2025年3月29日，在中关村论坛年会通用人工智能论坛上，北京通用人工智能研究院（BIGAI）发布“通通”2.0。研究院先进技术中心执行主任陈浩介绍，与1.0版本相比，“通通”从“三四岁的小女孩”成长到了“五六岁”的水平。
这套拟人化的表达，让“通通”成了BIGAI最容易被记住的项目。早在2024年亮相时，官方介绍就反复强调它的认知架构：以价值和因果驱动决策，并给出可解释的判断，而非简单执行预设指令。
不过，BIGAI还有一条更贴近实际任务的产品线。它没有“通通”那么拟人，名字是TongAgents。
TongAgents的关键动作：执行后再改计划
BIGAI官网把TongAgents的目标概括为让智能体从“会回答”走向“能办事”。这句话背后是一套由Planner（规划中枢）和Executor（执行中枢）配合的工作方式。
Planner负责拆解任务、制定计划，并根据执行情况修正后续安排；Executor处理具体步骤，再把结果反馈回来。收到反馈后，Planner可以更新任务列表和策略。一次任务不再是生成计划后一路跑到底，中途发现条件变化，剩下的步骤也会跟着调整。
据BIGAI官网披露，TongAgents在多项国际智能体榜单中取得了零售、航空、电信三大领域综合全球第1的成绩。这个结果能说明它在软件任务处理上的能力，但榜单没有回答另一个问题：同样的机制能否进入仓库，接管与货位、订单和设备有关的实时调度？
仓储适合拿来验真，公开材料却还没走到这一步
仓储调度确实与TongAgents的机制很贴近。订单优先级会调整，货位状态会变化，AGV或机械臂也可能无法按计划完成任务。执行结果一变，原来的任务顺序和路径安排就需要重新处理。
按照公开的架构，可以设想这样的工作流程：Planner拆分拣选、补货和搬运任务，Executor持续汇报进度；某一步无法完成时，Planner修改剩余计划，再把任务交给其他执行单元。这是TongAgents可能进入仓储场景的理由。
但从现有可引用资料看，能够确认的仍是系统机制和榜单成绩。公开材料没有披露仓储合作方、部署地点、接入设备、测试方法，也没有给出响应时间、吞吐量、部署规模或连续运行周期等数据。每台AGV、机械臂和货架是否会被抽象为独立智能体，同样缺少公开说明。
因此，现阶段把TongAgents写成已经在华东某电商仓完成“首次落地验证”，证据并不充分。与传统运筹优化系统之间的性能比较，也需要测试报告、合作方信息或可复核的运行记录支持。
从榜单走到仓库，还缺几类工程证据
计划怎么落到设备上。 TongAgents可以拆解任务，但仓库里的计划最终要变成WMS参数、AGV动作或机械臂指令。公开资料尚未说明这段接口由谁负责，也没有展示自然语言任务如何经过权限检查和安全约束后下发到设备。
执行反馈是否可信。 Planner会根据Executor的汇报改计划，前提是库存、货位和设备状态准确且及时。如果反馈延迟或状态错误，动态规划反而可能建立在错误条件上。进入工业现场后，数据校验与异常识别和规划能力同样重要。
局部决定如何服从全局规则。 多个执行单元同时调整任务，可能在共享通道、订单优先级和设备使用权上出现冲突。系统需要明确全局约束、安全规则和仲裁方式。通信延迟与决策一致性可以作为重点测试项，但在没有运行日志前，不能写成某次部署已经暴露的故障。
系统失灵后由谁接管。 仓库不会因为智能体需要重新思考就暂停运行。人工接管、任务回滚、操作日志和安全停机机制，都应进入实际验证范围。这些内容通常不会出现在智能体榜单里，却决定了一套系统能不能长期值守。
BIGAI的研究布局给出了一些线索
BIGAI官网列出了七大前沿研究方向，其中包括通用视觉和机器人。这说明研究院并未把智能体限制在对话或桌面软件中，感知、认知与物理执行都在其研究范围内。
把“通通”2.0、TongAgents和机器人方向放在一起，可以看到一条可能的技术路径：先建立认知与推理框架，再处理任务规划和执行反馈，最后尝试接入真实设备。但研究方向、产品能力和工业案例是三个不同层次，不能用前两者直接替代最后一项的证据。
现阶段更准确的判断是：TongAgents已经公开展示了任务拆解、执行反馈和动态调整能力，也有官方披露的国际榜单成绩；仓储调度则是与这套机制相匹配、但尚待公开验证的应用场景。
比“首次落地”更值得继续追踪的，是BIGAI何时公布合作方、系统边界、异常记录和第三方测试结果。到那时，TongAgents是否真的能从软件任务走进繁忙的仓库，才会有一个可核验的答案。
