铃阅时讯
❌

阅读视图

AI for 制药化学合成:今天的AI,能力比肩10年经验的化学家?

原创 夏宁、李丰 2026-08-20 20:38 北京

AI for Science 正在成为一级市场最热的方向之一。

AI for Science 正在成为一级市场最热的方向之一。

7 月底的中央政治局会议强调“加强对基础研究的长期稳定支持”,叠加此前的人工智能+计划,一个很具体的问题被推到台前:AI 到底怎么用在科学研究上,怎么真的把效率和预测能力提上去。

这周,产业界也迎来重磅消息。莫德纳与默沙东宣布,双方合作的首款个性化mRNA癌症疫苗在黑色素瘤三期临床取得初步阳性结果。这款疫苗在新抗原选择过程中受益于AI,研究人员能通过计算来模拟复杂的分子相互作用,而不是进行无休止的湿实验。

这一期「产业观察」,我们请到的是智化科技创始人夏宁博士。夏宁是有机化学博士,从 2008 年在法国参与创业算起,他在“AI+化学”这条路上已经走了接近 18 年。这 18 年,他亲历了行业从零起步,到 AI 制药的第一波高光,再到生物医药的三年寒冬,以及 GPT 时刻之后 AI 制药的第二轮热潮和 AI4S 新趋势。

他们回顾了“脚踩两只船”的跨界能力是怎么长出来的,聊了技术落地时黑盒和白盒分别怎么起作用,聊了拒掉的收购要约,也聊了一笔很现实的账:如果 AI 要替代的是月薪两万的化学专业从业者,token 成本该怎么算。

以下为对话正文,经删减与编辑。欢迎移步小宇宙App和Apple Podcast,搜索「高能量」收听完整对话。

图片

李丰:我们2015 -2016年前后就一直关注交叉学科创新,尤其是计算机和生物制药、化学的结合,也投过晶泰、剂泰。这个行业走过十年多,我们发现两个问题。第一,比较难找的是凑巧“脚踩两只船”的人——能力横跨在两个不交叉的学科上,比如计算机和化学。第二,如果是“脚踩两只船”,最后到底哪只船更重要?先看第一个问题:你是怎么在年纪还小的时候,把化学和计算机这两个看起来不相关的科目连到一块?

夏宁:主要是兴趣。编程是逻辑思维非常强的学科,化学需要很多记忆、需要对大自然的好奇,我正好对这两个都感兴趣。后来机缘巧合两个竞赛都获了奖,选专业的时候就很犹豫。同济大学的招生老师跟我说了一句话:计算机是一门技术,化学是一个专业。我选了化学,后来证明也是正确的,如果先学计算机,再想跨到化学,难度会非常大。

李丰:学化学的时候,计算机原来积累的能力怎么保持不掉下去?

夏宁:我每天都在写代码。白天做实验,晚上写代码。

李丰:那时候写的程序跟什么相关?

夏宁:也跟人工智能相关。那时候我很好奇,人的大脑的思维方式是不是能用程序来模拟?做了很多探索,但肯定没有太成功——要成功的话,现在可能就做别的了。后来在国外念博士也一样,白天做实验、晚上写代码,在游戏、下棋这种场景上,让计算机程序来模拟人的判断。

李丰:博士毕业时选择留在国外还是回国,有过挣扎吗?

夏宁:那时国外发展还不错,欧洲还没到现在这个样子,所以留在法国参与创业。我当时想找一家能用计算机技术去解决化学问题的创业公司,但这样的岗位非常少。我有幸找到一家公司,在法国的斯特拉斯堡,这家公司其实还没成立,网页刚做出来。我跟那个老板聊了一下,觉得非常契合,他们也是想用数据来解决化学的预测问题。

李丰:这段持续了多久?

夏宁:7 年,从 2008 年到 2015 年。那时这个领域完全不热,根本没有什么投资人看,全凭个人的理想和兴趣。而且当时没有现在这些底层的 AI 技术,也没有数据,所有基础设施都要从头搭。

李丰:那时候的落脚点也是用计算机加数据做化学合成路径的探索吗?

夏宁:还不是。第一件事是先找数据,因为我们连数据都没有。做了多种尝试:用类似高通量的实验来产生数据,那时候没有自动化,人来做反应实验,实验员手动平行做几百上千个是可以的,但这个数据量远远不够;也让人从博士论文里提取结构化的数据,但成本太高、效率太低;后来还做了电子实验记录本,希望高校老师用了之后把数据共享给我们,但这个方式后来有一些商业上的困境。

李丰:这种多头受阻的情况下,这家公司最后怎么办了?

夏宁:被它的母公司收购了,母公司现在是法国最大的 CRO (通过合同形式为制药企业提供药物研发外包服务的专业机构)。那时候积累了大量底层技术,我们现在的底层架构,很多也是那时候积累起来的。

李丰:2015 年你就回国了,我记得你先有一段帮朋友创业的经历。

夏宁:对,上海网化科技的老板把我叫过去。当时化学品 B2B 电商平台很火,一开始我负责搭平台。后来我们就想,能不能把我之前想做但没做的方向——AI 逆合成做起来。2016 年,我们在全球最早申请了 chemical.ai 这个域名,后来才有了智化科技。

李丰:这里有个小故事。你还在网化的时候,做了一套预测从 A 化合物合成到 B 化合物的软件——用什么条件、经过多少中间步骤、最后得到什么结果,甚至部分意义上的产率。药明康德的主营业务就是化学合成的 CRO,它们向全球征集谁能做合成路径预测,好多家公司参选,夏博士因为还没做智化科技,是以个人身份去的,得了个第一名。

夏宁:确实也挺巧。那是2016年,我们跟药明的一些高管有联系,我就说有这么一套软件,你们要不要试一试?他说好,然后约了个时间。去了以后,我发现来了很多人,一屋子都是他们的高管。我当场演示,各种分子上去跑,效果非常好,所以最早跟药明有了商业化合作。

通过这件事,我意识到第一,产业对这个事非常重视;第二,当时技术到了第一个临界点——以前这件事根本就没有软件能做好,我们算是最早让它看到这个事是可以做的。到今天它已经成为一个很通用的工具,中间也大概走了六七年。

李丰:那时候还没有 GPT,我猜也没用到 Transformer 架构,顶多是再往前的卷积神经网络。回过头看,当时那个阶段的产品,有多 AI?

夏宁:那时候的 AI 和现在的概念不一样。最早我们说机器学习,后来有了深度神经网络、Transformer,再后面变成大模型,它一直在演变。但通用来看,基于数据去做预测的,本质上都是 AI 的一种模式。那个时候更偏传统机器学习,外加很多化学信息学——专门研究化学反应的逻辑如何写成算法。

李丰:用 AI 做预测,有个经常被探讨的问题:到底是黑盒还是白盒?白盒是里边有很多已知的人类经验、规律、公式的总结;黑盒是数据进,中间经过一串计算,然后结果出。今天自动驾驶也碰见这个问题。当时在满足药明康德的需求上,你们那个完胜大公司的软件里,有多少黑盒、多少白盒?

夏宁:白盒的比重非常大。对于这种严肃的科学软件,如果是一个黑盒,很难建立客户信任。因为它会不定期出现幻觉或者 bug,后果可能非常严重,而且不可解释。最大的挑战是,你发现了问题,但不知道问题出在哪,就无从改进。

李丰:对,它不好调教——你改了 A 之后,它如果莫名其妙同时改变了 B、C、D,你又没办法抑制B、C、D往不好的方向变化,更何况你甚至不知道 B、C、D 是谁。

我们看过很多包括材料和化学在内的各种方向上的 AI for Science 公司。生物其实好一点,因为有基因组学在底下做基础的约束规律。那化学呢?你觉得它今天的可解释性到了什么程度?

夏宁:在我们的系统中,可解释性是非常强的。所有大模型或者黑箱模型给出的结论,都得在我们的白箱模型里得到解释、验证、约束,这样我们才能把幻觉去掉,同时能知道它给出的那些模棱两可的结论到底哪个对、哪个错。这个在科学领域非常重要。

李丰:程序上,是先过一层黑盒再到白盒,还是两个融合在一起?

夏宁:有比较强的融合,两个是同时进行的。

李丰:2018 年我们认识夏博的时候,夏博刚出来做智化科技。公司成立后的第一个里程碑,是给一家全球著名的 MNC(跨国大型药企)提供了第一笔金额不小的软件服务。

夏宁:非常感谢药明把我们介绍给了他的一个大客户。这个客户在做一套 AI 制药系统,其中 AI 逆合成部分完全交给我们做,这是个 100 多万美金的合作,难度不小。通过那次合作,我们真正把产品化做到了能匹配这些大客户在安全性、速度、质量上的各种要求。这对我们是一个非常重要的起点。

李丰:这是非常多科学家创业都会面临的问题:做了一个很好用的科研结果,但到真正的工业闭环里去应用的时候,有时候会不可用、不好用,或者如果用的人正好不对,就会有抵触。你们是怎么克服这些问题的?

