作為一個天天跟 AI 打交道的人，我試過不少工具，大多是基于底層大模型扛起AI能力天花板的路數(shù)。

Multi- Agent s這種通過多智能體，涌現(xiàn)更高智能的概念雖然早就有了，市面上也有不少產(chǎn)品，但我總感覺就是做了幾個智能體的UI，然后把內(nèi)容一集合，并沒什么實際提升的效果。

這次提前體驗到微軟小冰原班人馬做的“團子AI”，讓我感受到了多智能體的真正威力。

團子背后的“群體智能”理念，暗合谷歌 DeepMind 最新論文——《 Distributional AGI Safety 》。這篇論文提到， AGI（通用人工智能）無法通過“超級智能個體”實現(xiàn)，而要通過一個“專業(yè)化的、互相協(xié)作的 智能體 系統(tǒng)”實現(xiàn)。

有意思的是，“微軟小冰之父”、現(xiàn) Nextie （中文：明日新程）創(chuàng)始人李笛告訴鯨哥，其實團子團隊早在 2023 年就開始研究群體智能了（小冰鏈 X-CoTA），比 OpenAI 的 o1 早了一年多。

群體智能怎么理解，亞里士多德在《政治學(xué)》中提出過一個著名的“盛宴隱喻”：

許多人湊在一起，雖然每個人可能都不如那個最優(yōu)秀的個體，但當他們集合起來時，就像每個人貢獻一份菜肴，湊成的一頓豐盛晚宴，其整體質(zhì)量往往超過了由一個最頂尖大廚獨自完成的晚餐。

其實這個道理很簡單，大家都很容易理解，三個臭皮匠勝于諸葛亮么。但在AI世界中怎么實現(xiàn)，為什么多智能體的效果往往更不好？這些經(jīng)典難題，阻礙了真正的Multi- Agent s實現(xiàn)。

團子的方法，是在認知模型上做一個 「多智能體框架」 。確?？蚣軆?nèi)這些智能體，在認知層面具有異構(gòu)性，能產(chǎn)生有效的 「認知碰撞」 。就是下圖中的第五種方式。

據(jù)說團子AI做到了“碾壓Manus”，“首個預(yù)測俞敏洪南極發(fā)言會被Diss”的AI產(chǎn)品，那“群體智能”是不是概念炒作，我們實測了3個真實場景，看看團子AI的表現(xiàn)。

01

案例1、 甄嬛傳初期生存破局策略

我是入宮第3個月的甄嬛。已知：華妃仗著哥哥年羹堯的勢力在后宮專橫；皇后表面仁慈實則在利用各方勢力制衡；安陵容家境貧寒且敏感自卑；沈眉莊是我入宮好友但性格剛直。請幫我分析當前局勢，并制定未來3個月的生存策略。

這個案例，想考驗團子AI對復(fù)雜事情的推演能力，所以就拿經(jīng)典的宮斗劇《甄嬛傳》來提問。

我們能看到團子AI上陣精彩的閨蜜團，開始腦補各種路線。

團子AI提出 “安陵容是防御工事不是盟友” “裝病不是長久之計”，每一條都不是空穴來風(fēng)。

群體智能的厲害之處就在這兒，它能把不同角度的觀察、不同立場的思考捏合到一起。你既會看到甄嬛裝病避禍的小聰明，也能看到這種選擇背后的隱患；既會考慮到外部強敵華妃，也沒漏掉身邊人的暗箭。這種多維度的分析，是普通 AI 很難做到的。

最后得出，“甄嬛最大的威脅不是華妃，而是身邊不起眼的自己人”。這個結(jié)論后面，其實藏著群體智能的優(yōu)勢 —— 它不是靠單一數(shù)據(jù)或者單一視角推導(dǎo)的，而是整合了很多人的看法。

還有一點很戳我，就是它提到的 “復(fù)出時機比方式重要”。這個點特別精準，不像有些 AI 寫東西，要么浮于表面，要么偏激絕對。這就是群體智能的另一個好處：它會在眾多聲音里找到一個平衡點，不會跑偏，也不會說些空話。

