声明:本文来自于微信公众号 Tech星球，作者:任雪芸，授权站長之家转载发布。

大模型重塑了人工智能的産業格局，但卻沒有徹底顛覆人類的生産模式。

在這背後，並非其技術力量不足，而是當前的應用形態仍停留在“工具賦能”的初級階段，大模型的潛力被束縛在碎片化場景中，未能轉化爲重構生産邏輯的核心動能。

正如360集團創始人、董事長周鴻祎所言，大模型的能力其實已經相當強大，甚至超越了我們中的許多人。只是其潛力尚未被挖掘。

而挖掘的關鍵工具就在于專業的AI智能體（AI Agent）。一个能帮助人类，自主运用AI规划任务并执行的软件系统。

这一工具的价值与前景，已在市场数据中显现。国际市场研究机构Research and Market报告显示，这一市场的规模将从2024年的51亿美元增长至2030年的471亿美元，年均复合增长率高达44.8%。

然而，在这轮爆发式增长中，行业却暗藏隐忧。Gartner的研究指出，当前70%的智能体产品属于 “功能冗余的半成品”。

這些智能體既未能承接大模型的技術潛力，也無法真正滲透到産業場景中解決實際問題，這也讓行業迫切需要能真正貼合産業需求、釋放大模型價值的智能體解決方案。

正是基于這樣的行業訴求，360旗下的納米AI自今年6月推出以來，其叠代升級始終聚焦行業真實業務場景。8月1日，納米AI再次完成雙重升級:品牌名稱從納米AI超級搜索簡化爲納米AI，産品能力則從超級智能體進化爲多智能體蜂群。

這種“多智能體蜂群”的進化，恰恰直擊了智能體産業落地的核心矛盾。

通过多个专业化智能体的协同联动，既避免了单一智能体功能冗余的弊端，又能精准嵌入企业复杂业务场景的每一个环节，让 AI 从“浅层展示”走向“深度赋能”，真正兑现智能体应有的产业价值。

智能體進化:從單一個體到L4級多智能體蜂群

2025年3月6日，一段由AI智能體Manus生成投资分析报告的视频横空出世，引爆全球科技圈。Manus首发版的亮相，标志着L3级自主规划智能体实现了重大突破。要理解这一突破的分量，不妨回望智能体的发展历程。

早期的L1級聊天助手，以GPTs爲典型代表，本質僅是對話窗口。它們的功能局限于提供建議或情感陪伴，屬于“玩具級”智能體，短板是缺乏任務執行能力，難以真正解決實際問題。

隨著技術進步，L2級低代碼工作流智能體應運而生。像Dify這類的的自動化工具便屬于此類，能通過低代碼平台搭建簡單任務流程，但交付的多爲半成品工具，最終環節仍需人工介入，無法實現完全自主閉環。

Manus所代表的L3级智能体，彻底打破此前局限，真正具备自主执行复杂任务的能力，成为AI智能體发展的重要里程碑。无独有偶，彼时360旗下的纳米AI也已经达到L3级别，其拥有的5万+垂直专家智能体，能完成多步逻辑推演并调用工具，在单领域展现出强大能力。

盡管L3級智能體已實現單領域複雜任務的自主閉環，但當面對需要跨工具、跨領域協同的超級任務時，仍顯力不從心。

360集團副總裁、納米AI負責人梁志輝向Tech星球解釋了瓶頸:單智能體執行100步任務時，每步工具調用成功率即便達90%，20步後整體成功率也會跌破50%，多領域協同的複雜任務更難突破這一局限。

爲突破這一困境，納米AI的升級給出了針對性方案:它不僅成爲全球首個真正進化至L4級別的智能體，更首次實現多智能體集群組隊，如同蜂群般通過高效分工協作，系統性破解了跨領域複雜任務的執行難題。

據Tech星球了解，納米L4級多智能體蜂群的高效協作，依托三大核心技術構建基底。

異構同源的通信機制是智能體“高效對話”的基礎。梁志輝形象地比喻，“這就像不同武器要協同作戰，必須有統一的通信協議。我們的多智能體蜂群裏，寫腳本的智能體、生圖的智能體、剪輯的智能體，雖各司其職，但能通過這套機制實時共享任務目標、進度細節，甚至理解彼此的執行邏輯。”

并行执行的引擎则打破了单智能体的“排队”局限。“过去单智能体生成120个分镜，只能一个接一个处理，现在多智能体蜂群可以让120个分镜专员同时开工。” 梁志辉解释道，就像工厂的流水线从单工位变成多工位并行。

共享记忆则确保了任务执行的 “连贯性”。梁志辉强调，这相当于给整个蜂群配了一个“共享大脑”。所有智能体都能访问任务的完整历史，包括用户需求、中间结果、调整意见。 例如，生成電商带货视频时，用户要求 “增加商品特写”，智能体也能从共享记忆中读取此前的商品参数，避免重复标注。

此外，技术落地的门槛也大幅降低。纳米AI的智能体工厂通过无代码化能力，让用户无需编程，只需从工厂挑选现成的专家智能体，如 “视频剪辑师”“配音专家”等，用鼠标简单连线，就能像搭积木一样组建专属团队。

從工具到夥伴，納米AI正在重塑生産力邊界

当L4级多智能体蜂群依托三大技术突破，完成从单智能体到群体协同的进化。这种进化已转化为产业革命的动能，持续渗透到内容生产、電商等诸多场景。

内容生产行业，传统视频制作模式长期面临协作复杂、效率偏低的问题。一条优质短視頻的诞生，通常需要脚本撰写、分镜设计、拍摄、剪辑、配音等多个岗位人员协同作业，整个过程要耗费数天时间，不仅人力成本高昂，而且各环节衔接中容易出现信息偏差，影响最终效果。

