打开四层架构，聊聊智能体背后的技术支撑

华为在HUAWEI CONNECT 2020期间发布的智能体引起了各界关注。自下而上，智能体分为四个层级，分别为智能交互、智能联接、智能中枢及智慧应用。这四层架构依靠多种围绕数字的关键技术形成了一个有机整体，彼此协同配合。下面，我们将四层架构完整展开，一层层地看看智能体背后有哪些关键的技术支撑。

智能交互，物理世界与数字世界的汇聚融合点

智能交互是对物理世界进行优化和改造的载体，以智能边缘的形式存在。

图1 智能交互的位置

智能边缘可以位于数据源与云端数据中心之间的任何地点，基于计算、存储和网络提供IT服务。从形态上看，任何具备智能化能力，并与云计算存在AI协同、技术协同的实体都可以被称作为边缘，以节点、网关甚至边缘云的形式存在。基于端-边-云的协同AI运行框架可以运行海量的边缘AI应用，构筑万智互联网，即感知端的核心引擎是一个边缘智能体，具备全息感知、边缘AI计算和服务自主决策能力。为达到最高程度的智能化，端、边、云采用一致的应用程序规范、部署规范、运行规范、数据格式及管理接口规范，形成统一的应用生态，以加速应用开发效率及数字资产的社区共享互助，达到快速开发、快速部署、快速推广扩散、快速数据接入汇聚及高效智能化的效果，进一步指导智能应用的演进升级。在此基础上，可以灵活构建管理、运营服务，提供持续的变现及增值能力，这样生态就有了内在动力及生命力，可实现持续性发展。

智能联接，智能体的神经系统

在智慧社会中，被联接的人、物、设备将成为可以相互交互的“数字物种”。通过智能联接，数字世界的海量数据可以源源不断地汇入智能中枢，再将智能中枢产生的智慧带入到每一个应用场景，形成全场景智慧。为了满足这些需求，智能联接首先通过5G、光纤等物理联接提供泛在千兆、确定性体验和超自动化的网络，实现无缝覆盖，万物互联。同时通过让数字资产能生于云（云上开发/集成），也能在云上再生（云上持续共享变现），来实现数字资产在不同应用之间的流动，最终形成应用数据协同一张网。

智能中枢，智能体的核心

智能中枢作为整个智能体的核心，其目的是将基础设施、数据、AI和应用能力四位一体，融合构建中枢，以云的方式，把AI带入企业主业务流程和决策流程，创造出巨大的价值。

针对以上目标，智能中枢需要对智能交互与智能联接获得的数据进行加工和处理，再汇集到智慧应用中。因此，智能中枢包含数据使能、 AI使能以及应用使能三大模块。

数据使能模块

数据使能让物理上分布于不同部门的数据，在逻辑上可集中管理和分析，以实现数据的全域共享。面向企业数字化运营诉求，提供一站式智能数据管理能力，帮助组织快速构建从数据接入到数据分析的端到端智能数据系统，消除数据孤岛，统一数据标准，加快数据变现。

数据使能平台主要包含4个部分：

数据技术平台。包括数据湖治理中心、数据仓库 、数据库及大数据等诸多组件，可实现逻辑数据湖，全域数据全生命周期管理，及对跨源跨域的数据进行统一协同分析。同时其还支持两级安全联动，即湖内数据安全/湖间可信计算，以及全局的安全大脑。

方法论-使能套件。在线化的使能工作台，包括使能工作台和行业使能知识库，可帮助用户形成资产模型，提升资产化效率。

数据资产市场-资产中心。包括资产管理和数据模型。资产管理指的是资产模型的基础管理；数据模型则通过定义行业/场景的数据建设标准模板，沉淀行业资产模型，以实现资产的可信管理，及资产模型的智能分析。

数据应用（或数据消费）。通过提供数据可视、共享交换及标签画像等应用，构建数据应用生态。

综上所述，数据使能可为客户提供一站式数据全生命周期管理解决方案，打造“全域、服务化、资产化、智能、安全”的数据体系，释放数据价值。

AI使能模块

AI 使能的能力决定了智能体的智能化水平。当前，AI能力主要分为感知、认知和决策。如果要达到这三个层面的融合，AI使能需包含3个部分：AI开发平台、知识计算、以及基于AI开发平台和知识计算衍生出来的AI 应用开发套件。

