从确定性到随机性：多智能体如何重塑AI的使用方式

这期对话中，Dust 的两位创始人分享了他们对多智能体系统的核心判断：AI 已从“计算器式工具”转向随机性系统，真正的价值不在模型本身，而在如何编排、约束和协作多个智能体。

为什么“随机性”正在取代“计算器思维”

这一期讨论从一个非常基础、但被严重低估的转变开始：AI 不再是计算器。Gabriel Hubert 用一句很形象的话概括了这一变化——“我们让整个世界从计算器技术，转向了随机性技术。以前你按同样的键，会得到同样的结果；现在你问同样的问题，只会得到略微不同的答案。”这并不是一个哲学感慨，而是对所有产品设计者的现实提醒。

在确定性系统中，工程的核心是减少误差；而在随机系统中，核心变成了如何管理不确定性。Dust 的判断是：如果你仍然试图把大模型当成一个“更聪明的函数”，那几乎一定会失望。真正可控的方式，是把能力拆分成多个角色，让每个智能体在有限上下文和明确任务中工作。

这也是多智能体（multiple custom agents）存在的前提。它不是为了炫技，而是为了让随机性变得可用、可重复、可解释。对企业用户来说，这种转变意味着：与其追求一次回答“对不对”，不如设计一个过程，让系统整体“越来越靠谱”。

Dust 的创业起点：不是造模型，而是暴露能力

Dust 成立于 2023 年初，两位创始人都很清楚自己不想做什么。讨论中他们反复强调，Dust 的起点并不是“再训练一个模型”。相反，他们的一个核心假设是：模型能力会快速商品化，真正稀缺的是如何在正确的层级上暴露这些能力。

在 Q2 2023 前后，他们意识到一个问题：很多团队已经能调用模型 API，但不知道如何把这些能力嵌入到真实工作流中。于是 Dust 把重点放在“自定义智能体”上——每个智能体有清晰职责、有限权限，并且可以彼此协作。这不是为了更复杂，而是为了更安全、更可预测。

Gabriel 提到，“there’s a lot to do here”，暗示这并不是一个一蹴而就的事情。多智能体系统本质上是工程问题、产品问题和组织问题的交集，而不是单纯的模型问题。这也是 Dust 选择从平台和工具层切入，而不是模型层的原因。

模型规模之外的另一条路：为什么“一直放大”可能行不通

在对未来的判断上，一个关键分歧被明确提了出来：我们会走向“每家公司都有自己模型”的世界，还是继续依赖少数超级模型？Stanislas Polu 的态度相对克制。他们并不否认规模化的价值，但也直言，“scaling up… is just very hard”。

这种“难”，不仅是算力和成本，更是组织与回报的不确定性。相比之下，多智能体提供了一条侧路：在不改变底层模型的前提下，通过结构设计获得更高的实际效用。这也是为什么 Dust 更关心 API 调用中的真实使用模式。

他们观察到，用户的行为往往是“离散的，而不是连续的”——人们在特定时刻需要明确帮助，而不是持续对话。这种洞察直接影响了产品设计：智能体不是陪聊对象，而是随叫随到、完成具体任务的工具。

从 OpenAI 到法国创业：去中心化能力的信念

Stanislas 曾在 OpenAI 的关键时期工作，这段经历明显影响了他对“民主化 AI”的理解。讨论中提到，在 OpenAI 的目标是“democratize that”，而在 Dust，他们选择了另一种方式继续这件事：不是让每个人都训练模型，而是让更多人能安全、有效地使用模型能力。

值得注意的是，Dust 明确强调自己“proudly made in France”。这不仅是地理标签，也是一种姿态：AI 创业不必全部集中在硅谷叙事中。在闪电问答环节里，一些轻松的调侃（比如“你选择了一位法国人作为最敬佩的人”）反而强化了这种文化自信。

对他们来说，多智能体不是终点，而是一种方法论：在不可控的技术浪潮中，通过结构、边界和协作，把能量引导到真正有用的地方。

总结

这场对话的价值，不在于某个具体功能，而在于一种更成熟的 AI 使用观：接受随机性，而不是对抗它；放弃“万能模型”的幻想，转向可组合的智能体系统。对创业者和产品负责人来说，真正的竞争力，正在从“你用的是什么模型”，转向“你如何组织和约束这些能力”。

关键词： 多智能体， Dust， 随机性AI， OpenAI， AI产品设计

事实核查备注： 人物：Gabriel Hubert、Stanislas Polu；公司：Dust、OpenAI；时间：Dust 成立于 2023 年初，提及 Q2 2023；核心概念：stochastic technology（随机性技术）、multiple custom agents（多自定义智能体）；引用原话需核对英文原视频上下文