01 · 智能体 AI
模型能自主行动到什么程度？又该在哪里停下？
会回答问题的模型很有用。会规划、使用工具并把任务做完的模型则完全不同：它需要边界、记忆，以及展示自己做了什么的方式。大部分工作在于模型周围的运行框架（harness），而不是模型本身。
我们做过的工作
- 在真实的应用和 API 上调用工具
- 运行框架：权限、护栏、确认与日志
- 长期记忆，重要的事情始终有人参与把关
Deepiks Lab · 巴黎-萨克雷
一家应用人工智能实验室， 让想法落地成形。
Deepiks Lab 探索智能体自主性、语音交互与主权部署的交汇点，为一种协作式、真正融入现实世界的 AI 打造基础构件。
我们的课题
我们反复思考的四个问题
我们不卖现成的产品。我们挑选几个难题，做原型去回答它们，并让真实的人来检验。以下是我们目前手头的四个。
02 · 语音 AI
没有屏幕可以兜底时，会发生什么变化？
语音是最自然的交互方式，也是最不容出错的。延迟、打断、口音和犹豫都很关键，而系统出错时也没有按钮可按。它同时也让不习惯使用屏幕的人能够用上 AI。
我们做过的工作
- 实时语音识别与语音合成
- 话轮转换、打断处理和亚秒级响应
- 能跨越数天保持上下文的对话，而不只是一问一答
03 · 主权 AI
能否既享受大模型的能力，又不交出自己的数据？
对许多机构来说，把数据发送到自己无法掌控的云端是不可能的。开放权重模型已大幅缩小了与大型闭源模型的差距；现在的问题是如何让它们在数据所在之处高效运行。
我们做过的工作
- 在私有服务器上运行开放权重模型（本地部署）
- 在设备本身运行的紧凑量化模型（端侧）
- 混合架构：敏感数据留在本地，并为每项任务选择合适的模型
04 · 协作 AI
当 AI 为一个群体而不是一个人工作时，它应该是什么样子？
大多数助手是为单个用户、单个提示而设计的。而真实生活发生在家庭、团队和共享清单中：好几个人，各有各的角色，事情还会在你不注意时发生变化。
我们做过的工作
- 多人与一个智能体协同工作的共享空间
- 角色、权限，以及谁提出了什么请求的清晰记录
- 让每个人都知情，又不被消息淹没
我们的来路
从计算机视觉到智能体
我们的每个产品都建立在新一代 AI 之上，每一个都留给我们至今仍在使用的经验。
图片库
用计算机视觉为大型图片库打标签、分类和检索。这是我们在大规模运行模型方面的第一课。
聊天机器人
一个用于构建和运行对话助手的通用平台。对话设计与系统集成。
任务与清单
一款由 AI 帮助整理日常任务和共享清单的移动应用。面向日常用户的产品设计。
生成式 AI
一个汇集众多厂商文本、图像和视频模型的聚合平台。挑选并组合模型。
语音与智能体现在
能完成任务的语音助手，目前处于原型阶段。
实验台上
我们正在打磨的原型
衡量一个实验室，要看它真正做出了什么。以下是我们正在开发的两个原型：
为不便使用屏幕的人打造的语音助手
你开口说话，它大声回答并把事情办好，同时让家人随时知情。集语音、智能体与协作于一身。
移动应用中的智能体
一句话代替六个屏幕：助手规划步骤，调用应用自身的功能，并在重要操作前先征求同意。
9:41
星期四
Deepiks
把我的牙医预约改到周五上午，并告诉 Léa。对了，牛奶喝完了。
好了，我做了这些修改：
牙医预约已改到周五 9:30
牛奶已加入购物清单
要给 Léa 发送“牙医改到周五 9:30”吗？
发送稍后
与实验室合作
带来一个应用场景，而不是一份需求文档
- 1
探索
我们与你一起审视问题，坦率告诉你 AI 在哪里有用，在哪里没用。
- 2
原型
几周内做出可运行的原型，在真实条件下检验，而不是停留在幻灯片上。
- 3
构建
如果效果成立，我们就与你的团队一起把它正式做出来，必要时部署在你自己的基础设施上。