Acenta AI 创始人 Raphael Shu 博士确认出席 QCon 上海，分享多智能体协作与博弈——打造最高效的“AI 团队”

如果你也关注 Agent、AI 搜索、多模态、工程化等话题，一定不要错过这 100+可落地的实践案例！

10 月 23 日-10 月 25 日，QCon全球软件开发大会将在上海举办。本次大会将聚焦 Agentic AI、具身智能、强化学习框架、端侧大模型实践、多智能体协作等热门话题，以及 AI 时代下的软件研发、可观测、开源等技术实践，邀请来自腾讯、阿里、字节跳动、华为、蚂蚁集团、小红书等企业的技术专家，和来自清华大学、北京邮电大学、浙江大学的顶尖高校讲师，和你一起重构技术认知与能力边界！

Acenta AI 创始人 Raphael Shu 博士已确认出席并发表题为《多智能体协作与博弈——打造最高效的“AI 团队”》的主题分享。本次演讲将从一个实例出发，结合行业的最新进展，探讨多智能体（Multi-Agent）协作在企业级落地中的架构设计问题，分享如何优化并且打造最高效的“AI 团队”。内容涵盖中心化与去中心化协作机制的取舍、分工策略、以及利用大模型对协作效果进行评价的方法及实验结果。除了针对常见问题例如速度瓶颈、Token 消耗与无效协作等实践问题进行探讨外，还将延伸至开放世界场景下的协作与博弈，探讨 Agent Scaling Law，不确定性问题，以及竞争机制的利弊。旨在帮助听众在掌握最新技术趋势的同时，获得从架构设计、效果评估到持续优化的完整落地路径，为企业构建高效可控的 AI 团队提供可借鉴的实践蓝图。

Raphael Shu 博士，Acenta AI 创始人。2020 年获东京大学计算机科学博士学位并获院长奖，期间在 Yann LeCun 指导下在 NYU 担任访问研究员。加入 AWS AI 实验室后，他专注生成式模型研发，2022 年主导 Dialog2API 项目，使 LLM 代理能够通过对话理解并调用外部 API 。自 2023 年起，他带领团队为 Amazon Titan 大模型注入多智能体能力；2024 年起至今年 5 月担任 Amazon Bedrock Agents 高级科学技术负责人。他带领的团队在 2025 年上线了第一个商业级多智能体协作平台。此外，他在 AAAI 创办 WMAC 多智能体协作系列研讨会，并共同组织 COLM Workshop on AI Agents。他在本次会议的详细演讲内容如下：

演讲提纲

1. 破题

• 以微软 Magnetic-One System 为例，演示多智能体如何协作完成一项深度研究任务

2. 背景

• 多智能体协作的发展进程

• 大厂布局（Google、Microsoft、Meta、AWS、OpenAI、初创公司等）

• 产品分类（框架、服务、协议、组件等）

• 前沿企业级应用案例

3. 产业应用：如何选择协作机制

• 常见的架构与分工模式（中心化 / 去中心化，Group Chat / 私聊）

• 重点讲解中心化协作模式

  结合在本人在 AWS 发布的技术报告，介绍其中的实用方法

• 扩展讨论：

  最佳的多智能体网络拓扑是什么？

  Initiative Taking 与 Decision Making 的取舍

  多智能体投票机制是否有效？

4. 产业应用：如何评价多智能体协作效果

• 端到端指标（Task Completion Rate）

• 基于大模型的评价方法

• 细分指标：直接衡量协作有效性

• 基于 Bedrock 开源数据的评价结果展示

5. 产业应用：打造最高效的 AI 团队

• 企业级应用中常见问题：

  速度瓶颈

  Token 数瓶颈

  无效合作

• 优化通信协议

• 优化协作模式

• 优化协作工具

• 共享记忆与私有记忆的权衡

• 如何衡量 Collaboration Overhead（协作开销）

6. 扩展议题：多智能体对齐

• 群体行为对齐的重要性与实践难点

• Prompt 优化（Dspy / Textgrad） vs. 模型训练

• 跨多智能体的报酬函数设计

7. 扩展议题：开放世界中的 AI 协作

• 多智能体协作的 Scaling Law：1000 个智能体可以做什么？

• Cobb–Douglas Exchange Economy 实验：大模型是否总是做出最理性的决策？

• Blackbox Collaboration 中的不确定性

• 智能体竞争的利与弊：

  竞争关系、不确定性与价值函数冲突

  多智能体世界的“心智理论”（Theory of Mind）

• 基于 OpenAgents 框架的 Demo 展示

8. 总结与未来展望

• 群体智慧与智能体网络的发展

• 适应多智能体协作的大模型新范式

您认为，这样的技术在实践过程中有哪些痛点？

• 多智能体协作，无论是开放或封闭环境中需要共享长序列的上下文，导致 Token 数量激增，增加延迟

• 即使有很多方法来减轻此类问题的影响，但并不是所有的应用案例都适合使用多智能体协作

前沿亮点

• 本演讲带领听众认识并且理解在开放环境中的多智能体协作，其应用价值以及独有的问题

• 通过穿插真实案例与实验演示，激发听众对关键技术问题的思考

听众收益

• 对于多智能体协作更深入的认知

• 了解各种协作模式的优劣，有助于听众在其应用中作出合理的选择

• 可以复现的一些实验结果，启发参会者设计自己的实验

除此之外，本次大会还策划了多模态融合技术与创新应用、混沌工程与全链路压测实践、Data Infra for AI、Agentic AI、加速与反哺：AI 时代的可观测实践、Vibe Coding、端侧大模型的创新与应用、大模型推理的工程实践、AI 搜索技术的深水区、模型训练与微调、具身智能：当 AI 学会“动手思考”、大模型驱动的制造革命、AI4SE：软件研发提质增效实践、AI 重塑视觉创作体验、从“炫技”走向“实用”的 AI 产品、大模型驱动的智能数据分析等 20 多个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+资深专家在 QCon 上海站现场带来前沿技术洞察和一线实践经验。

现在报名即可以享受 9 折优惠，单张门票立省 680 元，，详情可联系票务经理 18514549229 咨询。