Agent 系统的下一代架构范式
2025 年以来，大模型的军备竞赛改写了产业叙事：更大的参数、更长的上下文、更贵的集群。当单一模型能够在数学竞赛、代码生成乃至研究级证明上逼近甚至超越人类专家时，一条清晰的路径图似乎已经展开——把一个大脑做得足够大，人工超级智能（ASI）便会在某个规模阈值之后自然到来。
然而，一个更深层的问题随之浮现：「一个越来越大的单一大脑」，真的是智能的终极形态吗？
自然界给出的答案耐人寻味。地球上最强大的智能系统，几乎没有一个是集权的。没有哪只蚂蚁知道整个蚁巢的规划，但蚁群能找到最短觅食路径；没有哪个神经元懂语言，但一千亿个神经元涌现出了你正在阅读这句话的能力；没有哪个交易员知道「正确价格」，但市场把亿万参与者的局部知识压缩成了一个实时更新的信号[1]。进化本身也是如此：没有设计者，只有大量个体在局部竞争、变异、被选择，最后收敛出精巧到令神学家困惑的结构。
这一观察将我们引向一个与主流叙事正交的判断：通向超级智能的道路，可能不是把一个大脑做得更大，而是把智能做成一个自组织、可分解、可并行、可演化的群体。 我们把这个形态称为**「蜂群」（swarm）**。本文尝试讲清楚这条路——它的理论血统、它撞开的那堵数学之墙、它已被实验钉死的部分、它仍然待证的命门，以及它最终指向的东西。
涌现的公式：构建块、规则，与组合爆炸
要理解蜂群，得先回到「涌现」这个被用滥了却极少被讲清的词。
科普作者 Emergent Garden 给过一个朴素而锋利的定义：涌现系统只需要两种东西——构建块（Building Blocks），和规则（Rules）[2]。水分子是遵循化学规则的构建块，涌现出表面张力与雪花分形；蚂蚁是遵循信息素规则的构建块，涌现出蚁巢的建筑学；词语是遵循句法规则的构建块，涌现出语言。这不是玄学，而是一条有半个世纪血统的科学脉络：1970 年的「康威生命游戏」用三条规则养出了会移动、会自我复制的结构；1980 年代沃尔夫勒姆的「规则 30」只看左右两个邻居，却吐出至今无人能用公式提前预测的图案——沃尔夫勒姆为「找到捷径公式」悬赏三万美元，至今无人领走[3]。
真正让涌现变得令人惊奇的是组合爆炸：事物的组合方式远比事物本身多得多。一百个比特能产生的独特比特串，数量超过可观测宇宙的原子数；一套乐高积木的价值不在说明书上那个模型，而在这些积木能拼出的说明书之外的一切。产出指数级超过投入。
蜂群就是照这个公式搭的。构建块是 cell——一个能独立干活的智能体，持有自己的一小段上下文、自己的一套可演化的「策略基因」。规则是三条只看本地信息的元胞自动机式规则：R1 gossip（把自己验证过的经验广播给邻居）、R2 adopt（采纳更优的基因）、R3 forget（淘汰最差的基因）。没有特权 cell，没有中心调度器；谁空闲了自己认领任务（共识主动性工作认领，蚂蚁信息素式的间接协调[4]），某个 cell 挂了，它没做完的活会被自动回收给别人。整体的分工、收敛与自愈，是这些本地规则跑出来的，不是谁调度出来的。
为什么非要自组织？因为不这么做会撞上O(N²)的一堵墙，正是「单个大脑」这种形态本身撞上的——把大脑做得再大，也躲不开。
单个大脑的极限：撞上O(N²)的一堵墙
今天的大模型靠「自注意力」理解上下文：模型读一段文字时，会让每个词都去看其余每一个词。N 个词，就有 N×N 量级的关系要算。上下文长度从 1 万涨到 10 万，这部分成本不是涨 10 倍，是涨 100 倍。这不是代码写得烂，是 Transformer 架构的数学本质——你可以买更贵的卡硬扛，但平方曲线迟早吃光任何预算。
蜂群的绕法直观到可以画在一张注意力矩阵上：把一个大任务拆成 K 个基本独立的子任务，每个 cell 只啃自己那一小块。我们只计算对角线上那几个小三角（每个 cell 内部的注意力），丢掉了所有跨任务的格子。总计算量从平方级掉到近似线性。
省下的跨任务注意力不是白省的——你得先把任务拆对，干完还得把结果合对、并验证它真的对。2025 年业界对多智能体的警惕恰恰集中于此：Cognition 团队直言「让多个 agent 协作只会得到脆弱的系统」，伯克利的 MAST 研究把两百多条多智能体失败轨迹归纳成十四种失败模式，其中两大类正是「拆之后的 agent 间失配」与「合之后没人验证」[5]。
这些批评是对的，而它们恰好圈定了蜂群的真瓶颈与真壁垒：谁能把拆和合做扎实，谁就能兑现这套架构的收益。 cell 之间传递的必须是被验证过的有界摘要（约 550 token，不随规模膨胀），而不是互相抄答案——后者是幻觉式的多智能体，看着热闹，实则没有分解任何问题。