文案里提到的 “閨蜜團內(nèi)部 55% 的人認為”，就是最好的證明。這就好比你跟一堆朋友聊甄嬛，每個人都拋個觀點出來，最后匯總出一個最貼合人心的結(jié)論，比一個人悶頭琢磨要靠譜得多。

這里我把相同的問題也發(fā)給了Google的DeepResearch，可以看到二者的區(qū)別。

團子報告 ：細節(jié)直達，無需二次加工。直接針對甄嬛 “病遁” 策略給出具體動作建議，比如 “把安陵容當作防御工事”“復(fù)出時機比方式更重要”。每個觀點都緊扣當下生存痛點，沒有多余的背景鋪墊，更像和朋友討論后給出的可直接采用的建議，小白也能看懂。

DeepResearch 報告 ：引入政治、經(jīng)濟、地理、心理等多種學(xué)科，做了一份宏觀框架報告，需拆解轉(zhuǎn)化構(gòu)建了 “權(quán)力生態(tài) - 角色博弈 - 風(fēng)險預(yù)判 - 戰(zhàn)略規(guī)劃” 的完整體系，覆蓋后宮全局的邏輯分析。內(nèi)容多為方向性指引，比如 “建立醫(yī)療防火墻”“重構(gòu)底層權(quán)力”，沒有給出具體的執(zhí)行步驟，內(nèi)容更空更泛，沒法直接采用，還需要自己決策。

看到這里大家可能對群體智能有了一定的認知，具體有什么用，我們接著往下看案例。

02

案例2：OPC產(chǎn)業(yè)社區(qū)對接商業(yè)評估

鯨哥最近在OPC領(lǐng)域做了一些探索，還看到了一些機遇。

最近去常州OPC社區(qū)，他們說培養(yǎng)的學(xué)員，希望得到就業(yè)機會。而我采訪AI漫劇企業(yè)，他們說今年要從200人擴張到1000人，急需人才。我一想，信息差不就是機遇嗎？

于是我給了團子AI一份商業(yè)設(shè)想，看看鯨選AI 拓展這個業(yè)務(wù)靠譜不。

我想從AI 垂直媒體行業(yè)出發(fā)，進入到OPC領(lǐng)域做產(chǎn)業(yè)社區(qū)資源對接，幫助各地的OPC社區(qū)落地各種業(yè)務(wù)，或者幫把社區(qū)培訓(xùn)的人才給發(fā)展出去，請問這套商業(yè)模式有什么問題嗎，能發(fā)財嗎？

從團子AI的回復(fù)看，他沒有搜集OPC的政策以及市場報告，然后直接得出這個市場方興未艾，適合大展宏圖這套。

而是化身導(dǎo)師，扮演不同角色，從真實市場需求、切入路徑，以及方法風(fēng)險等角度給出建議。

尤其這個商業(yè)博弈專家，說得非常接地氣，讓我利用媒體資源，搞定幾個大客戶，帶著客戶去搞定社區(qū)關(guān)鍵人。我覺得這套邏輯很對味，這是真實商業(yè)世界的冷啟動范式。

然后他給我寫了一封信，這封信不是將幾個人的發(fā)言整合，而是提出了我自身角色的轉(zhuǎn)變，以及分短期和長期商業(yè)計劃，將大家的思路融合在一起。

同學(xué)，你好。

我們認真討論了你從AI垂直媒體切入OPC（一人公司）產(chǎn)業(yè)社區(qū)，進行資源對接的商業(yè)構(gòu)想。我們看到了你捕捉行業(yè)趨勢的敏銳，也理解你對“能否發(fā)財”這個問題的現(xiàn)實關(guān)切。這確實是一個潛力巨大的方向，但也遍布陷阱。綜合導(dǎo)師組的意見，我們?yōu)槟闶崂砹诉@套商業(yè)模式的核心挑戰(zhàn)與破局路徑。