夏宁:一定会有这些问题。你的产品一出来,肯定不是 90 分,可能是 60 分、70 分。我们其实经历了大量的客户反馈、迭代、优化——这也是为什么白盒这么重要。如果你是黑箱,客户提了反馈你又改不动,他就绝望了。

所以我们就是不断的改进,让客户看到产品在不断的进步。我还看了一下我们的需求清单,各种客户提的意见可能已经有上千条,每一条都意味着大量的工作去提升、去修正。

这个过程非常重要,但现在很多人,不管是投资人还是行业,可能会忽略这一点——他会觉得我只要模型好、技术好,就可以一下变成全球最好。但我觉得很多时候,它是靠这种迭代出来的。

李丰:就拿这个单一客户举例,前三年里使用的部门和人,是相对固定,还是越来越多跨部门在用?

夏宁:越来越多。客户在应用过程中会产生很多想法,他会说,诶,这个功能你这样做是不是更好?那个帮我串起来是不是更好?这样我们就了解了客户在真实场景里原来是这样用的,通常实际情况和我们自己的想象是不一样的。

李丰:那企业内部在用的时候,用的人是偏传统的化学合成的人,还是会扩展到研发链条上不同背景、更多环节的人?

夏宁:几个环节都会用。首先是做分子设计的人,他们擅长的点不是合成,他们偏 CADD(计算机辅助药物设计) 或者 AIDD (人工智能药物设计),但设计分子的时候他们必须考虑这个分子能不能合成、好不好合成,我们的工具就能派上用场。

后面到了药化部门,他们会用它快速设计路线,他们的需求是快速拿到分子,比如几毫克就够了,不考虑成本。

到了临床工艺放大环节,需求又反过来:我就做这一个分子,你不要给我用最容易的反应,你要给我找成本最低的。有时即便这个反应本身风险很高,但他们愿意用,因为能降本。当然反应不能太危险,一放大可能有爆炸的危险,那也不行。

李丰:我是被化学专业“折磨”过的,读研究生时一天到晚探索各种不同的合成路线。回到20多年前,化学研究生的常态是,导师指个方向,比如从 A 到 B ,然后学生自己查文献、自己试条件、自己遍历各种失败。假定那时候有这个工具,对一个研究生而言能解决多少问题?

夏宁:可能学生的所有工作现在 AI 都可以帮忙做了。AI 最先替代的大概就是这种初级的智力劳动。

李丰:那学化学的研究生岂不是跟今天许多做编程的人一样,要被逐渐替代了,或者说也许可以去做更有创造性的事?

夏宁:有一点类似,但化学方向更乐观。化学领域的任务更多,我们有太多创新的材料要去做,空间足够大。即使我们干的活比例少了,还可以做更多的项目。

李丰:相当于每个人的带宽增加了。

李丰:回到20 到 21 年,因为疫情等原因,生物医药来到了被资本市场追捧的高光时刻。那时夏博还面临一个诱惑:有家大 CRO 不止一次向你们发出收购要约,当时你们公司还很小,十几、二十几个人。今天回过头看,你会不会觉得当时还不如卖了?

夏宁:那倒没有。我是个比较偏理想化的创业者。在高光的周期,我也会思考,这些资金是不是真的帮我把这个项目、这个理想往前推进了?如果没有,可能这个资金也没有那么大作用。在行业低谷、融资环境比较差的时候,只要我觉得我的进展达到了预期,我觉得就是一种进步。

李丰:高光经历了一年半,低谷恨不得三年、三年半。这五年对你的公司管理、个人心性有什么影响?

夏宁:我算是偏科研工作者创业,最初对管理、公司治理、商业化都不那么擅长。我学到的最重要的一点是,一定要抓住我们想做的事情的本质,不要被高光、低潮影响,那个影响会把人带偏。如果你为了一件资本市场很追捧的事,改变了核心方向,去做一个自己都不认可的事情,长期来看结果是不好的。

李丰:今天的 AI 毫无疑问在高光时刻。对刚开始 AI 创业、有科学背景的创始人,你有什么经验教训可以分享?

夏宁:坚持自己认为正确的想法,不要完全被资本的观点带着走。

李丰:2022 年生物医疗进入低潮期,但那年年底有了 “GPT 时刻”。这两件事叠加,对你的产品和模式有什么变化?

夏宁:是个非常大的机会。因为在 AI 化学合成这个垂直领域,我们能解决很专业的问题,但真实工作场景中有很多泛化问题。随便举个例子:这个实验室里可能没有某一个反应器,这个反应就做不了——这不是个专业问题,但以我们之前的积累解决不了。现在大模型可以很好地解决这一类泛化问题。因为大模型和人类专家的思维方式类似,能综合各种客观因素做判断,这就能弥补算法的不足——很难考虑周全各种影响结论的因素。换句话说,我们具备了用智能体(Agent)加专业工具去解决整个工作流程的能力。

李丰:有了大模型之后,产品架构上有大的调整吗?

夏宁:垂直领域的算法不直接受影响,但最终交付给客户的产品形态不太一样。之前我们的技术都是以工具的形式呈现给化学家,化学家再用工具来解决问题;未来,产品的用户从人变成智能体,用户界面逐渐变成智能体使用的API。很有可能人只用提出目标,然后由智能体来完成整个工作。

这个智能体会逐渐熟悉这些工作,它有记忆,会不断学习,最后可能就像你公司的一个员工一样——你教它几次之后,不用每次都教了,你只要给它任务,它就去干活了。

李丰:交给智能体做决策,会让使用者觉得漏掉了能进入循环的关键节点吗?

夏宁:早期会有。但后面随着它交付的质量越来越高,甚至效率和质量都超过人的时候,人就不会再去在意这一点。

李丰:在整个后端的结构和体系里,黑盒和白盒的比例今天有变化吗?

夏宁:目前看没有大变化,且白盒越来越多了。因为大语言模型出现,它具有非常强的可解释性——它做的所有决策,会给你解释为什么。

李丰:刨去模型能力之外,是什么促进了白盒能力的提升?

夏宁:最核心的还是这些年在跟客户不断交互迭代中得到的信息。在一个严肃的科学场景下,如果你不具有可解释性,商业推广是非常难的,因为客户需要知道这些结论是怎么得出来的。所以,产品要做得越来越好,你必须越来越白盒化。这可能是 AI 真正落地在商业上的隐形门槛。虽然说你可以直接交付产品,但我觉得还不能完全把人的因素拿掉,只要这个过程里有人,可解释性就是必要的。

李丰:或许现在各种不同方向的AI4S公司都会经历类似的过程。

李丰:结合今天的AI能力和现有数据,你觉得化学领域(包括化学合成)的进展,跟生物领域如AlphaFold或基因组学应用相比,前者大概相当于后者的百分之多少?

夏宁:跟AlphaFold有点难比,但在我们所在的合成路线设计领域,AI已经大规模落地了。

李丰:在一个不过分复杂的化学合成过程里,比如涉及少数几个条件的多步反应,今天AI能好用到什么程度?

夏宁:我们内部和外部都做过测评,当前的结论是:现在化学合成的 AI 能力,大致相当于 10 年工作经验的化学家的水平。基本上化学家能想到的路线方案,AI 都能想到,而且 AI 一般能平均想到 5 到 6 种不同的策略,人一般能想到 1 到 2 种。

这其实是客户非常满意的一点。因为客户都会拿真实案例来测——他可能花了一两个月设计出来的路线,我们这边的产品 5 分钟就能跑出来,而且还能给出一些客户也尝试过、但最终没有选择的路线。

李丰:这就很像晶泰科技 2016 年感恩节参与辉瑞的盲测。那时候,整个制药界几乎没人相信AI能做晶型预测,辉瑞拿出了三个没发布、但他们自己已经知道的药物分子,来请不同的团队做晶型预测,最后发现晶泰的预测结果跟他们的实验结果是一样的。所以,你认为化学合成已经到了类似的阶段?

夏宁:对。

李丰:问一个技术上的小问题:AI能不能预测出全新、之前没出现过的东西——有经验的化学家也想不到、但可行、并且更优美的合成路径?

夏宁:可以,但有一个限制前提:它不会造新的反应。我们所有的 AI 都是基于已有的数据在做创新,因为合成路线的创新基本上用的都是已知反应,只是这个已知反应可能藏在海量文献的某一个角落里。如果你看不到它,你的路线可能就是 10 步;你看到它,可能就变成 3 步、4 步。

AI 能够接受的知识量更大、检索速度更快,所以它有能力找到我们平常看不到的这个反应,把整条路径变得更优美,或者成本更低。这是我们已经验证出来的。

李丰:在小分子相关的生物医药研发全链条里,AI辅助逆合成路线设计大概处在一个什么样的位置?

