什么是“AI Agent”？在文章中，作者提出觀點(diǎn)，認(rèn)為“AI Agent是大模型與場(chǎng)景間價(jià)值傳遞的橋梁”。為什么作者會(huì)這么說？如何理解作者說的“系統(tǒng)型超級(jí)應(yīng)用”？一起來看看本文的分析和解讀。

在開源大模型LLaMA 2會(huì)扮演類似Android的角色么？一文中曾經(jīng)提到：大模型落地的方式是系統(tǒng)型超級(jí)應(yīng)用。但系統(tǒng)型超級(jí)應(yīng)用有點(diǎn)像被杜撰出來的一個(gè)詞，所以這次從AI Agent的角度來更加具體的描述下它。

AI Agent非常關(guān)鍵，沒有它我們就無法擴(kuò)展大模型的應(yīng)用邊界，無法擴(kuò)展邊界我們就無法完成大模型的成功商業(yè)化，無法成功商業(yè)化AI可能就會(huì)再虧損十年。人工智能如果僅止于現(xiàn)在看到的內(nèi)容生成等幾項(xiàng)應(yīng)用，就還是單薄的。

能不能把價(jià)值傳遞到更多的場(chǎng)景，核心就看AI Agent，所以我們說AI Agent是大模型與場(chǎng)景間價(jià)值傳遞的橋梁。

一、大模型是甕中之腦

假如把人的腦子放到一個(gè)充滿營養(yǎng)液的罐子里，讓它活下來，那這時(shí)候它可以有一個(gè)超級(jí)真實(shí)的虛幻世界，但卻不再能干涉現(xiàn)實(shí)。這是《黑客帝國》，《源代碼》這類電影很關(guān)鍵的一個(gè)預(yù)設(shè)。

現(xiàn)在的大模型就有點(diǎn)這意思。

它有一定智力并且擁有大量知識(shí)，但除了內(nèi)容生成這類通用能力，在別的領(lǐng)域還不清楚它到底能干什么？經(jīng)濟(jì)體系的主要部分是需要干涉現(xiàn)實(shí)的，所以大模型的這種智力優(yōu)勢(shì)就需要一個(gè)管道，讓它流淌出去和各個(gè)領(lǐng)域相結(jié)合，然后才才能真正創(chuàng)造更大的經(jīng)濟(jì)價(jià)值。

而真要和某個(gè)具體領(lǐng)域結(jié)合，孤立的大模型是不夠的，它既不知道這領(lǐng)域過去發(fā)生了什么，也不知道正在發(fā)生什么，甚至不知道自己要服務(wù)的對(duì)象是誰…

大模型內(nèi)置的幾個(gè)常用的功能，相當(dāng)于把領(lǐng)域相關(guān)的部分放到了模型的內(nèi)部，比如內(nèi)容生成，編寫代碼等。問題是現(xiàn)實(shí)世界的主要領(lǐng)域并不是這種孤立場(chǎng)景，而是和現(xiàn)實(shí)要進(jìn)行實(shí)時(shí)結(jié)合，所以根本放不到大模型里面去。

我們可以把日常要處理的場(chǎng)景做個(gè)分類：

一類是孤立的，斷續(xù)的場(chǎng)景。不管什么時(shí)候只要給個(gè)要求，它就給你一個(gè)特定輸出，和時(shí)空內(nèi)其它要素依賴不大，甚至地球毀不毀滅都和這個(gè)任務(wù)完成沒啥關(guān)系，比如：編程、下圍棋、內(nèi)容生成等。這部分其實(shí)很適合大模型內(nèi)置。有點(diǎn)像井打完了，什么時(shí)候用水，打一桶就得了。

