嘉賓丨繆旭

采訪/撰稿丨張潔

編輯丨諾亞

出品 | 51CTO技術(shù)棧（微信號：blog51cto）

有人說，現(xiàn)在大模型卷不動了，要卷就卷AI Agent。那么，事實真的如此嗎？

AI Agent，顧名思義即智能代理，是一種能夠感知環(huán)境、進行決策和執(zhí)行動作的智能體。而它作為一個概念真正走紅，要從去年3月發(fā)布的AutoGPT說起。

彼時，AutoGPT項目讓人們發(fā)現(xiàn)——這種技術(shù)可以利用大語言模型，自動把一個大任務(wù)拆分成若干個小任務(wù)，并使用工具完成它們。

區(qū)別于被動響應(yīng)用戶指令的大模型，AI Agent具備自主規(guī)劃和執(zhí)行的能力。于是，自AutoGPT之后，GPT-Engineer、ChatDev、XAgent等項目次第爆發(fā)，將大模型推入了新的敘事階段。原本作為“超級大腦”的大模型有了落地為“全能助手”的潛力。

隨后的一年間，AI創(chuàng)投圈密切關(guān)注相關(guān)創(chuàng)業(yè)公司。國內(nèi)外大廠也紛紛開始聚焦AI Agent的框架、平臺和應(yīng)用開發(fā)。

到目前為止，AI Agent無疑是火了，但圈里圈外也多多少少都陷入了一種焦灼情緒：大模型還沒整明白，AI Agent又開始了…...

事實上，Agent目前尚處在在起步階段。一定程度上，AI Agent能力其實是和大模型相生的，大模型的能力邊界決定了AI Agent的能力邊界。

那么，AI Agent到底有何神奇之處？企業(yè)如果要部署AI Agent，需要做好哪些準備？它會成為大模型商業(yè)化的鑰匙嗎？

本期AIGC實戰(zhàn)派特別邀請九章云極DataCanvas AI首席科學家繆旭，結(jié)合其對于智能體的行業(yè)觀察和實踐總結(jié)，就上述議題進行逐一探討。

（為了行文表達的流暢，在不改變原意的情況下，對采訪內(nèi)容做了適當?shù)奈谋臼崂恚?/p>

1.AI Agent洞察：飛躍傳統(tǒng)AI，乘大模型東風而起   

AIGC實戰(zhàn)派：相較傳統(tǒng)AI，AI Agent有何特別之處？

繆旭：這里的傳統(tǒng)AI，我理解為是針對特定任務(wù)的人工智能模型、系統(tǒng)或理論，比如計算機視覺中的分類任務(wù)，回歸模型中的時間序列預測，自然語言處理中的命名實體識別（NER）等等。可以看到，這類AI明顯的特點是專注于特定任務(wù)：用途比較專一，訓練過程相對獨立。就像一個一個煙囪，彼此之間也沒有什么通用性。這是傳統(tǒng)的任務(wù)導向的AI系統(tǒng)。

而如今AI Agent（或者說智能體）的概念，更多強調(diào)的是通用能力。可以說，Agent是隸屬于AGI的應(yīng)用體系，其發(fā)展得益于大模型。其一，隨著大語言模型的通用泛化能力的提升，AI Agent也因此進入了一個完全不一樣的發(fā)展圖景。

其二，在多模態(tài)大模型的能力加持下，AI Agent能夠理解視覺、聽覺和文本信息，獲得更全面的環(huán)境感知能力。有了這些信息之后，Agent的“角色”才會更加精準。

其三，Agent其實有很強的自主性，像人一樣，能夠試錯、學習和適應(yīng)。犯了錯也會從中學習，進而改進其策略。這就是通用人工智能帶來的好處和變化。

在有了這些能力之后，Agent就可以處理一些更為復雜的任務(wù)，這就在某種程度上超越了單一任務(wù)導向的傳統(tǒng)AI。而且傳統(tǒng)AI系統(tǒng)的“煙囪式”架構(gòu)需要大量代碼集成才能實現(xiàn)其落地，實現(xiàn)過程非常漫長。如今交由大模型或者Agent框架來做的話，極大地簡化了這一過程，減少了對編程能力的依賴，使用戶可以更專注于業(yè)務(wù)本身的落地。所以這也是這波AI Agent帶來的好處。

