计算史上的每次跃迁，都来自架构里多出来的一层。操作系统层长出了微软和苹果；智能层——大模型——长出了 OpenAI 和 Anthropic。一家脱胎于中科院自动化所的公司押注，下一层是「组织」：把越来越多的智能体连接起来，让整个系统比其中任何一个模型都聪明。
这家公司叫沌序科技，2026 年 4 月成立。它不训练更大的模型，而是做模型与真实世界之间的那一层——无人机、机器人、雷达、边缘设备——并把「这些东西怎么配合」做成可复用的产品。它把目标称为 Collective AGI，通用群体人工智能。
论点：智能不仅可以「造」出来，还可以「组织」出来
过去几年行业只有一条主线：把单个模型做得更强。但真实世界的系统很少只靠一个模型运转。一支无人机队伍里，每台机器有不同的传感器、算力和任务；一套低空安全系统里，同时有摄像头、雷达、无人机、边缘设备和不同算法。模型再聪明，也不会天然知道这些设备怎么分工、何时协作、出故障后谁来补位。
创始人蒲志强是中科院自动化所复杂系统认知与决策国家级重点实验室副主任，研究这个问题超过十年。他的起点不是模型，而是一群蚂蚁：单只蚂蚁几乎什么也做不了，蚁群没有指挥官，只靠一两条简单规则就能筑巢、搭桥，完成远超个体能力的复杂行为。复杂科学把这叫「涌现」——1+1 大于 2，这个方向在 2021 年获得了诺贝尔物理学奖。
证据：从足球到无人机
团队一直在真实系统里验证这件事。足球是天然的群体智能实验场：没有球员掌握全场信息，球队却要持续做整体决策。用真实欧冠数据，团队做出了能做反事实推演的「虚拟教练」——换一个球员，会发生什么？
2025 年的一次实验中，两个自建的亿级参数模型协同工作，在一个特定复杂决策任务上明显胜过千亿级通用大模型。重点不是「小模型打败大模型」，而是组织得当的普通智能体，能产生单个模型没有的能力。
真实世界的试验场是低空安全：约 50TB 多模态无人机探测数据（可见光、近红外、热红外、雷达），1500 万帧有效标注样本，2000 多次实验。数据的意义不只是「大」——算法在仿真里成立，不代表换一种天气、一台摄像头还成立；遇到通信延迟、节点故障时设备还能不能协同，只有真实系统知道。
在设备之上，沌序放了一层「群智大脑」：前端接入感知设备，中间做信息融合、判断与调度，后端连接执行设备。核心产品思路是「组织蒸馏」：几台设备经过很多轮运行形成有效分工后，系统把它沉淀为可复用的规则，甚至公式。下次换设备、换任务，不必从零开始。
组织层站在哪里
最清晰的框架是计算史：操作系统层造就了微软和苹果，智能层造就了 OpenAI 和 Anthropic，沌序想建的是下一层。
相邻玩家正从两个方向逼近同一个问题：软件公司从模型侧做多 Agent 编排；Shield AI、Anduril、Applied Intuition 这类物理自主公司，从无人机、机器人和自动驾驶往上抽象。沌序来自第三个方向——群体智能，而且和大模型厂商不是竞争而是互补：组织需要模型，通用模型负责复杂推理，小模型负责低成本、低时延任务。可组织的节点越强，组织问题反而越重要。
这会怎么改变 AI 产业
如果组织层成为真正的产品类别，AI 的成本结构会变：强 AI 不再必须来自最强的模型——开源社区已经证明了这一点（27B 开源模型在编程上胜过更大的闭源模型）。瓶颈从训练转向协同：真实部署的数据、对故障的工程容忍度、可复用的组织规则。
沌序的护城河也很有代表性：十多年研究、几十 TB 物理世界数据、软硬结合能力，以及和中科院实验室的「旋转门」。它甚至是「订单倒逼式创业」——一次展会后 30 多家机构表达合作意愿，千万级需求在公司成立前就堆在了面前。
接下来看什么
三件事可以检验组织层是不是真的。一是复用：一个部署里沉淀的协作规则，换设备、换任务后还能不能用；二是标准：多 Agent 编排会不会收敛到共享协议，就像 无状态网关正在整合 MCP 一样；三是成本：一群组织得当的便宜智能体，能不能在真实负载上真正胜过一个大模型——而不只是 2025 年实验室里的实验。
Scaling 时代还没结束。但下一层价值，可能不是更大的大脑，而是让许多小大脑像一个大脑袋那样思考的规则。
