11月28日，由清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）與萬(wàn)國(guó)數(shù)據(jù)聯(lián)合舉辦的慈善公益AI主題分享會(huì)暨 AIR 學(xué)術(shù)沙龍第48期順利舉行。清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系萬(wàn)國(guó)數(shù)據(jù)教授、智能產(chǎn)業(yè)研究院執(zhí)行院長(zhǎng)、人工智能醫(yī)院聯(lián)席執(zhí)行院長(zhǎng)劉洋教授以《大模型驅(qū)動(dòng)的可進(jìn)化智能體》為題作報(bào)告，從大模型與智能體的發(fā)展態(tài)勢(shì)談起，系統(tǒng)介紹了團(tuán)隊(duì)在可進(jìn)化智能體方向的最新研究進(jìn)展與人工智能醫(yī)院等實(shí)踐探索，圍繞“智能體能否像人一樣在真實(shí)環(huán)境中持續(xù)進(jìn)化”等問題展開了深入分享。

講者介紹

劉洋，清華大學(xué)萬(wàn)國(guó)數(shù)據(jù)教授、智能產(chǎn)業(yè)研究院執(zhí)行院長(zhǎng)、計(jì)算機(jī)科學(xué)與技術(shù)系副系主任、人工智能研究院副院長(zhǎng)，國(guó)家杰出青年基金獲得者。研究方向?yàn)槿斯ぶ悄�、自然語(yǔ)言處理、AI for Science，主持科技創(chuàng)新2030“新一代人工智能”重大項(xiàng)目、國(guó)家自然科學(xué)基金委國(guó)際合作項(xiàng)目等重要科研項(xiàng)目，獲得國(guó)家科技進(jìn)步二等獎(jiǎng)1項(xiàng)、省部級(jí)與一級(jí)學(xué)會(huì)科技獎(jiǎng)勵(lì)5項(xiàng)、重要國(guó)際會(huì)議優(yōu)秀論文獎(jiǎng)4項(xiàng)。主要學(xué)術(shù)兼職包括中國(guó)人工智能學(xué)會(huì)組織工作委員會(huì)秘書長(zhǎng)、中國(guó)中文信息學(xué)會(huì)計(jì)算語(yǔ)言學(xué)專委會(huì)主任等。曾擔(dān)任ACL亞太分會(huì)創(chuàng)始執(zhí)委兼秘書長(zhǎng)、Computational Linguistics編委、中國(guó)中文信息學(xué)會(huì)青年工作委員會(huì)主任。

報(bào)告內(nèi)容

大語(yǔ)言模型近年來(lái)發(fā)展迅速，人工智能進(jìn)入新的歷史發(fā)展階段。當(dāng)前呈現(xiàn)的態(tài)勢(shì)是：大模型作為智能“靈魂”，提供內(nèi)部核心能力支撐；智能體作為智能“載體”，承接外部應(yīng)用場(chǎng)景賦能。在真實(shí)、復(fù)雜、動(dòng)態(tài)的環(huán)境下，自主智能體有望像人類一樣具備可進(jìn)化性，在持續(xù)交互中不斷自我提升，且其進(jìn)化速度呈現(xiàn)出超過人類的潛力與趨勢(shì)。圍繞這一判斷，劉洋教授提出智能體進(jìn)化的基本準(zhǔn)則——人類、環(huán)境與智能體的統(tǒng)一對(duì)齊，并分別從單智能體的“智商”進(jìn)化、單智能體的“情商”進(jìn)化以及多智能體的“組織”進(jìn)化三個(gè)層面，介紹團(tuán)隊(duì)近期的一系列研究工作，展示了可進(jìn)化智能體的技術(shù)可行性和應(yīng)用前景。未來(lái)，隨著智能體群體在大規(guī)模環(huán)境中持續(xù)協(xié)作、不斷進(jìn)化，我們或?qū)⒂瓉?lái)第二次智能涌現(xiàn)，推動(dòng)人工智能邁向更高層級(jí)的發(fā)展。

一、大模型為“靈魂”，智能體為“載體”：AI發(fā)展的新階段

劉洋教授首先回顧了自 2022 年底 ChatGPT 問世以來(lái)大模型技術(shù)的快速演進(jìn)：大模型能力迭代幾乎以“加倍”的速度在推進(jìn)——過去需要二三十年才能完成的積累，現(xiàn)在往往在幾年甚至幾個(gè)月內(nèi)就能實(shí)現(xiàn)。伴隨這股浪潮，人工智能正在形成兩個(gè)愈發(fā)清晰的技術(shù)態(tài)勢(shì)：大模型成為智能系統(tǒng)的“靈魂”，智能體成為智能落地的“載體”。

