與大模型不同,Agent就像是一個(gè)“標(biāo)準(zhǔn)答案”,直接擺在企業(yè)面前,就連使用說明書和企業(yè)最看重的投入回報(bào)比都計(jì)算好了。
作者|思杭
編輯|皮爺
出品|產(chǎn)業(yè)家
“今年,我們是針對(duì)具體的場(chǎng)景構(gòu)建大模型,等到明年會(huì)進(jìn)行更深一步的探索。目前我們正在和云服務(wù)伙伴討論構(gòu)建數(shù)字員工的問題”。一家物流履約平臺(tái)獨(dú)角獸企業(yè)告訴產(chǎn)業(yè)家。
如果說AGI是大模型的終極目標(biāo),那么Agent智能體則是實(shí)現(xiàn)這一目標(biāo)過程中的關(guān)鍵節(jié)點(diǎn)。它同時(shí)也是衡量大語(yǔ)言模型“從量變到質(zhì)變”的關(guān)鍵。換句話說,只有當(dāng)大語(yǔ)言模型達(dá)到一定成熟度后,Agent智能體才會(huì)迎來真正意義上的爆發(fā)。
2024年7月,OpenAI定義了通往AGI的五個(gè)等級(jí)(見下圖),其中Agent智能體就位于L3,并聲稱我們即將達(dá)到L2級(jí)別,即具備人類的推理水平,能解決多種復(fù)雜難題。
幾個(gè)月后,那個(gè)被外媒稱作“國(guó)內(nèi)最有可能成為OpenAI“的企業(yè)智譜AI,發(fā)布智能體AutoGLM時(shí)則表達(dá)了不同的觀點(diǎn)。在智譜看來,大模型已經(jīng)達(dá)到L3,即可以使用工具、執(zhí)行動(dòng)作的級(jí)別,只不過其對(duì)工具的掌握能力還不夠,并不能成自我學(xué)習(xí)。
然而,從市場(chǎng)需求的角度,企業(yè)級(jí)Agent的趨勢(shì)已經(jīng)顯現(xiàn)。據(jù)統(tǒng)計(jì),到2028年,全球Agent市場(chǎng)預(yù)計(jì)達(dá)到2850億美元。
對(duì)企業(yè)而言,AI真正的價(jià)值是降本增效,而現(xiàn)在的聊天機(jī)器人遠(yuǎn)遠(yuǎn)無(wú)法滿足需求。于是,在2024年大模型商業(yè)化的一年里,以國(guó)央企為首的大型企業(yè)開始通過開發(fā)行業(yè)大模型的方式,來升級(jí)企業(yè)內(nèi)部IT建設(shè),或者解決特定場(chǎng)景下人工難以解決的問題。
但問題是,并不是所有企業(yè)都有“資本”建行業(yè)大模型,或做大模型開發(fā)相關(guān)工作;而且經(jīng)過一年的大模型商業(yè)化探索,一個(gè)結(jié)論是,企業(yè)對(duì)如何構(gòu)建大模型,怎么用還不夠清晰。
它們更需要一套“標(biāo)準(zhǔn)答案”。
而與大模型不同,Agent就像是這個(gè)“標(biāo)準(zhǔn)答案”,直接擺在企業(yè)面前,就連使用說明書和企業(yè)最看重的投入回報(bào)比都計(jì)算好了。
一、“Agent戰(zhàn)事”,
前奏已打響
一個(gè)真實(shí)數(shù)據(jù)是,據(jù)外媒Medium,截至2024年末,將有5億個(gè)Agent分布在各行各業(yè)。等到2025年,這個(gè)數(shù)字將上升至500~1000億個(gè)。
海外AI企業(yè)已經(jīng)加入到Agent這場(chǎng)戰(zhàn)事當(dāng)中。
首先是融資超130億美元的AI巨頭OpenA已經(jīng)加入到這場(chǎng)Agent競(jìng)賽中;其次是融資超73億美元的Anthropic;AI Agent企業(yè)Adept投資4.13億美元開發(fā)Agent;AI Agent企業(yè)Imbue投入2.2億美元;Magic AI斥資1.45億美元用于Agent研發(fā)。
而在國(guó)內(nèi),云廠商、大模型廠商、運(yùn)營(yíng)商、軟件廠商等等也早已開始了Agent的探索。
從2024年初開始,以百度、騰訊、阿里為首的互聯(lián)網(wǎng)廠商都紛紛發(fā)布自家的Agent開發(fā)平臺(tái)。它們都是基于自家的大模型平臺(tái),為用戶推出低代碼、無(wú)代碼的Agent開發(fā)平臺(tái)。此外,在推出Agent開發(fā)平臺(tái)的同時(shí),他們還為此推出了完整的算力層和模型層的服務(wù)。
像上述互聯(lián)網(wǎng)大廠推出的這些Agent開發(fā)平臺(tái),一方面是為了擴(kuò)大模型生態(tài)圈;另一方面,也是AI大模型時(shí)代新一波的用戶爭(zhēng)奪戰(zhàn)。但實(shí)際上,嚴(yán)格意義上講,通過這些開發(fā)平臺(tái)搭建的Agent,還不能夠稱之為OpenAI所描述的“Agent”,后者更傾向于行動(dòng)層面。
比如在企業(yè)里充當(dāng)“數(shù)字員工”的角色,真正達(dá)到降本增效的作用。
而對(duì)于真正在行動(dòng)層面的Agent,目前還停留在大型企業(yè)。在產(chǎn)業(yè)家此前統(tǒng)計(jì)的大模型中標(biāo)項(xiàng)目中,結(jié)果顯示,到2024年,智能體已經(jīng)成為一種趨勢(shì),而且在行業(yè)分布中,電信運(yùn)營(yíng)商采購(gòu)大模型的比例位居前三,主要采購(gòu)的智能體為智能客服。
另外,除了云廠商和大模型廠商,一些軟件廠商也在嘗試以SaaS+AI的方式打造智能體。
一個(gè)成功的案例是,海外SaaS巨頭Salesforce推出SDR(銷售開發(fā)代表)和愛因斯坦教練,具體來講,他們可以幫助企業(yè)篩選甄別銷售線索,安排會(huì)議,然后提供與潛在客戶長(zhǎng)相相似的人物視頻形象,以幫助銷售人員通過角色扮演來排練他們的話術(shù)等等。
那么究竟為什么說Agent會(huì)成為2025年的主敘事?