一類則是連續(xù)的，和周圍環(huán)境的變化鑲嵌在一起的的場(chǎng)景。這時(shí)候你如果不知道環(huán)境、歷史累積和前置條件，不管你智商怎么樣，你啥都干不了。就好比工廠流水線在生產(chǎn)，突然扔一個(gè)博士過去，其實(shí)啥用也不頂。這有點(diǎn)像用水渠給水田灌水，水源通路都得整好，最終才有水。這部分沒法放大模型內(nèi)部。

我們絕大多數(shù)場(chǎng)景，都是后一個(gè)，不管是外賣、打車、企業(yè)經(jīng)營等，所以才有個(gè)說法叫世界萬事萬物是普遍關(guān)聯(lián)的。這也是過去的所謂專家系統(tǒng)，用用就掛了的核心原因。

甕中之腦解決前一個(gè)場(chǎng)景下的問題相對(duì)容易，最傻的方法就是定期升級(jí)一下，但單獨(dú)的甕中之腦解決不了后一個(gè)場(chǎng)景里的問題。現(xiàn)實(shí)里面，解決不了后一個(gè)問題就解決不了核心場(chǎng)景，解決不了核心場(chǎng)景就很可能再虧10年。

后一種場(chǎng)景的解決與否的關(guān)鍵在于AI Agent，所以我們說AI Agent是大模型與場(chǎng)景間價(jià)值傳遞的橋梁。

二、AI Agent即系統(tǒng)型超級(jí)應(yīng)用

AI Agent概念太新，資料太少，下面這張圖是OpenAI Lilian Wen個(gè)人博客上發(fā)的一張圖，被四處張貼。

就像人工智能這樣的概念也得被反復(fù)打磨才能相對(duì)精準(zhǔn)一點(diǎn)。這圖能說明AI Agent的一些關(guān)鍵點(diǎn)，但也有相當(dāng)?shù)恼`導(dǎo)性。Agent的邊界畫窄了，內(nèi)外要素被混雜在一起了。也不適合用Tools來囊括所有外部的工具依賴。對(duì)情境的感知以及據(jù)此的行動(dòng)用工具囊括就混淆了它們的差別。

下面這種總括的圖更容易看出來Agent的角色（和上面LilianWen那個(gè)Agent定義已經(jīng)不一樣的），但卻又錯(cuò)過了關(guān)鍵要素，比如感知和行動(dòng)到底是個(gè)啥。

這類描述再加上AutoGPT這些開源項(xiàng)目提供的各種接口定義，對(duì)于不是做這個(gè)的人很容易就把AI Agent理解成又一項(xiàng)純粹的技術(shù)，但其實(shí)并不是。從技術(shù)的角度看真要這類Agent是需要對(duì)領(lǐng)域、對(duì)環(huán)境建模，因此一部分是新技術(shù)，但更關(guān)鍵的是從應(yīng)用上看，它要在一個(gè)場(chǎng)景下徹底搞定一個(gè)業(yè)務(wù)，它的含義和滴滴、美團(tuán)外賣APP是一樣的。（反映的正好是橋的屬性，兩頭看風(fēng)景是不一樣的）

那我們到底應(yīng)該怎么理解AI Agent和它的特征呢？

第一，可以重用通行定義，基于感知進(jìn)行智能判斷并采取行動(dòng)。（陸奇的大模型世界觀說的也是這個(gè)）

Faiza Waseem，What is agent in ai ! Types of agents in artificial intelligence

為達(dá)成這目的需要和IoT、現(xiàn)有各種系統(tǒng)做深度結(jié)合，不可能是Lilian Wen上面那圖里的簡(jiǎn)單工具的概念。而感知范圍大小事實(shí)上也定義了AI Agent的范圍。

