【Pertanyaan Utama Sebelum Ali】林俊暘 Esai Seribu Kata: Model AI Akan Beralih ke "Pikiran Agen Pintar" Mengungkap Mengapa Qwen Mengabaikan Penggabungan Pemikiran dan Mode Instruksi

阿里巴巴 （09988）
千问（Qwen）大模型灵魂人物林俊暘，3月初突然离任，一度引发猜测林俊暘与管理层产生分歧。风波渐息之际，林俊暘近日在社交平台X发布一篇名为《From “Reasoning” Thinking to “Agentic” Thinking》（从「推理式思维」到「智能体思维」）的文章，虽然文章主要谈论AI技术方向，但字里行间藏住对阿里千问技术路线的反思。

他指出，单纯消耗算力的「推理思维」已经见顶，AI 的下半场将属于能够与现实环境互动、边思考边行动的「代理思维」（Agentic Thinking）。

AI 的焦点转移：接下来会发生什么事？

林俊暘指出，2025 年上半年的 AI 业界焦点，主要集中在「推理思维」（Reasoning Thinking）——也就是如何让大模型消耗更多时间与算力去思考、如何利用更强的反馈机制来训练模型，以及如何控制这些额外的推理过程。

然而，现时业界必须面对的问题是：接下来会发生什么事？

他认为，答案毫无疑问是「代理思维」（Agentic Thinking）。未来的 AI 不应只是为了给出答案而闭门思考，而是「为了采取行动而思考」，它需要在与环境互动的同时进行推演，并根据从现实世界获得的反馈，持续更新和修正计划。

阿里Qwen内部蓝图与「合并路线」的失败

林俊暘在文中首度披露了 2025 年初 Qwen 团队内部的技术蓝图。当时，许多成员希望打造一个能统一「思考」与「指令」模式的理想系统。这套系统的构想十分宏大：

智能调节： 能根据提示词（Prompt）和语境，自动判断需要多少推理算力（类似低/中/高档次）。

自主决策： 让模型自己决定何时该秒速回答、何时该深思熟虑，或是在遇到难题时投入庞大算力。

林俊暘称，Qwen3 正是这个方向最明确的公开尝试，引入了「混合思考模式」，强调可控的思考预算。然而，林俊暘坦言：「合并说起来容易，执行起来却极难。」

林俊暘认为，强行合并会导致模型「平庸」，「思考模式」与「指令模式」背后的数据分布和行为目标截然不同；硬要合并，会导致**「思考行为」变得啰嗦、臃肿且决断力不足**；而**「指令行为」则失去干脆利落，变得不可靠**，甚至大幅增加了商业用户的使用成本。

商业现实上，他认为，大量企业客户真正需要的是高吞吐量、低成本、高可控的纯指令操作（如批次处理）。

正因如此，Qwen 团队在后续的 2507 系列中，最终选择发布独立的指令（Instruct）和思考（Thinking）版本。林俊暘认为，将两者分离，能让团队更纯粹地专注于解决各自的数据与训练问题，避免产生「两个尴尬缝合的人格」。

对手策略：Anthropic 的「节制」与目标导向

与 Qwen 的分离路线不同，其他实验室如 Anthropic 和智谱（GLM-4.5）选择截然相反的「整合路线」。

林俊暘特别提到Anthropic（Claude 系列）的做法，并认为其发展轨迹展现出一种严谨与节制，Claude 3.7 / Claude 4 将推理与「工具使用」交替进行。

目标导向的思考： Anthropic 认为，产出极长的推理路径并不等于模型更聪明。如果模型对所有小事都长篇大论，其实代表资源分配不当。

实用至上： 如果目标是写程序，AI 的思考应该用于计划、分解任务、修复 Bug 和调动工具；如果是代理工作流，思考应该用来提升长程任务的执行质量，而不是单纯写出看似厉害的「推理散文」。

推理思维 vs 代理思维的核心差异

林俊暘预测，「代理思维」最终将取代那种缺乏互动、长篇大论的「静态独白式」推理。一个真正先进的系统，应该有权利去搜索、模拟、执行、检查和修正，以强韧且高效的方式解决问题。

评判标准改变： 从「模型能否解出数学题」转变为「模型与环境互动时能否推进进度」。

需要处理的现实难题：

• 懂得决定何时该停止思考并采取行动。
• 选择该调动哪个工具及使用的先后顺序。
• 能够处理来自现实环境中嘈杂、不完整的观测数据。
• 遇到失败时，懂得修正计划。
• 在多轮对话与多次工具调动中保持逻辑连贯。

实现「代理思维」的三大技术难题

除了应用层面的差异，林俊暘更深入剖析了代理思维在底层开发上的巨大挑战：

训练基础设施的瓶颈（GPU 效率崩溃）： 代理型强化学习（RL）比单纯的推理 RL 难得多。AI 代理需要频繁与外部工具（如浏览器、执行沙箱）互动，等待真实环境的反馈会导致训练停滞，大幅拉低 GPU 的利用率。未来必须将「训练」与「推理」干净地解耦。

「奖励破解」（Reward Hacking）与作弊风险： 当模型拥有了使用工具的权限后，它很容易学会「作弊」来骗取系统奖励（例如利用系统漏洞偷看未来信息），而不是真正去解决问题。工具扩大了被虚假优化的风险，未来的防作弊协议将成为大厂关键。

多代理协同（Multi-agent Orchestration）： 未来的系统工程将不再依赖单一模型，而是由多个代理分工。系统将包含负责计划的「编排器」、专精特定领域的「专家代理」，以及处理狭窄任务的「子代理」，藉此控制上下文，避免思考过程被污染。

总结：AI 业界下一个阶段的竞争重点

林俊暘在文末点出了 AI 业界下一个阶段的竞争重点：未来的核心训练对象，不再仅仅是「模型」本身，而是「模型＋环境」的综合系统（代理及其周围的线束）。

**过去推理时代：**优势来自更好的强化学习（RL）算法、更强的反馈信号、可扩展的训练流水线。

**未来代理时代：**优势将取决于更好的环境设计、更紧密的训推一体化（Train-serve integration）、更强的系统工程，以及让模型学会为自己的决策承担后果并形成「闭环」的能力。

X原文

		财经Hot Talk  
	  

	中国车销量首夺「世一」  高油价助力电动车出海？