AIGC實戰(zhàn)派：從本質(zhì)上講，AI Agent 與大模型的關(guān)系是什么？其本質(zhì)區(qū)別是什么？

繆旭：本質(zhì)區(qū)別的話，大模型在預訓練階段通常使用自回歸方法，這意味著模型依賴于已有數(shù)據(jù)的分布來預測下一個token。這種方法涉及到使用大量的數(shù)據(jù)樣本，這些數(shù)據(jù)樣本來源于前人的經(jīng)驗和實踐。在自回歸訓練中，數(shù)據(jù)被轉(zhuǎn)換成語料，然后分割成token。模型的任務(wù)是預測下一個token。自回歸模型的能力受限于它所訓練的數(shù)據(jù)。如果訓練數(shù)據(jù)只包含了前人的經(jīng)驗，那么模型的能力也可能僅限于此，難以超越既有的知識。

而AI Agent則強調(diào)自主性和適應(yīng)性，它能夠通過嘗試不同的方法來探索、試錯和學習，并根據(jù)不同的評價（獲得獎勵或懲罰）來優(yōu)化自己的策略。也就是說，AI Agent通過結(jié)合強化學習等技術(shù)可以實現(xiàn)自我進化，有潛力實現(xiàn)更加復雜和高級的認知任務(wù)。

如果從OpenAI的角度來看，他們實際上是希望整個Agent都可以用大模型來實現(xiàn)的。我覺得像GPT 4o即omni版本已經(jīng)非常像Agent的框架了。之前OpenAI 的坊間傳說中有關(guān)于Q*算法的種種揣測，實質(zhì)上它就反映了OpenAI正試圖通過Q*算法讓大模型本身具備Agent的能力。   

AIGC實戰(zhàn)派：AI Agent會是實現(xiàn)AGI的關(guān)鍵鑰匙嗎？

繆旭：(AI Agent如Q*）會是非常重要的改進。就像知名 AI 學者、圖靈獎得主 Yann LeCun所說，他不看好自回歸LLM，自回歸 LLM 受限于前人經(jīng)驗，對潛在現(xiàn)實的了解有限，缺乏常識，沒有記憶，而且無法規(guī)劃答案。從這個層面來說，AI Agent憑借其自主決策和自我進化的特性的確是更上了一層樓，但它究竟是不是實現(xiàn)AGI的關(guān)鍵，還有待商榷。

事實上，從AlphaGo開始就遵循了這一學習路徑。一開始AlphaGo學習專業(yè)棋譜，就像自回歸一樣，學習前人積累的經(jīng)驗，后來開始用強化學習的方法生成新棋路，通過自我對弈來超越專業(yè)棋手。實際上這種訓練方法也取得了成功。但是本身這個任務(wù)還是比較像傳統(tǒng)AI，是一個非常專一的任務(wù)。它的評價系統(tǒng)很簡單，你明確地知道它的輸贏規(guī)則。評判標準是沒有任何歧義的。

但是放眼AGI的話，它其實是非常開放的。你很難去評判的原因在于：第一，有很多未知領(lǐng)域，人的知識邊界實際上是有很大局限的。在很多事情上無法判斷最終結(jié)果是好是壞；第二，評判受主觀因素影響較大。評判標準的主觀性容易導致不同價值觀之間的沖突，如果一個智能體在訓練時無法兼顧價值觀的多樣性，其學習結(jié)果往往可能不盡如人意，從而影響其在實際場景中的應(yīng)用；第三，目前的AI智能體，盡管在某些領(lǐng)域比自回歸方法強，但并未完全實現(xiàn)自主脫離人進行自我進化的目標。因此，從整體來看，要以智能體作為實現(xiàn)AGI的必由之路還有相當?shù)木嚯x。

2.應(yīng)用與挑戰(zhàn)：大模型場景落地，如何掌握關(guān)鍵之鑰

AIGC實戰(zhàn)派：有人說，AI Agent可能是大模型在To B場景落地的一個主要方式，它將會開啟大模型的下半場。您認同這一判斷嗎？

繆旭：我不太確定“下半場”的定義。但是我覺得，下一步，AI Agent會是比較現(xiàn)實的一個爆發(fā)點。正如吳恩達教授所說，某些特定問題，用Agent的方法去開發(fā)比用大語言模型本身得出的結(jié)果要好得多，AI智能體工作流可能比下一代基礎(chǔ)模型帶來更大的AI進展。因為有時候你使用的大語言模型可能不是那么強，要用這樣的大模型直接出結(jié)果難度會比較大，但通過Agent的方法，基于它的適應(yīng)性和試錯能力，通過微調(diào)和不斷學習，很可能獲得比大語言模型更優(yōu)的解決方案。

