硅谷大佬都在聊的AI Agents，是真熱還是虛火？

早在3月份，AutoGPT就在GitHub上獲得7.4萬星，并快速成為史上Star數量增長最快的開源項目；而后發(fā)布的BabyAGI、AgentGPT更如雨后春筍般涌現：訂購披薩、整理郵箱、創(chuàng)建博客，甚至舉辦一場情人節(jié)派對……

【資料圖】

越來越多的AI Agents出現在人們生活的各個場景下，熱潮迅速開始從硅谷蔓延。

自主執(zhí)行、獨立運作，AI Agents被科技人士給予極高的期待，認為其是“變革社會的生產力工具”。更有人將其視作“通往通用人工智能（AGI）時代的開始”。

但呼聲并不能掩蓋現存的問題。

“大模型是AI Agents的前提，有了足夠好的硬件基礎后，才能去發(fā)展AI Agents。”真格基金管理合伙人戴雨森對“甲子光年”表示。

嚴格來說，市面上只有ChatGPT一個“合格”的大模型底座。受制于模型算力，國內仍然缺乏AI Agents的開發(fā)土壤。

未來美好，現實殘酷。技術研發(fā)與創(chuàng)業(yè)投資等都在搖擺中進行。AI Agents的紅利期何時真的伴隨大模型浪潮而來，誰都不得而知。但可以肯定的是，改變已悄然開始。

AI Agents：幫你做事的“數字助理”

與其把AI Agents當作ChatGPT升級版，不如將它視作人類的“數字助理”更為合適。

它不僅告訴你“如何做”，更會“幫你做”。作為一種媒介，AI Agents代替人類與GPT等大語言模型（Large Language model, LLM）進行反復交互，只要給定目標，它便可以模擬智能行為，自主創(chuàng)建任務、重新確定任務列表優(yōu)先級、完成首要任務，并循環(huán)直到目標達成。

與傳統(tǒng)的人工智能不同，AI Agents可以在沒有人類控制的情況下獨立運行。通過接入API，AI Agents甚至可以瀏覽網頁、使用應用程序、讀寫文件、使用信用卡付款等等。

簡單來說，只需要給它一個目標，AI Agents就能完成剩下的全部工作。例如HyperWrite研發(fā)的AI agent通過Chrome瀏覽器的控制程序來自動幫你訂購披薩。

圖片來源：HyperWrite CEO Matt Shumer Twitter賬號

這種想象放在科幻電影里并不難，但在人工智能探索歷程上，已經持續(xù)了將近半個世紀。

早在20世紀80年代，計算機科學家就開始探索如何開發(fā)一個可以像人類一樣交互的智能軟件。 但苦于數據和算力限制，AI Agents缺乏必要的現實條件。

斯坦福大學計算機科學博士Joon Park曾在訪談中表示：“我們一直在朝著那個方向努力，但過去幾十年的所有方法，甚至都沒有接近我們現在借助LLM所實現的效果……這就是為什么我們忘記了這一愿景。但當LLM出現時，我們意識到機會來了。”

大語言模型是AI Agents的核心大腦。通過拆解復雜任務，可以將復雜的用戶需求拆解為可實現的任務方式。

一方面，大模型的訓練建立在互聯網的基礎上包含了大量的人類行為數據，彌補了構建可信AI Agents的關鍵要素。

另一方面，在可觀的知識容量下，大模型涌現出優(yōu)秀的上下文學習能力、推理能力。通過建立思維鏈來實現模型的連續(xù)思考和決策，AI Agents可以分析復雜問題，并將其拆解成簡單、細化的子任務。

與此同時，LLM以語言作為媒介也改變了前端的交互形式。BV百度風投AI應用賽道負責人，投資副總裁溫永騰告訴“甲子光年”：“我們很早就開始關注AI Agents的發(fā)展，通過研判，我們認為原先的圖形用戶界面（GUI）有可能轉變?yōu)檎Z言用戶界面（LanguageUI），AI Agents的前端應用將存在于所有可能與人類交互的前端形式之中?！?/p>

