人工智能行業(yè)AI Agent市場分析

人工智能行業(yè)AIAgent市場分析1、AIAGENT：LLM提供新基座，自動化/擬人化是兩大方向AIAGENT：感知并反應(yīng)，具備自主性/可迭代/規(guī)劃性智能體agent：通過傳感器感知環(huán)境（收集信息）并通過執(zhí)行器作用于該環(huán)境（采取行動）的事物。Agent概念最早起源于M.Minsky(AI之父之一）于1986年出版的《SocietyofMind》（也是神經(jīng)網(wǎng)絡(luò)熱潮開始的年份），1994年AI學(xué)術(shù)界內(nèi)便已開始較多對agent的討論，本篇報告我們采用22年出版的《人工智能：現(xiàn)代方法》（第四版）中的定義。理性智能體概念是研究人工智能方法的核心。區(qū)別于普通計算機(jī)程序，理性智能體具備自主性、可學(xué)習(xí)迭代、可制定并實(shí)現(xiàn)目標(biāo)等特點(diǎn)。人工智能專注于研究和構(gòu)建做正確的事情的智能體——理性智能體（RationalAgent/IntelligentAgent，也是本報告“AIAGENT”定義），即設(shè)計理性智能體程序?qū)崿F(xiàn)智能體函數(shù)，完成從感知到動作的映射。對于每個可能的感知序列，給定感知序列提供的證據(jù)和智能體所擁有的任何先驗(yàn)知識，理性智能體應(yīng)該選擇一個期望最大化其性能度量的動作。新時代AIAGENT：LLM+規(guī)劃+記憶+工具，大模型重要落地方向大模型時代的AIAGENT=LLM（核心控制器，構(gòu)建核心能力）+規(guī)劃能力+記憶+工具。其中基座模型能力至關(guān)重要。?我們認(rèn)為LLM給AIAGENT底層提供了一個突破性技術(shù)方案：過去強(qiáng)化學(xué)習(xí)基于深度學(xué)習(xí)框架可讓agent學(xué)到技能，但agent本身并沒有真正理解問題和技能，泛化性也較差，只能用于特定領(lǐng)域，主要用在游戲和用來制作低維控制/計劃，代表性應(yīng)用是圍棋領(lǐng)域的AlphaGo；LLM帶來了深度學(xué)習(xí)新范式，思維鏈和強(qiáng)大的自然語言理解能力有望讓agent具備強(qiáng)大的學(xué)習(xí)能力和遷移能力，從而讓創(chuàng)建廣泛應(yīng)用且實(shí)用的agent成為可能。?由于生成式LLM存在幻覺問題，記憶力短，在實(shí)際應(yīng)用中難以保持長期一致性和準(zhǔn)確性，且agent間合作也是重要趨勢，除了等待基座模型自身迭代之外，借助外部力量（向量存儲、檢索、代碼等）是重要方法，完整的AGENT框架應(yīng)該具備這些能力。我們認(rèn)為補(bǔ)齊了大模型短板的AIAGENT更具備實(shí)用性，將是大模型重要落地方向。前特斯拉總監(jiān)、OpenAI科學(xué)家Karpathy公開表示“如今AI智能體才是未來最前沿的方向”“相比大模型訓(xùn)練，OpenAI內(nèi)部目前更關(guān)注Agent領(lǐng)域”。兩大方向：自動化（自主智能體）、擬人化（智能體模擬）結(jié)合目前學(xué)術(shù)界和產(chǎn)業(yè)界基于LLM開發(fā)的AIAGENT應(yīng)用情況，我們將目前AIAGENT劃分為兩大類：自主智能體，力圖實(shí)現(xiàn)復(fù)雜流程自動化。當(dāng)給定自主智能體一個目標(biāo)時，它們能自行創(chuàng)建任務(wù)、完成任務(wù)、創(chuàng)建新任務(wù)、重新確定任務(wù)列表的優(yōu)先級、完成新的首要任務(wù)，并不斷重復(fù)這個過程，直到完成目標(biāo)。準(zhǔn)確度要求高，因而更需要外部工具輔助減少大模型不確定性的負(fù)面影響。智能體模擬，力圖更加擬人可信。分為強(qiáng)調(diào)情感情商的智能體以及強(qiáng)調(diào)交互的智能體，后者往往是在多智能體環(huán)境中，可能涌現(xiàn)出超越設(shè)計者規(guī)劃的場景和能力，大模型生成的不確定性反而成為優(yōu)勢，多樣性使其有望成為AIGC重要組成部分。