我們心中AI Agent的現(xiàn)在和未來

隨著大模型熱潮洶涌進(jìn)入一個新階段，有關(guān) AI Agent 的討論逐漸多了起來。簡單來說，AI Agent 可以翻譯成智能體或者代理，研究者和科學(xué)家們設(shè)想，AI Agent 可以代替人處理更復(fù)雜的任務(wù)，甚至摒棄掉 prompt 和基于大模型多重復(fù)雜的指令。

即使是同大模型本身比較起來，有關(guān) AI Agent 的設(shè)想也頗具顛覆性，如果智能體真的能很好地理解和代替人來執(zhí)行指令，那么它的應(yīng)用場景幾乎是沒有窮盡的，它可能比所有一切技術(shù)都更接近 AGI，也就是通用人工智能。

在大模型技術(shù)上領(lǐng)先的 OpenAI 同樣對 AI Agent 十分感興趣，它們的首席科學(xué)家 Ilya Sutskever 不止一次表達(dá)過 OpenAI 對 AI Agent 技術(shù)的關(guān)注，事實上這一點頗為有趣，按照 Ilya Sutskever 自己的說法，強如 OpenAI，在 AI Agent 技術(shù)方面也是同所有研究組織站在同一條起跑線上。

這對所有人來說都意味著巨大的機會和增長空間，尤其是在中國。硅星人在 10 月 31 日未來科技力 100 人系列專題直播對話的主題也由此確定。我們邀請到了瀾碼科技創(chuàng)始人兼 CEO 周健、億鑄科技創(chuàng)始人熊大鵬和Hugging Face 工程師王鐵震三位嘉賓共同探討和 AI Agent 有關(guān)的一切。

其中，瀾碼科技是國內(nèi)最早致力于 AI Agent 相關(guān)技術(shù)和應(yīng)用研發(fā)和落地的公司，億鑄科技則聚焦于存算一體新架構(gòu)的 AI 算力芯片，Hugging Face 這不必多說，盡管還是個所謂“初創(chuàng)公司”，但它已經(jīng)成為全球著名的大模型托管平臺和技術(shù)討論社區(qū)了。

AI Agent 軟件范式的改變

瀾碼科技創(chuàng)始人兼CEO周?。簭某壸詣踊脚_的視角談?wù)摿?AI Agent 的巨大潛力。

“AI Agent 和大模型是什么關(guān)系？過去的系統(tǒng)負(fù)責(zé)感知，大模型是個知識系統(tǒng)，AI Agent 更像是個行動系統(tǒng)，它像一個神經(jīng)中樞，跟真實環(huán)境交互，并且能夠把任務(wù)進(jìn)行拆解實現(xiàn)?！?/p>

“AI Agent 會有規(guī)劃模塊、記憶模塊、執(zhí)行模塊，并且因為需要適配上下文，它還要有一個很強的配置模塊?！?/p>

“AI Agent 的自動化和過去的做法比起來最大的差別是什么呢？過去的 RPA低代碼很多時候比較僵硬，不能利用已有數(shù)據(jù)。而大語言模型提供了極其便宜的自然語言理解能力，也提供了一定的邏輯推理、思考能力。標(biāo)準(zhǔn)流程因此變得可執(zhí)行了。這一輪 AI 大模型革命可以給企業(yè)內(nèi)部自動化帶來顛覆性的變化，從過去解決重復(fù)勞動問題轉(zhuǎn)向解決業(yè)務(wù)質(zhì)量問題，初級的員工能夠在專家賦能的 AI Agent 幫助下，去做更高級、高質(zhì)量的工作，從而提高整體行業(yè)的水平?！?/p>

大模型的算力代價

億鑄科技創(chuàng)始人熊大鵬分享了大模型浪潮對算力提出的巨大挑戰(zhàn)，這種挑戰(zhàn)在 AI Agent 興起的大背景下顯得越發(fā)嚴(yán)峻。

“實際決定芯片有效性能的不僅僅是計算單元和核心，以及工作頻率到底有多高，還包括了在同一個計算單元里面用于數(shù)據(jù)搬運和讀寫所花費的時間到底是多少。特別是對于 AI 芯片來說，數(shù)據(jù)搬運和讀寫所占的百分比達(dá)到了 90%甚至更多，這就意味著即使我們用更好的工藝堆疊更多的核心，如果不解決帶寬和時延問題，算力的提升還是很有限的。從整個系統(tǒng)來看也是一樣的原理，不管是哪個公司的板卡，組成一個大的集群后，它的真實有效算力能夠提高到什么程度，很大程度上也取決于整個網(wǎng)絡(luò)的帶寬和時延，而不僅僅是 AI 加速卡本身的問題?！?/p>

