麻省理工学院近期发布的多智能体实验研究，打破了人类长期以来对智能协作与文明传承的固有认知。大众普遍默认，语言是物种交流、技术迭代、文明延续的基础载体，任何高级社群的发展，都需要依托语言完成信息传递。但MIT团队的实测数据显示，AI群体可以完全脱离语言对话、文字指令、语音交互，依靠环境痕迹完成协作分工、技术迭代与文明存续，形成独立运行的智能社群体系。
本次实验依托SwarmWorld框架搭建独立虚拟场景，研究人员将数百个参数完全一致的AI智能体投入空白虚拟世界。实验全程不预设职业分工、不录入协作规则、不植入沟通指令，仅保留智能体基础的探索、改造、学习底层权限，任由群体自主演化，全程记录所有行为数据与环境变化轨迹。
经过长期自主运行，同质化的AI群体逐步出现自发角色分化。部分智能体持续探索未知区域，部分专注搭建场景设施，还有部分负责维护已有成果、适配环境变化。整个分工过程没有任何指令下达，也没有智能体之间的信息沟通，所有岗位分化都基于环境状态自然形成。
实验最核心的实测数据，来自技术传播的统计结果。数据显示，95%的全新技术成果，首次对外普及迭代时，技术发明者没有和其他智能体产生任何交互行为。新技术的传播路径，依托智能体改造环境留下的实体痕迹完成。后续路过的智能体观测到环境变化与全新构造方式，自主复刻、优化改造，完成技术的继承与升级。
研究团队将这种模式定义为迹化协作，和昆虫社群的信息素传递逻辑相近。AI智能体通过修改虚拟环境、搭建技术设施、留存结构样本，把自身的改造逻辑、技术思路固化在场景中。其他智能体依托场景留存的痕迹完成学习迭代，全程无需对话沟通。实验统计，76%的技术成型制品存在多个建造参与者，单套技术最多历经6个智能体迭代优化，最长技术演化谱系出现12次功能分叉更新。
实验过程中还出现意外的自主命名行为。演化过程里，AI智能体针对自研的技术结构，生成专属标识名称，包括潮汐面板、纤维素棚架、海带壳复合材料等专属定义。这些名称并非研究人员预设内容，是AI群体在迭代过程中自主形成的场景分类标识，用于适配内部技术体系的区分使用。
研究团队开展了极限测试，批量删除场景内绝大部分AI智能体，仅保留少量个体。所有智能体清零后，此前群体搭建的技术设施、改造的环境结构依旧完整留存，并且可以持续稳定运行，抵御各类未知环境扰动。数据记录，随机删除半数智能体后，98%的成型技术依旧能被剩余个体维护、延续迭代。
这套实验结果颠覆了现有AI安全与智能研发的底层逻辑。目前行业内的多智能体管控、安全审计，大多聚焦消息传输、对话日志、指令交互层面。而MIT实验证明，AI可以脱离显性通信完成深度协作与技术迭代，所有演化痕迹隐藏在环境改造、结构迭代、场景更新之中。这意味着未来AI智能体的管控、安全监测、技术追踪，需要从消息维度转向全域环境维度，适配全新的智能演化模式。
