文｜腦極體
AI Agent，正在接棒大語言模型LLM，成為AI圈最火的話題。
目前，AI創(chuàng)投圈的眾生相，大概是這樣的：
大廠俱樂部：OpenAI內(nèi)部員工聲稱，AI Agent是OpenAI的新方向；微軟嘗試推動copilot，讓AI以助理的角色落地，這是一種典型的AI Agent場景；英偉達(dá)推出了Voyager，這個AI Agent可以自主寫代碼，獨霸游戲《我的世界》；國內(nèi)商湯也推出了通才AI智能體；阿里推出了數(shù)字員工……
學(xué)術(shù)圈：今年四月，斯坦福創(chuàng)建了一個西部世界小鎮(zhèn)，讓25個AI Agents在虛擬小鎮(zhèn)的沙盒環(huán)境中模擬人類，與其他AI Agents戀愛、派對、協(xié)作、約會等。另外，也有學(xué)者開始利用AI Agents設(shè)計復(fù)雜科學(xué)實驗，包括自動上網(wǎng)閱讀論文、研究抗癌藥物……這些前沿探索讓人大開腦洞。
創(chuàng)業(yè)圈：AI Agent并不只是頂級科學(xué)家的游戲，目前已經(jīng)涌現(xiàn)出了Camel、AutoGPT、BabyAGI、AgentGPT等非常多的項目，并有一大批開源社區(qū)開發(fā)者和創(chuàng)業(yè)者，利用這些開源項目打造一些實用工具。比如aomni，就是一個幫助用戶抓取網(wǎng)絡(luò)信息并郵件發(fā)送的AI Agent應(yīng)用程序。
投資圈：AI Agent被認(rèn)為是“通往通用人工智能（AGI）時代的開始”，其爆發(fā)是“鐵板釘釘”，有硅谷創(chuàng)業(yè)者表示，跟投資人聊到Generative Agents ，大家都特別期待，并希望多了解、靠的更近，在后續(xù)爆發(fā)時反應(yīng)更快。
從這些判斷來說，說“AI Agent開啟大模型下半場”，還為時尚早，但“AI Agent是大模型的商業(yè)化標(biāo)配”，應(yīng)該是清晰的了。
所以，接下來我們應(yīng)該會看到，更多大廠和創(chuàng)業(yè)公司，都在AI Agent上有更多動作。
那么，AI Agent究竟是什么？為什么說它是大模型商業(yè)化的必要條件？
大模型心高氣傲，用戶仍不買單
這里我們先把AI Agent放在一邊，來看看大模型究竟是一個什么狀況。
相信大多數(shù)讀者都認(rèn)可，大模型是一個高愿景、高投入、高門檻的東西，往情懷說，可能實現(xiàn)通用人工智能，徹底改變社會；往世俗說，可以重構(gòu)業(yè)務(wù)/產(chǎn)品，讓科技企業(yè)業(yè)績狂飆。
但這些都有建立在，大模型能夠真正商業(yè)化落地，回收研發(fā)成本，良性可持續(xù)發(fā)展的基礎(chǔ)上。
幾個月下來，大模型的兩個商業(yè)模式，是比較有效的：一個是各類行業(yè)政企對大模型的私有化本地部署；一個是通過云、AI服務(wù)器等售賣大模型所需要的算力。
目前，已經(jīng)有國內(nèi)廠商發(fā)布了相應(yīng)的業(yè)務(wù)報告，已經(jīng)從行業(yè)私有化部署的需求中獲得了千萬級收入。
但是，僅靠ToB業(yè)務(wù)，顯然不能支撐起一個大模型的商業(yè)模式。
一場技術(shù)革命，核心技術(shù)一定要流淌出去，讓幾十億普通用戶用起來，才能創(chuàng)造出經(jīng)濟(jì)價值。家用PC、互聯(lián)網(wǎng)、智能手機(jī)，都是在大眾普及之后，諸多科技企業(yè)的市值一飛沖天。
現(xiàn)在，巨頭們都為訓(xùn)大模型投入了大量資源，尤其是基礎(chǔ)模型，動輒千億、萬億的參數(shù)規(guī)模，必須讓大眾用戶用起來。
那么，實際應(yīng)用體驗怎么樣呢？