两个相变：已经被钉死的第一层
「更便宜」不能停留在直觉上。我们用两个可复现的实验来论证。
实验一（撞墙点）：单模型硬扛长上下文，成本随子任务数 N 平方增长；蜂群分治，成本线性增长。任务多到 N*=40（单次约 208k token）就超出 200k 窗口、单模型硬报 400 做不完，只剩分治能跑；就算按注意力平方口径，N=256 时，单一长上下文约 4,934 万 token，分治约 104 万 token，相差 48 倍。
实验二（准确率崩溃）：把越来越多需要真推理的子任务塞进同一个模型的单一上下文（真实模型、GSM8K 数学题、温度 0），准确率在 N=64 时还有 0.92，从 N=96 起塌方，到 N*≈128 跌破 0.5，N=160 只剩 0.28；而把同样的任务拆开、每个子任务独立上下文，准确率全程稳在 0.96 以上，纹丝不动。机制在数据里看得见：单一模型在又长又挤的生成里跟丢了线索——即便你能把东西塞进上下文，模型也用不好它。
值得注意的是这两条曲线的形状：它们都是相变。水在 99°C 还是水，100°C 突然沸腾；越过 N*=40，单模型从跑得完翻成撞墙做不完；越过 N*≈128，单一上下文从跟得住翻成跟丢了。「拆不拆」不是平滑的连续判断，而是踩没踩过临界点。诚实的边界也要划清：崩溃不是「token 多」导致的——简单算术和检索任务塞到几万 token 依然准确无虞；只有当很多条目各自都需要真推理、又被逼进一次有界生成里一起扛时，塌方才出现。所以不要因为上下文长就拆，要在任务真正可分且够多时才拆。
智能是一种效率：从负熵到 Token
上面两个实验给出的结论是「更便宜」。但把镜头拉远，会发现「省」这件事本身，就是智能的定义。
薛定谔在《生命是什么》里说生命**「以负熵为食」。这个说法作为隐喻很动人，作为物理却不严谨——生命从未违反热力学第二定律。真实的账是这么记的：生命摄入低熵的物质与能量，把高熵的废物与热量排回环境，自身熵减少（ΔS(生命) < 0），环境熵增加（ΔS(环境) > 0），而总账永远为正（ΔS(总) > 0）。生命不是负熵的容器，而是一台熵泵**：它靠加速整个宇宙的熵产生，来换取局部的秩序[11]。
而且真正关键的并不是「熵低」，是远离平衡。普里高津的耗散结构理论说得很清楚：秩序靠梯度维持——ATP 与 ADP 的化学势差、细胞膜两侧的离子浓度差、线粒体的质子梯度、太阳与深空之间的辐射通量差。梯度就是可做功的自由能。停掉这股流，梯度消失，结构立刻崩解，这就是死亡[12]。
但秩序是有层级的。晶体高度有序，却什么也不做；生命能维持并复制自身；智能做的是第三件事——学习、预测、规划、创造新的秩序，也就是主动降低未来的不确定性。区分这三层的，不是秩序的总量，而是效率。
于是有了这样一句定义：
智能，是生命（或智能体）利用有限自由能，长期维持和创造有序结构的效率。
写成一个粗略但有指导性的比例式：
分子上的「信息」不是香农比特数——一块砖头和一本教材的比特数可以差不多，但可用于预测、决策与适应的有效信息差着量级；秩序是有语义的（砖 < 教材 < 模型权重 < DNA）。这个方向与 Friston 的自由能原理天然共振：智能体的行为可以被统一刻画为最小化自身对世界的预测误差[13]。而支撑这台机器运转的是四个动词——积累（获取秩序）、压缩（把秩序变成更短的表示）、继承（把压缩后的秩序交给下一代）、利用（用它换回更多自由能）。生命的继承载体是 DNA，人类文明的是语言与文字，今天则是代码与模型权重。
这就把前面那 48 倍拉回了正题。工程上可以把定义直接变成一个可算的比值——不妨把它记作 AIR（Agent Intelligence Ratio，智能体智能比）：
分子上的「能力」是成功率、鲁棒性、泛化性与新颖性的合成量。这个指标比参数量和榜单分数都更贴近智能的本质——Intelligence per Compute（每单位计算智能）。由此得到第二句话：
一个 Agent 用更少的 Token 达到同样效果，可以认为它具有更高的推理效率（reasoning efficiency）。
这句话有一条必须钉死的边界：只有在任务、成功率、鲁棒性、泛化性全部锁定不变，且收益来自更好的内部表征时，它才成立。如果 token 的下降来自数据泄漏、榜单过拟合，或者悄悄牺牲了鲁棒性，那不是效率提升，是度量作弊。
