当全球首个L4级多智能体蜂群系统在ISC2025的开幕式上展示一句话生成的10分钟史诗大片时,台下观众惊叹的不仅是技术奇观,更是一位中国互联网老兵向新时代递交的答卷。

ISC 2025大会以“ALL IN AGENT”为主题,这是周鸿祎全力锚定的新一轮AI浪潮的核心坐标。从杀毒软件革命到安全云布局,再到如今押注“智能体蜂群”,这位见证并参与了中国互联网三十年激荡史的技术狂人,以其敏锐的洞察力和务实的行动力,为AI的价值落地推开了一扇大门,同时也为伴生的安全风险构筑起全新的智能防线。

洞察者:以智能体推动AI价值落地

人工智能的浪潮正以前所未有的速度席卷全球,大模型的参数量级和能力边界不断刷新纪录,但在企业真实业务场景中却难以真正“落地生根”。

周鸿祎精准剖析了症结所在:推理能力不足让模型更像知识库,而非决策者;更致命的是,模型“不具备独立做事的能力,不太会用工具”—— “缺手缺脚”。这导致企业部署的大模型往往沦为高级“聊天机器人”或“知识问答机”,无法介入核心业务流程,无法创造看得见的生产力价值。算力在空转,价值在悬置。

智能体,正是赋予大模型“手”与“脚”的关键载体。它利用大模型的“大脑”进行推理,能自主理解任务目标、规划分解复杂任务、调用工具,并具备记忆能力,从而将工作“从头做到尾”。正如人类文明的进步不仅靠大脑进化,更依赖工具的创造与使用,智能体通过标准化的“工具接口”(如MCP),让大模型真正“活”起来,具备了解决实际问题的行动力。

周鸿祎预言:从大模型进化到智能体(Agent)是必然的。他强调,2025年,既是“智能体的元年”,更是“人工智能落地发展最重要的一年”。

为清晰地描绘智能体的进化路径和应用价值,周鸿祎提出了独创的智能体五级分类体系,这成为理解AI落地深度的标尺:

  • L1 聊天助手 (如ChatGPT):本质是高级“玩具”,擅长对话、问答、情感陪伴,是智能体的最初形态,能力止步于交互。
  • L2 工作流智能体 (如Dify):进化为“工具”。人类预设流程(SOP),AI按部就班执行。效率有所提升,但灵活性低,本质是人操作工具干活,AI是工具本身。
  • L3 推理型智能体 (如早期Manus, 纳米AI上的数万专业智能体):实现质变,成为“专业员工”。AI能自主规划任务流程,调用工具完成复杂目标(如撰写万字深度报告、规划复杂行程)。它标志着AI从被动执行转向主动思考与行动。
  • L4 多智能体蜂群 (如纳米AI):其革命性在于突破单一智能体瓶颈,让多个L3“专家级”智能体像搭积木一样“拉群组队”,实现深度的任务协同、信息共享与并发执行。
  • L5 超级智能体 (ACA - Agent-Create-Agent):未来的终极形态,AI能自我进化、自主创建新智能体,尚在探索中。

这五级跃迁,清晰地勾勒出AI从“玩具”到“工具”,再到“员工”,最终成为“自组织军团”的价值深化之路。周鸿祎强调,从L3到L4的跨越,是解决“复杂任务天花板”的关键。L3如同单打独斗的专家,能力有上限;L4则像一支由专家组成的、有指挥有协作的军团,能够承接更高价值、更宏大复杂的成果,真正释放AI的生产力潜能。360的纳米AI智能体蜂群,正是这一层级突破的先行者。

周鸿祎的这番洞察,不仅是对技术趋势的预判,更是360自身战略的基石:“安全是数字化智能化的底座,AI是数字化的顶峰。”在AI时代,360选择了“安全+AI”双主线发展。一方面,以“底座”的担当,用安全守护智能时代的每一步发展;另一方面,勇攀“顶峰”,以AI(特别是智能体技术)定义未来,推动生产力的根本性变革。