首先，大模型正逐漸成為各類智能系統(tǒng)的“通用大腦”，為機(jī)器人、金融、醫(yī)療等場(chǎng)景提供理解、推理與生成能力，其發(fā)展路徑也從早期的單模態(tài)、專用模型，快速轉(zhuǎn)向能夠同時(shí)處理文本、圖像、音頻、視頻等的多模態(tài)通用模型。

與此同時(shí)，智能體（Agent）這一概念迅速興起，成為推動(dòng)智能真正落地的關(guān)鍵。智能體本質(zhì)上是以大模型為內(nèi)核，更像是“能工作的人”，而不僅是“回答問題的模型”。智能體具備記憶、工具使用、環(huán)境感知、規(guī)劃決策與協(xié)同合作等能力，能夠下沉到千行百業(yè)的具體場(chǎng)景中。單個(gè)智能體通過調(diào)用工具（如搜索引擎、計(jì)算器、專業(yè)系統(tǒng)等）可以顯著擴(kuò)展自身邊界；多個(gè)智能體協(xié)同工作，則能完成遠(yuǎn)超單個(gè)模型復(fù)雜度的復(fù)雜流程。

值得注意的是，這一趨勢(shì)并不僅僅源于技術(shù)堆疊。過去幾年，學(xué)界和工業(yè)界一度沉迷于“規(guī)模崇拜”：從十億、百億、千億到萬(wàn)億參數(shù)，普遍認(rèn)為模型越大越聰明。然而實(shí)踐發(fā)現(xiàn)，當(dāng)參數(shù)規(guī)模超過一定閾值后，僅靠“堆參數(shù)”難以獲得質(zhì)的突破。與人類文明類似，人類的腦容量幾千年來(lái)幾乎沒有顯著變化，但技術(shù)、社會(huì)與產(chǎn)業(yè)體系的躍遷卻從未停止。真正推動(dòng)文明飛躍的，是更強(qiáng)大的工具能力與更復(fù)雜的組織方式。人工智能的發(fā)展也正在走向這樣的路徑：通過工具，擴(kuò)展單體智能體的能力；通過組織，讓多智能體涌現(xiàn)協(xié)作智能。

劉洋教授還強(qiáng)調(diào)，在智能體方向上，國(guó)內(nèi)外大致處于同一起跑線，而中國(guó)在網(wǎng)絡(luò)基礎(chǔ)設(shè)施、應(yīng)用生態(tài)和數(shù)據(jù)體量方面具有明顯優(yōu)勢(shì)，有機(jī)會(huì)在這一新賽道實(shí)現(xiàn)“從并跑到領(lǐng)跑”。

二、可進(jìn)化智能體的核心理念：智能體-人類-環(huán)境統(tǒng)一對(duì)齊原則

在上述判斷基礎(chǔ)上，劉洋教授團(tuán)隊(duì)提出了“可進(jìn)化智能體”的總體構(gòu)想：不再將智能體視作一次性訓(xùn)練好的靜態(tài)系統(tǒng)，而是把它看成一個(gè)在環(huán)境中長(zhǎng)期進(jìn)化的動(dòng)態(tài)個(gè)體——通過不斷交互、吸收反饋、總結(jié)經(jīng)驗(yàn)，實(shí)現(xiàn)類似達(dá)爾文進(jìn)化的“適應(yīng)—調(diào)整—提升”閉環(huán)。

要讓這種進(jìn)化可持續(xù)且可控，團(tuán)隊(duì)提出了智能體-人類-環(huán)境統(tǒng)一對(duì)齊原則的要求：1）與人類意圖對(duì)齊：智能體在真實(shí)環(huán)境中會(huì)不斷與人交互，必須理解人的目標(biāo)與意圖，使其行為和經(jīng)驗(yàn)積累始終朝著人類可接受的方向發(fā)展；2）與客觀環(huán)境規(guī)律對(duì)齊：智能體要能適應(yīng)并遵循任務(wù)環(huán)境中的動(dòng)態(tài)變化，例如電商系統(tǒng)的頁(yè)面更新、實(shí)時(shí)推薦機(jī)制或醫(yī)療流程的時(shí)序約束，確保策略在真實(shí)世界中的有效性；3）與自身資源約束對(duì)齊：智能體在任務(wù)執(zhí)行過程中受時(shí)間、費(fèi)用、算力等約束，需要追求效率和性價(jià)比最優(yōu)。

