在新一轮AI算力竞赛中，国内外科技界持续聚焦于大模型的创新与应用。2025年6月，在南京举行的第四届智能决策论坛中，关于“大模型智能体与知识推理”的专题分论坛成为焦点，彰显了我国在AI基础研究与行业落地方面的最新进展。此次论坛由多位顶尖科研人员带来深度，展示了我国在大模型知识增强、智能体架构优化以及搜索技术变革等领域的突破，彰显了我国在人工智能技术生态中的不断深化布局。

　　论坛中，浙江大学陈华钧教授提出的“知识增强大模型智能体”方案，开云网站 开云网址强调通过引入结构化、可控的外部知识，有效提升大模型在复杂推理、任务规划和工具调用中的表现。这一机制利用“Knowledge-Augmented Generation（KAG）”框架，结合知识表示、检索与生成的系统能力，为智能体赋予更强的推理能力。相比传统的大模型，知识增强智能体在多步推理和复杂决策任务中表现更为优异，为自然语言理解和自动化规划提供了更强支撑。

　　中国人民大学的窦志成教授则聚焦于“AI搜索技术的变革”。他指出，随着大模型的发展，传统以关键词为核心的搜索引擎正逐步向基于深度推理的智能问答转型。利用知识增强技术，结合“检索增强生成（RAG）”等新兴技术，不仅提高了信息检索的效率，也改善了答案的准确性。这一变革，或将推动搜索引擎在智能硬件、企业服务等场景中实现更深层次的应用升级。

　　清华大学刘知远教授提出的“通用人工智能”发展趋势，强调模型规模的持续扩展与能力密度的不断提升。其提出的“密度法则”揭示，未来大模型不仅要追求参数数量的增长，更应注重模型的“能力密度”，即在有限参数中最大化智能表现。结合硬件优化、算法创新以及知识机制的深度融合，预示着高效能、可持续的AI模型将成为未来的主流。

　　来自华为的王海宁强调，AI在科学计算和工程应用中的突破，正推动AI4Science的快速发展。从蛋白质结构预测到微分方程求解，大模型在科研领域的应用正不断扩大。部分业内观点认为，这一趋势或将促使科学与技术深度融合，推动产业链上下游的变革。然而，随着模型复杂度的提升，算力集群的建设、模型推理效率以及开发者生态的完善，仍是行业亟待解决的关键问题。在这样的技术浪潮中，如何实现开放合作，推动中小企业平等入场，也成为未来的重要议题。

　　总体来看，2025年大模型知识增强技术的不断突破，正引领人工智能从“理解”走向“认知”，推动自然语言处理、智能决策和科学计算等多个领域的深度变革。随着研发投入的持续增加，相关产业链将迎来更广阔的市场空间。未来，依托开源社区、API接口标准化，以及跨行业的应用融合，AI智能体有望在智慧城市、智能制造和自动驾驶等多场景中发挥更大作用。这一系列技术创新，无疑为人工智能的持续发展提供了坚实基础，也为行业未来的深度布局打开了新的可能性。返回搜狐，查看更多