只是拆解任務，還遠遠算不上智能。LLM驅動下的AI Agents，離不開三個關鍵組件：

規(guī)劃（Planning）：將大型任務分解為較小的、可管理的子目標；進行反思與細化，對過去行為進行分析、總結和提煉，以提高自身的智能和適應性，提高最終結果的質量。

記憶（Memory）：短期記憶，進行上下文學習；長期記憶，能夠長期保存和調用無限信息的能力，一般通過外部載體儲存和快速檢索來實現。

工具使用（Tool use）：可以學習調用外部API，以獲取模型權重中缺少的額外信息。

LLM驅動下的AI Agent System概覽，圖片來源：Lilian Weng個人博客

三個組件配合下，AI Agents不僅能像人一樣思考，也能像人一樣行動。

就像人類一樣，在從事復雜任務時，每一步之間往往會有一個推理過程。AI Agents也會借助ReAct組件（ReasoningandActing），將大模型的推理能力和行為決策緊密結合起來，使語言模型可以根據知識進行有邏輯地計劃安排。

Reflexition框架則為AI Agents提供動態(tài)記憶與自我反思的能力。通過語言反饋而非更新權重的方式來強化Language Agents，讓它可以改進過去的行動決策、糾正過往的錯誤以不斷提高自身表現。

在信息獲取、儲存、保留、檢索的進程上，AI Agents也力圖模仿人類的記憶構成，構建高效的內存系統(tǒng)。

模擬人類記憶方式，AI Agents會將感覺記憶、短期記憶、長期記憶，分別表示為原始輸入的學習嵌入（如文本、圖像等）、上下文學習、外部向量儲存。任務與結果會儲存在記憶模塊中，當信息被調用時，儲存在記憶中的信息會回到與用戶的對話中，由此創(chuàng)造出更加緊密的上下文環(huán)境。

人類最顯著的特征之一就是使用和創(chuàng)造工具。通過配備外部工具，使用API來調用各種接口，AI Agents能夠模擬人類使用工具，完成更復雜的任務。

雖然技術層面并未完全成熟，諸如數據管理、長期記憶等問題仍在解決。但AI Agents自主執(zhí)行、迭代優(yōu)化、“解放雙手”的能力也讓走紅成為必然。

接替LLM，AI Agents成為下一個AI熱點

ChatGPT的誕生，實現了AI與人類進行多輪對話，并提供信息和建議的功能。Copilot的推出，使AI足以承擔為人類完成工作初稿的能力，例如Github Copilot、Microsoft 365 Copilot、Midjourney，分別成為人們在編程、辦公、圖像生成領域中的“智能副駕”。

告訴AI完成一件任務，它就能完成一件任務——撰寫文案、回答問題，或者生成一張人類肉眼難以分辨真假的照片。而與此同時，人們也往往需要為AI的每一步行動提供具體清晰的提示。

此時的AI就像是初來乍到，沒有任何經驗，需要手把手教導的實習生。但是，如果你想要一個聽指令辦事，執(zhí)行中遇到困難自己解決，盡量不給人添麻煩的好員工呢？

三四月份，Camel、AutoGPT、BabyAGI、西部世界小鎮(zhèn)等多個AI Agents集中爆發(fā)，似乎讓人們看到了這樣的可能。

自三月份Significant Gravitas將AutoGPT開源后，發(fā)布時間不到2個月，AutoGPT在GitHub上獲得的star數量已經達到13萬，成為史上star數量增長最快的開源項目。

斯坦福大學打造的西部世界小鎮(zhèn)，圖片來源：論文《Generative Agents: Interactive Simulacra of Human Behavior》

Andrej Karpathy就曾在Twitter上表示：“提示工程（prompt engineering）的下一個前沿是AutoGPTs”。截至目前，AutoGPT在代碼托管平臺Github上已經獲得超過14萬star，排名歷史第25位。

OpenAI聯合創(chuàng)始人兼CEO Sam Altman曾在多個場合表示，構建龐大AI模型的時代已經結束，智能體才是挑戰(zhàn)。

在一篇介紹自主智能體的文章中，作者Octane AI（一家數據營銷平臺提供商）聯合創(chuàng)始人兼CEO Matt Schlicht收集了來自業(yè)界、學術界、投資界等上百余人的觀點和看法，有來自Meta、Nvidia、Stability AI等大公司或AI初創(chuàng)公司的專家，也有斯坦福CS的教員和投資了包括Hugging Face在內的AI投資人，絕大多數都表達了對AI Agents潛能的期待和展望，甚至將其稱為“原始AGI”。

