#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。
| 级别 | 名称 | 核心特征 | 论文里的例子 |
|---|---|---|---|
| L1 | 简单步骤跟随 | 按用户或开发者预先定义的步骤执行 | "打开某个 App"、"给 Alice 打电话"（匹配预设模板） |
| L2 | 确定性任务自动化 | 根据任务描述，在预定义的动作空间里自动补全步骤 | "查一下北京今天的天气"，自动调天气接口 |
| L3 | 策略性任务自动化 | 自主规划步骤、调用多种资源，根据中间反馈迭代 | "把我明天的日程告诉 Alice"，自己去日历和聊天记录里找、总结、发送 |
| L4 | 记忆与情境感知 | 感知用户情境、理解用户记忆，在合适时机主动提供个性化服务 | 根据近期收支和风险偏好推荐理财；检测到老人在浴室摔倒，决定是询问、通知家人还是呼救 |
| L5 | 自主化身 | 完全代表用户处理复杂事务，可以代表用户和其他人或 Agent 交互 | 代你读邮件并回复；根据你的工作日志代你参加讨论会、发表意见、写纪要 |
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。
| 级别 | 名称 | 定义 |
|---|---|---|
| L1 | 智能响应级 | 根据用户确定性的操作指令完成相关任务 |
| L2 | 智能辅助级 | 准确感知用户简单意图，基于用户偏好完成单类型任务 |
| L3 | 智能助理级 | 准确感知用户复杂意图，基于用户信息自主规划完成多类型任务 |
| L4 | 智能协同级 | 准确感知用户潜在意图，基于用户情景自主规划完成多类型任务 |
| L5 | 自主智能级 | 主动预测用户意图，基于全场景自主规划完成全类型任务 |
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：
| 级别 | 名称 | 含义 |
|---|---|---|
| 0 | 无 AI | 人做所有事 |
| 1 | AI 作为工具 | 人完全掌控任务，用 AI 自动化琐碎的子任务 |
| 2 | AI 作为顾问 | AI 承担实质性角色，但只在人调用时 |
| 3 | AI 作为合作者 | 人与 AI 平等协作，共同协调目标和任务 |
| 4 | AI 作为专家 | AI 主导交互，人提供指导和反馈或执行子任务 |
| 5 | AI 作为代理人 | 完全自主 |
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。
| 级别 | 用户角色 | 含义 | 论文举的例子（截至 2025 年 6 月） |
|---|---|---|---|
| L1 | 操作者 | 用户指挥并做决定，Agent 执行 | Microsoft Copilot |
| L2 | 合作者 | 用户和 Agent 一起规划、分工、执行，可以随时互相接手 | OpenAI Operator |
| L3 | 顾问 | Agent 主导，只在需要专业知识或偏好时咨询用户 | Gemini Deep Research |
| L4 | 审批者 | Agent 独立运行，只在高风险或预设场景下请用户批准 | Devin |
| L5 | 旁观者 | Agent 完全自主，用户只能监看或按紧急停止 | Voyager |
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：
| 级别 | 名称 | 含义 |
|---|---|---|
| L0 | 规则工作流（跟随者） | 只有"如果…就…"的规则，没有智能 |
| L1 | 基础响应（执行者） | 能处理输入、检索、生成回答，但没有记忆、不会计划 |
| L2 | 使用工具（行动者） | 能自己决定调用外部工具，大多数 AI 应用在这一级 |
| L3 | 观察、计划、行动（操作员） | 能盯着触发条件，规划多步工作流，每步检查结果 |
| L4 | 完全自主（探索者） | 保持状态、跨会话持续运行，自己发起工作流 |
| L5 | 完全创造（发明者） | 自己创造逻辑、临时造工具 |
| L6 | 个人助理（伙伴） | 为一个人做所有事 |
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。
| 大致程度 | 清华 AIR | 信通院+荣耀 2024 | 国标 2026 | DeepMind | 华盛顿大学（用户角色） | Vellum |
|---|---|---|---|---|---|---|
| 按指令执行固定步骤 | L1 | L1 智能响应 | L1 响应 | 1 工具 | L1 操作者 | L0–L1 |
| 自己补全步骤、会用工具 | L2 | L2 智能辅助 | L2 工具 | 2 顾问 | — | L2 |
| 自主规划多步任务 | L3 | L3 智能助理 | L3 辅助 | 3 合作者 | L2 合作者 / L3 顾问 | L3 |
| 主动、懂情境和记忆 | L4 | L4 智能协同 | L4 协同（待定） | 4 专家 | L4 审批者 | L4 |
| 完全代表用户 | L5 自主化身 | L5 自主智能 | — | 5 代理人 | L5 旁观者 | L5 |
| 为一个人做所有事 | — | — | — | — | — | L6 |
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