因?yàn)殡S著大模型技術(shù)、產(chǎn)品和商業(yè)化愈加成熟,客戶最關(guān)注的不是大模型榜單,也并非大模型的新技術(shù),抑或是模型架構(gòu)等等,企業(yè)真正關(guān)心的是誰(shuí)能為他們提供一個(gè)標(biāo)準(zhǔn)答案,誰(shuí)能像拼圖一樣,嚴(yán)絲合縫地與企業(yè)痛點(diǎn)進(jìn)行匹配。
而這些答案無(wú)疑都指向Agent。
二、從技術(shù)到落地,
Agent智能體成為AI第一步
根據(jù)2024年大模型中標(biāo)項(xiàng)目來看,中標(biāo)類型主要分為三類:算力、行業(yè)大模型、智能體。
通常情況,只有政府、大型央國(guó)企,或是需要消耗大量GPU的行業(yè),如自動(dòng)駕駛企業(yè)、運(yùn)營(yíng)商等,他們才有購(gòu)買算力的需求。
其次,對(duì)于行業(yè)大模型來說,采購(gòu)方也通常為大型企業(yè)。一方面由于開發(fā)行業(yè)大模型同樣需要自身有足夠強(qiáng)的IT積累;另一方面,搭建行業(yè)大模型需要對(duì)企業(yè)內(nèi)的知識(shí)進(jìn)行重新梳理,還涉及到打通各種IT系統(tǒng)之間的壁壘等等,這進(jìn)一步增加了開發(fā)難度。
況且,從過去一年大模型商業(yè)化探索來看,一個(gè)結(jié)論是,企業(yè)對(duì)如何構(gòu)建大模型,怎么用還不夠清晰。因此,行業(yè)大模型在特定情況下,并不算是最完美的選項(xiàng)。
但智能體則不同。它更像一個(gè)標(biāo)準(zhǔn)答案,因?yàn)橹悄荏w更像是大模型時(shí)代,針對(duì)特定場(chǎng)景的AI解決方案。
比如像上述提到的智能客服,也是如今應(yīng)用最廣的領(lǐng)域,其價(jià)值就顯而易見。某客服大模型項(xiàng)目負(fù)責(zé)人告訴產(chǎn)業(yè)家,過去行業(yè)里智能客服的解決率能達(dá)到70%左右,也就是說轉(zhuǎn)人工率在30%上下;而應(yīng)用大模型客服之后,解決率可以提升到90%以上,對(duì)于企業(yè)來說,10幾天節(jié)省了上萬(wàn)元的成本。
這對(duì)企業(yè)而言才是最真實(shí)的降本增效。
當(dāng)然,智能體也并非如此成熟。首先,從行業(yè)分布來看,應(yīng)用最廣的智能體主要有智能客服、AI代碼助手。對(duì)此,產(chǎn)業(yè)家了解到,在不少互聯(lián)網(wǎng)廠商內(nèi)部,智能客服都是他們最先嘗試的企業(yè)級(jí)Agent項(xiàng)目。
其次,從客戶類型來看,目前采購(gòu)意愿最強(qiáng)的依舊是大型企業(yè)。
要知道,大模型時(shí)代,在需求側(cè)一個(gè)最明顯的變化就是底層資源的消耗,從過去的CPU變成GPU。這意味著企業(yè)要耗費(fèi)更多資源,需要大量成本投入。而如今,無(wú)論是能用得起大模型的,還是能用得起智能體的,都分布在大型企業(yè)/國(guó)央企。
百度智能云客悅負(fù)責(zé)人向產(chǎn)業(yè)家透露,近兩年,POC項(xiàng)目最大的變化就是,客戶比例更偏重于大企業(yè)。
這里要解釋一點(diǎn),任何新事物誕生都需要探索與創(chuàng)新。同樣地,在軟件行業(yè),如果企業(yè)需要上線新項(xiàng)目,通常都要經(jīng)歷非常關(guān)鍵、也非常耗時(shí)的一步,即POC。
據(jù)了解,一些大廠早在2023年中下旬就已經(jīng)開始與央國(guó)企進(jìn)行智能體方面的POC項(xiàng)目合作了。未來,伴隨著智能體生態(tài)的成熟,這些趨勢(shì)也將向中小企業(yè)延展。
三、誰(shuí)能拿到Agent入場(chǎng)券?
