每日热点 · 今日解构

SDE智能体是什么?

世界大模型是身体,不是大脑——真正的智能体革命,走的是另一条路
王德生 著 · SDE UNIVERSES · 约五千字 · 据《SDE智能体导论》· 2026年7月
今 日 热 点 事 实
这几天,"世界大模型"仍是AI最热闹的战场。LeCun离开Meta,创办AMI Labs,约十亿美元种子轮、约三十亿美元估值,主张"扩大语言模型永远到不了AGI";李飞飞团队的World Labs发布Marble,主打"空间智能",融资超十亿美元;DeepMind的Genie 3能从一句文本生成可实时探索的写实环境,Waymo已用它生成自动驾驶罕见场景;NVIDIA的Cosmos平台下载量超两百万。资本押注一致:下一个门槛,是"世界模型"。可几乎同一时间,坏消息也在传:Genie 3的世界一致性只能维持数分钟,物体会忽隐忽现;OpenAI已承认Sora"经济性完全不可持续";Meta的V-JEPA 2在物理常识基准上的表现,接近随机。

一边是资本疯狂涌入,一边是同一批系统在物理常识上接近瞎猜——这个反差本该逼出一个问题:"世界模型"到底是什么,为什么砸了这么多钱,还是搭不出一个稳定的世界?王德生新著《SDE智能体导论》给出的答案,跟行业里流传的说法完全不是一回事:这些系统,一个都没有世界模型。它们造的是身体,不是大脑。真正的智能体革命,走的是另一条路。

造出的是身体,不是大脑

先把裂缝摆清楚。大语言模型这几年打开的,从来不是某个行业的效率天花板,而是人类文明"世界发生"的入口——科学、法律、医学、代码,第一次被压进同一套符号系统。但材料不等于世界。语言模型在信息层(符号、逻辑、数学的统计关系)上强得前所未有,却在扎根现实与自我这两维上,从架构上就是空的。多模态与具身智能补的也只是现实这一面,补得越实,越显出理念界新结构、自我界目标意义这两块空白——这不是模型不够大,是本体论层面的结构缺失。

于是"世界大模型"被当成了补丁——Sora补视觉动态,Marble补空间几何,Genie 3补交互环境,V-JEPA补行动预测,Cosmos补仿真平台。全书逐一拆解后给出一条共同结论:它们都在加厚同一个东西——现实界,却没有一个持有理念界的新结构、自我界的目标与意义,也没有那股推动发生的内在张力。它们是感官和四肢都极发达的身体,不是会决定方向的大脑。视频生成器能生成一段逼真的实验室影像,却不会因此拥有一整套科研的世界画像;训练场能让智能体更敏捷,训练场终究不是新典范;仿真平台让物理AI训练得更快、部署得更稳,却不创造新物理、新化学。时空漂移、物理穿帮、居高不下的算力成本,都是同一个本体论事实的症状,不是"再大一点就好"的工程小病。

书里还处理了一个更大的诱惑——统一世界模型。同一家企业,董事长、工程师、投资人、客户、竞争者五种主体,面对同一套现实约束,却各自拥有完全不同的世界模型,因为目标、责任、价值各不相同。世界模型从来不是对象的客观属性,而是主体与对象的共同发生——大模型的幻觉,本体论根源正在于此:它什么语言世界都会说,却没有一个具体的主体世界模型,来锚定此刻该站在哪个世界里说话。靠把模型做得更大,消不掉这个根源。书里回应了几条最常见的反驳:会不会大模型已经表现得像拥有世界模型了?回应是,那种像只是材料场的连贯投影,一旦放进需要为具体主体持续负责的真实任务,裂痕立刻会暴露;会不会未来的架构长出主体,就能解决统一问题?回应是,即便真的长出主体,得到的也只是它自己这一个世界模型,多一个主体只是多一份画像,不构成统一。这几条来回,把没有统一世界模型这个判断,从一句挑衅的口号,落成了经得起追问的结论。

