Beijing: AI Agents Are Already Building Worlds, Hangzhou: They Are Just Newly Invented Light Bulbs

Trong sự kiện 'Hardcore Youth Technology Festival 5.0' do Alibaba tổ chức, tại Bắc Kinh diễn ra phiên công nghiệp, còn tại Hàng Châu là phiên học thuật. Các diễn giả tại Bắc Kinh, đặc biệt là công ty Qunhe Technology, đã trình bày dự án chuyển một phần trường quay thực tế 'Hoành Điếm' vào không gian 3D kỹ thuật số: người sáng tạo nội dung có thể làm việc trong các phim trường ảo, điều khiển các đối tượng và máy quay kỹ thuật số. Trong khi đó, tại Hàng Châu, các giáo sư và nhà nghiên cứu từ các trường đại học và phòng thí nghiệm hàng đầu đã thảo luận về thực trạng của các tác tử (agent). Giáo sư Hạo Jiànyè từ Đại học Thiên Tân nhận xét rằng các tác tử lập trình (coding agents) đã đạt được tiến bộ đáng kể và đang thay thế lập trình viên trong các tác vụ thực tế, tuy nhiên về mặt kiến trúc, chúng chỉ sử dụng các khái niệm đã biết từ lâu (MAS, Loop Engineering) nhờ các mô hình nền tảng mạnh mẽ. Trong lĩnh vực trí tuệ nhập thể (embodied intelligence), tiến triển còn khiêm tốn hơn nhiều: hoạt động ổn định trong thế giới thực đòi hỏi giải quyết các vấn đề về nhận thức thị giác, không gian, hành động và những thay đổi bất ngờ. Các tác tử có khả năng tự học liên tục trong môi trường mở, theo đánh giá của những người tham dự, đang ở giai đoạn 'trước cả giai đoạn sơ khai'. Các bên tham gia đều nhất trí rằng sự chuyển đổi từ trí tuệ nhân tạo tạo sinh (generative AI) sang các tác tử mang tính thay đổi về lượng hơn là về chất: cải thiện các mô hình nền tảng, tăng kích thước cửa sổ ngữ cảnh và tối ưu hóa Harness không làm thay đổi mô hình cơ bản. Bước nhảy vọt về chất sẽ xảy ra khi tác tử có thể tự đánh giá kết quả của mình, tự sửa lỗi và tích lũy kinh nghiệm để tự phát triển. Phòng thí nghiệm Trí tuệ nhân tạo Thượng Hải đã giới thiệu khái niệm Self-Harness – một khuôn khổ tự tối ưu hóa cho việc thực thi tác vụ. Ngược lại, phần công nghiệp tập trung vào ứng dụng thực tiễn: HuJing WenYu thảo luận về chất lượng nội dung video, Meitu – về sự chuyển đổi từ cung cấp công cụ sang đưa ra trực tiếp các giải pháp hoàn chỉnh thông qua các đội tác tử (Agent Teams), và Qunhe Technology – về việc sử dụng không gian 3D để đảm bảo tính nhất quán của bối cảnh trong các video dài. Cuối cùng, cả hai phiên đều đi đến một chu trình thống nhất: thực thi (execution), xác minh (verification), phản hồi (feedback), cập nhật (update). Tại Bắc Kinh, người ta cho thấy 'bóng đèn đã sáng' trong các ngành cụ thể, còn tại Hàng Châu nhấn mạnh rằng 'mạng lưới điện' – hạ tầng cho sự phát triển bền vững của các tác tử – vẫn chưa được xây dựng.