夏宁:不管是 AI 制药还是 AI 材料发现,研发本质上不是简单的分子设计,而是多个 DMTA 的循环——D 是 design 设计,M 是 make 合成,T 是 test 测试,A 是 analyze 分析,分析之后再改进方案,再重新进入循环。一般做一个药可能要 7 到 8 轮,做一个材料也要多轮。

在这个循环里,每个步骤的效率不一样。设计阶段,我们一天设计成百上千、甚至几万个分子都很轻松。但在合成阶段,它会卡住——一个化学家一个月大概合成 3 到 5 个分子,一天做 2 到 3 个反应,这是行业内普遍的效率。到了测试环节,效率又很高,因为有高通量测试,一下可以测几百个分子对靶点的亲和力。

所以,真正让 DMTA 循环成倍加速,需要花力气提升合成的效率。这也是我们从客户那边得到的反馈:客户非常重视合成这一端的效率,因为它整个研发效率就卡在这一端。

李丰:在2016-2020年那一轮AI制药热潮中,我们遇到两类创业者。一类是AI背景出身,认为AI用到生物领域是个很好的方向;另一类背景更偏生物制药,然后逐步积累了AI能力。如果今天一个偏 AI 背景的人进来做你们这个事,他可能碰到的最大挑战是什么?

夏宁:我们和一些纯 AI 背景的人合作过,包括高校老师,最后发现一个挑战是,他们对我们这个行业的问题并不理解,或者他的理解是错误的,但又没跟我们说,就在错误的路上一直试,做到最后结果不好,他可能会说是数据的问题。我不是说他们能力不行,只是行业 knowhow非常重要。

我发现 AI 背景的人有一种能力比较强:当数据量足够大的时候,他能在训练效率上提出不错的见解。不过,数据恰恰是我们 AI for Science 领域最缺的。你会发现,在很多领域,亿级的数据很少,有些领域只有几百、几千、几万个数据。

李丰:过去八九年,你们积累的各类数据,包括文献、真实工业场景的正负反馈、内部的闭环实验,对模型能力的贡献各有多大?

夏宁:这要分问题,不同问题需要的数据不一样。对逆合成来说,我们认为现在贡献最大的还是公开文献和专利数据,因为AI主要学的是逆合成的思路。

李丰:简单类比下,我们今天讲的大模型,最大的数据来源是积累了 40 多年的全世界公开互联网文本数据集,但今天任何一个科研领域,即使把全部论文都加上,数据也差很多个量级。对你们来说,正数据和负数据对模型进步的贡献率是什么样?

夏宁:我认为正数据,也就是成功的数据,在现阶段非常重要;失败的数据,在未来非常重要。

这一代的智能体也好、AI 模型也好,只要能达到人的判断能力和水平,就已经可以大规模商业化了。在这个阶段,AI学习更多的是人的正向数据,也就是人觉得能行、实际上也成功的数据。但未来如果AI要超过实验人员的认知,它要能预判人觉得能行但其实不行的反应。这时候,负数据才重要,这是下一步的事情。

李丰:在你们今天的应用场景里,需要调后端的基座模型、用云端的 token 吗?

夏宁:我们正在做的智能体会用,一些数据处理的工作也会用。现在的基座大模型在解决一些科学问题上能做到六七十分了。不过成本上我们现在不用承担,因为大客户们在内部都部署了自己的基座模型。

李丰:假定我们今天能替代的,是一个化学专业毕业、有 10 年工作经验的人。在一间中国化学 CRO 公司里,这样的人大概是什么薪酬水平?

夏宁:月薪 2 万左右。

李丰:那大概是二三十万年薪。我问这个的原因是:除去购买成本,后端还有 token 消耗成本,最终大家也得算算账——这个替代过程到底是省了钱,还是没省太多钱?

夏宁:客户非常重视这个问题。他们知道基座模型能做很多工作,但如果太贵,他们也不愿意用。所以我们有很大的一个工程性的工作要做,就是帮客户省钱——我不能随意调用这个基座模型,只有在必要的时候调合适的模型,用最小的成本去调。

李丰:这非常重要。今天有一个很多人还没特别关注的问题:AI 跟以往软件最大的差别是,它每一次交互和调用都是有成本的,而原来的软件和数据库交互几乎成本为零。所以等大家开始关注成本之后,AI 最容易落到的应用方向,是替代有一定价值的场景,也就是它要替代掉的这些人,是值一定钱的。

夏宁:我相对乐观,我认为它的价格会不断下降,可能最终变得像电力一样低成本,那时人们就没那么在意了。

李丰:这个非常长期了。

夏宁:短中期,更多依赖于智能体层面的优化。但凡简单的问题,我们就用不花钱的、或者自己部署的模型;把最好、最贵的资源和模型,留给最核心和最关键的问题,最终减少整体的 token 消耗。

李丰:因为付费模式变了,从 SaaS 转向 agent 的时候,你觉得会发生什么变化?

夏宁:在相当长的时期,会是一个混合:既有收基础版订阅费的SaaS,又有按调用付费的Agent。因为有些问题客户用SaaS就能解决得很好,他们自然不愿意付更多钱。另一类问题,SaaS解决不好、用人解决又太贵,客户会愿意尝试智能体模式。假设我们跟用户收的钱不变,成本大头会变成token消耗,所以降本会成为我们的一个动力。

李丰:你们现在的客户里,跨国公司和国内企业分别占多少?

夏宁:从数量上说,目前国内客户多一些,但从付费总金额来看,国外现客户超过国内客户。

李丰:今天中国的管线类药企都在积极 license out(对外授权),这也是今年中国生物医药license out金额突飞猛进的原因。这件事会倒逼药企提高管线研发的速度、广度和效率——既要快、又要多、还要好。为了这个结果,他们可能会竭尽全力用上更多新的效率工具。这种需求你们感受到了吗?

夏宁:已经能感受到一些了。现在国内新药研发的速度和效率,跟欧美比其实已经有比较大的优势。但刚才我说为什么国外还多一些,是因为我们主要的客户以大型客户为主,而中国的这种大 MNC 还比较少。

李丰:这就像 2008 到 2012 年期间中国的精密制造产业——中国在果链中的占比接近一半,但造一台苹果手机中国公司占的利润总额非常少。现在医药有点像这个状况。

夏宁:对,需求端在国外,供给端在国内,而且这几年国内供给端的增量非常明显。照这个趋势,往未来看,不排除能像制造业一样,形成一个中国主导的「世界医药工厂」的模式。

不过我还有一个观察,印度在药物研发层面增增长也很快,增速不比中国慢。今年,我们的印度客户就增加了 30 多家,有CRO、CDMO(为制药企业提供从研发到生产的一体化外包服务的机构),也有一些做药的。所以我觉得,也许印度也有这个机会。

李丰:今天有一些国外的基座模型公司也慢慢拐到 AI for Science 上。你怎么看往后几年智化的机会和挑战?

夏宁:首先是一个机会。大模型能力的增强对我们是非常有帮助的,能让我们把整个流程做出来。

其次,我觉得大模型公司下场来做垂直模型不太容易。他们可能很难进入到企业的具体场景中去一点点做服务。也有很多人问,通用模型最后能不能把垂直能力直接做了,甚至做得更好?我觉得也难。我们内部做过大量测试,在垂直领域上通用模型能很快做到 50 分、60 分,再往上就非常非常难,基本达不到可用的程度。主要原因是通用模型底层更多是文本数据,而我们做的这种垂直模型更像一个多模态的数据。

而且大语言模型太通用了,如果要做一个垂直领域,做法还是搭一个小团队,像创业公司一样。但他们这个「创业公司」也没有太多所谓的优势——他们能用大模型,我们也能用。所以积累就显得更重要,或者说对客户场景的理解、跟客户深度的不断合作,这部分更重要。

李丰:那你觉得你们的挑战是什么?

夏宁:挑战更多是我们如何把自己的壁垒逐渐加深。它是一个长期的脏活累活,要不断投入资源,把地基打得更深,最后和大模型来合作——大模型把它们擅长的部分解决得更好,我们解决我们能解决的问题,双方互相结合、互相依赖。

李丰:因为 AI for Science比较火,你们也变得比较热了。你最近交流的投资人里,大家最容易误解的部分是什么?

夏宁:可能有两点。

第一,有投资人觉得我们一定要去做一个创新药、或者做一个新材料,市场空间才足够大。这在我看来是一个结果,而不是一个原因。我们做AI合成的目的是提高 DMTA 的研发效率,提高效率的目的是提升新药、新材料研发的效率——这时去做药、做材料才有巨大的优势。

否则,如果只是因为我要做一个药、做一个材料,那可能就和传统模式没有太大区别,就偏讲故事了。我认为要先解决工具效率的问题,再去把最终的目标调整到做完全创新的材料分子或者药物分子,这是我们在理解上的一个不同。

第二点是对市场空间的理解。他们看到的是过去工具软件的市场可能没那么大,不容易去想象未来工具软件结合了大模型、结合了智能体之后的市场空间。我觉得只要新的效率工具能够把之前没法做完的工作流全链条地做完,然后变成一个整体交付的结果,市场空间就不一样了。

李丰:转成智能体模式,飞轮效应会比原来的软件模式更明显吗?