圍繞這一原則，團(tuán)隊(duì)把智能體進(jìn)化拆分為三個(gè)互相關(guān)聯(lián)的層面：1）單智能體的 “智商”進(jìn)化：?jiǎn)沃悄荏w能否完成設(shè)定的目標(biāo)；2）單智能體的 “情商”進(jìn)化：?jiǎn)沃悄荏w能否在群體博弈中作出恰當(dāng)策略選擇；3）多智能體的 “組織”進(jìn)化：能否形成高效團(tuán)隊(duì)協(xié)作完成復(fù)雜任務(wù)。

三、“智商進(jìn)化”：從錯(cuò)誤與自標(biāo)注中持續(xù)學(xué)習(xí)

在智商進(jìn)化層面，團(tuán)隊(duì)關(guān)注的問題是：如何讓智能體像人一樣“吃一塹、長(zhǎng)一智”，在任務(wù)中不斷學(xué)習(xí)和成長(zhǎng)。

（1）錯(cuò)誤反饋驅(qū)動(dòng)的經(jīng)驗(yàn)學(xué)習(xí)

在實(shí)際部署中，大模型的參數(shù)基本是固定的，難以像傳統(tǒng)機(jī)器學(xué)習(xí)那樣通過再訓(xùn)練來(lái)更新知識(shí)。這意味著：當(dāng)智能體遇到新問題時(shí)，即使曾在類似場(chǎng)景中犯過錯(cuò)誤，也往往無(wú)法自動(dòng)吸取教訓(xùn)，容易在后續(xù)任務(wù)中重復(fù)出錯(cuò)。

為打破這種“錯(cuò)誤無(wú)法被記住、經(jīng)驗(yàn)無(wú)法沉淀”的局限，團(tuán)隊(duì)設(shè)計(jì)了基于錯(cuò)誤反饋的經(jīng)驗(yàn)學(xué)習(xí)框架。當(dāng)智能體在任務(wù)中出現(xiàn)明顯錯(cuò)誤時(shí)，系統(tǒng)會(huì)回放上下文，分析“為什么錯(cuò)”；引導(dǎo)大模型自己總結(jié)“在什么條件下，應(yīng)該采用什么更合適的策略”，形成經(jīng)驗(yàn)規(guī)則；再用當(dāng)前案例和更多未見過的案例檢驗(yàn)這些規(guī)則的有效性，只有通過檢驗(yàn)的規(guī)則才會(huì)寫入長(zhǎng)期記憶的經(jīng)驗(yàn)庫(kù)；此后在類似場(chǎng)景中，智能體可以調(diào)用這些經(jīng)驗(yàn)，從而減少重復(fù)犯錯(cuò)。

相關(guān)實(shí)驗(yàn)結(jié)果表明：隨著經(jīng)驗(yàn)庫(kù)的不斷擴(kuò)充，智能體在多類任務(wù)上的錯(cuò)誤率持續(xù)下降，而且許多經(jīng)驗(yàn)具有跨任務(wù)可遷移性——在A任務(wù)中學(xué)到的經(jīng)驗(yàn)，可以在B任務(wù)中幫助其做出更好的決策。

（2）基于自主數(shù)據(jù)標(biāo)注的自我訓(xùn)練

智能體的策略學(xué)習(xí)高度依賴高質(zhì)量的“交互軌跡”，即其在特定狀態(tài)下的觀察、推理、行動(dòng)及結(jié)果所構(gòu)成的因果鏈條。這類軌跡是策略更新與環(huán)境適應(yīng)的關(guān)鍵數(shù)據(jù)，但傳統(tǒng)方法往往依賴人工構(gòu)造或標(biāo)注，成本高昂且難以覆蓋真實(shí)環(huán)境的復(fù)雜性，從而限制了智能體能力的持續(xù)提升。

為了解決高質(zhì)量交互軌跡難以獲取的問題，團(tuán)隊(duì)在ReAct算法基礎(chǔ)上提出ActRe框架，使智能體在執(zhí)行任務(wù)的過程中自動(dòng)生成可學(xué)習(xí)的數(shù)據(jù)。傳統(tǒng) ReAct 雖然能在推理階段給出“思考—行動(dòng)”鏈條，但其動(dòng)作（Action）的合理性并未得到系統(tǒng)性的標(biāo)注與校準(zhǔn)，難以直接作為訓(xùn)練樣本使用。ActRe 的引入，使智能體能夠在采樣新動(dòng)作時(shí)由模型生成動(dòng)作背后的“原因”（Reason），將“觀察—思考—?jiǎng)幼鳌钡倪^程打包成可學(xué)習(xí)的交互軌跡；再利用這些自標(biāo)注軌跡進(jìn)行對(duì)比學(xué)習(xí)，強(qiáng)調(diào)成功軌跡，弱化失敗軌跡，不斷優(yōu)化策略。

