接着各种agent、设备和人，让它们能协同工作、高效运转。

先想想没有“操作系统”的麻烦：现在很多企业都在自己开发agent，比如客服agent、办公agent、生产agent，但这些agent就像“孤岛”——客服agent不知道客户的订单情况（需要问订单agent），办公agent不知道生产进度（需要问生产agent），互相之间没法沟通，还得人工在中间传递信息，效率很低。就像以前没有dows系统时，电脑上的每个软件都得单独操作，不能共享文件、协同工作，用起来特别麻烦。

而姚星说的agent基础设施，就是要解决这个问题，它就像一个“大管家”，负责管理所有agent的“记忆、工具和沟通”：第一，统一管理记忆。所有agent都能共享数据，比如客服agent能直接调取订单agent的客户订单信息，不用再单独查询；第二，统一调度工具。比如多个agent都需要用到数据分析工具，基础设施能合理分配资源，不会出现“同时抢工具”的情况；第三，统一沟通标准。不同agent之间能“互相听懂”，比如生产agent告诉办公agent“今天的产量是1000件”，办公agent能直接理解，不用人工翻译或转换格式。

这个基础设施还有两个核心功能：安全管控和可扩展性。安全管控就是给每个agent设定“权限”，比如客服agent只能查看客户的订单信息，不能修改；生产agent只能操作生产设备，不能访问财务数据，避免数据泄露或误操作。可扩展性就是能随时添加新的agent，比如公司新增了“物流agent”，直接接入基础设施就能用，不用重新搭建整个系统。

现在已经有企业在做这样的基础设施，比如阿里云无影的agentos，就是一个agent基础设施，能提供安全隔离的运行环境，让多个agent协同工作，还能管理agent的记忆和工具 ；还有学者提出的agentic file syste（afs），把agent的记忆、工具、外部知识都统一管理，就像电脑的文件系统一样，方便调用和追溯 。姚星预测，未来不会有企业再单独开发“孤立的agent”，而是都会基于统一的基础设施，开发自己的专属agent，就像现在的软件都基于dows或ios系统一样，这样才能实现“多agent协同”，真正发挥ai的价值。

比如一个制造企业，基于agent基础设施，能实现“订单agent-生产agent-物流agent-售后agent”的全流程协同：订单agent接到客户订单后，自动把信息传给生产agent，生产agent安排生产计划，生产完成后通知物流agent发货，物流agent把物流信息同步给售后agent，售后agent随时解答客户的物流咨询——整个过程不用人工干预，效率大大提高。

七、光轮智能杨海波：好的仿真平台，生态和商业回报缺一不可

前面聊的agent、具身智能，都需要一个“测试场”来打磨——总不能直接让机器人去物理世界里试错，万一摔坏了、出错了，成本太高。光轮智能的杨海波就说：好的仿真平台，离不开“生态构建”和“持续的商业回报”，它是ai技术落地的“必经之路”。

先解释“仿真平台”是什么：就是一个“虚拟的物理世界”，能模拟真实环境的各种情况，让ai在里面“练手”。比如要开发自动驾驶汽车，不用直接上路测试（风险高、成本高），可以在仿真平台里模拟各种路况——雨天、雪天、堵车、行人横穿马路，让ai在虚拟环境里反复训练，直到准确率达到要求，再去真实道路测试；要开发工业机器人，不用在真实生产线上试错，可以在仿真平台里模拟生产场景，让机器人练习装配、焊接、搬运，优化动作流程，再投入实际生产。

杨海波说，一个好的仿真平台，首先要“生态构建”——不能自己闭门造车，要联合产业链上下游，让大家都能参与进来。比如仿真平台开发商要和硬件厂商合作，获取真实设备的参数（比如机器人的关节角度、汽车的刹车性能），让虚拟环境更真实；要和算法公司合作，接入各种ai算法，让平台能测试不同的技术方案；要和行业客户合作，了解真实场景的需求（比如制造业需要模拟生产线，自动驾驶需要模拟城市路况），让平台更实用。

比如青岛中海潮科技的海洋仿真平台“海镜”，就是生态构建的典型例子——它们联合了高校、科研院所、海洋企业，获取了大量海洋环境数据（比如海浪、洋流、水温），还接入了各种海洋科研算法，让平台能模拟海洋环境的变化，为海洋科研、渔业、航运等行业提供服务。而且它们还开放了平台，让用户反馈问题、提出需求，持续优化功能，现在已经有2000多个用户，覆盖多家科研院所和高校。

其次，仿真平台必须有“持续的商业回报”——不能只烧钱研发，得能赚钱，才能长期活下去。杨海波说，很多仿真平台失败，就是因为只关注技术，不考虑商业化，研发出来没人用、