接替大模型，AI Agents似乎正在成為AI的下一個熱點。

但與此同時，反對的聲音也不絕于耳。

圖靈獎獲得者Yoshua Bengio在今年5月發(fā)布的博文《危害人類的AI是如何出現的》中就提及，人類能控制AI Agents總任務、總目標，并不意味著人類能控制AI Agents憑借自己的智慧分解出來的子任務、子目標，除非AI對齊（alignment）的研究取得突破，否則人類就沒有強有力的安全保障。

智能體的集體出現，大佬的追捧和質疑，AI Agents的浪潮迅速且火熱。

然而，AI Agents在人工智能的圈子內并不是一個新名詞。

2014年，DeepMind推出的圍棋AI AlphaGo，其實就是AI Agents的一種。與之類似的還有2017年OpenAI推出的用于玩《Dota2》的OpenAI Five，2019年DeepMind公布用于玩《星際爭霸2》的AlphaStar。

當時的業(yè)界潮流是通過強化學習（reinforcement learning）的方法來訓練和改進AI Agents，主要應用于游戲場景，特別是一些對抗性、具有明顯輸贏雙方的比賽中。但如果想要在真實世界中實現通用性，卻是一個懸而未決的問題。

之后的幾年，OpenAI轉向大語言模型，GPT系列的相繼推出，大模型成為各家科技廠商爭先涌入的賽道，也正是大模型的發(fā)展，讓AI Agents有了突破瓶頸、重新發(fā)展的契機。

相較于幾年前局限在游戲場景，在大模型的基礎上AI Agents可以實現什么？溫永騰向“甲子光年”表示：“我們看到的不僅僅是技術進步使得AI在理解用戶意圖、收集信息以及執(zhí)行任務的能力大大增強，更重要的是，AI Agents完全有能力重構未來的應用生態(tài)”。

在AutoGPT推出后不久，已經有不少網友使用AutoGPT來搭建自動化的個人助理。例如FirstSales.io的創(chuàng)始人兼CEO Udit Goenka發(fā)帖稱，他利用AutoGPT搭建了一個勘探引擎，可以搜索去年獲得種子輪投資的公司，并能描述創(chuàng)建列表的詳細信息。

Google軟件工程師Yew Jin Lim表示，他用AutoGPT創(chuàng)建了一個電子郵件助手，通過電子郵件向AI Agents發(fā)送任務詳情。

戴雨森告訴“甲子光年”：“Agent是一個讓生產力真正能大幅提高的方向，因為如果還是人做事情，人總是有限的”。

“AI Agents將會成為日常生活和工作中的生產力工具。”Matt Schlicht寫道，“從管理社交媒體賬號、投資市場，到出版最好的兒童讀物，AI Agents將存在于各個行業(yè)和每一項可以被想象出的任務之中。”例如aomni，是一款可以在網絡上查找任何主題信息的AI Agent，會通過創(chuàng)建列表，一項一項完成用戶的目標。

除了生產力需求之外，Inflection AI的個人AI Agent Pi提供了另一個可能的應用方向。

不同于ChatGPT、Claude通用人工智能的定位，Pi主打高情商、情感陪伴、提供情緒價值。Pi還會記住和用戶的歷史對話，除了參與并輔助人們的工作與生活，還會學習聯系朋友和家人的方式與用戶建立聯結。目前Inflection AI已獲得超15億美元的投資，超越了Anthropic，僅次于OpenAI。

AI Agents會是下一個風口嗎？

“Building a kind of JARVIS（構建類似于JARVIS）”，這是Andrej Karpathy在Twitter上最新更新的簡介，JARVIS是漫威超級英雄鋼鐵俠的一位人工智能助手，具備獨立思考的能力，能幫主人處理各種事務，計算各種信息。

