当前Agent的发展进行到了什么阶段？_44页_4mb

当前Agent的发展阶段总结

核心内容

Agent作为AI技术的重要分支，虽然尚未有统一的定义，但其应用场景和类别已迅速丰富。Agent的发展主要围绕是否具备自主规划能力展开，学界更关注其规划与决策能力，而业界则强调其独立完成任务的能力。随着大模型、NLP与多模态技术的不断进步，Agent在多个领域展现出巨大的潜力和应用价值。

主要观点

• Agent定义尚不明确：目前学界和业界对Agent的定义存在分歧，主要围绕是否具备自主规划能力展开。
• 自主规划与执行能力是核心争议点：学界普遍认为Agent应具备自主规划能力，而业界如OpenAI更强调其独立完成任务的能力。
• Agent应用场景广泛：从通用Agent到垂直领域的Agent，从医疗、游戏到办公自动化，应用场景不断拓展。
• 大厂推动Agent发展：北美云厂商如Google、Microsoft、Amazon和Meta聚焦于Agent的部署与平台化，而国内互联网大厂如字节、阿里、腾讯则主要通过流量逻辑和平台化布局推动Agent发展。
• Agent对算力需求高：由于Agent在任务规划、多Agent通信、验证模块及多模态场景中对token的高消耗，AI底层算力需求依然旺盛。
• 商业化落地逐渐显现：B端企业已开始通过Agent平台实现商业价值，如Salesforce、ServiceNow、Workday等。

关键信息

Agent类别及应用场景

主流Agent发展路径

• 北美云厂商：主要关注帮助客户高效部署模型和Agent，如Google的Vertex AI、Microsoft的Azure AI Foundry、Amazon的Alexa+、Meta的Llama4等。
• 国内互联网大厂：延续流量逻辑，推出类“Manus”的通用Agent产品，如字节的扣子空间、百度的心响、腾讯的元宝和ima、阿里的心流和飞猪“问一问”。
• B端企业：聚焦Agent创建和管理平台，如Salesforce的Agentforce、ServiceNow的AI平台、Workday的AI Marketplace、金蝶的苍穹Agent平台、用友的YonGPT 2.0、泛微的Xiao.e.AI、致远互联的AI-COP平台。

技术挑战与发展方向

• 意图混淆：由于自然语言的模糊性，Agent在处理任务时容易产生误解，需通过优化指令跟随能力来解决。
• 多Agent合作：面临从众行为、利益对齐和通信成本等问题，学界正在探索解决方案。
• 幻觉问题：大模型在生成内容时可能出现不准确或虚构信息，需通过知识检索和验证模块来降低风险。
• 算力需求：Agent对算力的需求远超传统chatbot，尤其在多模态和复杂任务场景中更为显著。

投资建议

1. 关注具备数据、客户和场景的软件企业：

   • B端场景：金蝶国际、用友网络、鼎捷数智、赛意信息、多点数智
   • 垂直领域2C公司：金山办公、福昕软件
   • 教育、医疗场景：视源股份、创业慧康、医疗检测类企业

2. 关注模型私有化需求：

   • 一体机、超融合：深信服、神州数码
   • B端服务外包：京北方、宇信科技、顶点软件、恒生电子、新点软件、朗新集团、国能日新、博思软件、税友股份
   • 算力租赁和IDC：关注相关标的

总结

Agent的发展正处于从概念到应用的关键阶段，尽管尚未有统一定义，但其应用场景和类别已迅速丰富。中美大厂在发展路径上存在差异，北美云厂商更注重部署和平台化，而国内互联网大厂仍以流量逻辑为主。随着大模型和多模态技术的不断进步，Agent在医疗、游戏、办公等场景中展现出巨大潜力。然而，Agent仍面临意图混淆、多Agent协作、幻觉等问题，需持续技术优化。此外，Agent对算力的需求显著，成为推动AI产业链向上发展的重要因素。投资方面，建议关注具备AI能力、数据资源和应用场景的软件企业，以及模型私有化相关领域。