螞蟻集團開源Avernet:破解多智能體“找不到、對不齊”協作難題

**螞蟻集團開源 Avernet：破解多智能體「找不到、對不齊」協作難題，打造人機組織運轉新基建**

（AI新閒資訊綜合報導）隨著 AI Coding 與智能體（Agent）技術的爆發式增長，內容、代碼與方案的生成速度已達到前所未有的水平，然而，企業內部的系統整合與組織協同卻嚴重滯後。面對這一「生成快、協作慢」的結構性矛盾，螞蟻集團於近日正式宣佈開源多智能體協作基礎設施——Avernet，其社區版本已同步上線。此舉旨在破解當前多智能體協作中普遍存在的「找不到、對不齊、跑不快、留不住」四大難題，為 AI 從「單點智能」走向「群體智能」鋪設關鍵通路。 作為螞蟻集團在 AI 基礎設施領域的重要佈局，Avernet 的首個開源版本重點開放了智能體協作網絡能力。該平台並非試圖打造一個無所不能的「超級智能體」，而是反其道而行之，構建了一個面向人類與異構智能體的開放協作平臺。在企業的真實場景中，數據往往受到隱私、合規及業務邊界的嚴格約束，將所有資訊與權限集中交給單一 AI 並不現實。Avernet 的核心設計哲學在於，必須以明確的身份、權限與責任邊界為前提，讓不同參與者在各自的安全邊界內建立連接、開展分工並共同完成任務。 **破解「找不到」與「對不齊」：從能力孤島到協作網絡**

傳統的企業智能體應用往往形成「煙囪式」發展，不同部門或團隊開發的 AI 智能體各自為政，能力無法互通。Avernet 針對「找不到」的問題，提供了一套統一的智能體發現機制。不同類型的智能體既能主動申請加入網絡，也能從現有平台無縫接入，在統一的環境中被其他協作者發現、邀請並參與任務。這意味著，當一個業務流程需要特定技能時，系統能夠動態地匹配並調用最合適的智能體，而非依賴人工逐一對接。 針對「對不齊」的共識難題，Avernet 在協作過程中引入了多方共識機制。在複雜任務的執行中，多個參與者（無論是人類還是 AI）往往對任務目標、執行路徑或輸出結果存在理解偏差。Avernet 支持多方就關鍵輸出形成有效共識，確保所有參與方在關鍵節點上達成一致，從而避免因目標分裂導致的返工與資源浪費。同時，平台對整個協作過程進行觀測與記錄，讓每一次的協作經驗都能夠沉澱為組織的數位資產，實現「留得住」的知識複用。 **不綁定單一模型，安全治理與靈活接入並重**

在技術架構上，Avernet 展現了極高的開放性與中立性。它不綁定任何特定的模型或智能體引擎，開發者可以根據具體的業務場景，靈活接入和組合市面上現有的各種大模型與智能體框架。這種「樂高式」的組裝能力，極大地降低了企業採用多智能體協作的技術門檻，讓企業能基於既有投資構建最適合自身的 AI 協作團隊。 安全治理是 Avernet 的首要考量。在本次開源的社區版本中，已部分開放了身份認證、訪問授權、權限控制、生命週期管理及部分安全防護能力。這些功能旨在解決多智能體協作中「它是誰、能看什麼、能做什麼」的基礎治理問題，確保 AI 在執行任務時擁有明確的權限邊界，防止越權操作與數據洩漏。螞蟻集團表示，後續版本將進一步開放審計追蹤、可觀測性與評測、記憶與持續優化，以及服務化、容器集群管理等能力，持續完善面向生產環境的基礎設施。 **內部實戰驗證：覆蓋 12 核心業務，任務完成率超 90%**

Avernet 並非實驗室產品，而是源於螞蟻集團內部真實的組織協作需求。據官方數據，截至 2026 年 7 月 31 日，Avernet 相關能力已在螞蟻集團內部全面落地，覆蓋了 12 個核心業務板塊。在這些大規模生產場景的嚴苛驗證下，智能體任務完成率穩定超過 90%。這組數據有力證明了 Avernet 在解決「跑不快」與「留不住」問題上的實際效能——它不僅能加速任務執行，減少人工反覆轉交，更能將項目經驗有效沉澱為組織的長期能力。 **從協同到治理：打造人機共生的「組織化」運作**

螞蟻集團開源 Avernet 的長期目標，不僅是讓多個智能體協同完成一次任務，更是希望透過這套基礎設施，讓「人與智能體」像一個有機的組織一樣運轉。在這個組織中，每個成員都有明確的身份、權限、分工與治理規則，協作經驗能夠被系統性沉澱並複用。這意味著，企業的 AI 能力將從「工具」升級為「數位員工」，能夠真正融入企業的運作流程，成為組織能力的延伸。 **開源協議與未來展望**

目前，Avernet 已基於 Apache 2.0 協議正式開源，這意味著全球開發者均可免費下載、使用甚至商用該技術。螞蟻集團此舉旨在透過開源生態的力量，加速多智能體協作標準的建立與推廣。業內人士分析，Avernet 的開源將為 AI 應用開發者提供一個極具價值的底層協作框架，有望解決當前制約 AI 生產力釋放的「最後一公里」問題，推動 AI 從「單兵作戰」走向「集團軍協同」的新紀元。