“存算一體架構(gòu)的芯片，它避免了大量的數(shù)據(jù)搬運，這樣使得端到端時延大大減少，在整個矩陣計算中，參數(shù)也沒有任何搬運的需求，這意味著相比目前的芯片架構(gòu)，存算一體芯片理論上數(shù)據(jù)搬運量減少了一萬倍以上，帶來了巨大的好處。同樣工藝和功耗情況下，存算一體 AI 加速芯片裸算力相比傳統(tǒng)的馮·諾依曼架構(gòu)的芯片提升約 20 倍以上，有效算力提升達(dá)10 倍以上，這樣大模型構(gòu)建初期有關(guān)的投入和運營成本將會大幅減少。”

作為一條長期賽道的 AI Agent

Hugging Face工程師王鐵震

我覺得針對什么是 AI Agent，現(xiàn)在也沒有形成一個非常明確的共識。我個人想法就是說拿人類做一個類比，比如人類去思考一個事情，就是腦中想一下，然后出來一個答案。這個過程可能就跟 prompt 一下，大模型輸出一個結(jié)果是一樣的。但我們都知道，一些深思熟慮的想法不是靈光一閃就有答案的，你需要工具，比如拿筆把它記錄下來；你需要有很多人大家一起去聊等等，經(jīng)過這些過程才有一個非常好的結(jié)果。

我覺得 AI Agent 也是一樣，你只是通過 prompt，大模型的答案可能不夠好，如果你把一堆大模型弄到一起，用工具去做一些事情，從各個角度把問題拆解，可能是比大模型本身去思考更智能的一種做法，我覺得 AI Agent 就是這種。

AI Agent 讓大模型變得更聰明。

瀾碼科技創(chuàng)始人兼CEO周健

AI Agent 是一個很長期的賽道，瀾碼現(xiàn)在做的叫 Task Oriented Agent ，有更多自主性、多樣性、新穎性的 AI Agent 應(yīng)用，比如 AI for science、自動駕駛，以及我們過去有所討論的具身智能等，它們也屬于 AI Agent，但不是現(xiàn)在這種框架可以解決的了。

總的來說，現(xiàn)在還是一個非常初級的階段，我覺得未來還有很長的路要走，但可能性和想象空間是很大的。

億鑄科技創(chuàng)始人熊大鵬

我想 AI Agent 和通用智能大模型是相輔相成的，好的 AI Agent 可以讓通用智能大模型更聰明，某種程度上我覺得 AI Agent 是通用智能大模型的延伸，它可以針對某個具體的應(yīng)用、具體的功能做得非常深，擁有比通用智能更專精的能力。

AI Agent 與UI界面的演變

Hugging Face工程師王鐵震

20 年前大家覺得做一個網(wǎng)頁就是寫幾個 html 代碼，完全想象不到現(xiàn)在做一個網(wǎng)頁可以如此復(fù)雜，包含這么多的框架、代碼和交互。

AI Agent 也是如此，它和基礎(chǔ)模型之間的關(guān)系有時候是混合的，只是用戶能不能感知到而已。比如當(dāng)你去調(diào)用 ChatGPT 的時候，其實你不只是在調(diào)用一個大模型，而是它背后有很多不同的模型，有不同的工具，然后讓它們組合在一起給你了一個答案。

OpenAI 正明顯在往這個方向走去，它把所有的 plug-ins 功能都打開了，你調(diào)用大模型的時候，它隨時可以去調(diào)去各種各樣的能力。因此并不一定說要把大模型和 AI Agent 這兩個概念區(qū)分開變得非常獨立，大模型首先需要強大到能夠利用 AI Agent 能力，然后通過它的能力在其他維度上擴充功能。

瀾碼科技創(chuàng)始人兼CEO周健

我覺得AI Agent 會像是《鋼鐵俠》里的賈維斯，長遠(yuǎn)來看它肯定會走到那一步的，也就是說，它的交互形式將會是多信道的。就像人和人之間的交流，用微信是一種方式，用語音是一種方式，用視頻或者面對面等有各種方式。

人們?yōu)槭裁葱枰鎸γ媪奶?？因為面對面包含了更多的信道，就比如我在說話的時候，動作、表情會傳遞許多不一樣的信號。AI的發(fā)展長遠(yuǎn)來看也會做到這一點，它將包括非常多的信息通道。