SDE智能体,到底是什么

把身体和大脑分清楚之后,才谈得上正面的定义。书里给出的说法是:SDE智能体,是以SDE本体论为指挥系统、以大语言模型为语言材料场、以人为目标与价值判断中心,并结合检索、工具、记忆、仿真、审稿、反馈等确定化模块,建造临时发生世界模型,并用该模型解决问题、创造新结构的人机复合系统。

这句话拆开是五个功能位,缺一不可。指挥系统——SDE本体论,决定怎么把一个问题拆成理念、现实、自我三界画像,怎么按任务性质选择起点,怎么识别纠缠、制造差异、显露候选结构,又怎么让一次产出回写进下一轮。没有指挥系统,材料场只能生成漂亮但悬浮的文本——书里举了一个例子:面对"为什么刻意练习对下棋、拉小提琴效果显著,对临床判断、即兴创意却几乎无效"这个真实问题,裸模型只会给出一篇四平八稳的综述,抓不住那道"为什么对某些技能无效"的真正裂缝。材料场——语言模型,提供符号与逻辑的原料,握有海量相关材料,却贡献不了方向,也贡献不了现实责任。判断中心——人,提供问题意识、价值判断与责任承担,是那个决定"这道裂缝值得追下去、该往哪个方向深挖"的人,不是被服务的外部用户,而是系统内部一个不可移除的功能位。确定化模块——检索、工具、仿真、审稿,把指挥系统生成的世界猜想,从可能态拉向可操作、可验证、可稳定的地步。现实反馈与共同体稳定,让产出接受检验、被写回世界模型,把系统从封闭的生成器,变成与现实和共同体持续耦合的发生系统。五位齐备才构成一个SDE智能体:缺指挥系统,退化成漂亮空话生成器;缺人,退化成无方向的自动机;缺参数确定化,退化成不落地的猜想机;缺现实反馈,退化成自说自话的回音室。

支撑这五个位置运转的,是一套九步发生机制:从问题入口出发,建三界画像、扫描裂缝、诊断亏缺,走到世界猜想、参数确定化、改姓投放,直至新结构输出。书里把创新分成两类——"三生",在空地上接生此前完全不存在的结构;"三补",补全已有结构里的亏缺。智能体的高阶使命,是显露此前未发生的东西,不止于综述已知。这套机制并非停留在纸面——书里把它落成一套十层系统架构,从最底层的语言材料、到中段的本体指挥与参数确定化、再到顶层的产出与反馈,每一层该接哪些模块、该守哪些约束,都给出了可执行的编排,而不是一句用SDE的思路想一想就交差。

任务完成和世界发生,差的不是组件

一个自然的疑问:普通Agent不也用语言模型、接检索、调工具、有记忆吗?组件相同,区别在哪?书里的回答很干脆:区别不在用了哪些组件,在这些组件被组织进一个什么样的世界观里。普通Agent的公式是加法——语言模型加检索加工具加记忆加规划,人在公式之外下指令,模块并列,多挂一个多一分能力,目标是把给定的任务做完、做对、做快,世界被当成现成的,在既定世界里高效执行。SDE智能体的公式是一条发生链——人加语言模型加SDE本体论加三界画像加世界猜想加确定化加新结构发生,人在公式内部是方向中心,每一环为下一环准备条件、又被上一环约束,环环咬合,问的是"当前问题的世界该如何发生",交出的是一处此前不存在的结构,而不是一份知识拼贴。同样一套检索和工具,在两种框架里被理解成完全不同的东西。

