Agent 的技术史、OpenClaw Moment 与语言智能体的未来

概览

本期围绕 Agent 的技术史展开，从早期 AI 中的逻辑智能体、专家系统，讲到深度强化学习、语义解析，再到由大语言模型驱动的 Language Agent。苏煜用 “Memory + Autonomy” 作为贯穿框架，解释为什么 Agent 从一开始就是 AI 的核心问题。

讨论的关键结论是：ChatGPT Moment 标志着 LLM 范式变化，而 OpenClaw Moment 标志着更高自动化、个人化 Agent 的范式变化。未来大家想要的不是孤立的 Web Agent、Coding Agent 或 Computer Use Agent，而是能在数字世界中完成复杂任务的 Universal Digital Agent。

后半段进一步讨论了专业化智能、World Model、Continual Learning、GUI/CLI、人机交互、创业与社会影响。苏煜认为 Agent 当前最大的瓶颈集中在可靠性、速度、成本和持续学习能力，而这些问题最终都指向如何学习具体工作世界中的 World Model。

分段落总结

[00:04] 开场与嘉宾背景

[事实] 主持人将 AI 的演进概括为从 Chat 走向 Agent，并称 Agent 是 2026 年的高频词。
[事实] 嘉宾苏煜是俄亥俄州立大学计算机系教授、Neo Cognition 创始人，研究方向包括 Language Agent、Computer Use Agent、MMMU、Mind2Web、CACT 等。
[推测] 本期定位不是产品评测，而是希望用技术史和研究脉络解释 Agent 为什么在此刻变得重要。

[03:39] Agent 的定义与 AI 早期历史

[事实] 苏煜认为 Agent 至少包含三个要素：有边界的实体、处在外部环境中、以目标为导向进行活动。
[事实] 他指出 Agent 并不是新概念，而是从 AI 诞生早期就贯穿其中的问题。
[事实] 早期 AI 试图构造能模仿人类行为的人工智能体，但完整 Agent 目标过难，后来分化为计算机视觉、自然语言处理、推理等子领域。

[06:21] Logical Agent 与专家系统

[事实] 苏煜将 1950 年代到 1990 年代的重要形态称为 Logical Agent，即基于逻辑语言和推理引擎的智能体。
[事实] 专家系统通过采访专家，把知识写成逻辑表达，再用 inference engine 推导答案。
[事实] 这一路线受限于表达能力和知识获取瓶颈，未能兑现承诺，并与 80 到 90 年代的 AI winter 有关。

[07:36] Memory 与 Autonomy 框架

[事实] 苏煜认为 Agent 的核心问题是在复杂世界中适应并利用复杂性以达成目标。
[事实] 他把 Agent 的能力拆成 Memory 和 Autonomy：Memory 包括语义知识、情节记忆、过程性知识；Autonomy 包括感知、推理、决策和行动。
[推测] 这个框架为后文比较 Logical Agent、Neural Agent 和 Language Agent 提供了统一尺度。

[13:00] Neural Agent 与深度强化学习

[事实] 2000 年后，尤其 2010 年后，基于神经网络的 Agent 在深度强化学习中发展，代表例子包括 AlphaGo、Atari、Dota、星际等游戏环境。
[事实] 苏煜认为这类 Agent 相比 Logical Agent 更强，但 Memory 和 Autonomy 仍然受限，推理多隐含在一次 forward pass 中。
[事实] 游戏环境适合作为训练场景，因为它高度可重复、数据丰富、输入输出边界清晰。

[18:49] Semantic Parsing 的作用

[事实] Semantic Parsing 试图把自然语言转化为机器可读的语义表达，背后可以连接知识图谱、数据库或网站。
[事实] 苏煜认为它与 Neural Agent 互补：Neural Agent 偏向做深，Semantic Parsing 偏向做广，并扩大了 Agent 的 action space。
[事实] 苏煜本人 PhD 阶段主要做 Semantic Parsing，后来转向 Language Agent。

[21:33] Language Agent 的范式变化

[事实] 苏煜将 ChatGPT 之后的新一代 Agent 称为 Language Agent，因为语言成为感知、推理和行动的脚手架。
[事实] Chain of Thought 让模型能通过生成更多 token 获得更弹性的计算量，从而实现 adaptive reasoning。
[事实] 大语言模型训练被描述为通过语言压缩世界信息、形成世界表示的过程，而不只是随机模仿文本。