我們認(rèn)為兩大方向并不是完全割裂的，相反，自動化與擬人化將作為aiagent兩大核心能力并行發(fā)展，隨著底層模型成熟以及行業(yè)探索更加深入，有望進(jìn)一步擴(kuò)大aiagent適用范圍，提升其實(shí)用性。2、自主智能體：自動化，新一輪生產(chǎn)力革命自主智能體：軟件新范式，非大模型玩家亦有機(jī)會自主智能體，力圖實(shí)現(xiàn)復(fù)雜流程自動化。真格基金管理合伙人戴雨森將AI和人類協(xié)作的程度類比為自動駕駛的不同階段，AIAgent約為自動駕駛的L4階段，Agent完成任務(wù)，人進(jìn)行外部輔助和監(jiān)督。自主智能體有望帶來軟件行業(yè)交互方式和商業(yè)模式變革：交互方式變革：相比過去的APP/軟件，從人適應(yīng)應(yīng)用變成應(yīng)用適應(yīng)人，Agent的決策/規(guī)劃/執(zhí)行等環(huán)節(jié)需要更深的用戶需求理解以及更強(qiáng)的工程細(xì)節(jié)打磨。如目前Agent運(yùn)行中常常遇見無休止的擴(kuò)展、誤解輸出格式等問題，這類問題不單單依靠大模型能力提升，對Agent架構(gòu)的設(shè)計和垂類數(shù)據(jù)的學(xué)習(xí)也有要求。商業(yè)模式變革：按服務(wù)內(nèi)容收費(fèi)轉(zhuǎn)換成按token收費(fèi)，對Agent功能實(shí)用性要求更高?；竽Ｐ湍芰倘恢匾渲荒芙鉀Q下限問題，在實(shí)際企業(yè)應(yīng)用場景中自主智能體的架構(gòu)設(shè)計、工程能力、垂類數(shù)據(jù)質(zhì)量等也至關(guān)重要，垂類/中間件玩家亦有機(jī)會。準(zhǔn)確度和效率是自主智能體重要指標(biāo)（決策式AI更擅長做的事，也意味著更低的容錯度），企業(yè)對于低門檻定制AGENT也存在需求，專注具體領(lǐng)域/提供AGENT框架的玩家仍有可為。自主智能體：實(shí)驗(yàn)性VS實(shí)操性，單智能體VS多智能體目前行業(yè)內(nèi)對自主智能體的探索主要分為四大類：實(shí)驗(yàn)性項(xiàng)目VS實(shí)操性應(yīng)用：前者雖然實(shí)際運(yùn)行中出錯概率高，但其創(chuàng)意、思路和開發(fā)經(jīng)驗(yàn)對開發(fā)者仍有不少啟發(fā)和貢獻(xiàn)，如掀起這一波AGENT開發(fā)熱潮的AutoGPT。實(shí)操性應(yīng)用更加強(qiáng)調(diào)與實(shí)際場景的適配。單智能體VS多智能體：單智能體相對更適用于較簡單的任務(wù)（如比價等），在C端應(yīng)用上有一定潛力（如chatgpt+插件、adeptai等）；但其在B端場景上略顯乏力，由于缺乏完整性評估、任務(wù)隊列過長、大模型幻覺等原因，基本無法完成較為復(fù)雜的工作（如軟件開發(fā)等），多智能體優(yōu)勢相對更加突出（如metagpt、chatdev等）。實(shí)驗(yàn)性項(xiàng)目，如代碼開發(fā)類GPTEngineerGPTEngineer：主要作者AntonOsika在6月11日推出的開源代碼生成工具，基于GPT模型，能根據(jù)用戶的指示和需求生成高質(zhì)量的代碼，功能包括創(chuàng)建新函數(shù)、修復(fù)現(xiàn)有代碼錯誤等等，支持多種編程語言。截至2023年9月，github星星數(shù)量接近44k。亮點(diǎn)一：可定制性。用戶可根據(jù)自己的編碼風(fēng)格、項(xiàng)目需求和編程習(xí)慣進(jìn)行設(shè)置，讓GPTEngineer生成符合自身要求的代碼。亮點(diǎn)二：上下文感知。可理解代碼上下文，并生成與之相適應(yīng)的代碼片段，用戶無需為適應(yīng)其生成方式而做出額外調(diào)整，從而提高工作效率。不足：1）無法進(jìn)行迭代，在創(chuàng)建完應(yīng)用程序后不能要求它更改任何內(nèi)容。2）構(gòu)建復(fù)雜的代碼時仍需要一些編碼經(jīng)驗(yàn)。