#05 - 个人智能体分几级：六套尺子的对照

「谁在定义个人智能体」系列 · 第 5 篇

7 月 17 日，世界人工智能大会上公布了《人工智能终端智能化分级》国家标准的首批测试结果：华为、联想、吉利等 17 家企业的 66 款产品拿到了 L3 证书，覆盖手机、电脑、电视、眼镜、汽车座舱和音箱。

随后各家陆续发稿宣布"通过 L3"。小米的说法是：L3 是目前有明确划分标准的最高智能化水平。

这句话没错。国标一共四级，L4 协同级"将根据产业发展水平，在后续修订中进一步明确和完善"，也就是说现在还没有具体标准。所以首批拿证的厂商，基本都站在了目前能拿到的最高一级上。

一个人人都能拿到顶格的分级，能告诉我们什么？要回答这个问题，得先看清楚分级到底在量什么。

关于个人智能体或 AI Agent 的分级，我找到了至少六套比较有代表性的。它们的级数不同、名字不同，更重要的是量的东西也不同。这一篇把它们放在一起对照。

先说一个分类

今年 9 月有一篇整理 AI Agent 定义的综述论文，把各种自主性分级归成了三类：

• 按 Agent 的任务表现来分，比如参照汽车自动驾驶的分级；
• 按 Agent 在交互中扮演的角色来分，比如 Google DeepMind 的框架；
• 按 用户在交互中扮演的角色来分，比如华盛顿大学的框架。

再加上 DeepMind 2023 年提出的一个观点：能力和自主是两条独立的轴，一个系统可以能力很强但自主程度很低，比如一个专家级的工具。

带着这两个视角看下面六套分级，会清楚很多。

第一套：清华 AIR，个人 LLM 智能体五级（2024 年 1 月）

这是最早专门为"个人智能体"做的分级，出自清华大学智能产业研究院牵头的综述《Personal LLM Agents》，参照自动驾驶分了 L1 到 L5。论文还访谈了来自 8 家公司的 25 位专家，其中有小米、华为、OPPO 旗下欢太、vivo 的人。

论文还画了一张"职责分工"图：从 L1 到 L5，Agent 依次接过步骤执行、步骤制定、规划与反思、发现用户需求、专业决策，到 L5 时用户只需要关注创造力和情感。

这套分级有两个特点。一是 L1 到 L3 都是被动的，由用户指令驱动；从 L4 开始才主动。二是 L4 的关键词是"记忆"和"情境"，这是专门为"个人"加的一层，通用 Agent 的分级里通常没有。

第二套：信通院 + 荣耀，终端智能化五级（2024 年 10 月）

2024 年 10 月，荣耀牵头、联合信通院和行业伙伴发布《终端智能化分级研究报告》，按四个核心要素来分：对用户意图的理解程度、对用户信息的学习记忆程度、任务规划程度、任务完成度。

它的主轴是"意图"：从确定指令，到简单意图、复杂意图、潜在意图，再到主动预测意图。当时荣耀 Magic7 系列被评为 L3，是唯一达到这一级的终端厂商。

第三套：国家标准 GB/Z 177—2026，终端智能化四级（2026 年 5 月）

这是目前唯一的国家级分级标准，采用"2+N"架构："2"是参考框架和总体要求，"N"是手机、电脑、电视、眼镜、汽车座舱、音箱、耳机七类终端的具体标准。

分级是四级：L1 响应级、L2 工具级、L3 辅助级、L4 协同级。L4 的具体要求留待后续修订。

评测方式强调"场景闭环"，不是测单项能力，而是看一个完整任务能不能从头到尾做完，比如"在外卖平台重新下单昨日午餐"。

中国电子技术标准化研究院副院长于秀明说，目前用户手里的产品普遍在 L1 和 L2，部分新品能到 L3。信通院副院长敖立在公布首批结果时，总结了 L3 辅助级终端的四个特征：

• 支持语音、图像等多模态、多轮交互；
• 能更准确地识别用户意图；
• 智能体落地，终端能自主拆解任务、完成闭环操作；
• 有持续记忆与学习能力，能基于用户习惯个性化成长。

注意这套和 2024 年那套的差别：同样叫 L3，2024 年版叫"智能助理级"，2026 年国标叫"辅助级"；2024 年有五级，国标只有四级。两套不能混着用。

