智能涌现⑳｜人工智能体AI Agent到来 如何成为大模型未来入口

21世纪经济报道记者 石恩泽 深圳报道

“我希望你能通过问题引导让他（我儿子）真正理解这道（数学）题，而不是直接给他答案。”网络教育平台可汗学院创始人萨尔·可汗在一则OpenAI发布的视频中，向GPT4o下达着指令。

接受GPT4o指令的“她”，作为家教老师，虽然也是大模型的一部分，但更准确地说，应该称为“AI Agent”（人工智能体）。GPT4o将AI Agent作为大模型的另一种“打开方式”带入大众视野。

微软公司创始人比尔·盖茨写道，作为下一个平台，Agent彻底改变了应用软件的打开方式，是一次影响深远的交互革命。用户将不再搜索网站，不再登陆生产力网站，不再去网站购物，而是一律委托给Agent。

AI Agent正在成为大模型未来的入口。而这个入口背后带来的交互改变，正在广泛地影响每一个人。

Agent限定LLM幻觉，LLM加速Agent进化

对于Agent的定义，OpenAI应用研究主管Lilian Weng曾发表万字长文来论述，概括起来就是一个公式：“Agent=大型语言模型（LLM）+记忆（Memory）+规划（Planning）+工具使用（Tool）”。

其中，LLM被视为驱动Agent的大脑。但这颗大脑并不是完美的，他有一个难以被解决的问题——幻觉。而缓解幻觉的有效方式就是，通过添加条件来限制模型的想象力。

这从而引出了规划项的作用。规划项里的“条件”，实际上包含了很多SOP（制定标准作业程序），以此加强模型专业性。而这个包含了限定条件的集成，就是最初级的Agent。

而这些SOP作为企业内部数据资产，对于AI Agent来说则是“知识”。此外，容纳知识多少，决定了AI Agent的聪明程度。也就是说，记忆力越强的Agent能力越强。

对此，澜码科技创始人兼CEO周健在接受21世纪经济报道记者采访时称，具备短时记忆力的AI Agent只进行碎片化问答，对应的只能完成简单的工作。而拥有长时记忆的AI Agent将像人一样，根据某种逻辑将过往记忆组织起来，同时后续在执行计划的时候，还能调用记忆进行自我反馈、自我修正。

随着底层大模型能力日益增强，模型将能使Agent记住更多的企业数据资产。同时，在开发周期和训练成本上，也将变得更低。这无疑加速了Agent进化得速度。Lilian Weng甚至在文章中表示，AI Agent将成为大语言模型的下半场。

不过，周健认为，当前AI Agent还处于非常早期的阶段，因为即便是GPT4o也只具备短时记忆，在长时记忆、社会智力和逻辑推理方面的能力并没有显著提升。

中国B端将先崛起

与此前中国软件行业发展相似的是，中国在AI软件发展上也是B端先于C端。

无论是去年的百模大战，还是正在上演的“以厘计价”大模型价格战，都证明了中国B端生态的烈度。而这使得中国在AI Agent发展上，也是企业级Agent跑在更前面。

周健认为，这或许与人力成本因素有关。由于北美和欧洲由于人工较贵，在上一代AI出来的时候，就已经做了很多类似于智能客服的B端应用探索，可以说在欧美to B数字化中，低垂的果实已经被采摘完了。而中国正好与此相反，中国用户一开始在C端的付费意愿弱，反倒是在能够提质增效上的B端更有付费意愿。叠加，此前4G时代中国诞生了字节跳动、阿里巴巴等C端交互平台。这也给后续进入C端赛道的AI Agent公司不少压力。

还有多位创业者对记者表示，目前中国B端出现大模型价格战，实际上有利于初创企业的发展。

原因在于，发展大模型有一个类似摩尔定律的Scaling Law，通俗点说，大模型参数往后若想提升一级，在资金消耗上将成指数级增长，但提升效果却呈现边际效应递减。因此，大模型厂商之间相互“卷”能力和资源，不仅能为初创公司创造更好用、更具性价比的AI工具，还能为他们培养更多人才。而这也是当初周健在创业时优先从B端切入，打造企业级AI Agent的原因之一。

此外，在AI Agent硬件端初阶形态里，也是能带动更多B端生产力的AIPC，有望更先一步突破。对此，一家尝试把大模型折叠进入手机的创始人这样解释道，手机硬件水平整体偏弱，例如手机打游戏久了会发烫，因此对能耗上的限制更多。同时，手机生态更为封闭，APP之间的生态并不相通。因此，办公用的AIPC将比AI手机更先面世。

无论是软件端还是硬件端土壤，都更有利于中国Agent在B端先实现百花齐放。

为生态带来新可能

那么对于企业来说，Agent究竟能够带来哪些改变？

在周健看来，AI Agent是一种新质生产力，它集成了专家知识、数据、模型和算力四大生产要素，以类似智能的专家服务这样的生产力的形态出现，可以极大满足企业自动化数字化升级需求，甚至彻底颠覆企业形态。

他解释称，若是多个AI Agent能够彼此协作，将打破现有公司的组织形态。今后Agent将作为顶层规划者自动依据业务难度、员工能力等指标对工作进行分解、再分配，让企业内部管理走向任务自主化分配、流程自动化迭代。这不仅为流程及组织的提效创造更多价值，也使得员工与AI Agent之间的交互方式，从当前的人机协同，走向人机融合、甚至人机共生。

同时，Agent这种交互能力还能改变行业。目前线上销售更为精准，关键在于背后有大数据做支撑，例如利用A/B testing做产品定价等。而线下销售没有这么丰富的数据做支撑。若是把AI Agent与线下销售人员搭配在一起工作，将能把线上电商已经实现的个性化销售策略，在线下业务中再实现一遍。同时，线上和线下的数字化联动，也能为销售管理带来更大赋能。

此外，Agent还将加速行业整体生态发生改变。周健在采访中提到，在B端Agent商业模式上，澜码采用先与头部客户合作共建定制版Agent。当高阶Agent产品打磨好后，再以此为准将现有产品改良为通用版Agent，向腰部以下客户渗透大模型的先进能力，从而提升整体行业整体水平。

这件事若是放在之前，对于不少行业腰部以下客户而言将是一件不敢想象的事情。除了大模型研发成本昂贵以外，更关键的是小企业内部缺乏训练数据，这导致行业尾端企业很难用上大模型这样的先进生产力工具。而以Agent为载体，将能使大模型的能力以更轻量的方式进行复制。周健形容，这就好像一种财政上的转移支付，有着更强数据能力的头部，承担了初期训练Agent上的试错成本。在之后将开发红利由头部向尾部传递，这将对行业综合数字化水平的提升十分显著。

同时，开发不同版本的Agent，还将使得大模型在商业模式变得更加灵活。对此，周健将其形容为从CAPEX到OPEX。此前，在使用算力模型时，是将其作为一个这个整体来计算成本，需要提前支付算力采购费、云端使用费等大额投入；但若是将Agent当成按次使用的数字员工来算计算月薪，则将按使用次数给Agent平台进行业务收益分成，将能使大模型的能力精准滴灌到每位员工身上。

如此一来，AI Agent进入日常工作，对企业甚至员工而言都将不再是高不可攀的事情。那么对于人类来说，一天只工作四小时的日子，也许就快到来。