中科曙光，AI智能体概念的深度解析与战略布局

xwhb 2026-09-13

在人工智能技术加速迭代、产业智能化转型深入发展的背景下，“AI智能体”（AI Agent）作为具备自主感知、决策、执行和持续学习能力的智能系统，正成为科技领域的前沿焦点，作为国内高性能计算、云计算和人工智能领域的领军企业，中科曙光（以下简称“曙光”）是否布局了AI智能体概念？其技术路径与产业实践如何？本文将从技术基础、应用探索和战略方向三个维度,深入解析曙光在AI智能体领域的布局与进展。

AI智能体：从“工具”到“伙伴”的智能进化

AI智能体并非单一技术，而是集成了感知、认知、决策、执行能力的复合系统，其核心特征在于“自主性”（能根据目标自主规划任务）、“交互性”（能与环境和人类进行多模态交互）和“持续性”（能通过学习适应环境变化），与传统的“被动响应式AI”不同，AI智能体更像“智能助手”，可自主完成复杂任务，例如工业场景中的设备故障预测与自修复、医疗领域的个性化诊疗方案生成、城市管理中的动态资源调度等。

这一概念的兴起，离不开算力、算法和数据三大基石的支撑：强大的算力平台支撑智能体的模型训练与实时推理，深度学习与强化学习算法赋予其决策能力，多源数据则为其提供“感知环境”的“燃料”，中科曙光作为国内算力基础设施的构建者，天然具备布局AI智能体的“基因”。

曙光在AI智能体领域的技术基础与布局

曙光在高性能计算（HPC）、云计算、大数据领域深耕二十余年，已形成从“算力底座”到“算法平台”再到“行业应用”的全栈技术体系,这为AI智能体的构建提供了核心支撑。

算力底座：智能体的“引擎”与“骨架”

AI智能体的运行离不开高效、稳定的算力，曙光是国内少数具备“HPC+AI”融合算力能力的企业，其“曙光云脑”系列AI服务器、“硅立方”高性能计算机等产品，已为多个国家级AI实验室和行业客户提供算力支持，曙光承建的“国家新一代人工智能公共算力开放创新平台”，可提供每秒千万亿次以上的AI算力,支撑大规模智能体模型的训练与推理。

曙光在“东数西算”工程中布局的全国一体化算力网络，为智能体的“跨域协同”提供了基础设施，在智慧城市场景中，边缘智能体（如交通摄像头、环境传感器）可通过边缘节点实时处理数据，再依托中心算力进行全局决策，形成“边缘-中心”协同的智能体架构。

算法与平台：智能体的“大脑”与“神经系统”

算力是基础，算法是灵魂，曙光近年来在AI算法平台和工具链上的布局，直指智能体的核心能力，其“曦思”AI平台整合了数据预处理、模型训练、推理部署全流程工具，支持开发者构建具备“感知-认知-决策”能力的智能体模型。

在关键技术上，曙光重点突破“多模态感知”“强化学习决策”和“知识图谱驱动”三大方向：

多模态感知：通过融合文本、图像、语音、传感器等多源数据，让智能体“看得见、听得懂、能感知”，例如在工业质检场景中，智能体可同时分析摄像头视觉数据和设备振动数据，实现缺陷精准识别；
强化学习决策：基于“试错-反馈”机制优化智能体的决策能力，如在自动驾驶中，智能体通过模拟环境不断迭代驾驶策略，提升复杂路况应对能力；
知识图谱驱动：构建行业知识图谱，赋予智能体“领域知识”，例如在医疗领域，智能体可结合病历知识库和最新研究文献,辅助医生制定个性化治疗方案。

行业应用：智能体的“落地场景”与“价值验证”

AI智能体的价值最终需通过行业应用体现，曙光聚焦智慧城市、智能制造、智慧医疗、智慧交通等核心领域，推动智能体技术与场景深度融合,形成了一批可复用的解决方案。

（1）智慧城市：“城市智能体”实现全域协同

在智慧城市领域，曙光提出“城市智能体”概念，通过“一脑（城市大脑）+多能（领域智能体）”架构，实现城市治理的精细化与智能化，在交通管理场景中，路口智能体（边缘节点）实时采集车流、信号灯数据，区域智能体（中心节点）基于强化学习优化信号配时，同时与天气、事件等智能体联动，动态调整交通疏导策略，提升通行效率20%以上。