夏宁:会更明显,主要体现在效率上。

李丰:假定有个跟你一样背景的人,在 2026 年上半年进来做跟你一模一样的事。你做了 8 年,回过头看,你积累的优势在什么地方?

夏宁:首先,整个技术体系经过了 8 年的打磨,这是一个非常漫长、要投入大量精力和资源的事情,对一个新进入的人来说,这个时间可能是省不了的。

其次,从客户的角度讲,现在再来创业做同样的事,有些市场窗口已经没有了。举个例子,头部客户已经用了像我们这样的成熟的产品,也和我们建立了非常深的合作关系,它要做切换成本会极高。这个我们之前做电子实验记录本的时候就看到过——客户已经用了、做了很多定制,你再让他改,基本上没可能。所以我倒觉得,创业做这块的最好时机可能已经过去了。

李丰:这个答案比我的问题还要残酷一些。最后作为收尾,你还有什么想跟大家分享的?

夏宁:AI for Science 是个很好的时代机遇。虽然它还在非常早期,但趋势几乎是必然的。10 年之后,是不是还主要是人在做科研?我觉得大概率主要是 AI 在做。

李丰:这也是个非常确定的中国机会,有点像2012年开始大力推的电动车产业发展规划。我们老讲弯道超车,弯道超车不是说你造出来一条道,而是正好出现了一个行业整体转向的机会,然后你综合了各种优势,在这条路上先跑起来了。

今天的 AI for Science,广义上是把数字化工具或者 AI 模型用在各种各样的科研领域里,去解决科学突破和发现的效率问题。我经常会打比方,这就像当时发明的显微镜——能看见细菌、细胞,使得生物医学领域的科学进展出现了广义上的许多突破。今天也有点像那个阶段。

图片

跳转微信打开

  •  

Apache COC Asia 2026|滴滴技术团队的三场专题分享

原创 滴滴开源 2026-08-20 19:58 北京

三场分享覆盖了存储、数据计算与 AI 开源协作等多个技术方向,值得一读。

近日,Apache COC Asia 2026 大会在北京顺利举办。作为 Apache 软件基金会的官方全球系列大会,来自全球各地的开源领袖围绕开源技术实践与发展趋势展开交流。

此次大会中,滴滴技术团队带来三场专题分享,分别聚焦大规模对象存储、开放湖仓和 AI 友好型开源项目,分享滴滴在相关技术领域的架构演进、规模化实践与开源探索。以下为本次大会中滴滴讲师的分享内容回顾:

分享一:《从 HDFS 元数据瓶颈到百 PB 级对象存储:架构演进、性能优化与 EC 落地》

滴滴 Ozone 团队围绕大规模对象存储的架构演进与生产实践展开分享。滴滴大数据存储研发工程师,Apache Ozone and Auron Contributor 魏铭详细介绍了滴滴如何应对 HDFS 在小文件场景下面临的元数据内存、块汇报和 RPC 队列瓶颈,并逐步建设起多集群、千节点、百 PB 容量、百亿文件规模的 Ozone 存储体系。

通过 Ozone Manager 与 Storage Container Manager 分层、RocksDB 元数据管理及 Container 化的数据组织方式,为对象存储、小文件和多租户场景提供更加灵活的扩展能力。

在此基础上,团队进一步分享了多集群治理、元数据读优化和首帧性能提升等关键实践。针对单集群文件数逼近百亿的问题,通过客户端 ViewFS 化实现 Bucket 级路由,将不同业务路径分配到不同 Ozone 集群,使单集群文件数控制在百亿以内;针对读请求集中在 OM Leader 的瓶颈,引入 Follower Read,并结合访问延迟与 appliedIndex 动态选择最优 OM,使 S3G 下载的 GetMetaLatency P90 下降5倍左右。面对 HDD 环境下的首帧延迟与高分位抖动,团队利用 NVMe 缓存 EC Block Group 的首个 Stripe,并从并发锁、后台扫描、数据删除和点对点迁移等方面系统治理 I/O 干扰。

在存储成本方面,滴滴将数据保护方式从三副本逐步迁移至 EC-6-3,使副本率由 3.0 降至约 1.5,释放数百 PB 存储空间。与此同时,团队也解决了 EC 分片删除积压、安全模式判断、管道缓存、反复重构和大规模数据迁移等一系列生产问题,并将相关优化反馈至 Apache Ozone 社区。

这些实践表明,超大规模存储系统的落地不仅依赖架构选型,更需要围绕性能、稳定性、成本和可运维性持续演进,在真实业务挑战与开源社区协作中共同完善技术体系。

分享二:《Evolution to Lakehouse: Cost-Effective Hive Migration and Real-Time Ingestion at Scale》

滴滴实时计算引擎团队负责人、Apache Flink Committer 俞航翔围绕从 Hive 数仓走向开放湖仓的生产演进展开分享,系统介绍了滴滴在 Hive 存量表规模化迁移 Iceberg、实时入湖和表管理方面的实践。随着 Data + AI 场景不断发展,业务对数据新鲜度、可复现和可演进的要求不断提高,同时需要兼容 HDFS、对象存储等不同存储底座,并为多种计算引擎提供统一、开放的数据消费能力。

基于此,滴滴围绕 Iceberg 构建生产级湖仓生态,打通业务开发、数据资产、多引擎计算与表管理等关键链路,并形成覆盖离线与实时链路的标准化迁移闭环。各类计算引擎面向不同场景协同工作,共享 Iceberg 表状态,由 Catalog 层提供统一的发现与治理入口,Amoro 负责独立于前台写入的表维护,将文件压缩、快照过期和孤儿文件清理异步化,并支持横向扩展。

实时接入方面,Kafka、DDMQ 和 PublicLog 链路由 Flink 直接提交 Iceberg Snapshot,下游可由多种引擎消费,在减少冗余存储与计算的同时,提升 ODS 数据新鲜度和链路稳定性。Binlog 入湖方面,相较 Canal 按链路独立部署和采集,Binlog Server 将每个 MySQL 集群的 Binlog 集中采集并服务多个下游,提供统一探活和 DOS 归档回放,降低资源与运维成本;基于 GTID Set 的完整性校验,可精准发现并定位缺失事务。此外,团队还补齐了 Minor/Major Compaction、Metadata Pushdown 和多表异步小文件合并等核心能力。

规模化迁移方面,滴滴将流程沉淀为“扫描、校验、双跑、回放、数据对比、验证、切换、观察、回滚”的标准闭环,并将全链路变更、收益计算、异常分析和审计进一步产品化、自动化。随着实时入湖和 Iceberg 表状态逐步落地,端到端数据新鲜度从小时级进入分钟级,节省了 PB 级存储,计算成本明显下降,也提升了数据就绪的稳定性和可预测性。

下一阶段,滴滴将围绕 Iceberg 夯实表格式演进基础,持续落地低成本、高稳定的实时湖仓,完善跨存储、跨引擎的统一 Catalog 与表运维,并以多引擎协同支撑更多 Data + AI 场景。

分享三:《面向智能体的开源项目演进:Seata 的 AI 友好化实践》

滴滴资深软件研发工程师,Apache Seata PMC 张锋从开源项目与 AI 协作的双重视角,结合滴滴内部 AI 实践和落地经验,介绍了 Seata 面向智能体演进的思考与实践。随着智能体开始参与理解架构、处理 Issue、修改代码、执行测试和提PR,AI Coding 带来的不只是开发效率提升,也让维护者面临上下文缺失、兼容性风险和验证成本上升等新挑战。

分享指出,AI 友好并不等于接受更多 AI 生成代码,而是让项目能够被可靠理解、安全操作,并继续接受开源社区治理。围绕这一目标,Seata 将演进路径划分为“人类可读、机器可检索、智能体可操作、社区治理”四个层次。以 Saga 状态语言为例,分享说明了如何将自然语言描述的业务意图转换为结构化、可验证、可视化、可执行的状态机定义,让模型输出从一段文本变成能够被工程体系检查的交付物。

在知识层建设上,Seata Knowledge Agent 采集文档、代码、API 规范和社区讨论等多源信息,保留知识的来源、版本与时间语义,再由知识编译智能体围绕稳定主题生成可持续演进的规范知识。查询智能体根据具体任务提供包含关键决策、约束条件、未解决问题和来源引用的最小上下文包,并通过证据追溯、问题澄清、差异评审和 Git 历史保障知识可信。

未来,Saga Copilot 将进一步连接业务描述、知识检索、状态机生成、语义校验、流程模拟和可评审变更,逐步形成从理解项目、生成方案到验证贡献的完整闭环。AI 友好最终不是为某一个模型优化项目,而是通过更清晰的知识、更明确的接口、更可靠的验证和更开放的治理,让人类开发者与智能体都能更安全、更高效地参与开源协作。

结语

从百 PB 级对象存储,到开放湖仓体系,再到面向智能体的开源项目演进,三场分享覆盖了存储、数据计算与 AI 开源协作等多个技术方向。技术架构持续演进,开源项目不断创新,社区协作也在新的技术趋势下拓展出更多可能。

未来,滴滴开源将继续参与社区建设,持续沉淀和分享技术实践,与社区开发者共同探索技术边界,推动更多技术成果在开放协作中持续演进。

往期推荐

跳转微信打开

  •  

《聪明的的阅读者》俄语版正式上市

原创 阳志平 2026-08-20 19:49 北京

即使是一本小书,也藏着整个世界!