在文本具身平臺(tái)AlfWorld、在線購(gòu)物平臺(tái)WebShop上的實(shí)驗(yàn)表明，在無(wú)需人工標(biāo)注的前提下，智能體可以在少數(shù)幾輪迭代中從“接近普通用戶”提升到“接近甚至超過領(lǐng)域?qū)＜摇钡乃剑w現(xiàn)了合成數(shù)據(jù)+自監(jiān)督學(xué)習(xí)在可進(jìn)化智能體訓(xùn)練中的潛力。

由此，錯(cuò)誤反饋驅(qū)動(dòng)的經(jīng)驗(yàn)學(xué)習(xí)與基于 ActRe 的自主數(shù)據(jù)標(biāo)注機(jī)制共同構(gòu)成了智能體“智商進(jìn)化” 的核心路徑：前者使智能體能夠從失誤中提煉可泛化的策略經(jīng)驗(yàn)，后者賦予其在真實(shí)交互中生成可學(xué)習(xí)軌跡的能力。二者協(xié)同作用，使智能體在多任務(wù)環(huán)境中表現(xiàn)出持續(xù)改進(jìn)與跨場(chǎng)景遷移的潛力，為打造可進(jìn)化的自主智能體提供了關(guān)鍵技術(shù)支撐。

四、“情商進(jìn)化”：在語(yǔ)言博弈中習(xí)得策略和互動(dòng)能力

在單智能體任務(wù)之外，團(tuán)隊(duì)將目光投向多主體語(yǔ)言博弈場(chǎng)景，探索智能體在復(fù)雜互動(dòng)中如何積累策略與表達(dá)經(jīng)驗(yàn)，即所謂的“情商進(jìn)化”。在德州撲克、外交游戲、狼人殺等多輪語(yǔ)言博弈中，信息往往高度不完全，參與者之間既有合作也有對(duì)抗，許多關(guān)鍵決策都依賴發(fā)言、判斷與博弈策略的綜合作用，是研究這類能力的理想平臺(tái)。

以狼人殺為例，幾乎所有信息都通過發(fā)言傳遞。團(tuán)隊(duì)構(gòu)建的系統(tǒng)會(huì)：從長(zhǎng)對(duì)局記錄中自動(dòng)抽取關(guān)鍵發(fā)言和關(guān)鍵局面，而不是簡(jiǎn)單將全部對(duì)話塞進(jìn)上下文；分析不同發(fā)言模式與最終勝負(fù)結(jié)果的對(duì)應(yīng)關(guān)系，挖掘“在什么局勢(shì)下、哪種發(fā)言更容易被相信或支持”；將“營(yíng)造信任”“偽裝身份”“主導(dǎo)討論”等策略沉淀為可復(fù)用的社會(huì)經(jīng)驗(yàn)。

在大量對(duì)局實(shí)驗(yàn)中，研究者觀察到多種涌現(xiàn)出的社會(huì)行為：穩(wěn)定的信任鏈條、針對(duì)性的對(duì)抗關(guān)系、花式偽裝策略，以及試圖控制輿論走向的“話語(yǔ)領(lǐng)袖”等，說(shuō)明智能體在長(zhǎng)期語(yǔ)言互動(dòng)中逐步獲得理解他人意圖、調(diào)整自身表達(dá)、建立協(xié)作或?qū)共呗缘哪芰Γ瑸槠湎蚋鼜?fù)雜的多智能體系統(tǒng)邁進(jìn)奠定了基礎(chǔ)。

五、“組織進(jìn)化”：智能體精英團(tuán)隊(duì)組建

如果說(shuō)“智商進(jìn)化”關(guān)注智能體能否勝任任務(wù)本身，“情商進(jìn)化”關(guān)注其在多主體互動(dòng)中的溝通和博弈能力，那么“組織進(jìn)化”關(guān)注的是：多智能體如何形成精英團(tuán)隊(duì)共同完成單個(gè)智能體難以獨(dú)立承擔(dān)的復(fù)雜任務(wù)。在現(xiàn)實(shí)中，人類組織在面對(duì)復(fù)雜任務(wù)時(shí)往往會(huì)臨時(shí)抽調(diào)不同部門的成員組建項(xiàng)目組，再在實(shí)踐中不斷磨合角色分工；多智能體系統(tǒng)同樣需要在任務(wù)協(xié)作中演化出穩(wěn)定而高效的組織機(jī)制。