核心挑戰(zhàn)：從“信息中介”到“價值樞紐”的驚險一躍

你目前的構(gòu)想，本質(zhì)上是一個信息撮合平臺。但在當前的AI時代，單純的信息差幾乎沒有價值。正如金雷所說，你面臨的第一個嚴峻問題是：那些手握算力、政策和場地的官方OPC社區(qū)，憑什么把資源對接這塊“肥肉”分給你一個外部的媒體人？如果你不能提供獨特的價值，你不僅無法融入，甚至?xí)灰暈閾岋埻氲母偁幷摺?/p>

同時，欒運明也指出了一個致命風(fēng)險：警惕陷入“項目制陷阱”。如果你做的只是一個個非標的對接服務(wù)，接一單拿一筆傭金，那你做的就是低利潤、無法規(guī)?；摹翱嗔睢保@與“發(fā)財”的目標背道而馳。你的時間和收入將永遠是線性關(guān)系，系統(tǒng)隨時可能因為你個人的精力瓶頸而停滯空轉(zhuǎn)。

破局路徑：站在終局，始于一役

要破解以上困局，你需要進行一次徹底的思維轉(zhuǎn)換。毛圣博建議你將視角拉到未來五年，你現(xiàn)在要做的，不是一個簡單的中介，而是在構(gòu)建一種“新型的勞動力分發(fā)協(xié)議”。你的目標不應(yīng)是賺取單次傭金，而是通過深度服務(wù)，建立一套非共識的人才與項目評價體系，積累起別人無法復(fù)制的“數(shù)字資產(chǎn)”，這才是你真正的護城河。

如何從這個宏大的終局愿景，邁出堅實的第一步？我們的建議是：

停止空轉(zhuǎn)，找到你的“交付物” ：不要再糾結(jié)于商業(yè)模式的完美設(shè)計。你現(xiàn)在最需要的，是一個真實的、可交付的成功案例，哪怕它再小。

“帶資進組”，轉(zhuǎn)換你的角色 ：你的媒體身份是敲門磚，而不是商業(yè)模式本身。利用它去約見關(guān)鍵的社區(qū)負責(zé)人。但關(guān)鍵是，你必須帶著“見面禮”——一個來自大客戶的真實痛點或業(yè)務(wù)需求。你要讓對方看到，你是來幫他完成KPI、創(chuàng)造政績的合作伙伴，而不是來分蛋糕的。

從“保姆級服務(wù)”開始 ：正如我們的助教應(yīng)佳薇提到的案例，在高壁壘行業(yè)，信任和認知必須通過“重度服務(wù)”來換取。選擇一個社區(qū)，為他們免費或以極低成本完成一次“保姆級”的項目落地。在這個過程中，你要做的不是賺錢，而是摸透整個流程的關(guān)節(jié)、痛點和關(guān)鍵決策者，并將其梳理成一套標準作業(yè)程序（SOP）。這個SOP，就是你第一個“產(chǎn)品”的雛形。

回答你的問題：“能發(fā)財嗎？”

能，但路徑可能和你最初設(shè)想的不同。短期來看，利潤來自金雷提到的“非標資源的溢價”，即你能搞定別人搞不定的稀缺資源。長期來看，真正的財富來自于毛圣博所說的“協(xié)議”的價值——當你成為OPC生態(tài)里最受信任的資源分發(fā)網(wǎng)絡(luò)時，你掌握的就是這個時代的“數(shù)字工會”，其價值不可估量。

這條路注定艱難，但方向是正確的。關(guān)鍵在于，你是否能從明天開始，就用實際行動去拿下第一個信任你的“客戶”。

據(jù)說團子AI這個創(chuàng)業(yè)的模板來源于奇績論壇——中國版的Y C，我說怎么這么接近真實商業(yè)導(dǎo)師的回復(fù)呢。

03

馬年春節(jié)體面返鄉(xiāng)策略

最近馬上春節(jié)放假，我給團子 AI 的群體智能體設(shè)了個返鄉(xiāng)難題：

35 歲北漂，5000 元預(yù)算，要帶 5 口人、1 只金毛、6 大箱行李，跨越 800 公里從北京回河南老家。還得兼顧暈車婆婆、腿腳不便老丈人的舒適，躲開臘月二十八的堵車高峰，實現(xiàn) “體面返鄉(xiāng)”。

