多模型与智能体聚合及服务引擎（MoMA）白皮书.pdf

多模型与智能体聚合及服务引擎（MoMA）白皮书。近年来，大模型技术得到了突飞猛进的发展，模型规模和能力的不断跃升催 生了以智能体为主要应用范式的智能服务新形态和AI产业新生态，使智能体逐 渐成为大模型应用落地和各行业智能化转型的重要驱动力。

与此同时，随着大模型和智能体技术不断走向落地应用，产业的发展重心正 逐步由模型的技术创新转变为以落地价值为导向的应用创新，更加关注应用的 实际成效和长期运行成本。这一转变的关键不在于追求更大的模型规模，而在于 构建能让大模型及智能体自主协作、动态演化的技术和服务生态；在于如何能以 广大用户接受的成本实现更优的服务体验。在产业应用实践过程中，也逐渐暴露出两大痛点：

一是模型选择及组合问题。大模型与智能体的能力各异且数量不断增长，用 户的应用场景和业务需求也在持续演进创新，单一模型或智能体难以满足用户的 所有需求。如何为用户找到最匹配应用场景需求的能力组合最优解，以保证场景 任务完成质量和用户体验，成为部署模型和智能体实现智能服务的首要挑战。

二是模型应用成本问题。除了模型训练外，大量用户并发情况下模型的推理 同样需要消耗巨量算力，智能体的长期运营也会带来持续开销。如何在保障服务 质量的同时，有效控制算力使用效率和运营成本，成为模型和智能体大规模落地 的关键瓶颈。

在这一背景下，大模型和智能体的发展已进入一个迫切需要体系化AI基础 设施[1]的阶段。智能服务无法仅依赖单一模型或智能体，而是需要一个能够聚合 多模型与多智能体的体系化解决方案，以根据用户需求自动探测匹配各类模型、 智能体和工具组合，并通过智能规划、动态路由与精准调度，实现平衡效果、效 率和成本的智能化业务服务。