本文為節(jié)選內(nèi)容
如需更多報告，聯(lián)系客服
或掃碼獲取報告
AI Agent（人工智能體）是能夠感知環(huán)境、自主規(guī)劃、進行決策和執(zhí)行動作以實現(xiàn)目標的智能體，具有自主性、交互性、反應(yīng)性、適應(yīng)性等基本特征。與大模型和人類通過prompt進行交互的指令導向不同，AI Agent具備了通過獨立思考、自主規(guī)劃、調(diào)用工具去逐步完成給定目標的能力，為目標導向。
工作原理方面，根據(jù)《LLM Powered Autonomous Agents》（LilianWeng，2023），AI Agent核心驅(qū)動力為大語言模型，規(guī)劃、記憶和工具使用是其三個關(guān)鍵的組件，即AI Agent=LLM（大語言模型）+Planning（規(guī)劃）+Memory（記憶）+Tools（工具）。具體來看，AI Agent通過傳感器感知周圍環(huán)境，使用LLM進行記憶檢索、決策推理和行動規(guī)劃等，結(jié)合外部工具獲取信息等，最終或使用具體執(zhí)行器做出響應(yīng)。
規(guī)劃（Planning）：任務(wù)分解：調(diào)用LLM通過思維鏈能力將復雜任務(wù)分解為較小、可管理的子目標；反思和完善：通過對過去行為進行自我批評和反思，從錯誤行為中吸取教訓并為未來的步驟進行改進，從而提高最終結(jié)果的質(zhì)量。
記憶（Memory）：短期記憶：所有輸入會形成短期記憶，以及上下文學習等都是利用模型的短期記憶來學習。短期記憶受到有限上下文窗口長度的限制；長期記憶：提供了長時間保留和調(diào)用信息的能力，外部向量數(shù)據(jù)庫可通過快速檢索進行訪問。
工具使用（Tools）：外部工具API：通過使用外部工具API可獲取大模型以外的信息和能力，如查詢行程、設(shè)定鬧鐘等；插件功能：通過調(diào)用插件訪問特定數(shù)據(jù)源等。
按交互對象不同，AI Agent 可分為自主智能體（Autonomous Agent）和生成智能體（GenerativeAgent）：自主智能體：交互對象只有人類，是在特定應(yīng)用場景中根據(jù)人類通過自然語言提出的需求，依賴內(nèi)在決策機制自動執(zhí)行任務(wù)，從而實現(xiàn)預(yù)期結(jié)果的獨立運行智能體，如AutoGPT、ChatGPT+插件等應(yīng)用形式；生成智能體：交互對象包括人類和其他智能體，如斯坦福和Google 創(chuàng)建的西部世界小鎮(zhèn)，其中25 個智能體在小鎮(zhèn)上各自賦予了獨特的個性和背景故事，有著組織結(jié)交、舉辦情人節(jié)、聊八卦等日常生活。
（1）學習范式：大模型賦能下，AI Agent 遷移學習能力快速提升
AI Agent 發(fā)展逾40 年，大模型賦能下跨入新的智能體階段。20 世紀80 年代Wooldridge 等人將Agent引入人工智能，自此之后AI Agent 經(jīng)歷了符號智能體、反應(yīng)型智能體、基于強化學習的智能體、具有遷移學習和元學習功能的智能體四大發(fā)展階段。由于只能基于學習框架學到特定技能，未能理解從而泛化性較差，此前的AI Agent 只能用于特定領(lǐng)域。
符號智能體：主要通過邏輯規(guī)則和符號封裝知識促進推理過程，應(yīng)用在特定技術(shù)領(lǐng)域。如1980 年左右出現(xiàn)的模擬心理治療、醫(yī)學診斷專家系統(tǒng)等。
反應(yīng)型智能體：為基于反應(yīng)機制的智能體，能實時感知環(huán)境并作出快速響應(yīng)，主要應(yīng)用于機器人、游戲AI 等領(lǐng)域。如游戲中反應(yīng)型智能體可通過學習玩家的操作習慣和戰(zhàn)術(shù)，實時調(diào)整自己的游戲行為?；趶娀瘜W習的智能體：主要為通過智能體與環(huán)境的持續(xù)交互，利用最大化環(huán)境獎勵來實現(xiàn)優(yōu)化以期達到更高的智能水平，標志性的應(yīng)用如圍棋領(lǐng)域的AlphaGo。