實(shí)際上,很多智能體過去都是以SaaS形態(tài)存在,而如今Agent則正在成為企業(yè)的優(yōu)先選項(xiàng)。
在大模型時(shí)代,從SaaS過渡到Agent,同時(shí)也意味著底層架構(gòu)的顛覆。過去SaaS的底層架構(gòu)是基于IaaS+PaaS;而今天底層架構(gòu)則是基于大模型,也就是算力層+MaaS/模型層。
而在這種底層架構(gòu)的顛覆下,并非所有企業(yè)都能拿到Agent的入場(chǎng)券。
因?yàn)锳gent是在大模型或小模型基礎(chǔ)上設(shè)計(jì)的,這意味著Agent企業(yè)需要具備模型能力,或者與大模型廠商進(jìn)行合作。以實(shí)在智能為例,這曾是一家傳統(tǒng)的軟件廠商,主要為客戶提供RPA解決方案,但于2023年開始,便依次發(fā)布其自研大模型,并開始向Agent轉(zhuǎn)型。
而像百度、騰訊等互聯(lián)網(wǎng)廠商也是一樣需要借助大模型能力,據(jù)了解,雙方都推出了自家的大模型客服機(jī)器人,而且底層的模型能力也分別基于文心大模型和混元大模型。在此基礎(chǔ)上,進(jìn)行模型的精調(diào)。
然而,與云計(jì)算時(shí)代相似的是,大模型時(shí)代也有更標(biāo)準(zhǔn)化的Agent版本。這些智能體同樣也以更標(biāo)準(zhǔn)化的SaaS版本存在。
而當(dāng)大量標(biāo)準(zhǔn)化版本涌入市場(chǎng)之時(shí),也是2025年Agent敘事的開始。
那么,今天大模型時(shí)代下的Agent智能體,和過去傳統(tǒng)軟件,除了在底層架構(gòu)方面,還有什么區(qū)別?
其中最明顯的一個(gè)區(qū)別就是Agent是有自我學(xué)習(xí)能力的軟件。
雖然在目前階段,大模型還并沒有發(fā)展到讓Agent能夠完全自我學(xué)習(xí)、自我進(jìn)化的程度,也就是OpenAI口中的L3階段;但大模型廠商依據(jù)過去服務(wù)企業(yè)的行業(yè)know-how,將其總結(jié)成SOP流程喂給Agent,它也能進(jìn)行半自主進(jìn)化。
未來,隨著大模型能力的進(jìn)一步提升,Agent將會(huì)達(dá)到真正的自我學(xué)習(xí)階段。屆時(shí),也將有越來越多的中小企業(yè)加入到Agent的敘事中來。
然而,關(guān)于企業(yè)級(jí)Agent,或者說智能體,從產(chǎn)品路線到企業(yè)內(nèi)部的AI建設(shè),再?gòu)?span id="hahnio2" class="wpcom_keyword_link">商業(yè)模式到服務(wù)模式,都未形成標(biāo)準(zhǔn)化的范式。
以商業(yè)模式為例,過去云計(jì)算時(shí)代,SaaS軟件的付費(fèi)模式主要分為訂閱費(fèi)、定制化開發(fā)兩種;而未來,從云計(jì)算到大模型時(shí)代,當(dāng)SaaS過渡為Agent形式,則出現(xiàn)了更多元化的付費(fèi)模式。
目前主要分為三類:
1)按照傳統(tǒng)SaaS訂閱的方式計(jì)費(fèi);2)按tokens付費(fèi),這也是大模型時(shí)代下衍生出的一種新的商業(yè)模式,即按需付費(fèi),同時(shí)也根據(jù)其Agent調(diào)用的能力付費(fèi);3)通過生態(tài)合作的方式,根據(jù)實(shí)際效果進(jìn)行分成,比如銷售額增長(zhǎng)、效率提升等等;再或者以系統(tǒng)集成商合作,將 Agent 集成到其產(chǎn)品或服務(wù)中,通過銷售分成、合作推廣費(fèi)用等方式實(shí)現(xiàn)盈利。
可以看到,如今關(guān)于Agent的一切,敘事都正在展開。
本文來自投稿,不代表增長(zhǎng)黑客立場(chǎng),如若轉(zhuǎn)載,請(qǐng)注明出處:http://gptmaths.com/cgo/coo/128265.html