比如招聘場(chǎng)景要感知的就是公司最終需求崗位的描述和招聘平臺(tái)上的候選人，行動(dòng)則是要能與候選人溝通，能辦理入職等。

比如中央空調(diào)的場(chǎng)景感知的就是氣候、用量、當(dāng)前溫度等，行動(dòng)則是空調(diào)溫度控制等。

第二，要有價(jià)值序列的初始化。

這不是感知問題，比如什么是對(duì)的，什么是錯(cuò)的，在關(guān)鍵沖突的時(shí)候那個(gè)更重要等，比如還是中央空調(diào)的場(chǎng)景，用電量是不是可以無限飆升，還是說到某個(gè)限度就必須停下來，再比如招聘的時(shí)候?qū)σ粓?chǎng)危機(jī)的看法等。

這不是感知，而是原則，是絕對(duì)必須的輸入，但似乎很少被提及。

第三，三個(gè)核心輸入輸出上都要接受變化。

這是產(chǎn)品化帶來的衍生要求。

感知和行動(dòng)的風(fēng)格肯定要根據(jù)不同的公司要有微調(diào)，比如同樣是招聘的Agent，不可能期望用感知、行動(dòng)和價(jià)值序列都固定的產(chǎn)品解決所有公司的問題。這種需求最終必會(huì)導(dǎo)致應(yīng)用商店和標(biāo)準(zhǔn)化的API接口。只有這樣才能把大模型的通用能力投射出來。否則就有點(diǎn)像子彈是圓形，但槍管是方形的，互相耽誤。

第四，算法會(huì)是一組算法的組合。不可能就是大模型，其它模式識(shí)別類的算法估計(jì)一個(gè)也少不了。并且這些算法要集中提供。這就會(huì)導(dǎo)致大模型、其它算法、領(lǐng)域模型、記憶、規(guī)劃能力形成一套新的內(nèi)核。這種內(nèi)核要有通用性，否則一個(gè)是不匹配大模型的通用能力，一個(gè)是你也沒法真的產(chǎn)品化并給人用。

大模型能力已經(jīng)通用化了，再配上通用的結(jié)構(gòu)，這種通用能力就能夠徹底發(fā)揮，相當(dāng)于給甕中之腦加了一個(gè)終結(jié)者的身體。

把這些要素都體現(xiàn)出來AI Agent典型結(jié)構(gòu)會(huì)這樣：

這圖是我原創(chuàng)，不一定對(duì)，轉(zhuǎn)載注明出處。

這是什么呢？

這就是系統(tǒng)型超級(jí)應(yīng)用，所以說AI Agent即系統(tǒng)型超級(jí)應(yīng)用。

它解決具體問題所以是個(gè)應(yīng)用，但具有通用性，而達(dá)成通用性的手段其實(shí)和過去的操作系統(tǒng)非常類似，并且以大模型為根基。

三、那這種Agent會(huì)有幾種？

從西部世界類的元宇宙Agent到具身智能全是Agent。

Agent會(huì)有很多種，但可以細(xì)分。

最基礎(chǔ)的和來的最快的應(yīng)該是純數(shù)字，無場(chǎng)景或者場(chǎng)景極為單薄的AI Agent。

統(tǒng)一用個(gè)詞就是元宇宙型的Agent，谷歌和斯坦福要干的現(xiàn)實(shí)版西部世界就是這類。如果放在游戲里就是元宇宙里的智能NPC。這類Agent最大的建設(shè)性在于給元宇宙注入生氣，最大的破壞性則在于對(duì)上古社區(qū)的影響可能不咋正向，包括抖音。

第二種Agent則要與現(xiàn)實(shí)場(chǎng)景結(jié)合，可能是純粹數(shù)字的，也可能不是。比如招聘、營銷、空調(diào)管理、運(yùn)維狀態(tài)監(jiān)控等。

第三種則是具身機(jī)器人。和上一種的區(qū)別是，這種完全控制自己的一套外設(shè)，上一個(gè)則更多的是一種粘合。

這三類都會(huì)解決連續(xù)運(yùn)轉(zhuǎn)場(chǎng)景問題，只不過后兩個(gè)在現(xiàn)實(shí)世界使勁，第一個(gè)在虛擬世界使勁。

