给AI智能体绘制治理画像

能够回答问题的聊天机器人、调用工具完成工作的数字助手、在道路上自主行驶的汽车，都被称为AI智能体，但它们造成风险的方式并不相同。将这些系统笼统归入同一类别，容易导致治理错位。有些系统需要内容过滤，有些系统则必须限制工具权限、记录行动轨迹并设置自动熔断。2026年8月发表于Nature的这篇论文提出智能体画像框架，以自主性、行动效力、目标复杂度和通用性四个维度描述AI智能体。该框架不试图用单一风险分数排列所有系统，而是分析不同能力组合对应的控制、审计、责任和跨领域治理要求，为AI智能体从技术分类走向差异化监管提供了一套概念坐标。

关键词：AI智能体，智能体画像，自主性，行动效力，目标复杂度，通用性，可扩展监督，AI治理

长期以来，AI研究者始终对AI智能体抱有浓厚兴趣，其范畴涵盖从强化学习智能体到自动驾驶车辆¹-⁴。然而，近期的研究催生了一类新型AI智能体，它们以强大的基础模型为核心，并辅以进一步的脚手架（scaffolding），从而具备高级推理能力、记忆与工具使用功能⁵。基于这一架构，在不久的将来，我们很可能将目睹大量新型AI智能体被部署于诸多现实领域⁶-⁸。此类智能体可能呈现多种形态⁹，包括高级AI助手（如Google DeepMind的Astra）、数字伴侣（如Replika）、AI研究员或导师（如Snorkl）以及新型自主机器人。