想象一个由AI智能体组成的医疗系统：一个负责症状评估，另一个安排日程，第三个处理保险，第四个管理药房。每个都是领域专家，但如果没有人类裁判，它们就无法协调患者护理。正如Outshift by Cisco的高级副总裁兼总经理Vijoy Pandey所说：“智能已经存在。缺失的是将四个陌生人变成一支团队的连接组织。”

Outshift的解决方案是一个名为“认知互联网”的语义层，构建在一个名为“智能体互联网”（开源项目AGNTCY，现归Linux基金会管理）的连接层之上。这使得智能体能够相互发现、证明身份，并共享意图、上下文和推理。Pandey表示，这是“通往分布式人工超级智能道路上的下一步”。

多年来，AI一直专注于垂直扩展——更大的模型、更多的数据、更多的计算。但为了实现跨系统问题解决，下一个轴必须是水平的。多智能体系统已经在软件工程、药物发现和科学模拟中得到测试，但结果不尽如人意：一项研究发现，七个开源多智能体系统的失败率在41%到87%之间。“连接的智能体在处理协调行动方面表现良好，能够处理它们见过的、分割并传递的任务，”Pandey解释道。“它们无法做到的是共同持有目标，并推理出它们中任何一个都未经训练解决的问题。”

解决方案不是更好的提示，而是更好的架构。Outshift的Mycelium协调层（开源）使用认知状态协议来实现共享意图。内部测试显示，无结构的团队在14个场景中约有三分之一的时间能达成决策，而协调协议将其提高到93%。认知结构提供共享的机构记忆，防止“组织失忆”，而带有护栏技术（GAT）的认知放大器实现共享推理，同时确保安全。

但认知共享带来了风险：意外委托、提示注入、记忆中毒或过度授权的智能体。于是有了连续智能体语义授权（CASA），一个开源的GAT，持续检查每个工具请求是否与原始任务匹配。例如，一个被指示总结患者记录的智能体如果开始查询整个数据库，请求将被拒绝，因为不再匹配。“今天的控制范围限定在角色或会话，而不是任务，”Pandey说。“大约90%的情况下，智能体无法确认它甚至被授权执行交给它的任务。”

Pandey建议企业从一个跨职能工作流开始，涉及当前需要人工交接的三到四个团队。“将其构建为一个小的多智能体系统，运行在开放、可互操作的基础设施上，并设定可测量的基线，”他说。“跟踪一个智能体的洞察如何使另一个智能体变得更好——这就是水平轴正在工作的信号。”正如他所说：“问题是开放的，基础设施仍在编写中。现在是构建它的时刻。”