上面這個(gè)排序也就是我理解的發(fā)生順序，AI Agent如果有浪潮，那很可能是這么一個(gè)遞進(jìn)次序。

四、大模型和AI Agent的關(guān)系

簡(jiǎn)單形容這就是發(fā)動(dòng)機(jī)和汽車的關(guān)系。

大模型很關(guān)鍵，沒有大模型就不可能打造AI Agent?？删拖耠m然沒有發(fā)動(dòng)機(jī)就沒有汽車，但發(fā)動(dòng)機(jī)成本也就占汽車的不到五分之一。

同時(shí)，外面很可能需要有一個(gè)專門針對(duì)領(lǐng)域的模型，否則Planning工作沒法做。即使基于記憶和感知，如果這地兒沒有一個(gè)模型和通用大模型進(jìn)行交互而是固定很多規(guī)則，那這次大模型的通用能力就被阻塞了。

所以、垂域大模型，很可能是雙模型結(jié)構(gòu)（多模型）。

雙模型（多模型）結(jié)構(gòu)再加上系統(tǒng)架構(gòu)有可能是未來AI Agent的典型技術(shù)特征。

五、AI Agent的價(jià)值創(chuàng)造機(jī)制和潛在商業(yè)模式

AI Agent的衡量標(biāo)準(zhǔn)不是單維度的技術(shù)指標(biāo)，而是綜合場(chǎng)景的覆蓋度和完成度。得能完成下面這類活，AI Agent才真算做好了，不要去參加考試比賽什么的了：

1. 給你個(gè)企業(yè)和啟動(dòng)資金么，你能把錢賺回來么？（終極）
2. 給你個(gè)機(jī)房，你能夠最優(yōu)化成本來運(yùn)營他么？
3. 給你招聘需求，招聘平臺(tái)賬號(hào)，你能把人招來入職么？
4. 給你個(gè)視頻號(hào)，你能夠把它運(yùn)作成個(gè)大號(hào)么？

下面跑遠(yuǎn)一點(diǎn)，AI Agent普及后，會(huì)有什么樣的沖擊？

六、Agent化后，會(huì)怎么樣？

很多事會(huì)非常不一樣。

第一這是一個(gè)依賴倒置的世界。現(xiàn)實(shí)更關(guān)鍵，但把手在數(shù)字空間。

第二反身性等數(shù)字類特征會(huì)越來越明顯。

第三現(xiàn)有體系估計(jì)會(huì)無法維持。那時(shí)候有足夠的能力構(gòu)建一種邊際效能更高的體系，但具體什么樣，我們還不知道。從這個(gè)角度確實(shí)需要智能經(jīng)濟(jì)學(xué)。大師們比較嚴(yán)謹(jǐn)，估計(jì)不愿意寫，那天我肯定瞎寫一個(gè)。

第三文化會(huì)和現(xiàn)在不一樣。一個(gè)人只解決人和人關(guān)系的社會(huì)和一個(gè)同時(shí)需要考慮人和AI Agent關(guān)系的社會(huì)，文化怎么可能一樣！

在這樣的一個(gè)世界里分配會(huì)比生產(chǎn)關(guān)鍵，分配決定了生產(chǎn)的內(nèi)容和生產(chǎn)是否可以持續(xù)。

小結(jié)

AI Agent的話題有趣之處在于：沒有它就又卡住了，人工智能會(huì)再磨嘰很長(zhǎng)時(shí)間。但如果它真的被跨過了，但很多問題就只能回到原點(diǎn)，然后單開一條時(shí)間線才能找到答案。

如果非把AI從業(yè)者分層，那一層是干大模型的，相當(dāng)于干發(fā)動(dòng)機(jī)的；一層則是干汽車的，就是干AI Agent的。在過去大部分汽車廠商規(guī)模是比發(fā)動(dòng)機(jī)廠商還大的，這次不知道會(huì)如何。