通用群体智能将如何助力科学发现？顶尖学者热议“群而增智” | 活动回顾

群体智能是实现通用智能的关键路径之一。大模型与群体智能如何双向赋能，从而实现“群而增智”？自主群体智能如何与人类社会规律结合？从科研攻关到产业创新，产学研如何协同推进？

近期，“通用群体智能学术论坛”在上海成功举办，30余位顶尖学者围绕“协同演进·群而增智”的主题，聚焦相关领域的基础理论、关键技术及前沿应用展开深入研讨。与会学者们认为，当前的核心挑战在于，群体智能的规模化与自我进化能力尚显不足，需要进一步促进产学研深度融合，以突破更大规模协作，实现理论探索与产业应用双向驱动。论坛由上海市科学技术委员会指导、上海人工智能实验室（上海AI实验室）主办。
上海AI实验室正探索以多智能体协同交互实现智能涌现为核心，系统构建原创性理论框架与关键技术体系，进而推动实现多场景规模化应用。实验室创新性地提出了“自主科学发现系统框架”，并联合来自不同领域的科研团队，共同推动通用群体智能应用于科学发现，当前取得的部分成果包括：多智能体自主算法设计与科学发现系统，可支持10余种科研任务，在特定任务中效率较人类专家提升50倍；通用大规模智能体社会模拟平台OASIS，可支持百万量级智能体交互，模拟复现羊群效应、流言传播等多种社会现象；化学反应优化多智能体系统，在某创新药物前体研制中，大幅降低钯催化剂用量的同时实现反应产率提升20倍。

上海市科委副主任屈炜：“当前人工智能正经历范式变革，通用群体智能已成为抢占全球 AI 战略制高点的重要技术方向。上海正全力打造人工智能 ‘上海高地’，通过推动通用群体智能系统攻关，构建 “理论研究 — 技术验证 — 产业应用” 全链条创新生态，探索大模型驱动的群体智能技术路径与应用场景，推动我国人工智能跨越发展，为构建全球领先的人工智能体系奠定基础。”

上海人工智能实验室主任、首席科学家周伯文：“作为人工智能领域中具有潜力和活力的研究方向，通用群体智能强调通过多智能体的协同逼近以解决复杂任务，既是发展AGI的重大目标，同时也是通向AGI的有效路径之一。实验室以实现通专融合、虚实贯通、安全可信的AGI为使命。召开‘通用群体智能学术论坛’，旨在汇集国内顶尖力量，共同探讨技术路径和关键策略，推动大模型和智能体迈向通用群体智能的新高度。”

从单点突破到系统跃升

论坛现场，上海AI实验室青年科学家白磊介绍了实验室当前在通用群体智能技术和应用方面的最新研究成果。群体智能是实现通用人工智能（AGI）的关键路径，其核心特征体现在能力分化、认知融合、动态组织和协同进化四个方面。通过对过去大量的科学突破性工作流程进行梳理，实验室研究团队根据其共性过程提出了自主科学发现系统框架，覆盖了从知识理解到实验反馈的完整科研究闭环流程。其核心由五部分组成：

科学知识理解：通过从文献中学习已有知识和数据，获得世界知识理解能力；

科学数据归纳：对具体的科学数据进行总结和深度推理，提出具有科学意义的科学假设；

科学推理演绎：基于归纳提出的科学假设推理演绎，结合已有理论和知识进行深度思考，排除错误假设；

干湿实验验证：将推理结果通过科学计算或者湿实验进行验证，得到实验数据与结论；

实验结果反馈：将实验结果反哺到知识体系中，进一步完善理论和模型。

五个环节相辅相成，形成持续优化的闭环流程，为科学研究提供了系统性和智能化的支持，支撑科学发现从单点突破到系统跃升。

基于上述框架，实验室及其联合团队将通用群体智能应用于多个自主科学发现场景，取得了一系列阶段性成果，如：

科学发现：多智能体自主算法设计与科学发现系统可支持分子动力学模拟、时间序列预测等10余种涵盖从基础研究到实际应用场景的科研任务，并在AI场景分类、情感分析等任务中表现超越人类专家水平，效率较人类专家提升50倍；https://alpha-innovator.github.io/Dolphin-project-page/

社会科学：通用大规模智能体社会模拟平台OASIS，支持百万量级智能体交互，可模拟复现羊群效应、流言传播等多种社会现象；https://github.com/camel-ai/oa

化学研究：知识与数据驱动的反应优化多智能体系统，在某创新药物前体研制中，在大幅降低钯催化剂用量的同时实现反应产率提升20倍。

从 “群而不智” 到 “群而增智”

论坛上，30余位顶尖学者聚焦群体智能的基础理论、关键技术及前沿应用展开深入研讨。

北京航空航天大学吴文峻教授认为，通用群体智能系统是由各种认知智能体组成的分布式认知网络，通过动态协作与竞争涌现适应复杂环境、执行复杂任务、解决各类复杂问题的群体智能。群体智能经历了从基于规则驱动的 “群而不智”，到基于多专用智能体的“专而不通”，再到当前基于大模型的 “通用群体智能” 新阶段；未来，需突破跨平台互操作性与长期记忆机制，推动群体智能从专用场景向通用化演进，实现“群而增智”。

南京大学高阳教授指出，当前大模型智能体虽具备强大认知能力，但在开放环境任务中仍面临交互效率低、隐私风险高、可靠性不足等挑战。可通过 “LLM+Swarm” 融合路径，构建去中心化、局部交互的协作机制。团队通过分布式博弈论模型优化医疗会诊共识质量，验证了群体智能在复杂决策中的潜力。未来需探索通用群体智能的数理基础与评估体系，推动个体能力与群体涌现的协同进化。

与会专家围绕通用群体智能的核心定义、技术瓶颈、应用场景及产学研协同机制展开深度探讨。与会者认为，在理论建构层面，动态开放环境中的自组织与去中心化协作能力是通用群体智能的关键特征。当前通用群体智能仍面临若干挑战，如本质定义模糊、涌现机制不明、持续学习瓶颈、互操作性缺失、评估体系不完善等；其中，核心挑战在于，通用群体智能的规模化与自我进化能力不足，因而需突破更大规模协作的理论障碍。从工业实践看，算力瓶颈已成为制约发展的关键因素，亟待建立产学研协同创新机制。

与会者特别强调，多智能体协同的必要性及评价标准建设的重要性，建议强化高校与产业界的联动机制，通过产学研深度融合，实现理论探索与产业应用双向驱动。未来，实验室将进一步加强与产学研各界的系统，通过常态化交流机制，系统推进基础理论突破与核心技术攻关。