比如，要訓練一個像Sora一樣的視頻生成大模型會非常昂貴，但我之前讀過關(guān)于Mora的論文，Mora不是一個單獨的模型，而是一個多Agents視頻生成框架，結(jié)合多個高級視覺AI代理，復現(xiàn)了Sora的通用視頻生成能力。從這個角度來說，我覺得，落地AI Agent比較現(xiàn)實，也比較經(jīng)濟，有時候會更貼合落地場景的需求。   

AIGC實戰(zhàn)派：目前AI Agent發(fā)展現(xiàn)狀如何，有哪些主要的應(yīng)用場景呢？

繆旭：首先，純文本的Agent現(xiàn)在是處于比較卷的狀態(tài)。再者，隨著GPT-4o的出現(xiàn)，多模態(tài)大模型越發(fā)受到關(guān)注。尤其是結(jié)合視覺信息，AI Agent將具備更強的多模態(tài)理解和決策能力，可能觸發(fā)新的應(yīng)用場景。

具體到應(yīng)用領(lǐng)域的話，Tesla的自動駕駛是很強且具有未來感的AI Agent應(yīng)用案例，因為它是真正基于端到端的多模態(tài)大模型，從視覺入口，加之其他傳感器，直接去驅(qū)動其駕駛的效應(yīng)器。這與當前的基于大語言模型構(gòu)建的智能代理具有相當?shù)牟罹唷?/p>

自動駕駛要求其Agent具備實時決策能力，還要有極強的泛化能力以應(yīng)對各種復雜情況。其任務(wù)通常是mission critical，任何小錯誤都可能付出巨大代價。所以Agent必須能夠處理大量corner case，適應(yīng)各種極端狀況。因此，難度很大，挑戰(zhàn)很多，可以說Agent在自動駕駛乃至駕駛領(lǐng)域有很多落地的想象空間。

另外，還有應(yīng)用較多的領(lǐng)域主要包括知識管家類、智能客服類、數(shù)據(jù)分析類，還有辦公自動化等，都有AI Agent發(fā)揮的空間。

AIGC實戰(zhàn)派：在構(gòu)建AI Agent的過程中，可能會遇到哪些方面的挑戰(zhàn)？

繆旭：一方面，AI Agent需要能夠理解和適應(yīng)特定行業(yè)的專業(yè)知識和業(yè)務(wù)邏輯，這可能需要額外的微調(diào)和訓練；另一方面，AI Agent需要提供自然和直觀的交互方式，以及滿足用戶需求的體驗，這可能需要深入理解用戶行為和偏好。

如果是通用的辦公類Agent，那可能會幫你省下不少時間，但是并不會帶給你特別多的其他信息。但如果是構(gòu)建非通用的、專業(yè)化的AI Agent，比如法律類的Agent，那你就必須具備非常強的法律知識。這里實際上會涉及到很多專業(yè)領(lǐng)域的問題。如何結(jié)合你的專業(yè)知識，并最終獲得較好的落地效果，我認為是一個非常大的挑戰(zhàn)。

還有比較重要的一點是，要明白：人工智能去解決專業(yè)問題，跟人去解決專業(yè)問題有很大區(qū)別。雖然說AI可以替代一部分的專業(yè)能力，但是你要讓一個專業(yè)人員去理解人工智能做的決策的話，必須盡可能預判到可能存在的交流障礙。所以你做的這個智能體一定要讓專業(yè)人員能夠理解其角色，能夠進行有效交互，進而幫助專業(yè)人員來完成他的最終任務(wù)。

AIGC實戰(zhàn)派：大模型本身迭代周期較長。如果在大模型本身能力不提升的情況下，為了讓AI Agent取得比較好的落地效果，可以考慮采取哪些策略？

繆旭：首先，需要對專業(yè)的內(nèi)在有深刻的洞察，能夠?qū)⑷蝿?wù)分解為可由大模型跟隨執(zhí)行的部分，做好規(guī)劃（planning）工作；其次，精確的評價至關(guān)重要，只有好的反饋才能找到優(yōu)化的路徑；此外，需要提供沙盒環(huán)境允許智能體快速試錯，從而得到更優(yōu)的結(jié)果。

3.部署與安全：企業(yè)抉擇，從沒有萬能公式

AIGC實戰(zhàn)派：企業(yè)如何評估當前階段需不需要使用AI Agent？確定部署的話，需要做好哪些準備？

繆旭：當前無論是大模型廠商，還是AI基礎(chǔ)設(shè)施廠商都在力推AI Agent，但實際上落地核心還是在于用戶。企業(yè)在決定是否使用Agent時，需考慮其能否幫助提高生產(chǎn)效率和開拓商業(yè)價值。