其核心逻辑在于:真正的行业影响力,源于将深刻的洞察转化为落地的解决方案,在AI重塑一切的洪流中,既做创新的引领者,也做安全的守夜人。

破局者:用AI盾牌对抗AI黑客

人工智能的狂飙突进,也在将网络安全拖入一片前所未有的“黑暗森林”。当全球企业还在为传统漏洞与数据泄露焦头烂额时,一场由AI驱动的“降维打击”已悄然降临——智能体黑客。这个周鸿祎在ISC 2025大会上反复敲响警钟的名词,正成为悬在数字世界头顶的达摩克利斯之剑。

“过去高水平的黑客一将难求,抵御攻击我们尚有信心。但现在,一个人类黑客能操控上百个智能体黑客,批量发起永不疲倦的自动化攻击。”

周鸿祎的警示并非危言耸听。随着黑灰产将黑客经验“喂”给大模型,训练出能自主规划攻击路径、发掘漏洞、编写恶意程序的智能体军团,网络攻防的底层逻辑已被彻底颠覆。

360数字安全集团总裁胡振泉进一步揭示了“内忧外患”的复杂战场:

于内,AI自身携带“四大基因缺陷”——一切皆可编程(意味着一切皆可被篡改)、一切皆可模仿(深度伪造泛滥)、一切皆可生成(虚假信息爆炸)、一切皆可调度(系统级风险);

于外,国家级黑客组织正将AI武器化,黑产团伙批量制造攻击工具,安全漏洞从代码层蔓延至整个AI供应链。

当大模型的“幻觉”可能引发金融误判,当自动驾驶系统可能被恶意指令劫持,传统安全的边界早已被击穿。只有降维打击才是最有效的打击,周鸿祎指出必须要跳出安全看安全:“沉浸在自己的世界里太久了,我们要看看AI如何改变世界,再从AI的视角审视安全。”

维升思考的结论是企业深陷双重困局:一边是安全运营专家极度稀缺,“买再多软硬件也抵不上一个真专家”的窘境持续多年;另一边是智能体黑客的“人海战术”碾压传统防御。破解之道唯有一条:以AI之矛,铸安全之盾——“只有‘以模制模’,用智能体对抗智能体,才能夺回主动权。”

这一理念在360的“安全智能体舰队”中得到极致演绎:内容安全智能体充当AI内容“守门人”,7×24小时拦截违法信息、抑制虚假生成,用算法过滤算法之恶;AI Agent安全智能体紧盯智能体“越权”行为,通过异常识别与权限管控,防止数据泄露与违规操作;软件安全智能体深入AI系统供应链,扫描代码漏洞与开源风险,将威胁扼杀在萌芽;安全风险评估智能体化身“红队指挥官”,主动模拟黑客攻击路径,提前暴露系统短板。

重点是,这四大智能体并非孤立作战,而是在蜂群调度中心指挥下协同联动,形成从内容生成到任务执行、从开发上线到风险预警的全链路防护网。它们本质是安全专家的“数字克隆体”,将人类精英的分析能力、决策逻辑和实战经验复刻为算法模型。企业只需部署算力,即可获得一支不知疲倦的“虚拟安全军团”,彻底扭转“人才荒”的痛点。

“未来的竞争,取决于谁能驾驭更多智能体。”周鸿祎点明智能时代的安全本质。

推动者:让每个企业拥有智能体军团

再强大的大模型若不能转化为生产力,终将是镜花水月;前沿的创新若不能普惠于万千企业,终难形成真正的技术革命。

周鸿祎是互联网圈最敢想、敢说、敢干的企业家之一。在AI时代,他可以为产业做更多,不仅仅是守护安全。其实从三年多前大模型热开始,周鸿祎就一直活跃在AI的一线。务实且实干的内核驱动下,周鸿祎希望能在AI技术民主化的道路上帮助更多的企业。这也正是智能体工厂落地的背景。

如何让每个企业都能打造自己的L3、L4级智能体?

