图1：Agent AI系统的概述，该系统可以在不同领域和应用中进行感知和行动。Agent AI正逐渐成为迈向通用人工智能（AGI）的一条有前景的途径。Agent AI的训练展示了其在物理世界中实现多模态理解的能力。通过利用生成式AI和多个独立的数据源，该系统提供了一个与现实无关的训练框架。在跨现实数据的训练下，大型基础模型可以应用于物理和虚拟世界中的代理及动作相关任务。我们展示了一个能够在不同领域和应用中感知和行动的Agent AI系统的总体概览，并展望其作为一种基于代理范式的AGI发展路径。

简单理解，未来的AGI不是一个孤立的模型，而是一个深度融合于环境、由多技术驱动、具备持续学习与进化能力的智能系统。它模糊了物理与虚拟、感知与认知、学习与行动的界限，代表了一条通向通用人工智能的整合之路。

核心是智能体核心，它作为一个统一的“大脑”，处于整个系统的中心位置，

1. 信息流动闭环：

   • 感知 接收来自物理与虚拟世界的多模态信息。

   • 认知 系统进行思考、推理和决策。

   • 规划与行动 系统发出指令，作用回物理与虚拟世界，形成一个完整的交互闭环。

2. 内部状态闭环：

   • 认知 与 记忆、学习 系统之间构成一个内部循环。认知依赖记忆中的知识和逻辑，同时从学习系统中获取持续进化的能力；而新的认知结果又会被存入记忆，或用于优化学习。

3. 强大的支撑基座：

   • 智能体的能力由技术赋能层 具体实现，依赖于强大的数据与理论 基础。这体现了该范式是工程实践与科学理论深度结合的产物。

简单理解，智能体不再是孤立程序，而是能与环境持续交互、不断学习和进化的自主系统。