2026世界机器人大会：从Model到Organization，AI进入「群智」时刻
不是更大的模型，而是更好的组织。
1776年，亚当·斯密在《国富论》里写下了那个著名的“制针厂”案例。
10个工人，如果各自从头到尾完成所有工序，一个人一天可能连20枚针都做不出来；但当制针被拆成不同环节，每个人只负责其中一道工序，10个人一天可以生产约4.8万枚针。 真正被放大的，并不是某一个人的能力，而是分工、协作与组织本身。
250年后，AI行业正在重新遇到这个古老的生产力问题。
越来越多Agent开始拥有独立的感知、推理与执行能力。单个智能体的能力终究存在边界，那么，更高阶的智能是否可能诞生于多个智能体之间的协作？
这也是Collective AGI，通用群体人工智能所指向的一种可能——AGI未必只以一个无所不能的“超级个体”出现，它也可能来自一群不同能力的智能体，通过分工、协作与持续交互，形成超越单体能力的新的智能。
智能开始从单体走向群体，决定能力上限的，也就不再只有模型本身，智能体之间如何被组织，正在成为新的变量。Scaling的对象，正在从Model走向Organization。
8月20日，36氪与沌序科技在2026世界机器人大会（WRC）期间，联合举办了一场CONFLUENCE 群智会。60余位科学家、创业者、产业实践者聚在一起，通过多场独立演讲、深度圆桌，共同讨论一个AI时代越来越现实的问题： 当250年前的“分工”对象，从人变成了人与Agent，我们需要怎样一种新的组织方式，来推动智能的涌现？
模型之外，AI还需要一种新的“组织能力”
整场活动，从一个小游戏开始。
现场嘉宾们被分成六组，从同一个核心短语——“智能的下一站”——出发。每个人依次写下3个新的节点，再用箭头完成两组节点之间的连接。
没有人提前知道最终答案，也没有一个人负责设计整张网络。但随着每个人不断贡献自己的局部判断，一张完整的网络逐渐生长出来。
有人写下“智能的下一站是集成算力，不是单体努力”，有人认为“智能的下一站涌现更多机会，是人与世界、数字员工和碳基员工共同的未来”。所有人看到的都只是局部，但局部不断连接之后，却形成了任何单一个体都没有预先设计过的整体。
这场简单的小游戏抛出了群体智能最核心的问题：当个体开始连接，整体会不会产生个体本身并不拥有的新能力？
而这也正是复杂系统认知与决策国家级重点实验室副主任、沌序科技创始人&董事长蒲志强在活动的开场演讲中，试图回答的问题。
过去几年，人工智能很大程度上沿着一条清晰的路线前进：模型越来越大，能力越来越强。
从GPT-2到GPT-5，Scaling不断推动智能个体能力跃迁。但蒲志强认为，这条路线也开始显现出越来越明显的现实约束：成本昂贵、应用场景受限，以及随着规模继续增长而出现的边际收益递减。
是不是只有更大的模型，才能产生更强的智能？蒲志强把答案指向了自然界。
蚂蚁搭桥：大自然早已给了我们关于智能的另一种答案（视频来源：沌序科技）
一只蚂蚁的能力极其有限，但一群蚂蚁却可以根据局部信息搭桥，甚至在路径长度与搭桥成本之间作出群体层面的“最优权衡”，而这一过程没有“指挥官”；鸟群、雁群、鱼群和狼群，也都能够依靠个体之间的局部交互和简单规则，在群体层面形成复杂的协同行为。
它们共同展现了一种不同于“增强个体”的智能路径。个体可以很简单，但当个体以合适的方式连接起来，群体能够形成远超个体简单叠加的能力。
蒲志强将其概括为“群体智能”——一种在集体层面呈现出的、分散式、去中心化和自组织行为。智能的来源不一定只是一个越来越强大的“大脑”，也可能是一套能够让大量个体相互连接、协同并不断调整关系的机制。
这也就是为什么，蒲志强在整场演讲中反复提及一个词——Organization。
在他看来，大模型增强的是Individual Intelligence，而组织承载的则可能是Collective Intelligence。大模型内部，本身就是由大量神经元经过组织和连接产生能力涌现；而在群体智能的范式下，涌现开始有可能进一步发生在“模型之外”——发生在多个智能体组成的组织内部。
因此，两者并不是取代关系。恰恰相反，大模型负责制造越来越强的智能节点，而Organization开始负责组织这些节点。
蒲志强将其概括为， 从Scaling Model走向Scaling Organization。
但Organization真正重要的地方，并不只是“让更多Agent一起工作”，它背后还有一个更深的问题——新的能力从哪里来？蒲志强把这个问题追溯到了复杂性科学中的“涌现”。
所谓涌现，描述的是一种从个体到群体、从局部到整体的过程：大量个体首先按照简单规则产生局部交互，随着交互不断增强，局部逐渐形成结构；当这种结构跨过某个临界点，整个系统就可能进入新的状态——实现一种全新的能力跃迁。
围绕这个问题，沌序科技尝试建立一套跨学科的群体智能认知与技术框架。 现场，蒲志强介绍了沌序科技正在构建的受控群体人工智能（Controlled Collective AGI）技术架构。
在这一框架中， 智能体之间的规模、交互、异构，以及宏微观映射成为群智涌现的重要因素。
蒲志强展示的一项实验中，一群机器人需要找到目标区域，但只有少部分个体掌握正确答案，而且机器人之间只能进行局部通信。实验发现，在特定条件下，较短的通信范围反而可能比更长的通信范围更有利于群体形成正确决策。
在规模问题上，挑战则更加直接。一个个体有10种选择，两个个体就可能产生100种组合；随着参与者增加，解空间会指数级扩大。沌序科技尝试将群体智能算法与传统组合优化方法结合，用于物流调度等复杂问题，可面向千万规模决策变量、百万规模约束条件进行求解。
例如在低空安全场景中，沌序科技尝试把雷达、光学设备、无线电侦测设备以及无人机处置设备，通过群体智能的方式组织起来，让原本各自为战的设备形成协同。
在机器人场景中，沌序科技则试图进一步构建一个通用的群体智能“大脑”，把无人机、无人车、无人船、机器狗和机器人等不同设备组织进同一个系统，让它们从一组彼此独立的机器，变成一支能够协同完成任务的智能作业队。
至此，Organization已经不再只是一个来自生物群体或管理学的隐喻，而是变成一个AI工程问题。