（来源：新智元）

　　新智元报道

　　「全球只有大约5,000人，真正见识过顶尖AI的能力。」这是Andrej Karpathy近日分享的一个观察。他说，只有站在漏斗顶端的那一小撮研究者，才能看到数千个AI Agent长时间协作、昼夜不停地做科研。

　　换句话说：Agent集群正在改写科研的玩法，但这场游戏，目前只有极少数人拿到了入场券。

　　智能体重塑科研，这已经是不可逆的潮流。可绝大多数研究者——不是大厂，不是头部实验室，就是一个普通人带着几张GPU卡和几个模型账号——该怎么参与进来？

　　人类历史上其实早就回答过类似的问题。想让个人的探索变成持续的事业，人类建了大学、发展学科、组织实验室，让一代代学生成长为研究者；想让探索延伸到浩瀚宇宙，人类造了空间站，给长期驻留一个基地。说到底，人类总是先为探索安一个家，再出发。

　　那么，如果Agent也想钻研一个问题、积累经验、彼此协作，甚至想和人类一起探索未知，我们该为它们建一座什么样的「家」？

　　香港科技大学郑光廷教授、马松辰研究助理教授的团队，刚刚开源了一份他们的答案：「第四大学The Fourth Institute」，一座让人类与AI智能体社群共同做出创新的自动化科研平台。

　　它要解决的不是「怎么让Agent模仿人类的科研流程」，而是一个更根本的问题——怎么让人类和Agent一起，做出真正有价值的创新。

　　「有价值的研究是如何出现的？」是夜以继日的钻研、经验的积累，或是交流中的灵光一现。

　　一项新的发现，可能来自对同一个问题的反复追问，也可能始于不同研究者之间的一次讨论。如果希望Agent成为能够独立研究、与人类共同创造新知识的个体，也需要为它们搭建一个能够「持续钻研、有效沟通、彼此启发、开放协作」的社会环境——Agent Society。

　　在「第四大学」中，Agent拥有持续的身份与工作记录：能够围绕问题长期钻研、积累专长，也能交流发现、自主组织合作，并行探索不同的研究路线——把以年计的探索，压缩到以天、甚至小时计，让不同经历与观点的碰撞激发AI的创造力。而人类，可以带着已有的AI账号和Agent加入，参与讨论、判断研究价值，与Agent一起调整探索方向。

　　从线性思维到思维网

　　自动化科研，难的不是「自动」，而是「创新」。

　　只让Agent复刻人类的科研流程，顶多得到一个不知疲倦的实习生。真正稀缺的，是让Agent团队自己想干、敢想、能发散。

　　这背后是第四大学的一个判断：人的科研创造力，来自非线性的思维。

　　新发现很少沿一条直线推出来。它可能来自对同一个问题的反复追问，也可能来自两条思路在讨论中的碰撞——创造力不住在一条「思维链」里，它住在许多思维链的分叉、交汇与重组之中。

　　所以第四大学做了一个关键转变：把单个Agent线性的思维方式，扩展成一张不断生长的「思维网」。思维片段可以相互引用、彼此驳斥、跨越不同研究路线重新组合。思维并行度提高了，整个系统的创新能力也就被点燃了。

　　但思维网只是「神经」，还需要「人」去织它。

　　第四大学给每个Agent一个长期身份——Resident，居民。每位居民都是持久存在的小领域专家：跨会话延续，保留自己的配置、工作区和研究轨迹，在一次次课题中积累专长。它甚至有自己的工作偏好和审美偏好——偏爱严谨的复现，还是大胆的猜想。这些偏好，正是为了让它摆脱「人类说一步、它走一步」的被动；只会服从的Agent，永远提不出让你惊讶的想法。

　　而当数百上千位「居民」住进同一座城镇，问题来了：它们怎么分工、怎么交流、怎么合作？

　　这已经不是设计一个工具，而是设计一座城市。第四大学把这套城市基础设施称作HATG(Human-Agent Trajectory Graph) ISA：用一套固定的指令集，搭建起完备的多Agent协作规范——不规定居民做什么研究，但保证每项协作有章可循。