基于遷移學習和元學習的智能體：主要為讓智能體從少量樣本中迅速推理出實現(xiàn)指令的最優(yōu)策略。LLM 帶來深度學習新范式，AI Agent 遷移學習能力快速提升。此前的強化學習等范式主要集中在增強特定領(lǐng)域的技術(shù)能力，但通用能力的發(fā)展被忽視，如長期規(guī)劃、有效泛化、知識記憶等。隨著OpenAI 陸續(xù)發(fā)布ChatGPT、GPT-4 推進以文本模型為主的大模型迭代，國內(nèi)外科技巨頭均在AI 大模型領(lǐng)域加快布局，LLM 快速發(fā)展但其仍存在的諸多不足如幻覺、上下文容量限制等使得基礎(chǔ)大模型無法直接通向AGI。
而LLM具備的自然語言理解能力、思維鏈、涌現(xiàn)能力使得AI Agent具備了較好的學習和遷移能力，處理問題的泛化性效果增強，推動著AI Agent進入了新智能體階段，成為通向AGI的主要探索路徑。
（2）工作模式：從過程導向轉(zhuǎn)為目標導向，自動化程度為關(guān)鍵轉(zhuǎn)折點
生成式AI人機協(xié)同模式主要分為嵌入模式（Embedding）、副駕駛模式（Copilot）、智能體模式（Agent）三種：嵌入模式：用戶使用文本或語音交流，通過Prompt輸入使得生成式AI創(chuàng)作小說、音樂作品、代碼等。在該模式下，生成式AI為執(zhí)行指定命令的工具，人類承擔著目標的規(guī)劃和決策，完成絕大部分工作；副駕駛模式：AI介入到工作流程中，承擔如為程序員編寫代碼、檢測錯誤以及優(yōu)化程序等輔助性工作。在該模式下，AI和人類協(xié)作工作，互相彌補短板、糾正錯誤；智能體模式：人類設(shè)定目標，生成式AI獨立承擔大部分工作，人類只負責監(jiān)督進展及評估最后的成果。在該模式下，AI承擔著絕大部分工作，具有獨立思考和規(guī)劃的能力。
基于LLM的AI Agent相較于嵌入模式、副駕駛模式，其工作模式更為高效，主要的差別在于LLM發(fā)展帶來的“自主規(guī)劃”能力。嵌入模式、副駕駛模式均需要人類指揮規(guī)劃，而AI Agent具有自主記憶、推理、規(guī)劃和執(zhí)行的全自動能力，過程中不需要人的介入。
3、Agent—AI 的下一步，包括端側(cè)Agent、應(yīng)用側(cè)AI Agent 兩類載體
AIGC 賦能的第三類場景為AI Agent。Agent 為AI 應(yīng)用的下一步，AI 由副駕駛逐步轉(zhuǎn)向人類生產(chǎn)生活的獨立助手，能夠自主調(diào)用資源完成任務(wù)，人類在其中更多起到監(jiān)督和評估的作用。AI Agent 目前有兩類載體，一類為端側(cè)Agent，基于手機、電腦等終端為用戶服務(wù)，能自主調(diào)用終端中的功能與信息；另一類為軟件層面的Agent，尤其看到在企業(yè)生產(chǎn)管理類軟件中，基于企業(yè)目前積累的特有知識，實現(xiàn)任務(wù)自動化。Gartner 預(yù)測，到2028 年，至少15%的日常工作決策將通過人工智能代理自主完成（這一比例在2024 年尚為0%）。
（1）端側(cè)AI Agent：終端為個人AI 助理優(yōu)質(zhì)載體
手機等終端設(shè)備承載大量個人專屬信息，能夠幫助AI Agent 實現(xiàn)個性化服務(wù)，同時AI 在端側(cè)運行減少用戶數(shù)據(jù)頻繁上云，可兼顧AI 能力與數(shù)據(jù)隱私安全，終端側(cè)為個人AI Agent 的良好載體。