由此，劉洋教授團(tuán)隊(duì)提出以數(shù)據(jù)驅(qū)動(dòng)的“組織進(jìn)化”機(jī)制：從智能體庫(kù)中隨機(jī)抽取若干智能體組成臨時(shí)團(tuán)隊(duì)，完成給定任務(wù)；根據(jù)任務(wù)結(jié)果，度量每個(gè)智能體在本次任務(wù)中的貢獻(xiàn)度，進(jìn)行 credit assignment（信用分配）；將高貢獻(xiàn)成員抽出，組成新的精英團(tuán)隊(duì)，并在此基礎(chǔ)上探索更合適的組織結(jié)構(gòu)與角色分工；在不同任務(wù)重復(fù)上述過程，讓團(tuán)隊(duì)結(jié)構(gòu)在多次迭代中“進(jìn)化”到更高效的狀態(tài)。

實(shí)驗(yàn)發(fā)現(xiàn)，在管理學(xué)、大學(xué)數(shù)學(xué)、臨床醫(yī)療等多個(gè)領(lǐng)域中，這種組織進(jìn)化機(jī)制能夠顯著提升整體任務(wù)表現(xiàn)。一個(gè)頗有趣的現(xiàn)象是：在不同任務(wù)上的最優(yōu)組合雖然不盡相同，但“程序員”形象的智能體幾乎總會(huì)出現(xiàn)，體現(xiàn)了具備抽象建模與邏輯推理能力的角色，在多學(xué)科團(tuán)隊(duì)中的關(guān)鍵價(jià)值。

六、實(shí)踐案例：人工智能醫(yī)院與可進(jìn)化智能體閉環(huán)

在方法研究基礎(chǔ)上，劉洋教授團(tuán)隊(duì)進(jìn)一步將“智商進(jìn)化、情商進(jìn)化、組織進(jìn)化”統(tǒng)一到一個(gè)面向醫(yī)療場(chǎng)景的可進(jìn)化智能體平臺(tái)——Agent Hospital。這一工作受到 DeepMind 強(qiáng)化學(xué)習(xí)（如打磚塊游戲、AlphaGo Zero）和“斯坦福小鎮(zhèn)”多智能體社會(huì)實(shí)驗(yàn)的啟發(fā)，但研究重點(diǎn)已經(jīng)從游戲和社會(huì)模擬轉(zhuǎn)向解決真實(shí)醫(yī)療問題。

團(tuán)隊(duì)在虛擬空間里構(gòu)建了一座流程完整的數(shù)字醫(yī)院：患者從發(fā)病、分診、掛號(hào)、問診、檢查到康復(fù)，形成一個(gè)閉環(huán)；醫(yī)院涵蓋二十多個(gè)科室、上千種疾病，既有帶人設(shè)的 AI 患者，也有依據(jù)不同指南訓(xùn)練出的多類 AI 醫(yī)生；時(shí)間在虛擬世界中被大幅加速，AI 醫(yī)生可以在“虛擬兩年”（現(xiàn)實(shí)一兩天）的時(shí)間里看上萬(wàn)名病人，在成功與失敗中持續(xù)積累經(jīng)驗(yàn)并不斷演化。

在這一框架下，前面介紹的三類進(jìn)化機(jī)制實(shí)現(xiàn)了統(tǒng)一協(xié)同：智商進(jìn)化：AI 醫(yī)生在每一次問診中都會(huì)積累經(jīng)驗(yàn)；情商進(jìn)化：在會(huì)診與溝通環(huán)節(jié)中，智能體需要與其他“醫(yī)生”或“患者”進(jìn)行多輪語(yǔ)言互動(dòng)，形成策略與表達(dá)方面的經(jīng)驗(yàn)；組織進(jìn)化：面對(duì)復(fù)雜病例時(shí)，系統(tǒng)會(huì)自動(dòng)從不同“專業(yè)”中選出合適的 AI 醫(yī)生，快速組建會(huì)診團(tuán)隊(duì)。