近期,我的个人专著《聪明的阅读者》的俄语版在俄罗斯正式上市了。心情颇为感慨,这是我的第一本被翻译为外语的著作。

《聪明的阅读者》俄语版封面

1

2023 年 5 月,《聪明的阅读者》中文版上市不久,出版社老师问我,有一家俄罗斯的出版社对我这本书颇感兴趣,想出版俄语版,你的意见如何?

那时,我对将自己的版权输出国际,一无所知,但心里觉得是好事,于是同意了。

出版社是俄罗斯知名的非虚构出版社 Манн, Иванов и Фербер(МИФ,曼恩、伊万诺夫与费尔贝尔出版社),他们主打心理学、商业与个人成长类著作。做事很靠谱,很快,就将版税给我汇过来了。

而当时我唯一担心的是,《聪明的阅读者》这本书翻译难度这么大,中文版厚达 454 页,译者能胜任吗?

果然,出版方很快提出了一个条件,也就是能否出版俄语版时,删掉第十一章「通识千书」?

从作者感情来说,我显然希望保留自己的著作完整性,但从翻译与市场角度来看,这是一个极为合理的请求。当初,我与三位资深编辑,以及三位同事校对通识千书,就耗费了整整一个多月。而翻译为俄语版,难度可想而知。并且会让这本书变得极厚,显然会进一步影响俄语版销量。

因此,我第一时间同意了出版方的请求,作为协议附加条款列入进去。

2

然而,等今年 2 月份,俄方出版社发来他们的最终译稿时,大大出乎我意料。他们删掉了「参考文献」,把「附录」「致谢」和「后记」整体移到了线上。正文最后一页留了一个二维码,扫开是一份 33 页的补充材料,附录《关于阅读的阅读》和致谢都在里面。但第十一章「通识千书」,依然完整保留在纸书里。

在合作之初,我同意他们的时候,心想,第十一章「通识千书」这可是《聪明的阅读者》一书最大的价值点之一,你们出版方怎么舍得删掉呢?哈哈哈哈哈。果然,最后他们自己还是保留下来了。

俄语版第十一章首页

最终,整本书厚达 544 页,真正的精装本大部头了,甚至超过中文版的页数了。

惊喜还在后面。我原本最担心的,是书中涉及中国儒家价值观的那些文本会被弱化或删减;尤其担心「人类文明十三经」因为通篇没有提及俄罗斯,会被整节删掉。但这些也都完整保留了。

某种意义上,这也是一种文化输出了。

3

一本书究竟如何才能从一种语言变为另一种语言?一切都要归功于译者。

《聪明的阅读者》俄语版的译者,是至今尚未与我谋面的叶卡捷琳娜·科尔涅娃(Екатерина Корнева)老师。

写作《聪明的阅读者》很难,花了我三年。而从签约到付印,俄方前后也花了近三年。544 页的大部头,那么多的学术知识点,估计译者掉了不少头发。我这么难译的书,竟然也能被翻译出来。真的太神奇了。

我不懂俄语,但从俄语版的读者反馈来看,有读者称译笔不错、读来流畅。在 AI 的帮助下,尝试阅读俄语版,发现译者老师做了非常多精巧的细节处理。

《聪明的阅读者》的俄语书名,也颇有意思。

书名俄语作 Искусство быть читателем,直译为中文,是「做一个读者的艺术」;副标题 Как читать эффективнее, упорядочить знания и получать удовольствие от книг,即「如何更高效地阅读、让知识成序、并从书中获得乐趣」。

连起来便是:《做一个读者的艺术:如何更高效地阅读、让知识成序、并从书中获得乐趣》。

译者并没有抓住「聪明」做文章,而是突出阅读的艺术,这是抓住了《聪明的阅读者》一书的精髓!

俄语版的目录,直译回来后如下:

目录

序言 小书里也藏着整个世界 6

第一部分 阅读的科学

第 1 章 如何成为聪明的读者 10
第 2 章 阅读过程中大脑的运作 28
第 3 章 信息、叙事与审美 56

第二部分 阅读的技术

第 4 章 精读:基本功 94
第 5 章 选读:科学上的突破 130
第 6 章 结构阅读:作者的认知方式 157
第 7 章 主题阅读:当一本书不够时 196
第 8 章 卡片法:智者的笔记 216
第 9 章 实际应用:读不同类型的文本 261

第三部分 读者的选择

第 10 章 如何选书 298
第 11 章 包罗万象的千书:智者的杰作 352

补充材料 543

封底的介绍文字,也与中文版大为不同,直译如下:

一部全面而深入的著作,献给阅读的艺术

这本书不只是给人鼓舞——它给出一套可逐步操作的方法,把被动地吞读文字,变成与作者之间有意义的对话。

它的内核,是四套通用的阅读体系。它们让你能够灵活调整策略,应对任何任务:无论是啃下一部艰深的学术专著,深入剖析一部长篇小说,还是从同一主题的几十本书里迅速「榨」出精要。

这一切,都将帮助你在自己身上发现一个聪明的读者——他不只是吞下信息,而是从书中获取最大的收益与乐趣。书中还附有一份内容广博的导览:一份世界典籍最重要作品的书单,读过它们,你将能在字里行间看见远比从前更多的东西。

俄语版封底

这个介绍我非常满意,准确而到位,尤其是「献给阅读的艺术」这一句。

《聪明的阅读者》中,我那么独特的文风,译成俄语会如何呢?先看我的自序《世界何窄,方册何宽》,标题被译成了:

Даже малая книга
скрывает весь мир

译为中文,是:

即使是一本小书
也隐藏着整个世界

4

俄语世界的读者,如何评价《聪明的阅读者》俄语版?摘录几条评论:

读者评论 1:

这本书彻底改变了我对阅读的态度,也改变了我阅读的方式。读它的时候,你会突然发现自己在想:从这本书开始,阅读的世界被分成了「之前」和「之后」——「之前」意味着你根本就没读过书,或者你读的方式是错的,你的阅读里有一片混乱,而你压根没察觉;意味着做一个读者,是特权、是技能,同时也是最了不起的天赋。

如果你爱读书,又还在犹豫要不要买这本,那我要赶紧打消你的犹豫,并且告诉你:这本书里的东西,你在别处再也找不到!就算找得到,人家也会要你付上一千倍于这件珍宝的价钱。

读者评论 2:

这是一本非常有意思也非常有用的书,适合那些不想再乱读一气、而想系统地、有结构地获取知识,以求弄清世界与各知识领域整体图景的人。这本书清楚地展示了:该如何有意识地读书,如何对付严肃的学术文本,如何提高阅读的速度与数量,以及如何更好地吸收读过的内容。

特别有意思的是那份涵盖所有知识领域的推荐书单,它能帮人建立起关于客观现实与哲学观念的完整图景。这本书对各个年龄段的人都有用。

读者评论 3:

这本书能让你获得一些关于阅读与记忆的有趣事实,也能破除若干阅读上的幻觉。全书的主线是阅读方法——针对不同文本类型、不同门类的著作,方法各不相同。书中援引的专业文献相当密集。

书的很大一部分篇幅,是作者收集整理的「千位智者」基础书单。他首先推荐读的正是这份书单,用以拓展对世界的认识、培育自己的智慧。

在我看来,这本书面向的是严肃读者——那种把书当作知识与智慧的来源,而不只是当作爱好或消遣的人。它能帮你在如今累积到不可思议规模的信息里找到方向。作为一部通览世界典籍杰作(既包括知识性的,也包括文艺性的)的全局性参考书,它相当出色。本书出自一位中国研究者之手,这自然也在内容上留下了它的印记。

当然,也有来自俄语读者的批评,指责我太强调认知科学了;以及我写得太推销中国作家与儒家了。

5

而最令我感动的,是一位读者的长评,全文翻译如下:


不是嚼纸,而是啜饮文字的艺术

我们习惯把书当成头脑的健身房。这儿是一份「必读」经典书单——练你的智力。那儿是一堆讲效率的非虚构——让神经连接长得更密。我们吞下字母,只为在阅读挑战里打个勾,然后带着骄傲(和一丝吃撑了的轻微反胃)望着那摞读完的书。

中国随笔作家阳志平在《聪明的阅读者》(俄译名直译为「做一个读者的艺术」)中提议彻底换一副眼镜。他礼貌地收走我们手里的哑铃和蛋白粉,让我们坐进一张深深的扶手椅,在小几上放好一只瓷杯。他说,阅读不是举重,是茶道。

别在这里找速读法,也别找一小时记住五百页的技巧。阳志平写的是远为细微的东西:如何按当下的心境挑一本书,而不是因为周围人都在谈论它;如何及时合上一本无聊的小说,而不必对着它伟大的作者受良心的煎熬;如何把熟悉的句子重读成初见。

作者的核心观点,在这个人人都要「成事」的时代听来近乎异端:读书要读出双重愉悦——安静的智性快乐,和实实在在的人生用处。二者缺一,要么空洞,要么疲惫。

他温和地解剖我们在读书上的种种「罪」:为读不完《尤利西斯》那块砖头而愧疚,对轻文学的势利眼,出于原则把明摆着的烂书读到底的习惯。他用好奇心取代责任感。书应当像手套一样合你的手——否则何必把你唯一一次、不可重来的时间花在它身上?

阳志平的文字本身就把人调到该有的调子上。它不急不缓,疏朗有致,可触可感。读他的思考时,你能实实在在闻到旧纸的气味,看见斜斜一道落在木地板上的、有尘埃浮动的光,听见图书馆的寂静。

于是这本书自己变成了一本实践手册:作者教你慢慢读,细品段落,在章节之间停一停,让念头慢慢泡开。你会忽然发现,哪怕在沉重的一天工作之后,自己的呼吸也变得平匀了。

读完《聪明的阅读者》,你会想立刻去一趟书店。但走进去的将是另一个人。不是那个从架上乱抓一气、把时髦书脊塞满袋子的劫掠者,而是一位懂得味道、香气与回甘的美食家。

阳志平把最重要的一项权利还给了我们——为自己而读的权利。他也提醒我们:一本书最好的用处,是一个人刚刚在最好的陪伴中度过两小时之后,那份幸福的平静。


在 AI 的帮助下,我读懂了这位来自远方读者的评论。看到在异国他乡,不同语言、不同文化下,自己的书如何被阅读,这种感受太美妙啦。

6

真是一次有趣的人生经历。期待未来我的这类对外思想输出越来越多,能令更多文化背景的读者受益。

俄方保留下来的,不只是第十一章与「人类文明十三经」。翻过目录便是这本书最私人的一页,也就是献词,他们也一字未删地译了过去。

中文版原文是:

世界何窄,方册何宽。
愿你一生,好书常伴,心流常在。
谨以此书献给我的爱女。

俄语版是:

Даже малая книга скрывает весь мир!
Пусть хорошие книги сопровождают
тебя всю жизнь и радуют сердце.
Посвящаю свой труд любимой дочери

再直译回中文,则成了:

即使是一本小书,也藏着整个世界!
愿好书伴你一生,令你心中欢喜。
谨以此书献给我心爱的女儿

世界何窄,方册何宽。即使是一本小书,也藏着整个世界!愿你,享受阅读的欢喜。

阳志平
2026-08-20

相关阅读:

跳转微信打开

  •  

AI专栏 | 让Agent学会“不贰过”:从一次纠偏,到采纳率翻倍的工程实践

原创 Li Yi 2026-08-20 17:00 上海

人工对 AI 的结果做高质量决策

作者简介

Li Yi,携程资深后端开发工程师。关注 AI Agent 进入真实环境后如何继续获得经验,把经验沉淀为可复用的认知,并从用户视角持续拓展它能解决的问题。

团队热招岗位:高级/资深Java开发工程师、AI Agent工程师、AI Infra 研发工程师、大模型算法工程师

导读:Agent 答错后,人补一句正确答案并不难。真正困难的是:下一次遇到相似问题时,它能不能自己用上这次纠正;业务发生变化后,过去有效的做法能不能被重新检查;又怎样证明这次修改真的让 Agent 变得更好,而不是碰巧答对,或者修好这一类却让别的问题变差。

我们为此建立了一条从生产反馈出发的改进链路。系统保留 Agent 回答问题时的完整过程,找出错误从哪一步开始,把专家判断整理成候选知识,在隔离环境中重跑历史问题,经维护者审核后写回。修改后的 Agent 继续处理真实问题,新记录再回到同一条链路中。

这套机制已经用于多个业务 Agent。在与携程酒店技术支持团队的共建中,两类明确接入该流程的 Agent,一线采纳率分别从约 20% 提升到 40% 以上、从约 40% 提升到 60% 左右。这里的“采纳率”,指一线人员认为 Agent 回答可以直接采用的比例。本文从一个具体错误开始,说明一次人工判断怎样变成 Agent 后续会持续使用的能力,以及这条链路为什么仍然需要验证和人工治理。

一、为什么“库存不足”仍不是完整答案

二、怎样让一次纠正影响下一次答案

三、系统怎样判断Agent错在哪里

四、一项修改为什么值得被保留

五、怎样让一条经验帮助更多同类问题

六、人和基础设施各自负责什么

七、怎样判断这套方法是否产生价值

一、为什么“库存不足”仍不是完整答案

一位用户很早创建了一笔需要企业审批的酒店订单。订单创建时尚有房间,但系统不会立即向商户确认订单并锁定房间,而要等审批通过后才真正执行。等审批完成,房间已经被其他订单订走了。

排障 Agent 查到执行时没有库存,于是回答“库存不足”。这句话描述了失败发生时的状态,却没有回答用户真正关心的问题:为什么很早创建的订单,最后仍然没有订到房?

问题出在时间线上。Agent 看到了执行失败时的最终状态,却漏掉了创建与执行之间的审批过程。订单创建时间和房间真正被锁定的时间不同;等待期间发生的状态变化,才把“很早提交”和“最后失败”连成完整的因果链。

图 1:最终状态只能说明失败时发生了什么;完整原因还要包含提交与真正生效之间的过程。

这类问题并不只存在于酒店业务。申请提交后等待审核、任务创建后等待调度、支付发起后等待清算,都存在“已经提交”和“真正生效”之间的间隔。如果 Agent 只看最后一刻的状态,就容易把结果当成原因。

传统做法通常有两种:业务人员直接改对当前答案,或者补一条“遇到某类订单就检查审批”的规则。前一种做法只关闭了这次问题;后一种做法依赖具体名称和触发词。用户换一种说法,或者同样的机制出现在另一个场景,Agent 仍可能重复犯错。

真正值得留下的不是这次答案,而是一条可以迁移的业务知识:请求提交不等于操作真正生效;存在中间流程时,解释最终失败前要先检查等待期间发生了什么。

二、怎样让一次纠正影响下一次回答

要让这条知识影响下一次问题,系统不能只保存问题和最终答案,还要保留 Agent 当时怎样得到答案:调用了哪些工具、传入什么参数、拿到哪些结果,又依据这些信息作出什么判断。

改进系统随后检查这条执行过程,找出错误从哪里开始:是缺少必要信息,已经拿到字段却理解错了,还是信息足够但没有完成推理。专家提供的判断会先被整理成候选知识,去掉订单号、活动名和一次性返回值,保留适用条件和判断原则。

候选知识不会直接进入生产。系统先把它写入测试版本,在历史问题上重新运行,确认它确实被 Agent 使用、结果变化能够解释,而且没有让原本能正确处理的问题变差。通过验证并经维护者审核后,它才会写入 Agent 下一次运行时加载的工具说明、业务规则或提示词。

图 2:改对当前答案只能关闭一个问题;只有候选知识经过验证、审核和写回,才影响下一次回答。

本文把这条持续链路称为受人工治理的 Agent 自进化。业务 Agent 仍然负责回答用户问题;另一套改进系统读取它留下的执行记录,分析错误、提出修改并回放历史案例。维护者决定哪些修改能够进入生产,新版 Agent 则继续运行并产生下一轮反馈。

一次变化要构成这样的自进化,需要同时满足四个条件:反馈来自 Agent 自己的真实运行;系统能根据反馈修改 Agent 后续仍会使用的内容;修改经过验证和人工选择;修改后的 Agent 继续产生新反馈。少了其中任何一环,都更接近一次普通优化,而不是持续循环。

三、系统怎样判断 Agent 错在哪里

生产记录和标准评测集不同。它通常没有一份稳定、干净的标准答案:失败问题原来的结论可能就是错的;成功回答也可能只是碰巧命中,实际推理并不成立;同一种知识缺失,在不同执行记录中还可能表现为调错工具、传错参数、漏看字段或最终判断错误。