多智能體：AGENT團(tuán)隊完成復(fù)雜開發(fā)任務(wù)，如MetaGPTMetaGPT：7月深度賦智開源的多智能體框架，快速幫助用戶搭建屬于自己的虛擬公司，虛擬公司中的員工都是智能體，如軟件公司中的工程師、產(chǎn)品經(jīng)理、架構(gòu)師和項(xiàng)目經(jīng)理，用戶只需輸入簡短的需求，MetaGPT就能輸出整個軟件公司的工作流程和詳細(xì)的SOP，如創(chuàng)造故事、競品分析等?？蚣芊譃榛A(chǔ)組件層和協(xié)作層。（1）基礎(chǔ)組件層建立單個AGENT操作和全系統(tǒng)信息交換所需的核心構(gòu)件，其中環(huán)境可實(shí)現(xiàn)共享工作空間和通信；記憶用于存儲和檢索歷史信息；角色封裝特定領(lǐng)域的技能和工作流程；工具提供通用服務(wù)和實(shí)用程序。（2）協(xié)作層建立在基礎(chǔ)組件層之上，協(xié)調(diào)單個AGENT協(xié)同解決復(fù)雜問題，建立了重要的合作機(jī)制知識共享和封裝工作流。知識共享允許AGENT交換信息，存儲、檢索和共享不同粒度的數(shù)據(jù)；封裝工作流程利用SOP將復(fù)雜任務(wù)分解為更小、更易于管理的組件，將這些子任務(wù)分配給合適AGENT，并通過標(biāo)準(zhǔn)化輸出監(jiān)督他們的表現(xiàn)，確保他們的行動符合總體目標(biāo)。3、智能體模擬：擬人化，新的精神消費(fèi)品陪伴類，提供情緒價值陪伴類智能體強(qiáng)調(diào)情感情商等人類特征，具有“人格”，且能夠記住與用戶的歷史交流。（1）LLM在自然語言理解能力上的重要突破使陪伴類智能體在技術(shù)上成為可能，（2）GPT4在情商上顯著高于以往其他大模型，隨著大模型情商迭代、多模態(tài)技術(shù)發(fā)展，有望出現(xiàn)更加立體擬人可信、能夠提供較高情緒價值的陪伴智能體。我們認(rèn)為國內(nèi)情緒消費(fèi)市場仍有較大想象空間（社會婚姻觀念轉(zhuǎn)變、現(xiàn)代工作生活節(jié)奏緊張下，國民孤獨(dú)感增加），陪伴類智能體或受益于情緒消費(fèi)趨勢紅利，成為LLM時代重要的AI原生應(yīng)用。從用戶陪伴性需求的第一性原理出發(fā)，我們預(yù)計陪伴類智能體大部分商業(yè)價值集中在IP上，基于此我們更加看好當(dāng)前具備豐富IP儲備或者能讓用戶定制智能體的玩家：1）參考人的陪伴：陌生人社交和秀場直播屬于線上陪伴代表性應(yīng)用，前者核心問題在于用戶間建立一定情感聯(lián)系后會轉(zhuǎn)到最常用的社交平臺，后者用戶價值會逐漸集中到頭部主播，而非平臺。2）參考物的陪伴：潮玩等消費(fèi)品有一定的陪伴屬性，受眾大部分支出花在自己喜歡的IP。團(tuán)隊InflectionAI：技術(shù)資金實(shí)力兼具的硅谷明星公司InflectionAI：成立于2022年3月，23年6月實(shí)現(xiàn)新一輪融資13億美元，估值達(dá)40億美元，投資人包括微軟、英偉達(dá)，BillGates、Greylock、ReidHoffman、EricSchmidt（Google前CEO）、MikeSchroepfer（Meta前CTO）、DemisHassabis（Deepmind聯(lián)創(chuàng)）。Google前CEOEricSchmidt評價其在不到一年的時間里取得令人難以置信的成就，包括開發(fā)了“最復(fù)雜的LLM之一”，并發(fā)布了“首個有高EQ的個人AI產(chǎn)品”。發(fā)展目標(biāo)：構(gòu)建更多適合各種用途的AI工具，如組織日程安排、幫助用戶學(xué)習(xí)新技能和執(zhí)行耗時的任務(wù)，甚至幫助企業(yè)構(gòu)建了解它們品牌價值的AI。商業(yè)模式：B端已開放API，C端未來可能采取訂閱、Freemium或廣告形式（在用戶對話中出現(xiàn)廣告）。國內(nèi)專注情感大模型的團(tuán)隊：minimax、西湖星辰、聆心智能等。多智能體：Smallville小鎮(zhèn)，類西部世界的模擬社會25個智能體居住在名為Smallville的小鎮(zhèn)，每個智能體可執(zhí)行類似人類的日常行為，比如起床后做早餐然后去上班，藝術(shù)家