AI Agent是最近大家才會抽象出來指代一些事情的詞，之前業(yè)界更多會用copilot來形容，包括討論UI界面的變化，現(xiàn)在到底會變成 language UI 還是 conversation UI ？其實還不確定，但可以肯定的是它絕不僅僅局限在對話上，因為AI Agent是有能力去生成代碼、生成表單的，從這個意義上來說，它代表了UI下一步的一種進(jìn)化。

當(dāng)然，它發(fā)展的過程中會遇到很多的困難。我們最近有一個內(nèi)部的討論，其中有一點我想可以拿出來和大家分享，那就是大語言模型訓(xùn)練的時候用到的很多語料是關(guān)于 “what” 和“why”的，很少有人會在互聯(lián)網(wǎng)上寫“How”，也就是說大家很少把分析的過程寫出來，而往往只是給到結(jié)果。相比之下，只有代碼這部分比較好地寫出了“how”，所以從這個意義上來講，目前大模型能力上還有很多缺失的部分。

AI Agent 會引發(fā)新一輪的算力暴漲嗎？

億鑄科技創(chuàng)始人熊大鵬

具有通用智能特性的完整大模型在云端，相當(dāng)于人的大腦，而中腦和小腦，也就是AI Agent會落在本地，它可能是一個經(jīng)過裁剪之后的大模型，能夠和云端的完整大模型協(xié)同和互動，具體執(zhí)行的時候則依靠自己本地的算力。

也就是說，算力可能在邊緣設(shè)備，也就是端側(cè)設(shè)備上同樣出現(xiàn)暴漲。

AI Agent應(yīng)用在何處？

Hugging Face工程師王鐵震

我覺得游戲場景是一個非常典型的應(yīng)用，把多個智能體放進(jìn)去，每個智能體有自己的想法，可以進(jìn)行交互。這比用一個大模型生成整個完整的游戲體驗可能效果會好很多。當(dāng)然我們需要注意多樣性的問題，如果每個模型都大差不差的話，可能最終的體驗并不會特別好。

總的來說，AI Agent 實際上是大模型的一個延伸，現(xiàn)在用大模型做的不好的事情，將來用 AI Agent 可能會更好。比如寫代碼，現(xiàn)在 ChatGPT 能寫出大概 10 行、20 行的無錯代碼，但最近我們看到比如 ChatDev 這樣的 AI Agent，它用一個完整的模擬人類開發(fā)流程的方式分工合作去生成代碼，同樣是用 ChatGPT，協(xié)作之后寫出來的代碼它更符合人類的要求，bug 更少。這就是 AI Agent 的應(yīng)用場景，從這個角度講，現(xiàn)在所有運用大模型的地方，只要滿足算力的需求我們其實都可以用 AI Agent 來代替，它將有非常廣闊的前景。

瀾碼科技創(chuàng)始人兼CEO周健

我們的精力主要集中在To B端，現(xiàn)在看下來。即使是GPT4在通用性上還有很多問題，但在一個限定的、具體的領(lǐng)域，比如出差場景，無非就是調(diào)用日歷、郵箱、微信、機票和酒店等，讓AI Agent做你的差旅安排其實是容易的。

目前在限定的場景中，ToB端的專業(yè)場景它是會比人強的。更遠(yuǎn)一些的東西我想可能需要一些時間。

大模型向左，AI Agent向右

Hugging Face工程師王鐵震

現(xiàn)在很多開源模型做 AI Agent 效果是比較差的，因為訓(xùn)練大模型的過程，更多的是為了“生成”這個目的，這與AI Agent的目的——分析理解問題、拆解然后處理的邏輯是整個不一樣的。

生成的內(nèi)容出現(xiàn)一些錯誤是很正常的現(xiàn)象，但如果你把一個任務(wù)、一個問題拆解錯了，那它最后給到的結(jié)果可能完全就跑偏了，這里面包含的控制難度實際上是非常不一樣的。

不同公司對這些方向有不同的選擇，但有一種意見是，使用工具的能力或許比生成一個故事更能代表智能的本質(zhì)，實際上OpenAI就是這種思路，因此才把所有的工具都集合在了ChatGPT中。

如果一個模型，一方面它參數(shù)足夠多，具備強大的推理和分析能力；另一方面它又能有很好的算力支持，成本足夠低。我覺得這個世界的未來將會變得很不一樣。