因此,系统不能只把问题文本和最终答案攒起来做分类。它需要读取从问题输入、工具调用、中间结果到最终回答的完整过程,逐步检查 Agent 还缺什么信息、哪个字段被误解,以及哪项已经取得的信息没有进入最终判断。

常见错误大致有三类:

信息已经足够,但推理没有走完。前面的订单案例就属于这一类:Agent 已经查到执行时没有库存,却没有把审批和时间差加入因果链。

字段已经拿到,但不知道它在业务上意味着什么。例如某项优惠无法使用,真正的判断依据可能是请求来源。这个字段早已存在于工具返回中,Agent 却不知道它与使用资格有关。此时不需要增加数据源,只需要把字段含义写清楚。

现有工具确实拿不到必要信息。系统会先确认已有工具是否能够补足证据;仍然缺失时,再提出需要增加什么查询,并在只能读取、不能修改生产数据的隔离环境中验证。未经维护者审核,新的查询能力不会进入生产。如果根因属于业务系统缺陷,或者所需信息根本不存在,系统会停止继续尝试,把已经排除的方向和最接近的线索交给人。

人工反馈也要按可信程度分别使用。专家有时给出明确结论,有时只提供排查方向,也可能暂时没有答案。

仍以前面的订单为例。假设专家已经判断“审批造成的时间差才是真因”,如果分析模型一开始就拿到完整结论,它可能沿着答案拼出一条看似合理的解释,即使执行记录里没有足够证据。因此,分析阶段只得到“检查审批流程”这样的方向,并先从执行记录中寻找依据;完成分析后,另一道评估再检查分析结果是否与专家判断一致,以及记录中的证据能否支撑这一结论。

这一阶段的产物不是“这条订单应该回答什么”,而是换一个订单、换一种表达仍然成立的候选知识。只有当它说明了适用条件和判断原则,并通过后续验证,才值得被长期保留。

四、一项修改为什么值得被保留

自动提出修改并不等于已经学会。答案发生变化,可能是新知识真的起作用了,也可能只是下游数据已经不同,或者 Agent 偶然走到了另一条路径。

判断一项修改能否保留,需要同时回答三个彼此独立的问题。它们不是依次发生的三步,而是并列的三个条件。

生效性:修改真的被 Agent 使用了吗?

知识已经写入测试版本,不代表它一定进入了执行。系统需要从执行记录确认新版内容已经加载,并真正影响了工具调用或判断。如果改了但没有用上,就不能继续把答案变化归因于这项修改。

可归因性:答案变化来自修改,还是外部数据变化?

历史问题发生后,库存、订单和审批状态仍会变化。如果回放时重新查询今天的数据,修改后的运行与原始记录面对的就不是同一组事实。例如,事后有人取消订单,今天查到的库存可能已经恢复;这时答案发生变化,未必是因为 Agent 学会了新的知识。反过来,如果禁止 Agent 发起历史记录中没有出现过的新查询,它又无法尝试新的排查路径,例如补查审批完成时间。

因此,历史记录中已经出现过的同名、同参数调用,回放时优先返回当时保存的结果。修改前后的 Agent 先面对同一份基础事实,判断差异才可能来自新加入的知识。

如果修改后的 Agent 开始查询审批时间,而历史记录没有保存这次调用,系统可以让它在只读环境中发起一次实时查询,并明确标记结果来自今天。这类查询验证的是:Agent 是否学会了主动查询这项信息,以及当前接口是否可用。它不用于还原几个月前的业务现场,也不能据此判断当时查询会得到什么。

如果只想比较新旧 Agent 的判断方式,系统会关闭所有新增查询,让两者完全基于当时保存的数据重新回答。我们把这种方式称为完全冻结回放。

安全性:修好当前问题,有没有伤害其他问题?

验证不能只盯住当前错误,还要重跑一批原本能正确处理的历史问题。即使当前问题变好,只要新知识让其他问题变差,也不能进入生产。

图 3:生效性、可归因性和安全性是三个并列判断;缺少任何一项,都不足以把候选修改带回生产。

证据是否充分、执行路径是否改变、最终结论是否改善,也由不同角色分别判断,而不是让同一个模型先下结论,再为自己的判断寻找理由。在内部评估中,由单一模型同时分析和裁判时,无效修改被误判为有效的比例曾在三成左右;拆分职责并增加“修改必须实际生效”的条件后,这一比例下降到个位数百分比。

自动检查完成后,候选修改只有三种出口:证据充分则提交维护者采纳;信息不足则返回继续分析;无效或伤害其他问题则拒绝。系统负责提出候选并整理证据,维护者负责决定哪些变化值得被长期保留。

五、怎样让一条经验帮助更多同类问题

一条执行记录已经足以发现新的业务知识,这对低频、长尾问题尤其重要。但当同一种错误反复出现时,每次都从头分析并不经济。随着经过验证的问题逐渐积累,系统会进一步对照同类问题的成功和失败过程,寻找能够复用的共同做法。

它不会简单汇总每条问题的最终答案。答案相同,不代表推理过程正确;问题文本相似,也不代表错误原因相同。

假设后来又积累了十条“很早提交却最终失败”的问题。Agent 回答正确的记录通常都会检查提交时间、审批完成时间和房间状态变化;回答错误的记录往往只检查最后的库存。两组记录一对照,系统就能发现:失败最常发生在没有检查中间流程这一步。

“存在延迟生效流程时,要检查等待期间的状态变化”由此成为一条候选通用做法。系统还会过滤活动名、渠道名、订单号等只属于个案的信息,避免把一次特殊处理误写成共享规则。候选做法随后要在这批问题上共同回放,确认它确实帮助了同类问题,也没有伤害其他场景。

图 4:单条记录用于发现新事实,同类记录用于提炼共同做法;两种结果都要经过验证和人工审核。

通过审核的内容会进入可信经验库,并保存它来自哪些生产记录、经过什么验证、适用于什么条件以及属于哪个版本。未经验证的结论不会入库,已经入库的经验也不是无需检查的标准答案,每次仍要结合当前证据使用。

目前,经验库主要由改进系统使用:当下一条错误记录进入分析时,系统会先查找过去有没有类似经验,以减少重复排查。

尚未完全打通的是业务 Agent 的前置使用。当用户刚提出一个新问题时,业务 Agent 还不能稳定地在回答前自动找到并采用已有经验。因此,系统已经能够加快“错误发生后的改进”,但还不能保证在错误再次发生前就阻止它。

六、人和基础设施各自负责什么

“自进化”容易让人联想到系统不再需要人。生产环境中的实际情况恰好相反:机器适合承担可以重复、可以批量验证的工作,人则保留对业务真因和生产发布的责任。

业务专家最有价值的输入,通常不是重新写一整份规则文档,而是指出真正原因的一句话。例如:“创建时有房,不代表审批完成时仍有房。”过去,这句话可能只用于关闭当前问题;现在,系统可以据此查找相关执行记录、提出候选修改、批量回放历史问题并整理证据。专家不必亲自完成每一步,但仍要判断证据是否成立、适用范围是否过宽,以及修改能否进入生产。

人的位置因此发生了变化:从逐条搜索和手工改写,转向提供准确的判断和排查方向、审核证据,并治理生产变化。一次经过验证的判断,可以影响后续一类问题,而不只影响当前一条记录。

权限也要随着任务阶段分开。分析系统只读取历史记录的副本,因此不需要修改生产;需要重新调用工具时,任务进入只能查询、不能写入生产数据的隔离环境;只有修改通过验证和人工审核后,专门的发布流程才取得写入权限,并记录修改人、版本和回滚点。这样,即使分析系统提出了错误建议,也不能绕过审核直接改变生产 Agent。

并不是所有 Agent 都能直接接入这套机制。至少要满足三件事:

看得见。系统除了最终答案,还要能看到 Agent 调用了哪些工具、传入什么参数、拿到什么结果,以及怎样作出判断。否则只能知道它答错了,不知道错误从哪一步开始。

改得动。Agent 后续使用的工具说明、业务规则和提示词需要能够单独更新、比较版本和回滚。否则即使找到了问题,也没有一个安全的位置承接修改。

有人负责。必须明确由谁审核、谁批准发布,以及出现问题后谁负责回滚。系统可以提出修改并提供验证结果,最终是否进入生产,仍由对应 Agent 的维护团队决定。

七、怎样判断这套方法是否产生价值

接入了多少 Agent、生成了多少候选、采纳了多少修改,只能说明系统在运行。真正需要回答的是:一线是否愿意采用新版 Agent 的回答,处理问题是否更快,最终用户是否感受到改善。

酒店技术支持团队提供了一个较完整的观察样本。这个团队每月处理上万条问题,其中大量场景低频、信息不完整,固定规则很难持续覆盖。

在两类 Agent 上,接入前后的变化最为直接。负责排查房价、库存和售卖状态的 Agent,采纳率从约 20% 提升到 40% 以上;负责促销问题的 Agent,采纳率从约 40% 提升到 60% 左右。前者每周覆盖一百余条问题,后者每周覆盖两百余条问题,并非少量孤立样本。

