AI Agent，正在接棒大语言模子LLM，成为AI圈最火的话题。

现在，AI创投圈的众生相，也许是这样的：

大厂俱乐部：OpenAI内部员工声称，AI Agent是OpenAI的新偏向；微软实验推动copilot，让AI以助理的角色落地，这是一种典型的AI Agent场景；英伟达推出了Voyager，这个AI Agent可以自主写代码，独霸游戏《我的天下》；海内商汤也推出了通才AI智能体；阿里推出了数字员工……

学术圈：今年四月，斯坦福确立了一个西部天下小镇，让25个AI Agents在虚拟小镇的沙盒环境中模拟人类，与其他AI Agents恋爱、派对、协作、约会等。另外，也有学者最先行使AI Agents设计庞大科学实验，包罗自动上网阅读论文、研究抗癌药物……这些前沿探索让人大开脑洞。

创业圈：AI Agent并不只是*科学家的游戏，现在已经涌现出了Camel、AutoGPT、BabyAGI、AgentGPT等异常多的项目，并有一大批开源社区开发者和创业者，行使这些开源项目打造一些适用工具。好比aomni，就是一个辅助用户抓取网络信息并邮件发送的AI Agent应用程序。

投资圈：AI Agent被以为是“通往通用人工智能（AGI）时代的最先”，其发作是“铁板钉钉”，有硅谷创业者示意，跟投资人聊到Generative Agents ，人人都稀奇期待，并希望多领会、靠的更近，在后续发作时反映更快。

从这些判断来说，说“AI Agent开启大模子下半场”，还为时尚早，但“AI Agent是大模子的商业化标配”，应该是清晰的了。

以是，接下来我们应该会看到，更多大厂和创业公司，都在AI Agent上有更多动作。

那么，AI Agent事实是什么？为什么说它是大模子商业化的需要条件？

大模子心高气傲

用户仍不买单

这里我们先把AI Agent放在一边，来看看大模子事实是一个什么状态。

信托大多数读者都认可，大模子是一个高愿景、高投入、高门槛的器械，往情怀说，可能实现通用人工智能，彻底改变社会；往世俗说，可以重构营业/产物，让科技企业业绩狂飙。

但这些都有确立在，大模子能够真正商业化落地，接纳研发成本，良性可延续生长的基础上。

几个月下来，大模子的两个商业模式，是对照有用的：一个是种种行业政企对大模子的私有化内陆部署；一个是通过云、AI服务器等售卖大模子所需要的算力。

现在，已经有海内厂商公布了响应的营业讲述，已经从行业私有化部署的需求中获得了万万级收入。

然则，仅靠ToB营业，显然不能支持起一个大模子的商业模式。

一场手艺革命，焦点手艺一定要流淌出去，让几十亿通俗用户用起来，才气缔造出经济价值。家用PC、互联网、智能手机，都是在民众普及之后，诸多科技企业的市值一飞冲天。

现在，巨头们都为训大模子投入了大量资源，尤其是基础模子，动辄千亿、万亿的参数规模，必须让民众用户用起来。

那么，现实应用体验怎么样呢？

闲聊、绘图、创意之类的场景容错率高，就算AI答错了用户还以为“萌萌哒”，这部门应用已经很卷了，好比“AI证件照”。而绝大多数场景，都是需要AI来自动辅助自己处置较为严肃的义务，与其他环境条件举行协作，应对长线条、延续性的营业，不要泛起太多错误，否则人还得大量介入，并不能真的提高生产力。

这类场景，显然现在，一个重大且庞大的通用大模子，是不能很好地解决的。

就拿我这种撰稿来说，让大模子帮我写稿子，它可能有幻觉，提到的事宜/新闻/论文我都得再次复查确认一下，比我自己找资料还费事，不够精准，想一个创意还得我用提醒词启发半天，都纷歧定有能用的，又慢又累，还不如自己写。

不能一步到位，自动化地完成义务，需要大量人类介入干预review，是现在大模子在严肃场景中应用的一浩劫点，也直接影响到了大模子落地和商业化的希望。

怎么办呢？大模子想要显示精彩，急需一群副手，那就是AI Agents。

真·解放生产力

AI Agent为什么神奇？

试想一下，若是大模子能自己全天7*24小时势情，还不需要人工介入，自己就能完成种种义务，人只要有时回到电脑前、办公室看看它做的咋样，这才是大模子的准确打开方式啊。

