AI分类框架（代理式-自治式-自生式）

由Exceptional Agility AI于2026年2月4日提出的AI能力层次分类框架，将AI发展划分为三个递进层次：代理式AI（执行指令）→ 自治式AI（自主决策）→ 自生式AI（自我演化）。该框架借鉴了自动驾驶的SAE分级系统，强调当前90%的商业AI应用仍停留在代理式层面。

框架层次

代理式AI (Agentic AI)

• 定义：执行特定指令的AI，能分解任务、调用工具，但缺乏自主决策能力
• 技术栈：LLM + 工具调用 + 记忆管理，典型架构为ReAct模式
• 挑战：幻觉、上下文窗口限制、任务分解错误
• 商业案例：客服自动化、数据分析、代码生成
• 代表系统：AutoGPT、BabyAGI、ChatGPT Enterprise

自治式AI (Autonomous AI)

• 定义：能在不确定环境中独立规划路径、自主决策的AI
• 技术栈：在代理式基础上增加环境感知、动态规划和自我纠错模块
• 挑战：安全对齐、实时决策延迟、可解释性
• 商业案例：自动驾驶（Tesla Autopilot）、物流优化、金融交易AI
• 代表系统：机器人导航系统、实时供应链优化AI

自生式AI (Self-Generating AI)

• 定义：能自我演化、创造新AI的终极形态
• 技术栈：引入进化算法和元学习循环，AI能生成、测试和部署新AI模型
• 挑战：计算成本指数级增长、失控风险、评估标准缺失
• 商业案例：AI驱动的创意工作室、自我优化的云服务
• 灵感来源：Google AutoML-Zero、进化计算、元学习

与现有维基概念的关联

• 强化[[ai-junior-engineer]]：代理式AI是"AI初级工程师"的技术基础，管理AI初级工程师团队的模式适用于代理式AI，但面对自治式或自生式AI时需要根本性变革
• 补充[[企业AI转型陷阱]]：增加"AI能力层次错配"作为新的陷阱类型，企业应评估自身需求，避免用管理代理式AI的方法部署自治式AI
• 支撑[[2026-physical-ai-year]]：Physical AI（如机器人）是自治式AI的典型代表，其发展符合该框架的演进逻辑
• 互补[[大模型不是真理机器-而是论证机器]]：前者讨论大模型的认知本质，本文讨论其能力层次
• 关联[[工业智能]]和[[工业智能体]]：工业场景是代理式AI和自治式AI的重要应用领域

社会影响

• 商业指导：帮助企业分级投资，代理式AI快速ROI，自治式提升效率，自生式开启新产业
• 就业冲击：代理式取代重复劳动，自治式挑战中层管理，自生式可能重塑教育体系
• 伦理监管：自生AI引发"奇点"担忧，欧盟2025年AI法规要求高风险系统强制人类干预

未来展望

框架预示AI向AGI演进。到2030年，代理式将标准化，自治式主流，自生式初步商用。技术趋势包括集成脑机接口增强感知，量子AI加速进化模拟。