把范围扩大到整个协作体系,总采纳率由 25.9% 提升到 51.7%。2026 年 6 月,AI 有效覆盖率达到 48.08%。这个指标的含义是:在技术支持团队经手的全部问题中,由系统自动转移且没有回流、由系统自动解决,或者 Agent 诊断结论被一线采纳的三类问题,合计占 48.08%。

对于 Agent 确实提供有效帮助的问题,相比纯人工处理,解决时长中位数缩短约 40%;在业务量和处理人力基本相当的情况下,及时解决率同比提升约 4.9 个百分点。

这些整体结果不能全部归因于自进化系统。同期还进行了工具与业务知识整理、已有 Agent 复用、问题自动分流和部分场景自动处理。更准确的结论是:自进化补上了“从真实错误中持续发现 Agent 不会的地方,并形成经过验证的修改”这一环;最终业务结果来自工具、Agent、平台和一线团队共同形成的协作链路。

系统内部还要单独判断每次修改的净收益:有多少原本答错的问题在修改后真正答对,又有多少原本答对的问题被新知识带坏。前者增加而后者接近零,才说明这次变化值得保留。业务指标用于判断这条方向是否值得继续投入;历史回放则用于确保每次具体修改不会以伤害其他问题为代价。

还有两项能力需要继续完善。其一,历史问题集需要覆盖更多类别,避免验证只围绕当前问题;其二,业务事实会变化,系统仍需要更完整地识别哪些经验已经过时,并重新验证。明确这些边界,比把一次阶段性提升误认为永久能力更重要。

结语

Agent 自进化不是让系统在没有约束的情况下随意修改自己。它是一套具体的工程过程:从真实运行中取得完整反馈,找出错误从哪一步开始,把专家判断整理成候选知识,通过历史回放和人工审核决定是否保留,再让新版 Agent 回到生产继续接受新反馈。

模型会继续变强,业务事实也会继续变化,低频问题不会因为一次升级而消失。真正困难的不是让 Agent 把当前答案再说一遍,而是让一次错误留下可以复用、可以验证,也可以在过期后重新检查的知识。

过去,专家的一次判断往往只关闭一个问题;在这条链路中,一次经过验证的业务判断,有机会改变 Agent 之后处理一类问题的方式。被持续放大的不是某一句答案,而是人对真实业务的理解。人原来逐条救火,现在只在真需要判断的地方出手。在这个体系中,人工要做的不再是逐条看工单的体力活,而是要对 AI 的结果做高质量决策。

【推荐阅读】

 “携程技术”公众号

  分享,交流,成长

跳转微信打开

  •  

MiniMax Design:从操作像素,到操作语义和表达意图

原创 MiniMax 2026-08-20 08:36 上海

今天,我们向大家介绍 MiniMax Design。

MiniMax Design 是一款把多模态模型能力变成真实可用的生产力的 Harness。用户提出创作需求后,它能够理解目标、拆解任务、调用相应的模型与 Skills,完成从素材处理、生成和编辑到最终交付的完整过程。

MiniMax 原生多模态视频模型 H3 为 MiniMax Design 提供了新的能力基础,它已经验证了 MiniMax 在多模态理解、视频生成、视频编辑、参考控制等方面的模型能力,尤其适合 Video Editing 等对理解、控制与修改要求更高的场景。

我们希望通过 MiniMax Design 进一步释放 H3 的生产力,把这些能力进一步组织进真实的商业内容生产流程。

对多模态生产力的两点思考

对于多模态生产力的未来,我们有两个思考。

第一个思考是,未来的创作与修改不会停留在传统意义上的 Editing,而是语义层面的创作与修改。用户不必精确告诉系统每个像素和时间点如何变化,只需要表达高层意图,模型理解“想要什么”,再完成生成、修改、重组和编辑。

长期来看,我们相信自然语言会成为人与多模态内容交互的核心接口。用户负责表达意图,系统负责理解意图,并完成具体的生成、修改和组织。

第二个思考是,多模态模型的下一步进展将来自对更复杂 Context 的理解和使用。

H3 这一代已经初步具备了理解多模态上下文的能力:用户可以同时提供几张图片、几段视频和一些指令,由模型理解不同内容之间的关系。

未来,模型需要理解的 Context 会从一次输入扩展到整个 Project。它将包括整个项目的历史和多轮对话,所有图片、视频、音频与剧本,人物、场景、道具和品牌资产,不同版本及其修改记录,以及用户长期形成的风格和偏好。

这和语言模型的发展类似:Context 长度不是唯一变化,真正的变化是模型能否有效理解并利用复杂 Context。

从单次生成走向 Agent 驱动

的完整工作流

基于我们的技术判断和 H3 开源后在社区中看到的真实需求,我们推出 MiniMax Design。

围绕 H3 原生构建

MiniMax Design 围绕 H3 原生构建,把对 H3 能力边界、输入方式和使用方法的理解沉淀在 Agent 与 Skills 中。面对一项具体任务,系统会判断需要提供哪些文字、图片、视频和音频,哪些内容应该作为参考,哪些部分需要保留、增强或修改,再将创作需求转化为适合 H3 执行的素材、指令和能力组合。

例如,在制作 PV 或 MV 时,MiniMax Design 会根据内容主题、音乐节奏和参考素材确定视觉风格与分镜,再准备人物、场景和动作参考,将不同镜头整理成适合 H3 执行的素材和提示词。制作电影片头或特效包装时,MiniMax Design 则会进一步拆解文字、图形、镜头运动和转场效果,明确需要保留、增强和修改的内容,再组合使用 H3 的生成、参考控制和视频编辑能力。

擅长商业内容任务

MiniMax Design 擅长处理目标明确、涉及多个制作环节,并且需要持续生成和修改的商业内容任务,我们介绍几种常见的使用场景:

当品牌需要快速测试创意、批量迭代投放素材时,可以把商品信息、目标人群和传播需求交给 MiniMax Design。在 KOC、UGC、种草或品牌短片中,Agent 会围绕不同卖点、受众和内容平台规划脚本与镜头,继续完成素材生成、剪辑和字幕,让一套商品素材更快变成多个可用版本。

运动鞋电商广告

外卖品牌创意短片

如果用户希望把教案、课件,知识点或传统故事制作成视频,也可以直接把现有材料交给 MiniMax Design。Agent 会先梳理内容结构和讲解顺序,再组织配音、画面和动画表达,把文字材料逐步制作成完整的知识视频或 MG 动画。

皮影戏版故事插画

英语教学短视频

当企业或创作者需要制作 PV、MV、电影片头、特效包装、角色宣传片等创意短片时,任务往往对视觉风格、镜头连续性和后期修改有更高要求。MiniMax Design 可以发挥 H3 在生成、参考控制和视频编辑方面的能力,由 Agent 规划整体创意与镜头,Skills 完成具体制作环节,减少创作者在多个专业工具之间来回切换的成本。

PV 制作

MV 制作

这些列举的 Case 是商业内容生产中几类常见的任务。对于目标明确、过程可拆解,并且需要连续调用多种能力的内容需求,MiniMax Design 都可以从理解目标开始,持续推进生成、编辑和修改,直到形成可以交付的内容。

补全从分镜到成片的创作流程

一条可以交付的视频,除了生成镜头,还需要在生成前确定构图、人物关系和镜头运动,在生成后完成剪辑、字幕和整体装配。

3D 导演台:

对于画面调度要求较高的内容,MiniMax Design 提供了 Agent 3D 导演台。用户描述场景、人物动作和镜头要求后,MiniMax Design 可以在 3D 空间中摆放角色、调整姿态与机位,并从不同视角检查画面。用户也可以随时手动调整,确认构图和人物关系后,系统再将结果作为 H3 生成视频的参考,把一部分试错提前到分镜阶段,减少无效生成,提高画面的可控性。

镜头完成之后,MiniMax Design 还可以继续完成自动剪辑和字幕添加,将生成的素材组织成完整视频。

接入开源生态:

H3 模型开源后,社区不断涌现出新玩法,越来越多的创作者和开发者加入了 H3 生态,我们精选了部分 H3 工作流并集合在 MiniMax Design 中,也邀请更多创作者加入到开源生态中探索。

对于已经使用 ComfyUI 的专业创作者,原有的本地部署方式和成熟工作流也可以接入 MiniMax Design。选择云端或本地运行方式,在 MiniMax Design 中打开你的工作流,还可以让 Agent 根据对话协助调整,包括编辑工作流节点,以及调整生成参数等精细化设置,实现更佳精确和高质量的效果。

下载地址:design.minimaxi.com

Intelligence with Everyone.

跳转微信打开

  •  
❌