“小冰之父”再掀AI革命：7人团队、0投流，异构多智能体「团子」如何让机器真正“群体思考”？

导语：李笛离开小冰后，以7人团队打造异构多智能体产品“团子”，让AI学会真正的群体思考，开启新一轮AI应用变革。

“团子”初体验：AI律师团如何破解扶老人被讹难题

打开团子内测版，输入“扶老人被讹怎么办”这类棘手法律问题，一场抗辩式博弈立刻展开。左侧对话框里，团子安抚用户情绪的同时，右侧已生成专业方案，直击“谁主张谁举证”的僵局。系统自动引入六位专家：刑侦警官还原事实、民事诉讼律师分配举证责任、侵权责任律师进行免责抗辩、舆情律师处理名誉影响、极端边界顾问评估正当性，还有刑事辩护律师确保博弈对称。六人角色各异，专业知识与话术几可乱真，他们通过多轮辩论输出了一份可操作性极强的维权方案。更令人惊叹的是，当你要求优化方案时，新角色行政监管律师加入，从官方背书到事前阻断、事中压制、事后反杀，三维度升级策略一气呵成。这种基于异构群体智能的产品，正在重新定义AI的应用边界。

从“小冰之父”到异构多智能体先驱

作为前微软小冰负责人，李笛早已在情感计算领域留下浓墨重彩。离开小冰后，他创立Nextie（明日新程），将所有精力倾注于“让AI真正跟人类打交道”。在他看来，未来AI应用层的最小单元是Agent，但单个Agent不够，“你必须做多智能体”。然而，市面上多数多智能体只是单一模型在扮演不同角色，本质仍是“角色扮演”，缺乏真正的群体协作。因此，李笛提出“异构多智能体”，不同智能体由不同模型或不同提示构成，各有所长，通过辩论、协同产生1+1>2的效果。团子的律师团正是这种思想的落地：六位专家代表不同立场，抗辩式交流产生了更完整、更具执行力的方案，远超单一大模型的泛泛之谈。

技术解密：如何让群体思考不变成“群体废话”

多智能体带来的一个普遍问题是Token消耗指数级增长和幻觉率飙升。谷歌去年12月的论文测试了180种智能体框架，发现多环节任务下质量迅速劣化，而Token消耗惊人。李笛团队却找到了解法：向“协调人”去中心化。在每个讨论环节，由协调人分配上下文、管理节奏并决定是否进入下一轮，从而严格控制Token浪费。据介绍，同样质量下，团子的Token消耗仅为Google Gemini Deep Research的一半左右。这背后的核心在于“思考和协同比使用工具更重要”，团队通过大量实验发现，多个智能体协同的质量不取决于单个模型的智商，而取决于它们如何讨论、如何收敛。一个差的模型甚至可能说服两个好模型，因此团子的框架聚焦于优化协同逻辑，而非单纯堆叠模型。

不烧钱投流，AI商业模式的新可能

与当下AI产品疯狂买量不同，李笛明确表示Nextie不走烧钱路线。一方面，大模型App的投流成本高昂，且70%以上用户只做AI搜索，而AI搜索的成本是搜索引擎的20倍，创业公司难以承受；另一方面，团子深耕私域场景，比如与奇迹等社区合作，零成本触达创业者。李笛强调，“真正想做的商业模式是按照价值来付费”。AI提供的智力输出应当具备付费价值，而非像免费邮箱一样沦为通道工具。这种理念需要构建新的用户心智，虽然挑战巨大，但李笛认为这正是扭转行业怪圈的关键。

情商是生产力：AI如何学会“舍不得”

软能力方面，李笛再次挑战传统认知。他从2013年起便探索AI情商，如今行业巨头如OpenAI也开始重视EQ。李笛指出：“情商不是情绪化，而是一种理性能力，核心是建立信任和推进关系层级。”真正的朋友可能三个月不联系，但关键时刻的建议会影响人生决策。因此，AI情商的衡量指标应该是里程碑式的信任进阶，而非每日聊天时长。团子在法律场景中主动安抚用户、在策略生成中展现共情，正是情商落地的表现。李笛甚至提及“服从性测试”——当用户接受AI的建议或任务时，意味着关系产生了质的跃迁。这种设计旨在让AI摆脱工具人属性，创造“舍不得”的深度粘性。

7人团队与近亿估值：小即是大

Nextie目前仅7名员工，多数来自小冰，其中一位还是一代小冰成员。团队虽小，却大量使用自家Agent员工，免去人力休息，实现高效运转。公司估值近亿美元，第二轮融资即将Close。面对外界对规模的质疑，李笛以自身教训回应：小冰时期他曾陷入“估值攀比”陷阱，从1亿一路追到21亿，最终发现“估值有啥用”。如今他更关注产品本身，“不把时间花在排行榜上”。对于竞争对手，他态度坦然：Cloud Code和Kimi虽也涉足群体智能，但大家尚未在一条街上相遇，真正的竞争远未开始。

未来已来：智能体才是AI的话事人

展望行业趋势，李笛断言：“不管你是谁，做AI必然是智能体，而不是直接基于大模型。”大模型就像运营商，初期是核心，但随着技术平权，必然迅速同质化。未来，智能体框架层将成为价值高地，因为它们掌握了思考与协同的方法。Nextie选择不做工具层，而是扎框架，像竹根一样蔓延，然后快速长出各种“团子”。这种战略既避开了底层模型的同质竞争，也绕开了应用层的重复造轮子，有望成为AI落地的中间引擎。正如李笛所言：“思考和协同，才是多智能体真正的关键所在。”