[25:09] 语言与演化加速

[事实] 苏煜类比生物演化，认为语言在人类文明发展中起到爆炸式加速作用。
[事实] 他提到自己 2023 年写过博客，将 Language Agent 称为 AI 演化中的关键一步。
[推测] 这一路径把 Agent 的进展放进更长的智能演化史中，而不只看近三年的产品变化。

[30:00] 近三年 Language Agent 时间线

[事实] 苏煜提到 2022 年初的 Chain of Thought、2022 年末的 ReAct，以及他所在团队同期做的 LLM Planning 和 Mind2Web。
[事实] 2023 年 Toolformer 展示了 LLM 使用工具的潜力，AutoGPT 等开源项目则让 Agent 外壳变得火爆。
[事实] GPT-4V 后，多模态 Agent 成为重要方向，MMMU、CACT、WebArena、OSWorld、Uground 等工作相继出现。

[37:20] Computer Use、Coding 与边界消融

[事实] 苏煜认为早期划分 Web Agent、Desktop Agent、Mobile Agent、Coding Agent 有临时性，最终会收敛到 Universal Digital Agent。
[事实] 他强调 coding 是数字世界的底层 fabric，GUI、CLI、API 等边界会被 coding 主导地打破。
[事实] 他认为 programming language 本身也是 language，所以 Coding Agent 不会改变 Language Agent 这一称呼的根基。

[45:17] 研究动机：让机器理解人

[事实] 苏煜选择 Semantic Parsing 的动机之一，是不希望人变成数字世界和复杂软件的奴隶。
[事实] 他在 PhD defense 中表达过类似观点：让机器理解人的想法，而不是让人像机器一样思考。
[推测] 他的 Agent 研究延续了同一目标：降低人使用复杂数字系统的门槛。

[49:03] OpenClaw Moment 与 ChatGPT Moment

[事实] 苏煜认为 OpenClaw Moment 和 ChatGPT Moment 相似：底层技术已逐步成熟，真正引爆的是交互形式变化。
[事实] 他认为 OpenClaw 的代码对 Agent 研究者来说未必有很多新东西，但它打开权限、always-on、即时通讯交互等形式让人们重新感知 Agent 能力。
[事实] 他判断 ChatGPT Moment 标志 LLM 范式变化，而 OpenClaw Moment 标志高度自动化和 Personal Agent 的范式变化。

[53:40] 产业反应与中美差异

[事实] 苏煜认为 OpenClaw 已经影响科技公司的路线，包括 Anthropic、OpenAI、NVIDIA 和国内大厂的 Agent 战略。
[事实] 他认为 OpenClaw 在中国更出圈，在美国主要热于开发者和技术圈。
[事实] 他指出中国在应用层动作快，AI 能力跨过临界点后，很多原本不值得做的事情会因摩擦降低而变得有商业价值。

[58:35] 技术民主化与就业冲击

[事实] 苏煜认为 OpenClaw 目前门槛仍高，大多数人很难直接从中获得价值。
[事实] 他担心 job displacement 的速度可能超过新工作机会产生的速度。
[事实] 他认为 Agent 研究者有责任让 Agent 真正好用、易用，让普通人也能把想法转化为实践。

[60:05] 模型公司与专业化机会

[事实] 苏煜认为，如果目标是成为整个数字世界的唯一入口，模型公司更有优势。
[事实] 但他认为世界由许多小世界组成，每个小世界都需要 specialization，这不是大模型公司天然最擅长的事情。
[推测] 这为非模型厂商、创业公司和普通人留下了面向细分场景的机会。

[62:14] Neo Cognition 与 Specialized Intelligence

[事实] Neo Cognition 定位为 Agent research lab，短中期关注 specialization 或 specialized intelligence。
[事实] 苏煜认为当通用智能变得廉价和标配后，差异化会来自专业化。
[事实] 他希望研究一套学习方法，使 Agent 能在任意领域、职业或环境中快速变成 expert agent。

[73:44] World Model 的广义定义

[事实] 苏煜认为 World Model 不应只理解为视觉模型、视频预测或三维重建。
[事实] 他用新人入职公司为例，说明组织架构、工作流、软件操作、人际关系和 theory of mind 都是小世界模型的一部分。
[事实] 他认为当前 Agent 缺乏通过工作过程学习专业化 World Model 的能力，因此可靠性、效率和成本都存在问题。

