規模快速增長與大模型廣泛應用，高質量數據集是企業構建核心競爭力與人工智能應用壁壘的關鍵力量，並介紹了上海在大力推進數據要素產業及語料生產的政策措施及成果。企業構建高質量數據集是一項重要的戰略工程，未來，可以通過三步走戰略，依據數據治理成熟標準（如DCMM、DSMM），從人機料法環入手做好高質量數據集建設。

會上，螞蟻集團和人民大學聯合研發原生MoE架構擴散語言模型（dLLM) LLaDA-MoE，在約20T數據上完成了從零訓練MoE架構的擴散語言模型，驗證了工業級大規模訓練的擴展性和穩定性；效果超過此前發布稠密擴散語言模型LLaDA1.0/1.5和Dream-7B，比肩等效自回歸AR模型，並保有數倍的推理速度優勢。模型將在近期完全開源，以推動全球AI社區在dLLM上的技術發展。

從“煉大模型”到“搭大係統”，外灘大會勾勒出的不僅是技術路線圖，更是一場數字與物理世界“雙向奔赴”的產業革命。當AI開始像電網、像路網、像城市一樣運行，下一個超級平台，或許就不再是App，而是一座“智能體城市”。