具體來說，首先需要深入挖掘痛點，尋找可以通過AI Agent解決的問題。比如，企業(yè)老板觀察到員工每天都要撰寫大量冗長重復的報告。通過使用 Agent來輔助寫報告，可以節(jié)省大量人力資源。而且Agent能夠24小時工作不會疲勞。從這個角度來看，在類似場景下，AI Agent的落地對企業(yè)的投入產(chǎn)出比是有增益的。同時，長期來看，應(yīng)考慮產(chǎn)業(yè)升級目標，布局AI Agent對于加速智能化進程，獲得長遠效益是有幫助的。

確定部署Agent之后，在前期準備方面，企業(yè)需要收集足夠多的歷史數(shù)據(jù)，尤其是在垂直行業(yè)，需要構(gòu)建針對專業(yè)需求的Agent時，這一點非常重要。只有做好數(shù)據(jù)方面的準備，才能避免后期收集數(shù)據(jù)與部署Agent的時間沖突，更好更快地實現(xiàn)Agent的效果。

AIGC實戰(zhàn)派：AI Agent的企業(yè)部署成本如何，對中小公司是否友好？

繆旭：目前來說，基建成本和訓練成本較高，耗時也長。但是相信隨著實踐的深入，硬件的改善，以及算法的優(yōu)化，它的成本會快速地下降。

不過對于中小企業(yè)來說，現(xiàn)階段可能還是無法承擔部署AI Agent的成本，這種情況下可以考慮使用通用的大模型服務(wù)。因為不管如何，大模型廠商會分攤成本，但風險就是你需要把數(shù)據(jù)交由大模型廠商來保護，當你真正收獲AI Agent的成果，商業(yè)價值開始顯現(xiàn)時，再考慮私有化部署也是一條出路。

AIGC實戰(zhàn)派：在部署AI Agent時如何保障安全性？

繆旭：安全其實是一個比較復雜的問題。部署AI Agent時，首先要注意的是大模型本身的安全性。為了盡可能提升可靠性，需要使用RAG、一些特定驗證、后期測試等種種手段來降低大模型“幻覺”的影響。再者，要注意合規(guī)要求，部署時要符合法律與政策規(guī)定。此外，還涉及業(yè)務(wù)安全問題，例如缺乏對專業(yè)流程的深入理解可能導致意外操作。用戶或開發(fā)者需要從業(yè)務(wù)角度出發(fā)，測試并保護AI Agent的安全特性，防止出現(xiàn)潛在的安全漏洞。

四.評估與前景：普通人入局，需深耕細分領(lǐng)域精準發(fā)力

AIGC實戰(zhàn)派：如何評估一個AI Agent的成功？

繆旭：用戶參與度（Engagement）實際上是一個非常重要的指標。簡單來說，就是用戶是否頻繁地使用AI Agent，以及他們與Agent的交互頻率和深度。如果用戶定期返回使用Agent，這通常意味著Agent提供了價值。當然這一點通常與業(yè)務(wù)強相關(guān)，不同業(yè)務(wù)需求有不同的評價標準。

通常對于一般性的Agent，我們會有一些通用指標，這些指標有助于判斷一個AI Agent是否成功達到實際生產(chǎn)標準。比如：

• 性能：如果Agent能夠快速完成任務(wù)，且錯誤率低，則表明性能良好。
• 容錯性：如果用戶在提示詞中犯了小錯誤，Agent仍能夠正確理解并給出有用的響應(yīng)，這表示Agent對錯誤輸入的容忍度高，有良好的容錯性。
• 隱私和安全性：如果Agent能夠確保用戶信息的安全，不泄露給未授權(quán)的第三方，這將是一個重要的成功指標。

AIGC實戰(zhàn)派：如果普通人想進入AI Agent賽道，您有哪些建議？

繆旭：我覺得問題關(guān)鍵在于深入挖掘某一專業(yè)領(lǐng)域的知識。我并不推薦你嘗試通用工具，因為如果沒有強大的基礎(chǔ)設(shè)施支持，提供服務(wù)將變得十分困難。大企業(yè)突如其來的一次革新就有可能把你籌謀許久的商業(yè)模式給顛覆了，所以我建議聚焦于某個專業(yè)領(lǐng)域，哪怕是一個非常細分的垂直市場，你也可以用AI Agent+something的方式來構(gòu)建自己的“護城河”。

本文轉(zhuǎn)載自??51CTO技術(shù)棧??