图2 AI使能主要功能

首先，AI开发平台是一个面向AI开发者的一站式开发平台，包括数据处理、算法开发、模型训练和模型部署。为了降低AI开发者的使用门槛，AI平台采用了数据预标注、AutoML、自动并行等多种技术，可面向不同经验的AI开发者提供便捷、易用的使用流程，以使AI开发变得更简单、更方便。

其次，知识计算作为一站式端到端解决方案，包括知识获取、知识建模、知识管理及知识应用等核心部件，其目的是利用计算机和人工智能的技术实现机器对知识的获取、表示、管理和应用，以充分利用大量存在于结构和非结构化数据中的领域知识。通过知识计算，可基于行业专家与AI专家的合作，实现行业知识与AI模型的结合，行业应用与AI系统的结合，加快AI技术进入各行业核心系统的步伐，产生更大价值。

知识计算作为实现行业知识与AI技术结合的全新路径，背后凝聚了当前前沿的AI技术。一方面，行业知识以多种形态散落于行业各个角落，为了真正实现行业知识应用，需要综合多模态感知、行业知识图谱等多种技术，以实现多源异构多模态知识的感知与表征；另一方面，当前AI技术仍处于以第二代数据驱动方法为主的阶段，为了真正实现与行业知识的结合，需要发展及融入知识驱动的方法，综合预训练模型、神经符号计算、知识嵌入等技术，实现数据驱动与知识驱动有机结合的新一代AI技术。

图3 数据驱动与机理模型融合的三种方式

举例来说，在工业制造、自然科学研究等场景中，行业知识的表现形式包括领域知识、专家经验、机理模型等等。机理模型通过第一性原理、物理知识推导得到，一般以微分方程等形式存在，是对事物认知的高度凝练。

如何融合AI模型与机理模型是知识计算关注的重点。一般而言，针对机理模型的不同情况，可以有串联、并联、嵌入三种模式，分别针对机理模型不完整、机理模型预测性能不佳以及机理模型提炼先验知识三种场景。

与此同时，领域知识、专家经验等无法通过机理模型表现的知识也大量存在，因此，如何利用好这类知识同样也是知识计算要解决的重要问题。需要借助行业知识图谱技术，构建行业知识图谱，再通过图谱表征技术，将知识与观测数据联合建模，从而得到更好的识别效果。

图4 知识图谱表征技术

最后，AI开发套件即是AI生产力工具，其利用底层AI开发平台的能力，通过由多个功能组件构建的工作流，串联底层AI能力，以帮助客户轻松构建领域内的AI服务。工作流开发者将算法专家和行业专家积累的知识沉淀在相应的套件和“行业工作流”中，通过使用自动标注、小样本学习、半监督学习等技术，可减轻用户标注的难度，真正实现赋能行业AI应用开发者，在全面提升行业AI开发效率和落地效果的同时，支持用户利用现有的功能组件编排新工作流，完成特定场景工作流的定制。最终，经由AI开发套件生产的AI能力在运行态时通过统一的端、边、云推理引擎赋能给不同的智慧应用

应用使能模块

应用使能通过低代码、零代码的开发能力，支持全云化在线开发和云上云下一键部署；通过不断沉淀行业资产，实现软件资产的重用，让开发者实现乐高式轻松开发应用；同时，通过标准化、中心化、服务化、非侵入式的方式，让新老应用实现数据互通。

智慧应用，将智慧注入行业知识

智慧应用是智慧社会中每个个体所能感受到的个性化、主动化服务体验，是促进行业有效决策、提高劳动效率的重要手段。智慧应用将直接面向问题提供服务和解决方案，提升受众的智慧化体验。

智能体是一个自生长、不断演进的智能系统，需要来自千行百业的智慧应用开发伙伴共同参与构建。华为云将使能和聚合行业Know-How，大幅降低行业伙伴AI开发门槛，助力智慧社会智慧应用的生态繁荣。