核心算法 Meta-Agent Zero 將成功病例中的正向經(jīng)驗(yàn)與失敗病例中的反思經(jīng)驗(yàn)分別沉淀，推動(dòng) AI 醫(yī)生在虛擬醫(yī)院中持續(xù)“工作—復(fù)盤—進(jìn)化”。實(shí)驗(yàn)結(jié)果表明，隨著虛擬世界中問診數(shù)量的增加，AI 醫(yī)生的診療能力呈現(xiàn)明顯上升趨勢(shì)；在真實(shí)醫(yī)療數(shù)據(jù)集上的測(cè)試也顯示出與虛擬世界相似的提升曲線，說(shuō)明這種“虛擬世界進(jìn)化 → 現(xiàn)實(shí)場(chǎng)景遷移”的路徑是可行的。同時(shí)，基座大模型推理能力的提升也能夠直接反哺整個(gè)系統(tǒng)，使人工智能醫(yī)院具備良好的可持續(xù)升級(jí)能力。

在實(shí)踐層面，人工智能醫(yī)院已經(jīng)形成了較為清晰的應(yīng)用愿景：面向患者，它支持跨院跨域診療、線上線下融合問診、健康管理與風(fēng)險(xiǎn)預(yù)測(cè)；面向醫(yī)護(hù)人員，它提供自主問診、智能分診、輔助診療、個(gè)性化模型等能力，幫助提升單個(gè)醫(yī)生的診療數(shù)量與質(zhì)量，實(shí)現(xiàn)醫(yī)療資源的全局優(yōu)化配置。

目前，該項(xiàng)目已進(jìn)入測(cè)試階段，并在國(guó)內(nèi)外多家主流科技媒體與醫(yī)學(xué)/產(chǎn)業(yè)媒體（如澎湃新聞網(wǎng)、量子位、MedTech World、China Daily 等）中受到持續(xù)關(guān)注，被廣泛認(rèn)為是“智能體推動(dòng)醫(yī)療場(chǎng)景AIGC化”的代表性探索。更多細(xì)節(jié)可參考 AIR 以往官方推送（如《》《》《》）。

七、展望：邁向第二次“智能涌現(xiàn)”

在報(bào)告最后，劉洋教授展望了可進(jìn)化智能體的未來(lái)方向。他認(rèn)為：在高質(zhì)量標(biāo)注數(shù)據(jù)逐漸稀缺的背景下，讓智能體在復(fù)雜環(huán)境中自己獲取數(shù)據(jù)、自己標(biāo)注、自己成長(zhǎng)，將成為人工智能的重要趨勢(shì)。

同時(shí)，劉洋教授提出了關(guān)于“第二次智能涌現(xiàn)”的判斷。如果說(shuō)第一次涌現(xiàn)來(lái)自大模型依托算力和數(shù)據(jù)規(guī)模實(shí)現(xiàn)的能力飛躍，那么第二次涌現(xiàn)很可能來(lái)自大規(guī)模智能體群體及其組織形態(tài)：?jiǎn)我荒Ｐ驮購(gòu)?qiáng)，也難以獨(dú)自承擔(dān)登月、造芯片等系統(tǒng)工程，而成千上萬(wàn)智能體在有效組織下協(xié)同工作，或許能催生新的群體智能。

AIR長(zhǎng)期招聘人工智能領(lǐng)域優(yōu)秀科研人員

點(diǎn)這里關(guān)注我們

關(guān)于AIR

清華大學(xué)智能產(chǎn)業(yè)研究院（Institute for AI Industry Research, Tsinghua University，英文簡(jiǎn)稱AIR，THU）是面向第四次工業(yè)革命的國(guó)際化、智能化、產(chǎn)業(yè)化的校級(jí)研究機(jī)構(gòu)。AIR的使命是利用人工智能技術(shù)賦能產(chǎn)業(yè)升級(jí)、推動(dòng)社會(huì)進(jìn)步。通過大學(xué)與企業(yè)創(chuàng)新雙引擎，突破人工智能核心技術(shù)，培養(yǎng)智能產(chǎn)業(yè)領(lǐng)軍人才，推動(dòng)智能產(chǎn)業(yè)跨越式發(fā)展。

AIR于2020年由多媒體及人工智能領(lǐng)域的世界級(jí)科學(xué)家、企業(yè)家張亞勤院士創(chuàng)建。

智慧交通（AI＋Transportation）、智慧物聯(lián)（AI＋I(xiàn)oT）、智慧醫(yī)療（AI＋Life Science）是清華大學(xué)智能產(chǎn)業(yè)研究院的三個(gè)重點(diǎn)研發(fā)方向。