从技术闭环到场景落地：AI Agent Infra的实践征程
你是否想过，AI Agent如何从概念走向真实商业场景？商汤大装置事业群CTO宣善明在近日的【中国软件研发创新科技峰会】上指出：“AI Agent是AI商业化的关键路径，2025年将是商业化元年。”在《AI Agent智算生产Infra实践》主题演讲中，他深度揭秘了商汤大装置如何构建端到端AI Agent Infra体系，并驱动场景落地。
Agent：操作系统级的智能入口
宣善明强调，Agent已超越单一任务工具，成为“操作系统级别的入口”。它既是人机交互的统一接口，更能组织、编排并自我进化。想象一下，未来个人可依托Agent体系组建公司，通过编排AI员工形成团队，甚至扩展为复杂AI组织。
与传统AI模型不同，Agent的核心挑战在于其不确定性。系统无法预设所有行为，必须拥有发散性评估与自我优化能力，在持续反馈中实现自主进化。
这要求Agent具备四大核心能力：统一入口、可扩展性、自我进化能力和评估体系。
智能中枢：Agent Infra的底层支撑到2030年，经济体将演变为Agent经济体，每个Agent像神经网络节点般互联协作，通过统一入口分发任务并交互完成工作。这种体系高度复杂、动态且自组织，无法依赖人工搭建，必须由系统化的Agent Infra支撑。
构建智能中枢至关重要。
商汤大装置Agent Infra智能中枢体系由公共能力组件、外部工具接入及自我进化机制构成，使Agent能持续进化并扩展能力。
公共能力组件是Agent Infra智能中枢的核心基础模块。它提供统一Memory、Agent元数据管理、沙盒环境、规划器等能力，使Agent高效管理知识、跟踪任务状态、安全实验，并在复杂任务中实现智能规划。外部工具接入方面，体系引入精选工具和MCP，确保Agent在遇到难题时调用外部资源，通过开放搜索MCP发现和评估新功能，拓展任务范围并提升解决能力。自我进化机制是智能体持续提升的核心。该机制依托MCP Builder和Agent Builder构建。MCP Builder快速构建基础功能；Agent Builder则面向复杂需求，赋予智能体自我验证、迭代和思考的能力，使其在实际应用中不断反思优化，实现自主进化。
Agent Infra智能中枢Memory体系承担感知、决策与自我迭代功能。基于多模态解析构建统一Knowledge Graph，将文本、图像、视频等多源信息结构化存储索引，实现高效检索。Memory还用于智能体自我迭代，每次任务后，成功与失败路径记录于Knowledge Graph，供下次Planning参考，使Agent低成本沿用成功经验、规避失败，实现自主进化。
Agent Infra端到端实践：闭环验证与产业落地在商汤大装置的实践中，端到端构建流程覆盖从Agent生成、离线验证到灰度上线的完整闭环。
SRE-Agent：作为AI基础设施领军者，商汤的SRE-Agent保障大规模算力集群稳定运行。宣善明现场演示了故障排查：当2000P集群任务无法启动时，SRE-Agent自主对接日志与监控系统，结合知识库生成排查计划，动态调用检索工具，分钟级产出根因与解决方案，相比人工数小时，极大提升运维效率。具身智能Agent：在具身智能领域，商汤开发了具身仿真数据生成Agent，为客户提供高效数据生成能力。该Agent基于现有仿真平台，通过全流程规划与任务拆解，进行场景素模构建、集成，并优化光影参数，形成高质量数据集。Agent在数据生成环节展现自主规划与智能执行，从多样性与场景覆盖角度，帮助客户快速获取训练验证数据。行业性Agent：在某大型项目中，商汤以唯一业务入口统一调度超100个Agent，大部分由顶层Agent自主生成，系统覆盖30余内部业务系统、4000余工具及十多个垂类模型，实现AI自主定位与任务执行，验证了Agent Infra在行业级落地中的可扩展性与高效性。
“我们正见证完整闭环的成型。商汤大装置的AI Agent Infra实践，通过基础设施、智能体模板、开放生态及Marketplace层层推进，支撑繁荣的Agent经济生态。这不仅实现了技术到产业的闭环，更彰显了商汤在AI Agent时代的战略远见。”宣善明总结道。
— 完 —
量子位 QbitAI · 头条号
立即关注，解锁更多AI前沿洞察与实战案例！
相关问答
模拟电子技术中的开环和闭环是什么意思？谢谢？
开环系统无反馈，放大倍数大但不稳定；闭环系统有反馈，放大倍数小但更稳定。开环系统无反馈，放大倍数大但不稳定；闭环系统有反馈，放大倍数小但更稳定。
通用技术开环系统和闭环系统是什么意思？
通用技术开环系统不考虑反馈，仅基于输入信号处理，不随外部变化而调整；闭环系统则纳入反馈机制，能根据输出结果动态优化，提升系统适应性与精度。