原创：藏狐

来源：脑极体

AI Agent，正在接棒大语言模型LLM，成为AI圈最火的话题。

目前，AI创投圈的众生相，大概是这样的：

大厂俱乐部：OpenAI内部员工声称，AI Agent是OpenAI的新方向；微软尝试推动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《我的世界》；国內商汤也推出了通才AI智能体；阿里推出了数字员工……

学术圈：今年四月，斯坦福创建了一个西部世界小镇，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，也有学者开始利用AI Agents设计复杂科学实验，包括自动上网阅读论文、研究抗癌药物……这些前沿探索让人大开脑洞。

创业圈：AI Agent并不只是顶级科学家的游戏，目前已经涌现出了Camel、AutoGPT、BabyAGI、AgentGPT等非常多的项目，并有一大批开源社区开发者和创业者，利用这些开源项目打造一些实用工具。比如aomni，就是一个帮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被认为是“通往通用人工智能（AGI）时代的开始”，其爆发是“铁板钉钉”，有硅谷创业者表示，跟投资人聊到Generative Agents ，大家都特别期待，并希望多了解、靠的更近，在后续爆发时反应更快。

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

所以，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究竟是什么？为什么说它是大模型商业化的必要条件？

这里我们先把AI Agent放在一边，来看看大模型究竟是一个什么状况。

相信大多数读者都认可，大模型是一个高愿景、高投入、高门槛的东西，往情怀说，可能实现通用人工智能，彻底改变社会；往世俗说，可以重构业务/产品，让科技企业业绩狂飙。

但这些都有建立在，大模型能够真正商业化落地，回收研发成本，良性可持续发展的基础上。

几个月下来，大模型的两个商业模式，是比较有效的：一个是各类行业政企对大模型的私有化本地部署；一个是通过云、AI服务器等售卖大模型所需要的算力。

目前，已经有国內厂商发布了相应的业务报告，已经从行业私有化部署的需求中获得了千万级收入。

但是，仅靠ToB业务，显然不能支撑起一个大模型的商业模式。

一场技术革命，核心技术一定要流淌出去，让几十亿普通用户用起来，才能创造出经济价值。家用PC、互联网、智能手机，都是在大众普及之后，诸多科技企业的市值一飞冲天。

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

那么，实际应用体验怎么样呢？

闲聊、画图、创意之类的场景容错率高，就算AI答错了用户还觉得“萌萌哒”，这部分应用已经很卷了，比如“AI证件照”。而绝大多数场景，都是需要AI来自动帮助自己处理较为严肃的任务，与其他环境条件进行协作，应对长线条、连续性的业务，不要出现太多错误，不然人还得大量参与，并不能真的提高生产力。

这类场景，显然目前，一个庞大且复杂的通用大模型，是不能很好地解决的。

就拿我这种撰稿来说，让大模型帮我写稿子，它可能有幻觉，提到的事件/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示词启发半天，都不一定有能用的，又慢又累，还不如自己写。

不能一步到位，自动化地完成任务，需要大量人类参与干预review，是目前大模型在严肃场景中应用的一大难点，也直接影响到了大模型落地和商业化的进展。

怎么办呢？大模型想要表现出色，急需一群帮手，那就是AI Agents。

试想一下，如果大模型能自己全天7*24小时工作，还不需要人工参与，自己就能完成各种任务，人只要偶尔回到电脑前、办公室看看它做的咋样，这才是大模型的正确打开方式啊。

OpenAI在GPT-4发布会上，确实也展现了一些自动化完成任务的能力，比如让GPT4识别草图生成网页，step by step一步步修改自己代码中错误。

但是，这种能力怎么被开发者和普通用户用到呢？很多开发者都反应，直接使用GPT4写代码还是得自己debug，并不能看图生成直接用的代码，有时候不如不用。

大模型厂商也为难啊，我已经开放了API，要更专业精准精细化的能力，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，有四个核心特征：

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

2. 可以自主做出决定。

3. 由执行器/效应器一起来采取行动。

4.基于绩效最大化和结果最优化来学习进步。

从这个角度看，其实人类自己也是一种“智能代理”AI Agent，我们可以通过眼睛、耳朵、皮肤等感知外界环境的变化，再通过大脑做出决策，用嘴说、用腿走来做出行动，并且根据奖励反馈来不断调整适应外界环境。

其实，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，感知道路车辆行人等环境因素，再由系统自动决策，驱动油门、制动器等设备做出相应的反应。

这也被称为AI Agent的PEAS模型。我们给大家简单做个表，感受一下：

那么，具体在大模型上，AI Agent可以带来什么影响了？主要有以下几个关键的作用：

第一，拆解任务。

大模型要和某个具体领域结合，面对的用户需求是比较笼统的，过程往往会涉及到多个步骤。就好比用户说“要有光”，孤立的大模型既不知道所在的环境有什么灯具，也不知道怎么控制，所以有了大模型也不能搞定这个看似简单其实复杂的任务。