而蜂群的策略基因，恰恰是这台压缩机的实体。一条 gene 如果保住了能力、却把 token 砍掉三成，它做的事情就叫策略压缩：把「观察 → 推理 → 推理 → 推理 → 推理 → 行动」折叠成「观察 → 行动」。这与神经科学里的组块化（chunking）是同一件事，也与一个资深程序员看一眼报错就知道问题出在哪是同一件事——长链推理被压缩成了短路径直觉。蜂群里的记忆、技能、反思与基因，都是这台压缩机上的不同工位；R1/R2/R3 三条规则则负责让压缩的成果在群体里继承与扩散。
于是第三句话，是把前两句合起来：
智能的提升，本质上是在保持或提升能力的前提下，不断压缩达到该能力所需的计算、能量和时间成本。
这也是为什么那 48 倍不只是一张更便宜的账单：它是把同一份能力，用更少的自由能做出来。
三层论断与三代拓扑：从晶体到生命
让我们把边界划清。蜂群的完整主张是三层，从下往上越来越难：
① 省钱（已证）——用便宜的通信开销换掉昂贵的平方级注意力，上文两个实验已经落地。
② 涌现（论证中）——一群模型分工协作后，效果超过等价算力的单模型。
③ ASI（愿景）——用蜂群逼近超级智能。
第三层今天是方向而非结论；一个务实的判断应当建立在①已证、并对②有独立预判之上。
与三层论断对应的是三代拓扑路线：1.0 并行分治（各干各的、结果汇总，今天就能交付）；2.0 网状拓扑（cell 之间横向互传验证过的策略、互相校准，从并行走向真正的协作）；3.0 空间/跨学科拓扑（把数学、物理、生物、工程的能力在一个空间结构里组合，让跨学科的新解涌现出来）。
为什么必须往结构上走，而不是把 1.0 的环铺得更宽？沃尔夫勒姆对复杂系统的四分类给出了答案：完全对称、人人跑同一套参数的均匀结构，要么塌成一片死寂的均质态（Class 1，像纯钢），要么锁进整齐重复的图案（Class 2，像晶体）——都长不出「这个 cell 专攻数学、那个专攻生物」的持久分工 [3]。
真正能涌现出组织的是 Class 4：秩序与随机的混合体，卡在「混沌边缘」那条窄缝上——复杂晶体、螺旋星系、乃至生命与思维都在这一类[3]。晶体再大还是晶体，不会自己变成生命；要长出分工，结构本身必须不均匀。2.0 和 3.0 的模块化拓扑，本质上就是把系统从对称牢笼推向混沌边缘。而且这条判断可以做成可证伪的工程指标：自组织临界（SOC）理论预言，健康的临界系统中扰动传播的规模服从幂律分布（指数落在 1.5–3.0 之间）[6]——给蜂群装上「雪崩规模」的幂律定标器，「处于混沌边缘」就从口号变成了可测命题。
从画拓扑图到设计交互核：一个百年问题的回声
蜂群的深层方法论，出人意料地呼应着一个 1900 年提出的问题。
希尔伯特第六问题要求从微观力学公理严格推出宏观物理定律。2025 年，邓煜、扎赫尔·哈尼与马骁完成了这条链路的关键一环：从牛顿硬球粒子的两两碰撞出发，经玻尔兹曼动理学方程，严格推导出纳维-斯托克斯流体方程[7]。微观是粒子与碰撞，中观是分布与演化，宏观是流场与压强——三个尺度，一套严格的桥。
这对 agent 系统的启发是范式级的：多智能体网络不应被看成静态的架构图，而应被看成由大量局部「碰撞」在时间中生成的动理学系统。 单个 cell 是粒子；cell 之间的消息、互评、经验交换是碰撞；交互规则是碰撞核；而任务密度、拥塞压力、观点温度，就是宏观的信息流体。于是设计问题发生了一次深刻的换位——不再问「用树还是用网」，而是问「什么样的交互核，会在稀疏缩放下生成稳定、高吞吐、低重复的宏观协作网络」。宏观拓扑不是画出来的，是局部规则的演化结果，被观测、评估和控制。
这套对应关系里藏着两条对蜂群生死攸关的定律。
其一是 Boltzmann-Grad 缩放：粒子数趋于无穷时，让平均碰撞率保持常数，动理学方程才成立。翻译成工程语言——系统扩容时，每个 cell 的平均通信率必须保持常数级，绝不允许全连接广播把消息量推向 O(N²)。这正是蜂群「有界摘要」设计的数学出身。
其二是 propagation of chaos（传播混沌）：在稀疏极限下，粒子虽然碰撞，多粒子分布仍可近似分解为单粒子分布的乘积——个体保持统计独立。对应到 agent 网络，这是一记重锤：很多多智能体系统表面上有多个 agent，实际上它们共享同一个 prompt、同一份检索结果、同一段中间总结，输出高度相关。此时增加 agent 数量并不带来线性质量增益，反而是同一个偏差的多次采样。独立性保持，必须成为拓扑设计的一等公民指标。
虚假共识：群体智能最隐蔽的敌人