[80:28] Continual Learning 与人脑类比

[事实] 苏煜指出 Continual Learning 的用法很广，包括避免遗忘新任务、个性化、自我改进、post-training 和 OpenClaw 式学习。
[事实] 他更关心持续学习到底学什么，并认为目标应是更好地学习广义 World Model。
[事实] 他提到 neocortex、新皮层、cortical column 和 Jeff Hawkins 的《A Thousand Brains》，用来说明持续学习与 World Model 的关系。

[88:11] 语言、符号与 World Model

[事实] 苏煜认为视觉很重要，但在人类社会中产生价值最大的来源仍是语言和符号化表达。
[事实] 他引用人类演化、符号共演化、语言跨越时空传递信息等例子，说明语言不仅是沟通工具。
[事实] 他认为个体思维可以不依赖语言，但文明需要语言；未来即使底层模型变成某种 World Model，语言能力也不会消失。

[97:39] GUI、CLI 与未来人机交互

[事实] 苏煜认为 GUI 不会消失，因为人类是视觉动物，GUI 有助于理解、验证、信任和审计。
[事实] 他认为 Agent 短期和长期都仍需要使用 GUI，因为数字世界的大量知识、约束和业务逻辑已经编码在图形界面里。
[事实] 他用 Semantic Web 的低采用率说明，期待所有行业短期重写为 CLI 或新标准并不现实。

[104:34] 2026 年 Agent 的关键瓶颈

[事实] 苏煜将 memory、self learning、continuous learning、world model、specialization 和 expert agent 视为同一组问题的不同侧面。
[事实] 他认为 2026 年 Agent 的主旋律会是 continuous learning 和 self learning。
[事实] 他认为解决这些问题后，Agent 才能在可靠性、速度和成本上获得实质改善。

[107:09] 大厂押注与可靠性问题

[事实] 苏煜认为 Anthropic 当前给行业打了样，OpenAI 也在向 productivity、coding 和 Agent 收束。
[事实] 他还提到 Google、xAI、Jeff Bezos 的 Project Prometheus，以及字节、智谱等国内团队在 Computer Use Agent 上的动作。
[事实] 他认为长程任务不稳定和很多安全问题，本质上来自 Agent 没有像人一样把经验学成专业能力。

[112:47] 从学术到创业

[事实] 苏煜说自己喜欢学校，因为学校适合同时探索很多想法，但 2025 年后 Agent 研究需要更多资金、算力、API 和强执行团队。
[事实] 他认为 Agent research 和 production 越来越分不开，最大的学习信号会来自真实部署中的持续学习。
[事实] 他创办 Neo Cognition 不是临时决定，而是等到底层技术和自己对 Agent 瓶颈的理解都更 ready 后才行动。

[125:48] 未来预测与社会责任

[事实] 苏煜预测 Continual Learning 会在未来几年被解决，并推动 Agent 广泛渗透到社会各角落。
[事实] 他认为可预见未来的主要风险不是 AI 消灭人类，而是 job displacement、收益分配和生产关系变化。
[事实] 他主张 democratize access to frontier agent capabilities，让更多人能用强大的 expert agent 把洞察变成价值。

[130:09] 快问快答与推荐

[事实] 苏煜推荐的书包括《A Brief History of Intelligence》和《A Thousand Brains》。
[事实] 他列举影响 AI 进程的重要工作，包括早期神经元模型、back propagation、AlexNet、Word2Vec、BERT、Transformer、Attention、GPT、Chain of Thought 和 Toolformer。
[事实] 他把自己当前最重要的 bet 概括为 continued learning 和 world modeling。

播客点评/总结

这期的价值在于，它没有把 Agent 只当作近期热门产品，而是用 AI 技术史、认知科学、人脑学习和产业变化串起一条主线：Agent 的核心始终是如何在复杂世界中学习、行动并变得可靠。

亮点是苏煜给出了很清晰的分析框架。Memory、Autonomy、Language、World Model、Continual Learning、Specialization 这些词在讨论中不是孤立概念，而是被合并成一个关于 expert agent 如何形成的问题。

[推测] 局限是话题跨度很大，涉及技术史、产品、创业、神经科学和社会影响，普通听众可能需要一定 AI 背景才能完全跟上。适合关注 Agent 技术路线、AI 创业、Computer Use Agent、Coding Agent 和未来工作形态的人收听。