閑聊、畫圖、創(chuàng)意之類的場景容錯率高，就算AI答錯了用戶還覺得“萌萌噠”，這部分應(yīng)用已經(jīng)很卷了，比如“AI證件照”。而絕大多數(shù)場景，都是需要AI來自動幫助自己處理較為嚴(yán)肅的任務(wù)，與其他環(huán)境條件進(jìn)行協(xié)作，應(yīng)對長線條、連續(xù)性的業(yè)務(wù)，不要出現(xiàn)太多錯誤，不然人還得大量參與，并不能真的提高生產(chǎn)力。
這類場景，顯然目前，一個龐大且復(fù)雜的通用大模型，是不能很好地解決的。
就拿我這種撰稿來說，讓大模型幫我寫稿子，它可能有幻覺，提到的事件/新聞/論文我都得再次復(fù)查確認(rèn)一下，比我自己找資料還費事，不夠精準(zhǔn)，想一個創(chuàng)意還得我用提示詞啟發(fā)半天，都不一定有能用的，又慢又累，還不如自己寫。
不能一步到位，自動化地完成任務(wù)，需要大量人類參與干預(yù)review，是目前大模型在嚴(yán)肅場景中應(yīng)用的一大難點，也直接影響到了大模型落地和商業(yè)化的進(jìn)展。
怎么辦呢？大模型想要表現(xiàn)出色，急需一群幫手，那就是AI Agents。
真·解放生產(chǎn)力，AI Agent為什么神奇？
試想一下，如果大模型能自己全天7*24小時工作，還不需要人工參與，自己就能完成各種任務(wù)，人只要偶爾回到電腦前、辦公室看看它做的咋樣，這才是大模型的正確打開方式啊。
OpenAI在GPT-4發(fā)布會上，確實也展現(xiàn)了一些自動化完成任務(wù)的能力，比如讓GPT4識別草圖生成網(wǎng)頁，step by step一步步修改自己代碼中錯誤。
但是，這種能力怎么被開發(fā)者和普通用戶用到呢？很多開發(fā)者都反應(yīng)，直接使用GPT4寫代碼還是得自己debug，并不能看圖生成直接用的代碼，有時候不如不用。
大模型廠商也為難啊，我已經(jīng)開放了API，要更專業(yè)精準(zhǔn)精細(xì)化的能力，還得有人來進(jìn)一步開發(fā)，這就把接力棒交給了AI Agent。
AI Agent（智能體），是AI在環(huán)境中的自動化實體，有四個核心特征：
1. 通過傳感器感知周圍的環(huán)境。這個環(huán)境，既可以是虛擬的，比如沙盒游戲、模擬訓(xùn)練系統(tǒng)、自動駕駛模擬器等，也可以是物理的，比如馬路、房間、流水線等。
2. 可以自主做出決定。
3. 由執(zhí)行器/效應(yīng)器一起來采取行動。
4.基于績效最大化和結(jié)果最優(yōu)化來學(xué)習(xí)進(jìn)步。
從這個角度看，其實人類自己也是一種“智能代理”AI Agent，我們可以通過眼睛、耳朵、皮膚等感知外界環(huán)境的變化，再通過大腦做出決策，用嘴說、用腿走來做出行動，并且根據(jù)獎勵反饋來不斷調(diào)整適應(yīng)外界環(huán)境。
其實，Agents in AI也是一樣的邏輯。就拿自動駕駛場景的AI Agent來說，就需要傳感器來采集信息，感知道路車輛行人等環(huán)境因素，再由系統(tǒng)自動決策，驅(qū)動油門、制動器等設(shè)備做出相應(yīng)的反應(yīng)。
這也被稱為AI Agent的PEAS模型。我們給大家簡單做個表，感受一下：
那么，具體在大模型上，AI Agent可以帶來什么影響了？主要有以下幾個關(guān)鍵的作用：
第一，拆解任務(wù)。
大模型要和某個具體領(lǐng)域結(jié)合，面對的用戶需求是比較籠統(tǒng)的，過程往往會涉及到多個步驟。就好比用戶說“要有光”，孤立的大模型既不知道所在的環(huán)境有什么燈具，也不知道怎么控制，所以有了大模型也不能搞定這個看似簡單其實復(fù)雜的任務(wù)。
