声明:本文来自于微信公众号 Tech星球，作者:任雪芸，授权站长之家转载发布。
大模型重塑了人工智能的产业格局，但却没有彻底颠覆人类的生产模式。
在这背后，并非其技术力量不足，而是当前的应用形态仍停留在“工具赋能”的初级阶段，大模型的潜力被束缚在碎片化场景中，未能转化为重构生产逻辑的核心动能。
正如360集团创始人、董事长周鸿祎所言，大模型的能力其实已经相当强大，甚至超越了我们中的许多人。只是其潜力尚未被挖掘。
而挖掘的关键工具就在于专业的AI智能体（AI Agent）。一个能帮助人类，自主运用AI规划任务并执行的软件系统。
这一工具的价值与前景，已在市场数据中显现。国际市场研究机构Research and Market报告显示，这一市场的规模将从2024年的51亿美元增长至2030年的471亿美元，年均复合增长率高达44.8%。
然而，在这轮爆发式增长中，行业却暗藏隐忧。Gartner的研究指出，当前70%的智能体产品属于 “功能冗余的半成品”。
这些智能体既未能承接大模型的技术潜力，也无法真正渗透到产业场景中解决实际问题，这也让行业迫切需要能真正贴合产业需求、释放大模型价值的智能体解决方案。
正是基于这样的行业诉求，360旗下的纳米AI自今年6月推出以来，其迭代升级始终聚焦行业真实业务场景。8月1日，纳米AI再次完成双重升级:品牌名称从纳米AI超级搜索简化为纳米AI，产品能力则从超级智能体进化为多智能体蜂群。
这种“多智能体蜂群”的进化，恰恰直击了智能体产业落地的核心矛盾。
通过多个专业化智能体的协同联动，既避免了单一智能体功能冗余的弊端，又能精准嵌入企业复杂业务场景的每一个环节，让 AI 从“浅层展示”走向“深度赋能”，真正兑现智能体应有的产业价值。
智能体进化:从单一个体到L4级多智能体蜂群
2025年3月6日，一段由AI智能体Manus生成投资分析报告的视频横空出世，引爆全球科技圈。Manus首发版的亮相，标志着L3级自主规划智能体实现了重大突破。要理解这一突破的分量，不妨回望智能体的发展历程。
早期的L1级聊天助手，以GPTs为典型代表，本质仅是对话窗口。它们的功能局限于提供建议或情感陪伴，属于“玩具级”智能体，短板是缺乏任务执行能力，难以真正解决实际问题。
随着技术进步，L2级低代码工作流智能体应运而生。像Dify这类的的自动化工具便属于此类，能通过低代码平台搭建简单任务流程，但交付的多为半成品工具，最终环节仍需人工介入，无法实现完全自主闭环。
Manus所代表的L3级智能体，彻底打破此前局限，真正具备自主执行复杂任务的能力，成为AI智能体发展的重要里程碑。无独有偶，彼时360旗下的纳米AI也已经达到L3级别，其拥有的5万+垂直专家智能体，能完成多步逻辑推演并调用工具，在单领域展现出强大能力。
尽管L3级智能体已实现单领域复杂任务的自主闭环，但当面对需要跨工具、跨领域协同的超级任务时，仍显力不从心。
360集团副总裁、纳米AI负责人梁志辉向Tech星球解释了瓶颈:单智能体执行100步任务时，每步工具调用成功率即便达90%，20步后整体成功率也会跌破50%，多领域协同的复杂任务更难突破这一局限。
为突破这一困境，纳米AI的升级给出了针对性方案:它不仅成为全球首个真正进化至L4级别的智能体，更首次实现多智能体集群组队，如同蜂群般通过高效分工协作，系统性破解了跨领域复杂任务的执行难题。
据Tech星球了解，纳米L4级多智能体蜂群的高效协作，依托三大核心技术构建基底。
异构同源的通信机制是智能体“高效对话”的基础。梁志辉形象地比喻，“这就像不同武器要协同作战，必须有统一的通信协议。我们的多智能体蜂群里，写脚本的智能体、生图的智能体、剪辑的智能体，虽各司其职，但能通过这套机制实时共享任务目标、进度细节，甚至理解彼此的执行逻辑。”
并行执行的引擎则打破了单智能体的“排队”局限。“过去单智能体生成120个分镜，只能一个接一个处理，现在多智能体蜂群可以让120个分镜专员同时开工。” 梁志辉解释道，就像工厂的流水线从单工位变成多工位并行。
共享记忆则确保了任务执行的 “连贯性”。梁志辉强调，这相当于给整个蜂群配了一个“共享大脑”。所有智能体都能访问任务的完整历史，包括用户需求、中间结果、调整意见。 例如，生成电商带货视频时，用户要求 “增加商品特写”，智能体也能从共享记忆中读取此前的商品参数，避免重复标注。
此外，技术落地的门槛也大幅降低。纳米AI的智能体工厂通过无代码化能力，让用户无需编程，只需从工厂挑选现成的专家智能体，如 “视频剪辑师”“配音专家”等，用鼠标简单连线，就能像搭积木一样组建专属团队。
从工具到伙伴，纳米AI正在重塑生产力边界
当L4级多智能体蜂群依托三大技术突破，完成从单智能体到群体协同的进化。这种进化已转化为产业革命的动能，持续渗透到内容生产、电商等诸多场景。
