納須彌，於芥子：大模型之後，中國廠商正在把大模型塞進複雜系統 | IJCAI 2026 前瞻

1986 年，麻省理工學院教授、同時也是 MIT 人工智慧實驗室創始人之一的 Marvin Minsky 出版了《The Society of Mind》，書中提出一個深遠觀點：智慧不見得來自單一的全能大腦，而可能源自於許多不同的 agent（智能體），透過分工、連接與協作共同湧現。這項想法在當時超前，卻在近四十年後的今天，因為大模型的爆發而重新獲得關注。如今的大模型已具備工具調用、記憶、視覺理解與行動能力，產業界的熱門詞彙也從「湧現」轉向「Agent」，從「對齊」走向「Computer Use」。

然而，技術真正要解決的核心問題並未改變：當模型不再只是回答問題，而是必須規劃任務、調用工具、接收反饋、調整策略，它終究要面對那個並不新鮮的提問——下一步該做什麼？只不過，現在我們似乎終於擁有了一個夠強的通用組件，能把過去分散的挑戰重新組織起來。正是在這樣的背景下，IJCAI 2026 即將在德國不來梅登場。觀察本屆大會的議程結構與重點活動，Agent、Multi-agent、Robotics、Reinforcement Learning 等關鍵字格外醒目。這些領域並非大模型時代才出現的新課題；規劃、決策、多智能體協作與機器人控制，早已存在數十年，各自擁有獨立的演算法、資料集與評估體系。

過去，它們屬於不同的研究傳統，彼此之間少有交集。但如今，一個具備強大語言理解與推理能力的大模型，正試圖滲入這些複雜系統，成為驅動它們運作的核心。這恰好也提供了一個觀察中國 AI 產業的視角。過去兩年，國內最激烈的競爭場域是「誰的模型更強」——從參數量到評測分數，各家廠商無不傾盡全力追求模型能力的極致。但進入今年，真正值得關注的問題正在位移：當模型底盤能力逐漸趨於一致，誰有能力將它放進一個足夠複雜的系統之中？換言之，模型不再是最終產品，而是成為一個組件；真正的勝負，來自於如何讓這個組件在真實場景中順暢運作、協調多元任務、與既有系統深度整合。

這個轉變呼應了 Minsky 當年的洞見：智慧不來自單一巨腦，而來自於多個 agent 的協作。如今，大模型或許可以扮演那個「通用 agent」的角色，但它仍需要與其他 agent 溝通、分配任務、處理衝突、從回饋中學習。這正是 Multi-agent 系統與強化學習研究近年來重新被重視的原因。在 IJCAI 2026 的議程中，這些主題獲得大量篇幅，顯示學術界已經體認到，單純提升模型的理解能力並不夠，還要賦予它行動與規劃的框架。另一方面，Robotics 的加入更讓這股趨勢具體化。機器人並非單純的問答系統，它必須感知環境、執行動作、應對不可預測的狀況。

將大模型塞進機器人控制系統，等於讓模型從虛擬世界走進物理世界，面臨即時性、安全性與可靠性的嚴苛考驗。中國廠商在這條路上起步並不晚，不少企業已經嘗試把大模型嵌入機器人、自動駕駛、智慧製造等領域，試圖讓模型不僅會「說」，更會「做」。但從實驗室展示到量產部署，仍有巨大的鴻溝需要跨越。佛教典故中有所謂「納須彌於芥子」——須彌山是巨大之物，芥子則小到幾乎可以忽略，比喻將龐大複雜的系統收納進極小的容器中。如今，大模型就像那座須彌山，蘊含著龐大的知識與推理能力；而複雜系統——無論是機器人、自動駕駛車輛、智慧工廠或城市管理平台——則像一顆顆芥子，需要被精準地裝載與驅動。

中國廠商正面臨的挑戰，正是如何把超大型模型「壓縮」進這些具體而微的系統中，使其在有限算力、即時反應與高可靠性的條件下發揮作用。這個過程絕非單純的模型輕量化。它涉及系統架構的重新設計，包括如何將模型的能力拆解成可調用的工具、如何建立 agent 之間的通訊協定、如何設計回饋機制讓模型持續學習與調整。過去兩年，中國 AI 產業在模型能力上已經累積不少成果，但真正能夠將模型「塞進」複雜系統的廠商仍然有限。這不僅取決於技術實力，更考驗企業對垂直場景的理解深度，以及從研究到產品化的閉環能力。從 IJCAI 2026 的前瞻議程來看，學術界已經在為這個方向鋪路。

Multi-agent 系統的理論框架、強化學習的樣本效率提升、機器人控制的端到端學習，都是大模型落地必須跨越的技術門檻。中國廠商若能積極參與這些前沿研究，並將成果快速導入自己的產品線，就有機會在下一階段的競爭中取得領先。反之，如果仍停留在模型評測的軍備競賽，可能錯失系統整合的窗口期。回到 Minsky 的觀點，四十年後的今天，我們終於擁有了一個能初步實現「社會心智」的技術基礎。大模型不再只是孤立的語言引擎，而是逐步變成能夠調用工具、記憶過往、感知環境、執行行動的 agent。當這些 agent 開始協作，真正的智慧才可能湧現。

中國廠商正站在這個轉折點上，而 IJCAI 2026 將是觀察他們如何回應「納須彌於芥子」這一命題的最佳舞台。