大模型的商业化来说，API形式需求尽可能多的开发者群体参与

这类场景，显然现在，一个庞大且杂乱的通用大模型，是不能很好地处理的。

就拿我这种撰稿来说，让大模型帮我写稿子，它可能有幻觉，提到的事件/新闻/论文我都得再次复查确认一下，比我自己找材料还费事，不行精准，想一个构思还得我用提示词启示半响，都不一定有能用的，又慢又累，还不如自己写。

不能一步到位，主动化地完成使命，需求许多人类参与干涉review，是现在大模型在严厉场景中使用的一大难点，也直接影响到了大模型落地和商业化的发展。

怎么办呢？大模型想要表现出色，急需一群帮手，那便是AI Agents。

二、真·解放生产力，AI Agent为什么奇特？

试想一下，如果大模型能自己全天7*24小时作业，还不需求人工参与，自己就能完成各种使命，人只要偶尔回到电脑前、办公室看看它做的咋样，这才是大模型的正确打开方式啊。

OpenAI在GPT-4发布会上，确实也展示了一些主动化完成使命的才能，比方让GPT4辨认草图生成网页，step by step一步步修改自己代码中错误。

但是，这种才能怎么被开发者和普通用户用到呢？许多开发者都反响，直接运用GPT4写代码还是得自己debug，并不能看图生成直接用的代码，有时候不如不必。

大模型厂商也尴尬啊，我现已开放了API，要更专业精准精细化的才能，还得有人来进一步开发，这就把接力棒交给了AI Agent。

AI Agent（智能体），是AI在环境中的主动化实体，有四个核心特征：

1. 经过传感器感知周围的环境。这个环境，既可以是虚拟的，比方沙盒游戏、模拟训练体系、主动驾驶模拟器等，也可以是物理的，比方马路、房间、流水线等。
2. 可以自主做出决定由履行器/效应器一起来采取举动。依据绩效最大化和成果最优化来学习前进。

从这个角度看，其实人类自己也是一种“智能署理”AI Agent，咱们可以经过眼睛、耳朵、皮肤等感知外界环境的改变，再经过大脑做出决议计划，用嘴说、用腿走来做出举动，并且依据奖励反馈来不断调整适应外界环境。

其实，Agents in AI也是一样的逻辑。就拿主动驾驶场景的AI Agent来说，就需求传感器来采集信息，感知路途车辆行人等环境因素，再由体系主动决议计划，驱动油门、制动器等设备做出相应的反响。

这也被称为AI Agent的PEAS模型。咱们给我们简略做个表，感受一下：

那么，详细在大模型上，AI Agent可以带来什么影响了？主要有以下几个要害的作用：

榜首，拆解使命。

大模型要和某个详细领域结合，面对的用户需求是比较笼统的，进程往往会涉及到多个进程。就比方用户说“要有光”，孤立的大模型既不知道所在的环境有什么灯具，也不知道怎么操控，所以有了大模型也不能搞定这个看似简略其实杂乱的使命。

而AI Agent具有使命规划才能，可以主动了解并决定，怎么规划进程、分配资源、优化决议计划，进而完成指令，提升了大模型处理使命的功率和精度。

谷歌大脑研究团队的一篇论文中，就让大语言模型把使命进程分化的推理进程，也便是“内心独白”都说出来，再去做相应的动作，一会儿就进步了大模型答案的准确性，在多个数据集上都取得了SOTA 作用，让大模型胡说八道的状况有所改善。

第二，主动履行。

AI Agent被设计为独立思考和举动，用户只需求给它一个使命，让它干事就可以了。AutoGPT的典型案例便是点披萨，不需求用户自己输入地址、选择口味，AI Agent将所有点餐进程都大包大揽，主动履行，人在一边看着，发现犯错及时纠正就好了。

AI Agent不止能运用互联网，还可以在物理环境中作业，操控机器人拿快递、无人车、主动驾驶等。

有了AI Agent，用户和大模型之间的交互，会愈加天然、简略、快速，减少人工参与，真实提质增效。比方游戏国际中，AI Agent可以主动跟玩家展开对话，供给开放式的交互，依据玩家的反馈来设计无限故事线，真实让游戏做到千人千面；物理国际中，AI Agent主动生成指令和操作，驱动机械身体，为人类供给家政服务，在工厂里主动化作业，不依赖人类的指导就能完成。

节约资源。

AI Agent像人一样，可以运用东西，也便是调用API，来处理愈加杂乱的使命，这就很好地扩展了大模型的才能，减少了对资源的糟蹋和过度耗费。

比方AutoGPT写代码，要对专有信息源数据、算力资源等进行拜访，这个进程中AI Agent可以主动找到合适的API来进行调用，这样就可以避免糟蹋其他API token。还可以自主学习，对成果进行优化，如果不满意就重新调用 API。

一般来说，要真实完成一项不明确的用户指令，比方旅行规划，需求模型调用多个API才能处理问题，主动化强的AI Agent无疑可以很好地节约资源，进而为用户节约本钱，让AI使用更有招引力和竞争力。

第四，招引开发者。

对大模型的商业化来说，API形式需求尽可能多的开发者群体参与，职业形式也需求ISV集成商、软件服务商等。我们都知道，和大厂卷基础模型是很难有胜算的，更期望在细分的上层使用上找到时机。而AI Agent可以处理详细问题、进步模型作用，驱动数字体系和物理实体，就非常适合来构建超级使用。

如果说AI Agent就像是一个最小单位的AI生命，那么大模型厂商便是孕育生命的工厂，而开发者、软件商等就像是技术培训班，教会它们一些实用而有不同的技术，到职业和用户身边努力作业。

所以，哪个大模型可以更好地构建AI Agent，能招引的开发生态就会更庞大，对商业B端用户的粘性，构成一个AI渠道级的巨大时机。

总结一下，AI Agent直接影响到大模型的模型作用、服务质量、落地本钱、生态才能，将是接下来各个大模型的竞争要害。