對于長視頻制作而言，挑戰更爲突出，一部十幾分鍾的短片，從前期構思到後期渲染完成，需要專業團隊投入大量時間和精力，較高的制作成本讓許多個人創作者望而卻步。

但納米AI爲視頻制作帶來了高效便捷的新方式，在“一句話生成爆款視頻”場景裏，用戶只需要輸入一句話，就能生成一條符合預期的完整視頻。

睙徵用户输入 “卡皮巴拉的一天” 这样的创意时，纳米AI能够自主启动全流程创作。负责文本处理的智能体会理解创意核心，生成符合逻辑和风格的脚本;视觉设计智能体依据脚本和场景资料，设计出合适的分镜，并渲染出具有特点的画面;音频智能体则匹配相应的配音，并调整口型以实现同步，最终在短时间内完成一段角色形象保持一致的视频。

對于長內容制作，納米AI同樣表現出色。用戶上傳劉慈欣小說片段後，智能體能夠將文字內容轉化爲數量可觀的分鏡，進而制作出時長近5分鍾的短片。這些短片的畫面質量接近專業水准，鏡頭的推拉搖移等運鏡方式也符合敘事邏輯，能夠很好地呈現小說的內容和氛圍。

梁志輝提到，用戶用劉慈欣小說生成了4分鍾短片，也嘗試用另一個劇本生成了9分32秒的視頻，“每分鍾接近120個分鏡，幾百步調用，全程不出錯”。

他告訴Tech星球，相較于此前L3級智能體制作90秒長度的視頻，L4級納米AI已可支持10分鍾左右的長視頻生産。平均單任務消耗500萬至3000萬token，任務成功率高達95.4%。

也就是说，纳米AI不仅显著提升了长视频制作的效率与稳定性，更以 “10分钟”这一里程碑式的长度，印证了多智能体蜂群的决定性价值。

在電商等领域，这一技术也得到了应用。它能帮助商家更便捷地制作产品宣传视频，有效降低营销门槛 。对中小商家而言，批量制作不同版本的带货视频也由此成为可能，大幅降低了入局门槛。

在高效完成复杂任务的同时，纳米AI还通过机制设计确保结果的精准可控。针对视频制作、電商营销等场景中可能出现的细节偏差，其内建了服务于AI与人类的双向协同机制，其中 “人在回路” 机制尤为关键。

用戶可在智能體執行過程中隨時介入，對腳本、分鏡、畫面風格等環節進行調優修正，既保留了AI自主創作的高效性，又通過人類幹預解決了複雜任務中可能出現的細節偏差問題，讓技術輸出更貼合實際需求。

不止视频场景，目前多智能体蜂群已覆盖视频制作、電商带货、行业研究等场景，未来将向金融、医疗等领域拓展。

從單純的效率工具，到能自主協作、靈活適配人類需求的夥伴，納米AI的進化不僅打破了內容生産的壁壘，更重新定義了生産力的邊界。這種從工具到夥伴的跨越，正在讓生産力的天花板不斷提升，爲産業創新注入全新可能。

下一個時代:讓Agent去生成Agent

若说L4级别的智能体，如同你雇用了一支分工明确、协作紧密的团队。它们能代你执行任务，且可按需无限扩展规模，最终高效达成目标;那么L5级别智能体，便是能自主打造这类团队的 “超級智能體”。

梁志輝團隊也曾在內部多次探討L5智能體的核心定義，認爲其關鍵或許在于“智能體生成智能體”，一旦具備這種能力，便已非常接近真正意義上的通用人工智能。

爲向這一理想邁進，納米AI已構建起業內領先的AI算力與生態基座，爲L5級能力的實現打造根基。

納米AI多智能體蜂群能力表現優異的技術支撐，在于其擁有行業領先的多智能體蜂群引擎，這是多智能體蜂群能夠支持無限工具調用、無限上下文長度，可以執行無限步驟超級任務的核心。

目前纳米AI 已上线10+类多智能体蜂群，涵盖视频制作、内容创作、行业研究、電商带货、旅行规划等多个场景，这些多智能体蜂群由每个行业的业务专家主导定制，更懂用户，更实用。

按照其规划，通过MCP（Model Context Protocol，模型上下文协议）集成海量生态伙伴资源，可让大模型与MCP工具技能自由组合，突破现有同类工具。

隨著專業內容搜索能力將持續強化。後續，開發者可在納米AI平台上架自有MCP工具，直接獲取終端用戶的付費收入，由此形成平台、開發者、用戶三方共贏的完整閉環，構建起可持續的商業模式。

这一逻辑恰似“iPhone+iOS”的生态体系:硬件终端为基础，MCP架构为纽带，开发者与用户共同繁荣生态，而这样的生态，正是支撑 “Agent生成Agent”从概念走向现实的关键因素之一。

AI大戰的下半場，行業敘事正從炫技轉向産業落地，真正走進普通人的生活，成爲能實實在在提升生産力的工具。

纳米AI的快速迭代，恰恰回应了市场的这种深层需求。它没有困在技术进化的自循环里，而是在具体场景中拿出了扎实成果:长视频制作效率的突破、電商营销门槛的降低，每一步进化都紧扣为人解决问题的核心。

與此同時，在從技術可能性落地爲實際生産力的過程中，納米AI已率先向通用人工智能的終極目標邁出了關鍵一步。這種先解決當下問題、再奔赴長遠目標的路徑，既守住了AI的價值根本，也爲行業進化指明了清晰方向。

（舉報）