智能體迎來“DeepSeek時刻”，為何主角是納米AI？

來源|Tech星球

文|任雪蕓

大模型重塑了人工智能的產業格局，但卻沒有徹底顛覆人類的生產模式。

在這背后，并非其技術力量不足，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，未能轉化為重構生產邏輯的核心動能。

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）。一個能幫助人類，自主運用AI規劃任務并執行的軟件系統。

這一工具的價值與前景，已在市場數據中顯現。國際市場研究機構Research and Market報告顯示，這一市場的規模將從2024年的51億美元增長至2030年的471億美元，年均復合增長率高達44.8%。

然而，在這輪爆發式增長中，行業卻暗藏隱憂。Gartner的研究指出，當前70%的智能體產品屬于 “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，也無法真正滲透到產業場景中解決實際問題，這也讓行業迫切需要能真正貼合產業需求、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，其迭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超級搜索簡化為納米AI，產品能力則從超級智能體進化為多智能體蜂群。

這種“多智能體蜂群”的進化，恰恰直擊了智能體產業落地的核心矛盾。

通過多個專業化智能體的協同聯動，既避免了單一智能體功能冗余的弊端，又能精準嵌入企業復雜業務場景的每一個環節，讓 AI 從“淺層展示”走向“深度賦能”，真正兌現智能體應有的產業價值。

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生成投資分析報告的視頻橫空出世，引爆全球科技圈。Manus首發版的亮相，標志著L3級自主規劃智能體實現了重大突破。要理解這一突破的分量，不妨回望智能體的發展歷程。

早期的L1級聊天助手，以GPTs為典型代表，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，能通過低代碼平臺搭建簡單任務流程，但交付的多為半成品工具，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級智能體，徹底打破此前局限，真正具備自主執行復雜任務的能力，成為AI智能體發展的重要里程碑。無獨有偶，彼時360旗下的納米AI也已經達到L3級別，其擁有的5萬+垂直專家智能體，能完成多步邏輯推演并調用工具，在單領域展現出強大能力。

盡管L3級智能體已實現單領域復雜任務的自主閉環，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步后整體成功率也會跌破50%，多領域協同的復雜任務更難突破這一局限。

為突破這一困境，納米AI的升級給出了針對性方案：它不僅成為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復雜任務的執行難題。

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里，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。”

并行執行的引擎則打破了單智能體的“排隊”局限。“過去單智能體生成120個分鏡，只能一個接一個處理，現在多智能體蜂群可以讓120個分鏡專員同時開工。” 梁志輝解釋道，就像工廠的流水線從單工位變成多工位并行。

共享記憶則確保了任務執行的 “連貫性”。梁志輝強調，這相當于給整個蜂群配了一個“共享大腦”。所有智能體都能訪問任務的完整歷史，包括用戶需求、中間結果、調整意見。 例如，生成電商帶貨視頻時，用戶要求 “增加商品特寫”，智能體也能從共享記憶中讀取此前的商品參數，避免重復標注。

此外，技術落地的門檻也大幅降低。納米AI的智能體工廠通過無代碼化能力，讓用戶無需編程，只需從工廠挑選現成的專家智能體，如 “視頻剪輯師”“配音專家”等，用鼠標簡單連線，就能像搭積木一樣組建專屬團隊。

從工具到伙伴，納米AI正在重塑生產力邊界

當L4級多智能體蜂群依托三大技術突破，完成從單智能體到群體協同的進化。這種進化已轉化為產業革命的動能，持續滲透到內容生產、電商等諸多場景。

內容生產行業，傳統視頻制作模式長期面臨協作復雜、效率偏低的問題。一條優質短視頻的誕生，通常需要腳本撰寫、分鏡設計、拍攝、剪輯、配音等多個崗位人員協同作業，整個過程要耗費數天時間，不僅人力成本高昂，而且各環節銜接中容易出現信息偏差，影響最終效果。

對于長視頻制作而言，挑戰更為突出，一部十幾分鐘的短片，從前期構思到后期渲染完成，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為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”場景里，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。

比如用戶輸入 “卡皮巴拉的一天” 這樣的創意時，納米AI能夠自主啟動全流程創作。負責文本處理的智能體會理解創意核心，生成符合邏輯和風格的腳本；視覺設計智能體依據腳本和場景資料，設計出合適的分鏡，并渲染出具有特點的畫面；音頻智能體則匹配相應的配音，并調整口型以實現同步，最終在短時間內完成一段角色形象保持一致的視頻。

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后，智能體能夠將文字內容轉化為數量可觀的分鏡，進而制作出時長近5分鐘的短片。這些短片的畫面質量接近專業水準，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分鐘短片，也嘗試用另一個劇本生成了9分32秒的視頻，“每分鐘接近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分鐘左右的長視頻生產。平均單任務消耗500萬至3000萬token，任務成功率高達95.4%。

也就是說，納米AI不僅顯著提升了長視頻制作的效率與穩定性，更以 “10分鐘”這一里程碑式的長度，印證了多智能體蜂群的決定性價值。

在電商等領域，這一技術也得到了應用。它能幫助商家更便捷地制作產品宣傳視頻，有效降低營銷門檻 。對中小商家而言，批量制作不同版本的帶貨視頻也由此成為可能，大幅降低了入局門檻。

在高效完成復雜任務的同時，納米AI還通過機制設計確保結果的精準可控。針對視頻制作、電商營銷等場景中可能出現的細節偏差，其內建了服務于AI與人類的雙向協同機制，其中 “人在回路” 機制尤為關鍵。

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，又通過人類干預解決了復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。

不止視頻場景，目前多智能體蜂群已覆蓋視頻制作、電商帶貨、行業研究等場景，未來將向金融、醫療等領域拓展。

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

下一個時代：讓Agent去生成Agent

若說L4級別的智能體，如同你雇用了一支分工明確、協作緊密的團隊。它們能代你執行任務，且可按需無限擴展規模，最終高效達成目標；那么L5級別智能體，便是能自主打造這類團隊的 “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，認為其關鍵或許在于“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。

為向這一理想邁進，納米AI已構建起業內領先的AI算力與生態基座，為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。

目前納米AI 已上線10+類多智能體蜂群，涵蓋視頻制作、內容創作、行業研究、電商帶貨、旅行規劃等多個場景，這些多智能體蜂群由每個行業的業務專家主導定制，更懂用戶，更實用。

按照其規劃，通過MCP（Model Context Protocol，模型上下文協議）集成海量生態伙伴資源，可讓大模型與MCP工具技能自由組合，突破現有同類工具。

隨著專業內容搜索能力將持續強化。后續，開發者可在納米AI平臺上架自有MCP工具，直接獲取終端用戶的付費收入，由此形成平臺、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。

這一邏輯恰似“iPhone+iOS”的生態體系：硬件終端為基礎，MCP架構為紐帶，開發者與用戶共同繁榮生態，而這樣的生態，正是支撐 “Agent生成Agent”從概念走向現實的關鍵因素之一。

AI大戰的下半場，行業敘事正從炫技轉向產業落地，真正走進普通人的生活，成為能實實在在提升生產力的工具。

納米AI的快速迭代，恰恰回應了市場的這種深層需求。它沒有困在技術進化的自循環里，而是在具體場景中拿出了扎實成果：長視頻制作效率的突破、電商營銷門檻的降低，每一步進化都緊扣為人解決問題的核心。

與此同時，在從技術可能性落地為實際生產力的過程中，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，也為行業進化指明了清晰方向。