第四套：Google DeepMind，AGI 的自主性五级（2023 年 11 月）

DeepMind 2023 年发表《Levels of AGI》，提出了两条轴：一条是能力（从"新兴"到"超人"），一条是自主性。自主性这条轴按 AI 在交互中扮演的角色分：

这套分级最重要的贡献是那句"能力和自主是正交的"。能力强不代表应该给它更多自主权；给多少自主，是一个单独的设计决定，要考虑风险。

第五套：华盛顿大学，按用户角色分五级（2025 年 6 月）

华盛顿大学的 Feng、McDonald、Zhang 在 2025 年发表《Levels of Autonomy for AI Agents》，换了个角度：不看 AI 是什么角色，而看 用户是什么角色。

论文强调，自主性是可以独立于能力去设计的，并提出了"自主性证书"的设想，让 Agent 对外声明自己在什么级别运行。有一篇解读文章总结得很实用：按任务选级别，而不是按 Agent 选级别。

这套分级对个人智能体特别有用。第 1 篇讲的 OpenAI dots 有四档权限：直接做、预先批准才做、做之前先问、交给你做。这其实就是让用户对不同的事，选择当"旁观者"、"审批者"还是"操作者"。

第六套：Vellum，智能体行为七级（2026 年 5 月）

开发者平台 Vellum 今年 5 月发了一篇文章，参照自动驾驶分了 L0 到 L6：

这套分级的 L6 很特别。前面 L0 到 L5 是一条自主性递增的线，L6 却不是"比 L5 更自主"，而是换了问题：作者认为 L3 以上都卡在同一个瓶颈，没人能做出对任意用户可靠完成任意任务的通用 Agent，那就别做"替所有人做所有事"，改成"替一个人做所有事"。

Vellum 给 L6 列的条件是：了解你、出现在你所有常用的地方、替你行动、持续存在而不是按会话计算、由你"孵化"并属于你。

需要说明的是，Vellum 自己就卖个人助理产品，文章最后写的是"Vellum 是第一个交付 L6 的系统"。所以这套分级更像一个产品论点，但"窄用户、宽任务"这个思路本身很有启发。

补充：IDC + 高通的四个阶段（2026 年 7 月）

严格说这不是分级，是产业演进阶段：单点功能嵌入 → 助手协同 → 任务代理 → 跨设备自主编排。白皮书把 2026 到 2027 年的目标定为单场景多步骤任务拆解、长期上下文记忆和更稳定的执行；跨设备、主动预判需求放在更后面。

放在一张表里

下面这张表是我按"Agent 做到了什么程度"粗略对齐的，各套分级的边界并不完全重合，只能作为参考。

从对照里能看出什么

第一，量的东西不一样。 清华、信通院、国标量的是能力：能不能理解意图、能不能规划、能不能把事做完。DeepMind 和华盛顿大学量的是自主：AI 和人之间谁说了算。Vellum 的 L6 量的是形态：为谁服务、在哪里服务。把它们直接对齐，本身就有点勉强。

第二，"主动"是几套分级共同的分水岭。 清华明确说 L1 到 L3 都是被动的，L4 开始主动；信通院 L4 讲"潜在意图"；国标把还没定义清楚的 L4 叫"协同级"。这和第 3 篇讲的终端厂商都在卷"主动服务"对得上。

第三，最高一级都指向"代表用户"。 清华 L5 是"自主化身"，能代你和别人打交道；信通院 L5 是主动预测意图；DeepMind 5 级是"代理人"；华盛顿大学 L5 是用户只当旁观者。这和第 1 篇海外激进派的产品定义是同一个方向。

第四，"个人"在多数分级里是缺席的。 专门考虑个人维度的只有清华的 L4（记忆与情境）和 Vellum 的 L6。国标 L3 提到了"持续记忆与学习"，但没有把它单独作为一个要素。其他分级都是通用 Agent 的分级，换成企业 Agent 也一样适用。

第五，国标分级已经开始被用作营销。 首批 66 款产品全是 L3，第 3 篇提到联想有 42 款终端通过 L3。当大家都在最高级，分级就失去了区分度，只剩"有没有认证"。这不是标准的错，L4 还没定义，标准本身在等产业跟上。但在 L4 落地之前，L3 认证能告诉消费者的信息很有限。