我们知道,构建智能体的技术壁垒很高:算力调度、大模型基座、存储编排、运营环境等八大基础设施,足以让普通企业望而却步;而多智能体协作的“协同困境”,更是难以跨越的技术鸿沟——单智能体执行100步任务后成功率可能暴跌至百万分之二,多个智能体若缺乏高效协作,其成功率甚至呈指数级衰减。“三个和尚没水吃”的窘境,在数字世界同样存在。

360智能体工厂帮助企业打破这些技术壁垒,如同一个开箱即用的“数字军团制造中心”。

无需一行代码,业务专家用自然语言描述岗位需求,系统便能自动生成专属L3级“专业员工”。这彻底颠覆了AI开发由程序员垄断的传统,让最懂业务的人直接打造“数字伙伴”。

工厂内置纳米AI独创的“蜂群协作框架”,突破多智能体协同瓶颈。它像一位无形的“指挥官”,通过智能体间的记忆共享、任务规划与并发执行机制,让多个L3专家如同精密齿轮般咬合联动。实测数据令人震撼:连续执行1000步任务不中断,Token消耗高达3000万,任务成功率稳定在95.4%——这标志着大规模复杂任务处理从不可能变为日常。

目前平台已集成5万多个现成L3智能体与200余款官方工具,覆盖视频制作、行业研究、电商运营等全场景。企业可像“BOSS直聘”般自由雇佣、组合这些“数字精英”,甚至将自有智能体接入蜂群,瞬间组建跨领域作战的L4级“超级战队”。

智能体工厂正在重塑企业竞争的底层逻辑:

首先,生产力瓶颈被击穿。过去数十人耗时数天的市场分析报告,如今由“研究蜂群”十几分钟自动完成;一部需专业团队制作数日的宣传片,通过“视频蜂群”一句话指令20分钟成片

其次,推动组织进化。创业者可指挥由数十个智能体组成的“虚拟团队”,以极低成本实现10倍效能;传统企业员工则蜕变为“智能体指挥官”,驾驭专业蜂群完成过去不敢想象的复杂项目。“超级个体”与“超级组织”的时代已经启幕。

第三,AI平权。中小企业无需天价投入,即能拥有媲美巨头的AI能力。周鸿祎用技术拆除了创新的围墙,让AI驱动的增长不再是巨头的专利。

【结束语】

在AI这个产业转折点上,周鸿祎再次站在产业潮头——将全线产品注入智能体基因,一方面推动安全云升级为全球首个智能体驱动安全服务,为AI守卫生命线。另一方面,通过智能体工厂和智能体蜂群帮助更多的企业快速打造自己的AI智能体军团。

周鸿祎的AI新战役:智能体蜂群与AI时代的安全革命的更多相关文章

  1. 伯克利推出「看视频学动作」的AI智能体

    伯克利曾经提出 DeepMimic框架,让智能体模仿参考动作片段来学习高难度技能.但这些参考片段都是经过动作捕捉合成的高度结构化数据,数据本身的获取需要很高的成本.而近日,他们又更进一步,提出了可以直 ...

  2. TensorFlow利用A3C算法训练智能体玩CartPole游戏

    本教程讲解如何使用深度强化学习训练一个可以在 CartPole 游戏中获胜的模型.研究人员使用 tf.keras.OpenAI 训练了一个使用「异步优势动作评价」(Asynchronous Advan ...

  3. DRL 教程 | 如何保持运动小车上的旗杆屹立不倒?TensorFlow利用A3C算法训练智能体玩CartPole游戏

    本教程讲解如何使用深度强化学习训练一个可以在 CartPole 游戏中获胜的模型.研究人员使用 tf.keras.OpenAI 训练了一个使用「异步优势动作评价」(Asynchronous Advan ...

  4. STM32W108无线传感器网络节点自组织与移动智能体导航技术

    使用STM32W108无线开发板及节点完毕大规模网络的自组建,网络模型选择树型,网络组建完毕之后,使用基于接收信号强度指示RSSI(ReceivedSignal Strength Indication ...