而AI Agent具有任務(wù)規(guī)劃能力，可以自動理解并決定，如何規(guī)劃步驟、分配資源、優(yōu)化決策，進(jìn)而完成指令，提升了大模型處理任務(wù)的效率和精度。
谷歌大腦研究團(tuán)隊的一篇論文中，就讓大語言模型把任務(wù)步驟分解的推理過程，也就是“內(nèi)心獨白”都說出來，再去做相應(yīng)的動作，一下子就提高了大模型答案的準(zhǔn)確性，在多個數(shù)據(jù)集上都取得了SOTA 效果，讓大模型胡說八道的情況有所改善。
第二，自動執(zhí)行。
AI Agent被設(shè)計為獨立思考和行動，用戶只需要給它一個任務(wù)，讓它做事就可以了。AutoGPT的典型案例就是點披薩，不需要用戶自己輸入地址、選擇口味，AI Agent將所有點餐步驟都大包大攬，自動執(zhí)行，人在一邊看著，發(fā)現(xiàn)出錯及時糾正就好了。
AI Agent不止能使用互聯(lián)網(wǎng)，還可以在物理環(huán)境中工作，控制機(jī)器人拿快遞、無人車、自動駕駛等。
有了AI Agent，用戶和大模型之間的交互，會更加自然、簡單、快速，減少人工參與，真正提質(zhì)增效。比如游戲世界中，AI Agent可以自動跟玩家展開對話，提供開放式的交互，根據(jù)玩家的反饋來設(shè)計無限故事線，真正讓游戲做到千人千面；物理世界中，AI Agent自動生成指令和操作，驅(qū)動機(jī)械身體，為人類提供家政服務(wù)，在工廠里自動化作業(yè)，不依賴人類的指導(dǎo)就能完成。
第三，節(jié)約資源。
AI Agent像人一樣，能夠使用工具，也就是調(diào)用API，來處理更加復(fù)雜的任務(wù)，這就很好地擴(kuò)展了大模型的能力，減少了對資源的浪費和過度消耗。
比如AutoGPT寫代碼，要對專有信息源數(shù)據(jù)、算力資源等進(jìn)行訪問，這個過程中AI Agent可以自動找到合適的API來進(jìn)行調(diào)用，這樣就可以避免浪費其他API token。還能夠自主學(xué)習(xí)，對結(jié)果進(jìn)行優(yōu)化，如果不滿意就重新調(diào)用 API。
一般來說，要真正完成一項不明確的用戶指令，比如旅行規(guī)劃，需要模型調(diào)用多個API才能解決問題，自動化強(qiáng)的AI Agent無疑能夠很好地節(jié)省資源，進(jìn)而為用戶節(jié)省成本，讓AI應(yīng)用更有吸引力和競爭力。
第四，吸引開發(fā)者。
對大模型的商業(yè)化來說，API模式需要盡可能多的開發(fā)者群體參與，行業(yè)模式也需要ISV集成商、軟件服務(wù)商等。大家都知道，和大廠卷基礎(chǔ)模型是很難有勝算的，更希望在細(xì)分的上層應(yīng)用上找到機(jī)會。而AI Agent能夠解決具體問題、提高模型效果，驅(qū)動數(shù)字系統(tǒng)和物理實體，就非常適合來構(gòu)建超級應(yīng)用。
如果說AI Agent就像是一個最小單位的AI生命，那么大模型廠商就是孕育生命的工廠，而開發(fā)者、軟件商等就像是技能培訓(xùn)班，教會它們一些實用而有差別的技能，到行業(yè)和用戶身邊努力工作。
所以，哪個大模型能夠更好地構(gòu)建AI Agent，能吸引的開發(fā)生態(tài)就會更龐大，對商業(yè)B端用戶的粘性更強(qiáng)，形成一個AI平臺級的巨大機(jī)會。
總結(jié)一下，AI Agent直接影響到大模型的模型效果、服務(wù)質(zhì)量、落地成本、生態(tài)能力，將是接下來各個大模型的競爭關(guān)鍵。
AI Agent做得好，模型少不了