内容生产行业，传统视频制作模式长期面临协作复杂、效率偏低的问题。一条优质短视频的诞生，通常需要脚本撰写、分镜设计、拍摄、剪辑、配音等多个岗位人员协同作业，整个过程要耗费数天时间，不仅人力成本高昂，而且各环节衔接中容易出现信息偏差，影响最终效果。
对于长视频制作而言，挑战更为突出，一部十几分钟的短片，从前期构思到后期渲染完成，需要专业团队投入大量时间和精力，较高的制作成本让许多个人创作者望而却步。
但纳米AI为视频制作带来了高效便捷的新方式，在“一句话生成爆款视频”场景里，用户只需要输入一句话，就能生成一条符合预期的完整视频。
比如用户输入 “卡皮巴拉的一天” 这样的创意时，纳米AI能够自主启动全流程创作。负责文本处理的智能体会理解创意核心，生成符合逻辑和风格的脚本;视觉设计智能体依据脚本和场景资料，设计出合适的分镜，并渲染出具有特点的画面;音频智能体则匹配相应的配音，并调整口型以实现同步，最终在短时间内完成一段角色形象保持一致的视频。
对于长内容制作，纳米AI同样表现出色。用户上传刘慈欣小说片段后，智能体能够将文字内容转化为数量可观的分镜，进而制作出时长近5分钟的短片。这些短片的画面质量接近专业水准，镜头的推拉摇移等运镜方式也符合叙事逻辑，能够很好地呈现小说的内容和氛围。
梁志辉提到，用户用刘慈欣小说生成了4分钟短片，也尝试用另一个剧本生成了9分32秒的视频，“每分钟接近120个分镜，几百步调用，全程不出错”。
他告诉Tech星球，相较于此前L3级智能体制作90秒长度的视频，L4级纳米AI已可支持10分钟左右的长视频生产。平均单任务消耗500万至3000万token，任务成功率高达95.4%。
也就是说，纳米AI不仅显著提升了长视频制作的效率与稳定性，更以 “10分钟”这一里程碑式的长度，印证了多智能体蜂群的决定性价值。
在电商等领域，这一技术也得到了应用。它能帮助商家更便捷地制作产品宣传视频，有效降低营销门槛 。对中小商家而言，批量制作不同版本的带货视频也由此成为可能，大幅降低了入局门槛。
在高效完成复杂任务的同时，纳米AI还通过机制设计确保结果的精准可控。针对视频制作、电商营销等场景中可能出现的细节偏差，其内建了服务于AI与人类的双向协同机制，其中 “人在回路” 机制尤为关键。
用户可在智能体执行过程中随时介入，对脚本、分镜、画面风格等环节进行调优修正，既保留了AI自主创作的高效性，又通过人类干预解决了复杂任务中可能出现的细节偏差问题，让技术输出更贴合实际需求。
不止视频场景，目前多智能体蜂群已覆盖视频制作、电商带货、行业研究等场景，未来将向金融、医疗等领域拓展。
从单纯的效率工具，到能自主协作、灵活适配人类需求的伙伴，纳米AI的进化不仅打破了内容生产的壁垒，更重新定义了生产力的边界。这种从工具到伙伴的跨越，正在让生产力的天花板不断提升，为产业创新注入全新可能。
下一个时代:让Agent去生成Agent
若说L4级别的智能体，如同你雇用了一支分工明确、协作紧密的团队。它们能代你执行任务，且可按需无限扩展规模，最终高效达成目标;那么L5级别智能体，便是能自主打造这类团队的 “超级智能体”。
梁志辉团队也曾在内部多次探讨L5智能体的核心定义，认为其关键或许在于“智能体生成智能体”，一旦具备这种能力，便已非常接近真正意义上的通用人工智能。
为向这一理想迈进，纳米AI已构建起业内领先的AI算力与生态基座，为L5级能力的实现打造根基。
纳米AI多智能体蜂群能力表现优异的技术支撑，在于其拥有行业领先的多智能体蜂群引擎，这是多智能体蜂群能够支持无限工具调用、无限上下文长度，可以执行无限步骤超级任务的核心。
目前纳米AI 已上线10+类多智能体蜂群，涵盖视频制作、内容创作、行业研究、电商带货、旅行规划等多个场景，这些多智能体蜂群由每个行业的业务专家主导定制，更懂用户，更实用。
按照其规划，通过MCP（Model Context Protocol，模型上下文协议）集成海量生态伙伴资源，可让大模型与MCP工具技能自由组合，突破现有同类工具。
随着专业内容搜索能力将持续强化。后续，开发者可在纳米AI平台上架自有MCP工具，直接获取终端用户的付费收入，由此形成平台、开发者、用户三方共赢的完整闭环，构建起可持续的商业模式。
这一逻辑恰似“iPhone+iOS”的生态体系:硬件终端为基础，MCP架构为纽带，开发者与用户共同繁荣生态，而这样的生态，正是支撑 “Agent生成Agent”从概念走向现实的关键因素之一。
AI大战的下半场，行业叙事正从炫技转向产业落地，真正走进普通人的生活，成为能实实在在提升生产力的工具。
纳米AI的快速迭代，恰恰回应了市场的这种深层需求。它没有困在技术进化的自循环里，而是在具体场景中拿出了扎实成果:长视频制作效率的突破、电商营销门槛的降低，每一步进化都紧扣为人解决问题的核心。
与此同时，在从技术可能性落地为实际生产力的过程中，纳米AI已率先向通用人工智能的终极目标迈出了关键一步。这种先解决当下问题、再奔赴长远目标的路径，既守住了AI的价值根本，也为行业进化指明了清晰方向。
（举报）