目前，各大手機廠商均推出手機端AI。端側(cè)AI 基于蒸餾剪枝后的輕量化模型在手機本地運行，同時端側(cè)算力不夠的情況下可連接到私有云上計算，確保用戶數(shù)據(jù)安全和隱私。以Apple Intelligence 為例，AI 在端側(cè)可實現(xiàn)自然語言理解，且實現(xiàn)基于個人背景的跨應(yīng)用交互，AI 能夠以個人信息為基礎(chǔ)，從所有應(yīng)用中檢索和分析最相關(guān)的數(shù)據(jù)，以及讀取屏幕內(nèi)容，實現(xiàn)跨應(yīng)用交互，打通終端信息，成為真正的個人助理。此外，基于生成式AI，用戶在手機端還可實現(xiàn)圖片生成與編輯，文本改寫、校對與摘要，錄音轉(zhuǎn)寫與摘要，郵件快速回復建議等。目前，Apple Intelligence 部分功能已于美國率先上線。除蘋果外，小米、榮耀、三星、谷歌也先后推出手機端AI 功能。除手機外，智能眼鏡、PC、機器人等端側(cè)設(shè)備也為AI Agent 成熟載體。
智譜推出Agent 最新進展，探索LLM-OS 的可能性。智譜于2024 年11 月推出在Agent 探索上的最新進展。包括AutoGLM 可以自主執(zhí)行超過50 步的長步驟操作，也可以跨app 執(zhí)行任務(wù)，支持數(shù)十個網(wǎng)站的無人駕駛，以及像人一樣操作電腦的GLM-PC 啟動內(nèi)測，基于視覺多模態(tài)模型實現(xiàn)通用Agent 技術(shù)探索。
更進一步，智譜CEO 張鵬將Agent 看作是大模型通用操作系統(tǒng)LLM-OS 的雛形，與智能設(shè)備結(jié)合后將為端側(cè)智能化帶來新的進展。
（3）應(yīng)用側(cè)AI Agent：企服應(yīng)用為B端Agent優(yōu)質(zhì)載體
從海外進展來看，隨著生成式AI和推理技術(shù)的快速發(fā)展，AI Agent在B端企業(yè)服務(wù)場景中的應(yīng)用潛力正在加速釋放。通過與企業(yè)積累的大量運營數(shù)據(jù)深度結(jié)合，AI Agent能夠基于角色定位和目標導向，實現(xiàn)一定程度的自主操作，有效承擔企業(yè)內(nèi)重復性和低附加值的工作。這不僅幫助企業(yè)簡化流程、提升效率，還通過減少人工投入和優(yōu)化資源配置，顯著降低運營成本，為企業(yè)提供了智能化轉(zhuǎn)型的新路徑。
Salesforce的Agentforce是一個典型的應(yīng)用側(cè)代理平臺。它允許企業(yè)在Salesforce平臺上構(gòu)建和部署自主AI代理，這些代理能夠自動執(zhí)行各種業(yè)務(wù)功能，如銷售、服務(wù)、營銷和商務(wù)等。Agentforce的主要特點包括：
自主操作：代理可以獨立分析數(shù)據(jù)、做出決策并完成任務(wù)，如解決客戶問題、篩選銷售線索和優(yōu)化營銷活動。
深度集成：作為Salesforce平臺的一部分，Agentforce代理能夠無縫訪問和交互各種Salesforce應(yīng)用中的數(shù)據(jù)，利用客戶信息、觸發(fā)工作流程和更新記錄。
可定制性：用戶可以使用低代碼或無代碼工具，快速構(gòu)建和定制代理，以滿足特定的業(yè)務(wù)需求。
安全性和信任：Agentforce通過Einstein Trust Layer，確保代理在使用任何大型語言模型時，Sales force數(shù)據(jù)不會被第三方模型提供商查看或保留。
Agentforce在Q3最后一周投入生產(chǎn)使用，僅在第三季度就有超過200筆Agentforce交易，且公司在Agentforce層面已看到巨大的潛在需求。Salesforce首席執(zhí)行官MarcBenioff于近期宣布，公司計劃招聘超過1000名員工，以強化Agentforce的推廣。
北京時間2024年10月22日，微軟重磅宣布在Dynamics365中集成了10個自主AI Agent。這10個AI Agent基于OpenAI的最新模型o1，具備自主學習能力，能夠自動執(zhí)行跨平臺的超復雜業(yè)務(wù)，節(jié)省大量時間和運營成本。微軟CEO、董事長Satya Nadella親自宣布了這一AI新進展，并表示目前已有60%的財富500強企業(yè)正使用Microsoft365Copilot來加速業(yè)務(wù)成果并增強團隊能力。