  5. 深度 | AI芯片之智能边缘计算的崛起——实时语言翻译、图像识别、AI视频监控、无人车这些都需要终端具有较强的计算能力,从而AI芯片发展起来是必然,同时5G网络也是必然

    from:https://36kr.com/p/5103044.html 到2020年,大多数先进的ML袖珍电脑(你仍称之为手机)将有能力执行一整套任务.个人助理将变的更加智能,它是打造这种功能的切入 ...

  6. 多智能体系统(MAS)简介

    1.背景   自然界中大量个体聚集时往往能够形成协调.有序,甚至令人感到震撼的运动场景,比如天空中集体翱翔的庞大的鸟群.海洋中成群游动的鱼群,陆地上合作捕猎的狼群.这些群体现象所表现出的分布.协调.自 ...

  7. HMS Core Discovery第16期回顾|与虎墩一起,玩转AI新“声”态

    HMS Core 在AI领域最新的技术能力有哪些?本期Discovery直播以<与虎墩一起,玩转AI新"声"态>为主题,邀请了HMS Core 机器学习服务产品经理.机 ...

  8. 【SerpentAI:Python开源游戏智能体开发框架——相比OpenAI Universe可导入自己的游戏、可脱离Docker/VNC运行】

    https://weibo.com/fly51fly?from=myfollow_all&is_all=1#1514439335614 [SerpentAI:Python开源游戏智能体开发框架 ...

  9. 【零基础】简单说说一键果体APP的AI

    参考: https://www.jianshu.com/p/8c7a7cb7198c https://blog.csdn.net/gdymind/article/details/82696481 零. ...

  10. 基于ROBO-MAS多智能体自主协同 高频投影定位系统

随机推荐

  1. Jq 转换日期对象 /Date(1620699801000)/ 为正常时间

    https://blog.csdn.net/honeycandys/article/details/80679913 function changeDateFormat(val) {        i ...

  2. C# 通过反射 XML 互转 Model 类

    实操 <Info xmlns=""> <Error>User 錯誤</Error> </Info> public class Res ...

  3. s40破解证书

    说明因为怀旧,淘了个诺基亚5130xm.打开jar软件(比如QQ音乐,Anyview)后发现个问题,老是频繁弹出"是否同意读取用户数据"的弹窗而这些软件可能没有证书,没有证书的话意 ...

  4. Educational Codeforces Round 180 (Rated for Div. 2) C. Coloring Game

    C – Coloring Game 思路:不难看出,当 Alice 选完三个数 a b c(其中 a ≤ b ≤ c)后,Bob 能选的只有两种情况: 选择 c,这样只用比较 a+b 和 c 的大小关 ...

  5. latex 转 word

    简介 用到 latex 转 word ,使用 pandoc 工具. 参考链接 https://www.zhihu.com/question/31850346/answer/279270892 使用命令 ...

  6. 低代码开发平台,快速提升API开发效率

    RestCloud低代码开发平台相比于传统API开发模式具有更轻量级.更快速.更全面.更低代码量.更易于学习等特点,是完全自主研发的基于微服务架构的专注API高效开发的专业化平台,通过平台可以实现无代 ...

  7. 合合信息:基于 JuiceFS 构建统一存储,支撑 PB 级 AI 训练

    合合信息是一家专注于智能文字识别.图像处理.自然语言处理.知识图谱与大数据挖掘的科技公司,依托自主研发的 AI 与大数据技术,已在上交所科创板上市.公司主要 C 端产品包括扫描全能王.名片全能王和启信 ...

  8. 医院PACS系统--九五小庞

    一.什么是PACS系统医学影像系统(Picture Archiving and CommunicationSystems,简称PACS)是应用在医院影像科室的系统,主要的任务就是把日常产生的各种医学影 ...

  9. idea 设置编译方式为maven编译, 并且在编译Java源文件时debug(annotation processor)

    目录 idea 设置编译方式为maven编译 编译时debug(annotation processor) idea 设置编译方式为maven编译 Settings -> "Ctrl+ ...

  10. python continue_vs_return