玻尔兹曼推导在周期空间里遇到的最大困难，是重复碰撞（recollision）：粒子会一次次相遇，碰撞历史缠成难解的环。蜂群里有一模一样的幽灵——A 生成一个假设，B 批判 A，C 总结 B 的批判，A 又读到 C 的总结并把它当成独立佐证。同一条信息换了三个名字回流，五个 agent「一致同意」，实际上只有一个信息源。这就是虚假共识：看起来是群体智慧，实际上是一个回声室。
解药是把「当前通信图」升级为「交互历史图」：每条消息、每次工具调用、每个结论合并都记录父节点，形成带时间戳的因果谱系。有了 lineage，就能检测循环、给重复回流的信息降权、对同一对 agent 的反复互评设置冷却期——并且在最终合并时，标注结论的独立来源数，而不是参与 agent 数。
这条纪律与 Schelling 的隔离模型给出的教训同源：自组织系统的微规则，会涌现出你没预期到的宏观恶果——个体只想「旁边别太多异类」，宏观结果却是彻底隔离[8]。蜂群的任务认领规则同样会悄悄饿死一部分 cell；蜂群的互评规则同样会悄悄制造回声室。不审计，就看不见。 通过涌现进行设计的前提，是给涌现装上可观测、可证伪的仪表盘。
验证瓶颈：当答案变得便宜，什么变得昂贵
假设蜂群真的跑起来了——成千上万个 cell 并行产出答案、代码、证明。接下来会发生什么？
陶哲轩在 ICM 2026 的演讲给出了一个极具穿透力的预演[9]。他假设 AI 能以合理成本完成相当一部分研究级数学，然后追问：数学共同体会怎样？答案是，数学将从「证明稀缺」进入「证明充裕」——而拥塞将依次出现在验证、可读阐释、同行评审和成果定型上。他给出的知识生命周期模型值得每一个构建群体智能的人贴在墙上：一个证明要依次经过生成 → 验证 → 阐释 → 共同体接纳 → 消化 → 经典化，才算真正变成知识；上游生成加速一百倍，不意味着链条整体加速——有效吞吐量 ≈ min(生成, 验证, 阐释, 接纳, 消化)，取决于最慢的环节。
这正是蜂群架构必须把验证的溯源与标注做成地基、而非把它当事后插件的深层原因。当答案的边际成本趋近于零，验证、溯源与消化成为新的稀缺资源。为此蜂群把「谁值得信」做成常开地基：每一条被采纳的经验都标注其成绩来自自报还是独立核验、每个结论都标注独立来源数、并持续度量「过度声称」的偏差；在此之上，独立的合并验证动作作为可开启的一等能力内建，开启后按需接管基因评分——这些不是工程洁癖，而是「证明充裕时代」的生存法则。
陶哲轩的另一个警告同样适用：古德哈特定律说，当一个度量成为目标，它就不再是好的度量。蜂群的 fitness 分数、采纳率、解题数都是代理指标；对着单一指标过度优化，群体会长成一个高分低能的怪物。度量涌现必须用连续指标加消融对照——学界已经证明，很多所谓「突现能力」只是度量选得不好造成的假象[10]。
结构性押注：一个投资学的旁证
有趣的是，复杂系统的投资学给这条路线提供了一个独立的旁证。
在幂律主导的市场里，绝大部分回报由极少数右尾赢家贡献；理性的策略不是精确预测哪个单点会赢——那近乎不可能——而是识别价值流经的结构、占据关键节点、保持足够广的暴露，并确保自己活到逻辑兑现的那一天。
把这套语言平移到 AI 的技术路线上：单一超级模型是把全部筹码押在一个点位上；蜂群是把智能做成一个结构——它不预测哪个 cell 会产出天才的解，它保证系统对组合爆炸打开的巨大解空间保持在场，让验证机制把右尾捕获下来。市场之所以长期胜过中央计划，不是因为哪个交易员更聪明，而是因为价格机制把海量局部计算分布到了参与者端。蜂群对单一大脑的胜负手，如果有，也将是同一个：分布式计算结构对集中式计算结构的结构性优势。
预测的谦逊同样适用于我们自己。方向可以判断（平方墙是数学，分治收益已证），幅度更难，时点近乎不可预测，而「涌现能否兑现」是真正的开放问题——这类系统大概率是计算不可约的：没有捷径公式能提前算出一群模型会不会长出单模型没有的能力，只能把它跑起来，用消融对照量出来。这不是免责声明，这是对问题理解得足够深的证据。
结语：培育一座花园
说到底，这是两种造东西的气质之差。
「把模型做得更大」是在建一栋楼：图纸先画满，能力上限就是画进图纸的那些。蜂群是另一件事：设计一块积木、一套局部规则、一条进化闭环，然后放手让结果自己跑出来。
你不发明蜂群会长成什么样，你只发明它遵循的规则，再去发现这些规则跑出来的后果——不满意就调规则、再迭代。这更像培育一株植物，而不是盖一栋房子。国际象棋的发明者不必发明所有的开局与杀法，那些是从规则里涌现出来的；涌现设计的回报公式从来如此——你设计一小部分，收获的比你亲手画进图纸的更远。