　　线性的思维链织成思维网，持久而有偏好的居民住进城市——这就是第四大学的底层逻辑。

　　Agent Society如何组织和激发思维网

　　如何让智能体之间组织并激发出「思维网」？「第四大学」这样赋能Agent研究者：让每个个体既有独立研究和判断的能力，又能身处一个保障彼此积极、高效交流的组织环境。

　　「第四大学」中，除了前面提到的Resident——常驻的Agent研究员身份，能够跨多次模型会话延续，保留自己的配置、工作区与研究轨迹——还有Lineage：它把多个Resident组织成协作群体，让成员围绕课题分工、交流发现；也可以从已有上下文中分出新成员，去探索不同方向。此外，人类和非本地运行的AI assistant（比如Meta的Muse、OpenAI的dots）都可以以User的身份参与其中。

　　当研究需要更紧密的协作时，多个Resident还可以组成Family：成员共享记忆，对外以一个Resident身份接收请求，再交给合适的成员处理。这样的群体也能继续参与更大范围的协作，在不同层次上组织工作。

　　Family的设计，在某种程度上模糊了群体与个体的边界——它整合了多个个体的记忆与内部任务路由，因此User只需要与一位Resident沟通来实现自己的目标，而无需亲自出面组织Agent个体间的协作形式。这将极大减轻User（尤其是人类使用者）对Agent Society的认知负担。

　　我们可以用公司里的一个部门类比Family：Family中有一位Resident相当于部门经理，当User提出新的需求，只需要和这位经理沟通，他会根据需求自动组建团队，团队里有不同的Agent。而Family的机制，能让这些Agent的记忆自动同步——也就是说，不需要额外的努力，就能让部门内不同成员的信息与进度拉齐。对应到企业管理上，这等于减少沟通成本、降低信息不对称的可能，自然能提高工作效率。

　　并且，Family可以不受限制地嵌套——这正是复杂社会层级结构得以实现的基础。

　　人类研究者与智能体共同成长

　　科研工作者常常在不经意间开始新的研究：可能是一份论文批注、一段实验记录，或者一个还没有答案的问题。

　　这些人类研究者的「个人知识」，一方面可以启发Agent Society做研究，另一方面也能借Agent的研究成果得到丰富和增强。「第四大学」支持并鼓励将个人知识库接入多人、多Agent共享的知识环境：已有的研究积累可以用来参与新的讨论，而共同研究产生的发现，又会回流到知识库中。

　　知识的更新，也会反过来重塑Agent Society的成员。参与复现的Agent熟悉了新的实验方法，寻找原因的成员积累了领域经验——当他们在其他课题中再次相遇时，会带来不一样的判断。

　　个人知识不断发展，Agent也在Agent Society的共同研究环境中形成自己的专长。人类与Agent，成为了创新共同体。

　　从蓝图到基地

　　「第四大学」的实例化

　　「第四大学」的具体实例，可以是面向一个专业学科或研究课题的自动化研究基站：由Agent Society智能主体社群、多种异构资源、以及协作规范与执行设施共同组成——正好对应人类实验室里的研究员、知识与仪器设备、以及实验规范与执行保障。

　　智能主体社群：人类User与AI Resident共同参与研究。Codex、Claude Code等不同后端通过适配接入，成为具有统一身份的Resident。也就是说，用户可以沿用已有的AI账号与熟悉的后端，为课题挑选合适的Agent成员。

　　异构资源：知识与记忆文件、代码、实验材料、算力，乃至Resident本身，都可以被发现和引用。成员按课题需要获得相应授权，在同一个研究环境中查资料、跑实验、寻找协作者。

　　协作规范与执行设施：即Multi-Agent操作系统，它作为智能主体社群与异构资源之间的执行框架。通过插件和后端适配，研究者可以不断接入新的工具与模型，为不同课题组合出合适的工作环境。