OpenAI在GPT-4公布会上，确实也展现了一些自动化完成义务的能力，好比让GPT4识别草图天生网页，step by step一步步修改自己代码中错误。

然则，这种能力怎么被开发者和通俗用户用到呢？许多开发者都反映，直接使用GPT4写代码照样得自己debug，并不能看图天生直接用的代码，有时刻不如不用。

大模子厂商也为难啊，我已经开放了API，要更专业精准精致化的能力，还得有人来进一步开发，这就把接力棒交给了AI Agent。

AI Agent（智能体），是AI在环境中的自动化实体，有四个焦点特征：

1. 通过传感器感知周围的环境。这个环境，既可以是虚拟的，好比沙盒游戏、模拟训练系统、自动驾驶模拟器等，也可以是物理的，好比马路、房间、流水线等。

2. 可以自主做出决议。

3. 由执行器/效应器一起来接纳行动。

4.基于绩效*化和效果*化来学习提高。

从这个角度看，着实人类自己也是一种“智能署理”AI Agent，我们可以通过眼睛、耳朵、皮肤等感知外界环境的转变，再通过大脑做出决议，用嘴说、用腿走来做出行动，而且凭证奖励反馈来不停调整顺应外界环境。

着实，Agents in AI也是一样的逻辑。就拿自动驾驶场景的AI Agent来说，就需要传感器来采集信息，感知蹊径车辆行人等环境因素，再由系统自动决议，驱动油门、制动器等装备做出响应的反映。

虚火的东南亚电商，陪跑的TikTok卖家

这也被称为AI Agent的PEAS模子。我们给人人简朴做个表，感受一下：

那么，详细在大模子上，AI Agent可以带来什么影响了？主要有以下几个要害的作用：

*，拆解义务。

大模子要和某个详细领域连系，面临的用户需求是对照笼统的，历程往往会涉及到多个步骤。就好比用户说“要有光”，伶仃的大模子既不知道所在的环境有什么灯具，也不知道怎么控制，以是有了大模子也不能搞定这个看似简朴着实庞大的义务。

而AI Agent具有义务计划能力，可以自动明晰并决议，若何计划步骤、分配资源、优化决议，进而完成指令，提升了大模子处置义务的效率和精度。

谷歌大脑研究团队的一篇论文中，就让大语言模子把义务步骤剖析的推理历程，也就是“心里独白”都说出来，再去做响应的动作，一下子就提高了大模子谜底的准确性，在多个数据集上都取得了SOTA 效果，让大模子乱说八道的情形有所改善。

第二，自动执行。

AI Agent被设计为自力思索和行动，用户只需要给它一个义务，让它做事就可以了。AutoGPT的典型案例就是点披萨，不需要用户自己输入地址、选择口味，AI Agent将所有点餐步骤都大包大揽，自动执行，人在一边看着，发现失足实时纠正就好了。

AI Agent不止能使用互联网，还可以在物理环境中事情，控制机械人拿快递、无人车、自动驾驶等。

有了AI Agent，用户和大模子之间的交互，会加倍自然、简朴、快速，削减人工介入，真正提质增效。好比游戏天下中，AI Agent可以自动跟玩家睁开对话，提供开放式的交互，凭证玩家的反馈来设计无限故事线，真正让游戏做到千人千面；物理天下中，AI Agent自动天生指令和操作，驱念头械身体，为人类提供家政服务，在工厂里自动化作业，不依赖人类的指导就能完成。

第三，节约资源。

AI Agent像人一样，能够使用工具，也就是挪用API，来处置加倍庞大的义务，这就很好地扩展了大模子的能力，削减了对资源的虚耗和过分消耗。

好比AutoGPT写代码，要对专有信息源数据、算力资源等举行接见，这个历程中AI Agent可以自动找到合适的API来举行挪用，这样就可以制止虚耗其他API token。还能够自主学习，对效果举行优化，若是不知足就重新挪用 API。

