人工超级智能的架构之路

设想一个由四个AI智能体构成的医疗系统：分别负责症状评估、预约排班、保险核查与药房管理。每个智能体都是各自领域的专家，彼此可以交换数据，却无法在没有人类介入的情况下真正协调患者护理。Outshift高级副总裁Vijoy Pandey将这一困境归结为缺少「连接组织」——即能让四个陌生人变成一支团队的语义层。这一判断揭示了当前多智能体系统面临的核心挑战。

过去数年，AI行业的主要增长路径是垂直扩展：更大的模型、更多的数据、更强的算力。这条路径已经产出了具备感知、推理与行动能力的强大单体智能体。然而，Pandey指出，若要实现跨系统、跨企业、跨平台的智能体协作，下一个扩展轴必须是水平方向。多项研究表明，现有多智能体系统在复杂任务中的失败率高达87%，问题的根源是架构性的，而非提示词层面的优化所能弥补。

为此，Outshift构建了名为AGNTCY的开源连接层，现已纳入Linux基金会管理。AGNTCY通过标准化协议让不同系统中的智能体相互发现、验证身份并交换消息。在此基础上，「认知互联网」语义层进一步使智能体能够对齐目标（共享意图）、积累机构知识（共享上下文）并进行集体权衡（共享推理）。Pandey将这一演进类比于人类文明的跃迁：约7万年前，人类学会了共享意图与累积知识，散落的个体由此成为文明。

在技术实现层面，Outshift将多智能体协作拆解为三个支柱。其一是认知状态协议，即智能体在行动前就目标达成语义握手的机制；开源协调层Mycelium的内部测试显示，引入该协议后，多智能体在14个场景中的决策成功率从约33%提升至93%。其二是认知织物，一种共享的机构记忆与通信网格，确保系统的基线智能随时间持续积累而非每次会话重置。其三是认知放大器与护栏技术，用于加速共享推理并建立安全、合规框架，人类在此层中扮演主动判断者而非事后审查者的角色。

多智能体认知共享在带来效率提升的同时，也引入了新型安全风险，包括意外权限委托、恶意提示注入、记忆投毒，以及智能体获得远超任务所需权限等问题。为此，Outshift开发了持续智能体语义授权机制CASA。该机制通过持续读取智能体的任务目标，并将每一次工具调用请求与原始授权任务进行比对来实施动态管控。例如，当一个被授权摘要患者记录的智能体试图查询整个数据库时，CASA将拒绝该请求，因为其行为已超出授权范围。

对于希望在企业中落地水平智能扩展的组织，Pandey建议从一个横跨三至四个团队、目前仍需人工协调的跨职能工作流入手进行实验。这种渐进式路径既能积累真实的协调经验，也能在可控范围内识别架构短板。从更宏观的视角看，智能体协作的终极目标并非取代人类判断，而是构建一种人机共同参与的分布式推理体系——这或许正是通往分布式人工超级智能的现实路径。

要点

• 现有多智能体系统失败率高达87%，根本原因是缺乏协调架构，而非提示词设计问题
• Outshift提出的「认知互联网」通过共享意图、上下文与推理三层机制，将多智能体决策成功率从33%提升至93%
• 开源连接层AGNTCY已纳入Linux基金会，为跨系统智能体提供身份验证与标准化消息传递基础设施
• CASA持续授权机制通过实时比对任务目标与工具调用行为，应对权限滥用和提示注入等新型安全风险
• 企业落地多智能体协作应从单一跨职能工作流入手，逐步积累架构经验