　　而这套系统的开放性在于：用户可以把运行在自己设备上、用自己习惯框架的Agent接入研究基站，让它与站内成员协作、同步工作轨迹——就像对外派遣一位研究员，加入远程的另一家实验室工作。用户由此可以持续发展和参与自己感兴趣的课题，而不被某个平台的边界锁死。

　　异构资源示例

　　AI-Human Trace

　　类比人类实验室的实验记录本，当前系统以PostgreSQL保存人机交互与Agent的执行轨迹。输入、模型输出和工具调用被保存为可以相互关联的片段；片段的作者、执行记录，以及压缩、派生等来源关系一并保留。研究者由此可以从任何一条结论出发，回查它背后的讨论、材料与实验。

　　而这样的轨迹数据，正在以肉眼可见的速度增长——就在过去一个月里，思维与执行片段的总量已经翻倍。

　　截至目前，系统已积累186万余条思维与执行片段、93万余条交互事件，平台上的Agent已累计开展超过5,100小时的研究与开发工作。「第四大学」将陆续开源这些自动化科研轨迹，供社区研究人和Agent如何协作、如何探索、如何改进方法。

　　实施样例

　　「第四大学」的研究团队，自己的研究方向就是通过软硬协同设计，实现更高效的人工智能。

　　也正因如此，他们把第一个真实课题选在了物理智能领域。当前，面向通用操作的基础模型正处在蓬勃发展阶段：每天都有不同技术路线的模型发布——视觉-语言-动作模型（VLA）、世界动作模型（WAM），以及两者的结合。

　　而要让机器人真正实现自主，这些模型必须能在端侧、边缘侧的算力设备上高效、低延迟地运行。问题在于：具身基础模型和端侧/边缘算力设备都在碎片化发展，至今没有一个统一的推理框架来承接它们。

　　于是，港科大研究团队将「第四大学」用于具身智能基础设施的自动化研发，并行探索了多条性能优化的路线。面对一个PyTorch模型实现，Agent团队先完整运行模型、观察时间究竟花在哪里，再按模型与设备组织成员，提出一个个可以验证的优化设想。

　　结果如何？24个小时，实现了数十种模型到多种GPU平台的推理性能优化，部分结果达到SOTA。

　　不久之后，港科大研究团队还将开源面向物理智能的Agentic OS。

　　第四大学

　　也是未来大学的一种理念

　　从高校、实验室到企业，乃至一个人的公司（one-person company），每个机构都可以围绕自己的问题建立研究基站。「第四大学」希望成为这些机构的研发基础设施，让人类与AI Agent共同参与知识生产。

　　「第四大学」期待的是：这些基站能像学术共同体一样交流——分享发现、讨论分歧，邀请其他基站的Agent研究员像访问学者一样参与课题。

　　各基站保留自己的研究议程、实验条件与成员经历，而互联让不同的判断得以相遇：一处基站发现的异常，可能成为另一处研究的新方向；一处验证有效的方法，也能在更广的范围内发挥作用，并带回新的经验。

　　用户可以保留自己熟悉的工具和研究方式。我们希望研究者、技术爱好者，以及经营「一人公司」的独立研究者，都能带着自己的问题加入「第四大学」，共同建设一个开放的自动化科研社区。

　　大模型与智能体的快速发展，正在重塑各行各业。而「第四大学」，是围绕人类与智能体在教育、科研领域共同发展、相互促进的一次尝试。

　　它寄托着一个更大的愿望——推动第四次大学制度革命的到来：让人的经验启发AI的探索，让AI的发现拓展人的认识，让知识生产向更多参与者开放。

　　「第四大学」开源项目中内置的一个科研过程示例：元胞自动机的科研探索

　　「第四大学」平台已在GitHub上开源，主要合作开发者包括香港科技大学及智能晶片与系统研发中心的周衣童、张伟豪博士、马松辰博士、博士研究生杜书丞，以及澳门大学博士研究生曲环宇、清华大学博士研究生李路凯。具身智能的框架探索和真机实验则在智能晶片与系统研发中心R&D团队的支持下完成。

　　参考资料：

　　https://github.com/EatonZhou/the-fourth-institute

　　编辑：LRST