我的看法

看完这六套，我有一个比较明确的结论：个人智能体不应该只有一个"级别"。

一个人的个人智能体，可能帮他点外卖时可以完全自主，帮他回老板邮件时必须先给他看，帮他转账时永远不能动。按华盛顿大学的说法，同一个 Agent 在不同任务上，用户可以分别当旁观者、审批者和操作者。OpenAI dots 的四档权限，荣耀 YOYO 拒绝 30 万转账，都是这个逻辑。

所以，给个人智能体分级，至少需要拆开三条轴：

• 能力轴：它能理解多复杂的意图、能完成多长的任务。国标和清华的分级主要在量这条；
• 授权轴：对某一类任务，用户允许它自主到什么程度。DeepMind 和华盛顿大学在讲这条，而且这条应该按任务设置，不是一个固定值；
• 个人化轴：它对这个人了解多少、记得多少、能不能主动。清华 L4 和 Vellum L6 碰到了这条，但还没有人把它单独拎出来量。

这三条轴，加上前几篇陆续提到的"服务对象"、"由谁构成"、"利益站在谁那边"、"和各方的关系"，就是第 9 篇搭框架时的主要材料。

下期预告

第 6 篇《被产品发布会跳过的问题》：2024 年 DeepMind 发了一份两百多页的伦理报告，核心问题是"个人 AI 助手该站在谁那边"；到了 2026 年的产品发布会，大家讲的都是"能不能办成"。下一篇看研究者和分析师在担心什么：DeepMind 的四方对齐、Ben Thompson 的"Agent 是终极聚合者"、a16z 的"按交易收费"、Gartner 对客服系统的预警，以及信通院的智能体治理框架。

资料来源

国家标准

• 首批测试结果、敖立总结的 L3 四个特征：https://m.thepaper.cn/detail/33608638
• 首批结果名单（手机与电脑部分）、L4 待后续修订：https://www.ithome.com/0/978/276.htm
• 小米"L3 为目前有明确划分标准的最高水平"：https://www.ithome.com/0/978/615.htm
• "2+N"架构与四级名称：https://www.secrss.com/articles/90090
• 于秀明"目前产品普遍在 L1 和 L2"：https://www.stdaily.com/web/gdxw/2026-05/09/content_513684.html
• 场景闭环评测例子：https://tech.ifeng.com/c/8tXqWM8WGo1

信通院 + 荣耀（2024）

• 五级定义与四个要素：https://www.bbtnews.com.cn/2024/1029/534987.shtml
• 荣耀 Magic7 评为 L3：https://www.ifanr.com/dasheng/1604808

清华 AIR

• 《Personal LLM Agents: Insights and Survey about the Capability, Efficiency and Security》：https://arxiv.org/pdf/2401.05459

Google DeepMind

• 《Levels of AGI》论文信息：https://www.longtermwiki.com/source/c2393fe3db65d3ef
• 自主性各级描述（据 2026 年综述整理）：https://arxiv.org/pdf/2609.11018
• 能力与自主正交的解读：https://zylos.ai/research/2026-03-28-ai-agent-autonomy-levels-taxonomy-trust-calibration

华盛顿大学

• 《Levels of Autonomy for AI Agents》：https://arxiv.org/pdf/2506.12469v1
• 各级例子：https://www.aigl.blog/levels-of-autonomy-for-ai-agents/
• "按任务选级别"的解读：https://www.taskade.com/wiki/ai-agents/agent-autonomy-levels

Vellum

• 《The Six Levels of Agentic Behavior》：https://www.vellum.ai/md/blog/levels-of-agentic-behavior

其他

• 三类自主性分级的归纳（2026 年 AI Agent 定义综述）：https://arxiv.org/pdf/2609.11018
• IDC + 高通白皮书解读：https://www.ifanr.com/1673429
• OpenAI dots 权限四档：https://www.simular.ai/articles/what-is-a-personal-agent
• 荣耀拒绝转账演示：https://www.huxiu.com/brief/201867.html
• 联想 42 款终端通过 L3：https://www.pingwest.com/a/316301