代价是控制权。你无法既允许意料之外的结果，又提前决定那些结果是什么；祈祷下雨，就得应付泥泞。所以这条路的全部纪律浓缩成三件事：把拆和合做扎实，给涌现装上可证伪的仪表盘，在验证瓶颈上重兵布防。剩下的，交给组合爆炸。
单个大脑撞上的是一堵平方之墙；一千亿个神经元曾经给出过另一条路的证明。这一次，我们把神经元换成会思考的 cell，把突触换成被验证过的经验，把四十亿年的进化压缩进一条以小时计的闭环。而衡量这座花园长得好不好的尺子，从来只有一把：同样的能力，是否用掉了更少的自由能。不是思考得更多，而是越来越少地做无效思考。
参考
[1] Hayek, F. A. (1945). The Use of Knowledge in Society. American Economic Review, 35(4), 519–530.
[2] Emergent Garden, “Emergent Complexity,” YouTube, Nov. 22, 2025. [Online]. Available: https://www.youtube.com/watch?v=0HqUYpGQIfs.
[3] S. Wolfram, A New Kind of Science. Champaign, IL, USA: Wolfram Media, 2002.
[4] Grassé, P.-P. (1959). La reconstruction du nid et les coordinations interindividuelles chez Bellicositermes natalensis et Cubitermes sp. La théorie de la stigmergie: Essai d’interprétation du comportement des termites constructeurs. Insectes Sociaux, 6, 41–80.
[5] Cemri, M., Pan, M. Z., Yang, S., et al. (2025). Why do multi-agent LLM systems fail? Advances in Neural Information Processing Systems, 38. arXiv:2503.13657.
[6] Bak, P., Tang, C., & Wiesenfeld, K. (1987). Self-organized criticality: An explanation of 1/f noise. Physical Review Letters, 59(4), 381–384.
[7] Deng, Y., Hani, Z., & Ma, X. (2025). Hilbert's Sixth Problem: Derivation of Fluid Equations via Boltzmann's Kinetic Theory. arXiv:2503.01800.
[8] Schelling, T. C. (1971). Dynamic models of segregation. Journal of Mathematical Sociology, 1(2), 143–186.
[9] Tao, T. (2026, July 24). Mathematics in the age of AI [Public lecture slides]. International Congress of Mathematicians 2026.
[10] Schaeffer, R., Miranda, B., & Koyejo, S. (2023). Are Emergent Abilities of Large Language Models a Mirage? NeurIPS 2023.
[11] Schrödinger, E. (1944). What Is Life? Cambridge University Press.
[12] Prigogine, I., & Stengers, I. (1984). Order Out of Chaos: Man's New Dialogue with Nature. Bantam Books.
[13] Friston, K. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138.