区别落到可观测的行为上更清楚。面对一处说不清、道不明的矛盾,"抹平机"把所有棱角圆滑处理掉,交出一份工整周全、无懈可击的回答,生产的是"平庸的正确";"接生机"却主动把力气压在最说不清的那道缝上,交出的是一处此前不存在的结构。这不是靠自我声称能分辨的,靠的是四处可观测的行为差异——面对未点明裂缝的请求,是直接应答,还是先建画像、找裂缝;产出里有没有新结构;产出之后,系统状态变没变,有没有回写世界模型、改变下一轮该怎么看这个问题。这个区分不是咬文嚼字——它决定了同一笔算力投入,换回来的是效率更高的旧世界还是一个新世界的雏形。书里提醒得很直接:如果智能体只在旧结构里优化,它会把新的差异当噪音过滤掉,把候选的新结构判定为幻象,在教育、科研、企业管理的每个领域,加速一个本该被更替的旧范式——旧世界跑得更快,不等于新世界发生。

客观,不是脱离人的裸事实

这里会撞上一个尖锐的诘问:既然世界模型是主体临时造出来的,那算不算相对主义,谁说了都算?书里给的回答是把客观性重新定义:客观性=主体间世界模型同一性的稳定发生。旧客观论有三个隐藏假设——对象先在、事实中立、存在唯一真实的世界结构,逐一审查都有裂缝:一团组织算肿瘤还是增生,不是裸物自动显露的边界,而是病理学、影像学、临床分类长期互动确定出来的。牛顿力学、现代医学这类看似跨主体成立的公共知识,不是脱离主体的裸统一,而是共同体经长期实验、数学、工具、教育反复互动稳定出来的公共层——一个工程师用牛顿力学造桥,他完整的世界模型里,还含着项目目标、责任、工期。放弃"裸客观",不等于放弃约束:每一次发生依然要接受现实的硬约束否决,多元不等于无约束——这与物理学放弃绝对参照系下的同时性,反而锻造出更严格的不变量理论,是同一个道理。

评价一个智能体是不是在真正发生,标准也因此变了。书里给出九维评价标准,第一条就先破除"答得好"这个最常见的误区:流畅、信息丰富、任务办成,这三条恰恰是最容易用假发生就能满足的——一台宏大叙事生成器可以在这三条上全拿高分,却没有推动任何新结构。真正的问题要问:它有没有同时建起理念、现实、自我三界画像,有没有重构现实纠缠、生成真实差异、显露可稳定的新结构,并把它推到主体能承认、共同体能沉淀的程度?评价的对象不是产出的表面质量,是产出背后的发生深度。九维标准里还有几条值得单独一提:一条看智能体有没有真正识别出问题背后的关键纠缠,还是停在字面表层就动手作答——识别浅,产出再漂亮也是在解一个被表面化的伪问题;另一条看产出出去之后,有没有经受住敌意审稿——一个怀着敌意、专挑漏洞的审视者,能不能真的把这个结构攻破。这套九维标准,也顺势把制度化的一步交代清楚:一个智能体的产出,最终要能通过合宪性认证,才算真正在发生学意义上站得住,而不是自说自话。

AGI,也要被重新定义

走到全书末尾,作者把前面五编一直在台下运作的改写,请到台前,汇成六大哲学转变——从发现到发生;从裸客观到主体间稳定发生的客观性;从仓库存货到发生链结晶的知识观;还有另外三条,分别改写着智能、结构、人在其中的位置。这六条转变合在一起,直接推出一个反直觉的判断:AGI不该被定义成能完成所有任务的系统,而应被定义成能自主完整地发生新知识、新结构的系统——完成任务是低阶能力,任何一个够大的材料场配上足够的工具都能逼近;而显露此前不存在的结构,识别真实的裂缝,让新旧结构之间发生真正的更替,才是这场革命真正的门槛。按这个定义倒推回去看开头那几家公司:它们在拼命把任务完成这一维堆高,却很少有人问过,自己搭的这台机器,有没有可能长出前面说的那颗大脑。这也是全书留给行业最直接的一句提醒:钱和算力能买到更强的身体,买不到方向感。