而AI Agent具有任务规划能力，可以自动理解并决定，如何规划步骤、分配资源、优化决策，进而完成指令，提升了大模型处理任务的效率和精度。

谷歌大脑研究团队的一篇论文中，就让大语言模型把任务步骤分解的推理过程，也就是“内心独白”都说出来，再去做相应的动作，一下子就提高了大模型答案的准确性，在多个数据集上都取得了SOTA 效果，让大模型胡说八道的情况有所改善。

第二，自动执行。

AI Agent被设计为独立思考和行动，用户只需要给它一个任务，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，发现出错及时纠正就好了。

AI Agent不止能使用互联网，还可以在物理环境中工作，控制机器人拿快递、无人车、自动驾驶等。

有了AI Agent，用户和大模型之间的交互，会更加自然、简单、快速，减少人工参与，真正提质增效。比如游戏世界中，AI Agent可以自动跟玩家展开对话，提供开放式的交互，根据玩家的反馈来设计无限故事线，真正让游戏做到千人千面；物理世界中，AI Agent自动生成指令和操作，驱动机械身体，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，也就是调用API，来处理更加复杂的任务，这就很好地扩展了大模型的能力，减少了对资源的浪费和过度消耗。

比如AutoGPT写代码，要对专有信息源数据、算力资源等进行访问，这个过程中AI Agent可以自动找到合适的API来进行调用，这样就可以避免浪费其他API token。还能够自主学习，对结果进行优化，如果不满意就重新调用 API。

一般来说，要真正完成一项不明确的用户指令，比如旅行规划，需要模型调用多个API才能解决问题，自动化强的AI Agent无疑能够很好地节省资源，进而为用户节省成本，让AI应用更有吸引力和竞争力。

第四，吸引开发者。

对大模型的商业化来说，API模式需要尽可能多的开发者群体参与，行业模式也需要ISV集成商、软件服务商等。大家都知道，和大厂卷基础模型是很难有胜算的，更希望在细分的上层应用上找到机会。而AI Agent能够解决具体问题、提高模型效果，驱动数字系统和物理实体，就非常适合来构建超级应用。

如果说AI Agent就像是一个最小单位的AI生命，那么大模型厂商就是孕育生命的工厂，而开发者、软件商等就像是技能培训班，教会它们一些实用而有差别的技能，到行业和用户身边努力工作。

所以，哪个大模型能够更好地构建AI Agent，能吸引的开发生态就会更庞大，对商业B端用户的粘性更强，形成一个AI平台级的巨大机会。

总结一下，AI Agent直接影响到大模型的模型效果、服务质量、落地成本、生态能力，将是接下来各个大模型的竞争关键。

那你可能会问了，那怎么才能产生好的AI Agent呢？这对大模型提出了哪些挑战？

我们认为，AI Agent想要落地，需要大模型做好以下工作，这也是接下来的竞争焦点：

1.基础模型。

AI Agent的能力和效果，是由底层基础模型的能力决定的。基础模型有的能力，AI Agent不一定能用上，但基础模型没有的能力，AI Agent一定没有。

就拿语言任务来说，GPT-4提供了很强的自然语言理解能力，但目前真正部署到AI Agent和产品中的很少，一些游戏中的智能体NPC还是没有自主决策的行为能力的。

再比如，GPT-4虽然有多模态，但只开放了语言API，所以开发者想要用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对环境的理解和效果还有待提升。

所以，无论是开源模型，还是闭源模型，想要通过API经济来商业化，基础模型的能力会直接关系到AI Agent的质量，且都还有提升的空间。

2.数据知识。

想要做好一个AI Agent，采集和使用数据是基本前提。对于开发者来说，数字任务的数据量已经不成问题，但开发物理世界的AI Agent，数据成本就非常高了。机器人的控制数据，一般只能自己采集，通过模拟器或者实体机器人现场采集。但模拟器毕竟不是真实的环境，训练的效果不一定好，而购买几百台机器人、无人机真正上路进厂去收集数据，无论是采购成本、政策限制、实际执行等，都有不小的困难。

这一点上，拥有数据优势的大模型厂商，比如谷歌、百度的自动驾驶优势，微软、谷歌、搜狗、百度等搜索业务的数据优势，或许能够为开发者的AI Agents探索减少一些门槛，也会为这些厂商的大模型建立壁垒。

3.产品支持。

必须承认，AI Agent所代表的大模型应用机会，还只是非常早期，技术上尚未完全成熟，商业化探索更是刚刚迈出了一点点步伐。对于开发者、软件服务商等来说，比起代码上怎么实现AI Agent，更关键也更早一步要考虑的，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？会遇到哪些具体的困难？如何评价一个AI Agent的成功？

这些更多是产品层面、商业层面的“无人区”，要让开发者释放想象力，在各种环境和任务中尝试创建AI Agents，需要大模型厂商开放自身的商业生态和更丰富便捷的功能，来减少开发人员的试错风险，增加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，目前AI Agent还没有明确给大模型产业带来冲击，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的成熟和爆发，这必然会引发大模型领域的又一次洗牌。