團子直接召喚姐妹團，各抒己見還互相辯駁。感性擔當落小安直指核心，建議減負優(yōu)先，行李全寄走、狗找托運；懂長輩心思的柳姐更看重實際，覺得老人不遭罪才是真體面；風(fēng)險管理師墨菲算清風(fēng)險賬，直言臘月二十八堵車大概率發(fā)生，人車貨擠在一起就是移動火藥桶，春節(jié)租車和寵物托運的溢價，還會讓 5000 元預(yù)算崩盤；會計一枚小透明則扒出預(yù)算剛性支出，證實剩余資金不足以支撐額外開銷。

智能體們激烈交鋒，落小安反駁墨菲讓主人公獨自帶狗出發(fā)的建議，柳姐卻力挺這個能讓家人少遭罪的方案。最終投票，65% 的智能體支持 “人貨場三分離” 方案。

04

案例4：ClaudeCode 和 ClawedBot 誰好用

前幾天想搞清楚 ClaudeCode 和 ClawedBot 哪個更好用，自己查了半天資料，越看越懵。

后來試了下團子的多智能體功能，順手拉了四個智能體進來聊：技術(shù)、商業(yè)、倫理、哲學(xué)。本來沒抱太大希望，結(jié)果看著它們你一言我一語地討論，從技術(shù)細節(jié)吵到商業(yè)前景，連倫理問題都翻出來聊了。最有意思的是中間還會互相質(zhì)疑，不是各說各的，而是真在對話。

我全程看著它們的討論過程，能看到每個智能體是怎么想的、怎么反駁的，最后有個總結(jié)。最關(guān)鍵的是，團子（課題組協(xié)調(diào)人）會把問題整體，提出總結(jié)報告要測算單位經(jīng)濟模型UE，深入評估技術(shù)發(fā)展前景等，這就對問題是個很全面且客觀的回答，比自己問單個 AI 得到的答案確實完整不少。

以上這些過程，讓我真切體會到群體智能體的優(yōu)勢。它不是靠單一模塊給標準答案，而是通過不同角色的視角碰撞，拆解工作生活難題的情緒、風(fēng)險、預(yù)算維度，最終得出最接地氣的方案。

從團子官網(wǎng)看，還有“賈國龍應(yīng)該如何復(fù)仇羅永浩”、“影視颶風(fēng)的Tim如果不是富二代能創(chuàng)業(yè)成功嗎”等更勁爆的話題，大家后續(xù)可以扒一些熱點去提問，肯定給你夠毒舌、夠意外的回答。

李笛也說道，“知識型問題很容易獲得答案（如，喜馬拉雅山多高）。真正難的，是那些沒有明確答案、需要權(quán)衡利弊、會對人生產(chǎn)生重大影響的問題，這是團子要解決的。”

這是Nextie最大的不同，團子的多智能體系統(tǒng)聚焦認知層面的異構(gòu)協(xié)作，通過智能體間真實有效的辯論與反思實現(xiàn)“認知碰撞”，解耦思考與領(lǐng)域知識，達成認知平權(quán)與跨領(lǐng)域泛化；

而主流的DeepResearch與Kimi k2.5（包括其宣稱的“100智能體并行”），本質(zhì)仍是任務(wù)拆分與信息匯總。比如，Kimi的Agent Swarm更側(cè)重在規(guī)模與調(diào)度上優(yōu)化執(zhí)行效率（如并行處理文檔、設(shè)計轉(zhuǎn)代碼），但智能體間缺乏深度認知互動與辯證挑戰(zhàn)，思考仍與具體任務(wù)強耦合，無法主動發(fā)現(xiàn)隱含問題或?qū)崿F(xiàn)認知躍遷。

團子這款產(chǎn)品理念不錯，但產(chǎn)品化還有一段路要走。至少現(xiàn)在，它呈現(xiàn)了讓 AI 不再是冰冷工具，更像一群幫你規(guī)避所有坑、找到最優(yōu)解的靠譜朋友，為認知AI發(fā)展開了個好頭。