那你可能會問了，那怎么才能產(chǎn)生好的AI Agent呢？這對大模型提出了哪些挑戰(zhàn)？
我們認(rèn)為，AI Agent想要落地，需要大模型做好以下工作，這也是接下來的競爭焦點：
1.基礎(chǔ)模型。
AI Agent的能力和效果，是由底層基礎(chǔ)模型的能力決定的?；A(chǔ)模型有的能力，AI Agent不一定能用上，但基礎(chǔ)模型沒有的能力，AI Agent一定沒有。
就拿語言任務(wù)來說，GPT-4提供了很強(qiáng)的自然語言理解能力，但目前真正部署到AI Agent和產(chǎn)品中的很少，一些游戲中的智能體NPC還是沒有自主決策的行為能力的。
再比如，GPT-4雖然有多模態(tài)，但只開放了語言API，所以開發(fā)者想要用GPT4的多模態(tài)能力來構(gòu)建AI Agent，還做不到，而缺失了圖像、音頻等其他模態(tài)的信息，AI Agent對環(huán)境的理解和效果還有待提升。
所以，無論是開源模型，還是閉源模型，想要通過API經(jīng)濟(jì)來商業(yè)化，基礎(chǔ)模型的能力會直接關(guān)系到AI Agent的質(zhì)量，且都還有提升的空間。
2.數(shù)據(jù)知識。
想要做好一個AI Agent，采集和使用數(shù)據(jù)是基本前提。對于開發(fā)者來說，數(shù)字任務(wù)的數(shù)據(jù)量已經(jīng)不成問題，但開發(fā)物理世界的AI Agent，數(shù)據(jù)成本就非常高了。機(jī)器人的控制數(shù)據(jù)，一般只能自己采集，通過模擬器或者實體機(jī)器人現(xiàn)場采集。但模擬器畢竟不是真實的環(huán)境，訓(xùn)練的效果不一定好，而購買幾百臺機(jī)器人、無人機(jī)真正上路進(jìn)廠去收集數(shù)據(jù)，無論是采購成本、政策限制、實際執(zhí)行等，都有不小的困難。
這一點上，擁有數(shù)據(jù)優(yōu)勢的大模型廠商，比如谷歌、百度的自動駕駛優(yōu)勢，微軟、谷歌、搜狗、百度等搜索業(yè)務(wù)的數(shù)據(jù)優(yōu)勢，或許能夠為開發(fā)者的AI Agents探索減少一些門檻，也會為這些廠商的大模型建立壁壘。
3.產(chǎn)品支持。
必須承認(rèn)，AI Agent所代表的大模型應(yīng)用機(jī)會，還只是非常早期，技術(shù)上尚未完全成熟，商業(yè)化探索更是剛剛邁出了一點點步伐。對于開發(fā)者、軟件服務(wù)商等來說，比起代碼上怎么實現(xiàn)AI Agent，更關(guān)鍵也更早一步要考慮的，是想象一個AI Agent所應(yīng)該的去向：
它應(yīng)該是什么樣子？叫什么名字？有性別嗎？以什么性格跟用戶對話？有哪些用例？會遇到哪些具體的困難？如何評價一個AI Agent的成功？
這些更多是產(chǎn)品層面、商業(yè)層面的“無人區(qū)”，要讓開發(fā)者釋放想象力，在各種環(huán)境和任務(wù)中嘗試創(chuàng)建AI Agents，需要大模型廠商開放自身的商業(yè)生態(tài)和更豐富便捷的功能，來減少開發(fā)人員的試錯風(fēng)險，增加與商業(yè)用戶對接的強(qiáng)度，去催生更多商業(yè)選擇和落地案例。
總而言之，這個領(lǐng)域仍然很新，目前AI Agent還沒有明確給大模型產(chǎn)業(yè)帶來沖擊，但AI Agent會消除人與AI系統(tǒng)的大量繁瑣交互已經(jīng)板上釘釘，正在發(fā)生。
更多AI Agents在被推向社區(qū)、推向用戶，它們學(xué)習(xí)，它們改變，它們進(jìn)化?；蛟S幾個月之后，我們就會看到AI Agents的成熟和爆發(fā)，這必然會引發(fā)大模型領(lǐng)域的又一次洗牌。