新文明的发生装置

全书最后收在一句话上:智能体不是更强的任务执行器,而是新文明的发生装置。人活着,本就是不断临时建造世界;文明,就是把这些有效的临时世界稳定成公共世界。这条本来隐性、缓慢、不可复现、随生命消失的发生机制,第一次借由语言模型、SDE本体论与人这个方向中心,变得可见、可控、可训练、可复制、可升级。这也是为什么书名用的是导论而不是终章——它自己反复强调,这套指挥系统要真正跑起来,还要靠一个又一个具体领域里长出的实践去喂养、去修正,教育、科研、医学、企业,每一个疆域都是下一轮验证的现场,而不是理论落地后就此打住的展示柜。

书的结语部分,做了一件同类著作很少做的事——作者亲手列出这套理论自己尚未补上的几道裂缝:三大亏缺是否真的穷尽了裂缝的全部机制?发生与伪发生的边界,是不是总能被判定?会不会存在第四种亏缺,让整个诊断框架露出盲区?这种在结尾处不收口、反而把刀递给读者的做法,恰恰示范了全书的态度:世界不是被发现的,是被发生的——连这本讲发生的书自己,也只能是被发生的,随时准备被下一轮追问重新推翻、重新长出。

「每日热点」——用一双追问"事物如何发生"的眼,拆正在发生的事。想看看SDE智能体的完整理论、或亲手翻一遍讲解PPT?

读60页专著讲解 → 试试SDE金点子发生器 → 回到每日热点

参考文献 · References

以下为与本文主题相关的真实文献,供延伸阅读与核查;本文观点不代表所列作者立场。

  1. Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Hoboken: Pearson.
  2. Wooldridge, M. (2009). An Introduction to MultiAgent Systems (2nd ed.). Chichester: Wiley.
  3. Franklin, S., & Graesser, A. (1997). Is it an agent, or just a program? A taxonomy for autonomous agents. In Intelligent Agents III (pp. 21–35). Berlin: Springer.
  4. Bratman, M. E. (1987). Intention, Plans, and Practical Reason. Cambridge, MA: Harvard University Press.
  5. Rao, A. S., & Georgeff, M. P. (1995). BDI agents: From theory to practice. Proceedings of the First International Conference on Multi-Agent Systems.
  6. Brooks, R. A. (1991). Intelligence without representation. Artificial Intelligence, 47(1–3), 139–159.
  7. Minsky, M. (1986). The Society of Mind. New York: Simon & Schuster.
  8. Simon, H. A. (1969). The Sciences of the Artificial. Cambridge, MA: MIT Press.
  9. Newell, A., & Simon, H. A. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the ACM, 19(3), 113–126.
  10. Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). Cambridge, MA: MIT Press.
  11. Silver, D., et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529, 484–489.
  12. Chollet, F. (2019). On the measure of intelligence. arXiv:1911.01547.
  13. Lake, B. M., Ullman, T. D., Tenenbaum, J. B., & Gershman, S. J. (2017). Building machines that learn and think like people. Behavioral and Brain Sciences, 40, e253.
  14. Bender, E. M., & Koller, A. (2020). Climbing towards NLU: On meaning, form, and understanding in the age of data. Proceedings of ACL 2020.
  15. Clark, A. (1997). Being There: Putting Brain, Body, and World Together Again. Cambridge, MA: MIT Press.
  16. Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7–19.
  17. Hutchins, E. (1995). Cognition in the Wild. Cambridge, MA: MIT Press.
  18. Winograd, T., & Flores, F. (1986). Understanding Computers and Cognition: A New Foundation for Design. Norwood: Ablex.
  19. Agre, P. E. (1997). Computation and Human Experience. Cambridge: Cambridge University Press.
  20. Dennett, D. C. (1987). The Intentional Stance. Cambridge, MA: MIT Press.
  21. Mitchell, M. (2019). Artificial Intelligence: A Guide for Thinking Humans. New York: Farrar, Straus and Giroux.