一样平常来说，要真正完成一项不明确的用户指令，好比旅行计划，需要模子挪用多个API才气解决问题，自动化强的AI Agent无疑能够很好地节约资源，进而为用户节约成本，让AI应用更有吸引力和竞争力。

第四，吸引开发者。

对大模子的商业化来说，API模式需要尽可能多的开发者群体介入，行业模式也需要ISV集成商、软件服务商等。人人都知道，和大厂卷基础模子是很难有胜算的，更希望在细分的上层应用上找到时机。而AI Agent能够解决详细问题、提高模子效果，驱动数字系统和物理实体，就异常适合来构建超级应用。

若是说AI Agent就像是一个最小单元的AI生命，那么大模子厂商就是孕育生命的工厂，而开发者、软件商等就像是技术培训班，教会它们一些适用而有差其余技术，到行业和用户身边起劲事情。

以是，哪个大模子能够更好地构建AI Agent，能吸引的开发生态就会更重大，对商业B端用户的粘性更强，形成一个AI平台级的伟大时机。

总结一下，AI Agent直接影响到大模子的模子效果、服务质量、落地成本、生态能力，将是接下来各个大模子的竞争要害。

AI Agent做得好

模子少不了

那你可能会问了，那怎么才气发生好的AI Agent呢？这对大模子提出了哪些挑战？

我们以为，AI Agent想要落地，需要大模子做好以下事情，这也是接下来的竞争焦点：

1.基础模子。

AI Agent的能力和效果，是由底层基础模子的能力决议的。基础模子有的能力，AI Agent纷歧定能用上，但基础模子没有的能力，AI Agent一定没有。

就拿语言义务来说，GPT-4提供了很强的自然语言明晰能力，但现在真正部署到AI Agent和产物中的很少，一些游戏中的智能体NPC照样没有自主决议的行为能力的。

再好比，GPT-4虽然有多模态，但只开放了语言API，以是开发者想要用GPT4的多模态能力来构建AI Agent，还做不到，而缺失了图像、音频等其他模态的信息，AI Agent对环境的明晰和效果尚有待提升。

以是，无论是开源模子，照样闭源模子，想要通过API经济来商业化，基础模子的能力会直接关系到AI Agent的质量，且都尚有提升的空间。

2.数据知识。

想要做好一个AI Agent，采集和使用数据是基本条件。对于开发者来说，数字义务的数据量已经不成问题，但开发物理天下的AI Agent，数据成本就异常高了。机械人的控制数据，一样平常只能自己采集，通过模拟器或者实体机械人现场采集。但模拟器究竟不是真实的环境，训练的效果纷歧定好，而购置几百台机械人、无人机真正上路进厂去网络数据，无论是采购成本、政策限制、现实执行等，都有不小的难题。

这一点上，拥有数据优势的大模子厂商，好比谷歌、百度的自动驾驶优势，微软、谷歌、搜狗、百度等搜索营业的数据优势，或许能够为开发者的AI Agents探索削减一些门槛，也会为这些厂商的大模子确立壁垒。

3.产物支持。

必须认可，AI Agent所代表的大模子应用时机，还只是异常早期，手艺上尚未完全成熟，商业化探索更是刚刚迈出了一点点措施。对于开发者、软件服务商等来说，比起代码上怎么实现AI Agent，更要害也更早一步要思量的，是想象一个AI Agent所应该的去向：

它应该是什么样子？叫什么名字？有性别吗？以什么性格跟用户对话？有哪些用例？会遇到哪些详细的难题？若何评价一个AI Agent的乐成？

这些更多是产物层面、商业层面的“无人区”，要闪开发者释放想象力，在种种环境和义务中实验确立AI Agents，需要大模子厂商开放自身的商业生态和更厚实便捷的功效，来削减开发职员的试错风险，增添与商业用户对接的强度，去催生更多商业选择和落地案例。

总而言之，这个领域仍然很新，现在AI Agent还没有明确给大模子产业带来打击，但AI Agent会消除人与AI系统的大量繁琐交互已经板上钉钉，正在发生。

更多AI Agents在被推向社区、推向用户，它们学习，它们改变，它们进化。或许几个月之后，我们就会看到AI Agents的成熟和发作，这一定会引发大模子领域的又一次洗牌。