主机的护城河困住了AI野心：IBM研究领先为何卖不动

内容摘要

一份来自 IBM 与伯克利的“失败尸检报告” 2026 年 2 月，IBM Research 与加州大学伯克利分校联合发布了一份不同寻常的研究：他们没有展示 Agent 最新的能力上限，而是试图系统性地回答一个问题——企业部署的多智能体系统为什么会失败？这份研究推出了两个核心工具：用于端到端评测的 IT Bench，以及用于失败归因的 MAST（Multi Agent System Troubleshooter）S2。换句话说，这不仅是一份性能报告，更是一份结构化的故障诊断手册。 MAST 的核心方法论是将失败案例归入可复现的结构性模式：规划链断裂（Agent 无法将复杂任务分解为正确的子步骤）、协调失效（多个 Agent 在共享状态上产生冲突或死锁）、工具调用错误（调用了错误的 API 或返回了无法解析的结果），以及记忆一致性问题（跨会话的上下文被错误地混合或丢弃）S2。真正值得注意的转变在于，IBM 与伯克利的评测重心已经明确从“单模型准确率”迁移到“端到端任务完成率”——这意味着研究界终于承认，在真实企业场景里，问题往往不出在模型本身，而出在多个模型之间的协作工程。 结构性缺陷，而非随机噪声 这份研究的隐含判断是：企业 Agent 的失败不是随机的工程噪声，而是可以在系统层面被识别和分类的结构性缺陷S2。这一定位本身就是一个重要的行业信号——它意味着 Agent 的工程化瓶颈...