Karpathy的簡介也意味著，AI Agents賽道的發(fā)令槍已經打響。

外媒《The Information》指出，Sam Altman曾在5月私下告訴部分開發(fā)者，OpenAI希望將ChatGPT打造成個人工作助手，并有知情人士指出，OpenAI一直在關注如何使用聊天機器人來創(chuàng)建自主的AI Agents，相關功能很有可能部署在ChatGPT助手中。

無獨有偶，Meta也看到了AI Agents的機會。

早在4月，Zuckerberg就曾對投資者表示，Meta看到了“以有用且有意義的方式向數十億人介紹AI Agents的機會”，但此時他并沒有說明具體的應用。

而在6月一次與員工舉行的全體會議上，Zuckerberg宣布了一系列處于不同開發(fā)階段的技術，其中一個就是將帶來具有不同個性和能力的AI Agents來提供幫助或娛樂，最初主要用于Messenger和WhatsApp。

在國內，AI Agents相關的產品也相繼誕生。

在7月初的WAIC現場，阿里云就發(fā)布了旗下第一個智能體——ModelScopeGPT，面向開發(fā)者群體，并將在未來推出一系列智能體以應對多種應用場景。

華為在該領域也有涉及，但更側重于具身智能（Embodied AI），即大模型與機器人的結合。

除了大廠，AI Agents也是創(chuàng)業(yè)者們的機會。OpenAI聯合創(chuàng)始人Karpathy特意在此前的演講中提到：“普通人、創(chuàng)業(yè)者和極客在構建AI Agents方面相比OpenAI這樣的公司更有優(yōu)勢?！?/p>

溫永騰表示，BV團隊目前也對初創(chuàng)企業(yè)在AI Agents領域中的機會持樂觀態(tài)度。

“未來的應用生態(tài)將是多元化的，而非由單一巨頭主導。AI Agents的出現帶來了一次范式轉移的機會，許多傳統(tǒng)應用都面臨被顛覆改造的可能性。在這個過程中，初創(chuàng)公司有大量的機會去開墾新的領域。對于每一個特定的任務，AI Agents都有大量的優(yōu)化空間，包括特定算法與服務的構建、用戶數據以及產品設計等方面，都是初創(chuàng)公司可以建立差異化優(yōu)勢的地方?！?/p>

“此外，當前AI Agents的生態(tài)還不夠明確，這為初創(chuàng)企業(yè)提供了有利的發(fā)展機會，因為它們并不需要在一個已經確定的規(guī)則下進行競爭，從這個角度上來看，初創(chuàng)企業(yè)與大公司是站在同一起跑線上的，并且初創(chuàng)企業(yè)更為靈活，可以很快進行產品的調整?！?/p>

憑借在人工智能領域布局多年所積累的認知，BV百度風投并不認為模型公司會壟斷應用層的機會。因為對于底層模型公司來說，構建生態(tài)的意義遠大于壟斷某一應用，如果底層模型公司采取排他性的策略來獲取應用層的競爭優(yōu)勢，可能會對其自身的生態(tài)造成傷害。底層模型公司可能會在他們關注的一兩個領域構建強大的AI Agents，但他們沒有必要在所有領域都與初創(chuàng)企業(yè)競爭。

尚未確定的生態(tài)，還未被制定規(guī)則的賽場，所有人又回到了同一起跑線上。

但不可否認的是，目前為止，除了許多演示之外，AI Agents并沒有真正的產品出現。

戴雨森將AI和人類協作的程度類比為自動駕駛的不同階段，AI Agents就好比自動駕駛的L4階段。但就如同L4一樣，AI Agents容易想象、演示，卻難以實現，AI Agents的真正應用還在不確定的未來。

將AI和人類協作的程度類比自動駕駛的不同階段，來源：戴雨森即刻賬號@yusen

戴雨森強調，想要實現可用的AI Agents，還需要大幅提高大模型的能力，即使是對處于頂層的OpenAI來說，在延遲、性能上也有很高的提升空間。

“如果用蒸汽機來打比方的話，水燒到100度才能產生蒸汽，如果AI Agents的智力還沒有達到一定的程度，水只燒到了50度，即使已經花費了很多能源，依然無法產生蒸汽，依然是0。”

AI Agents賽道的發(fā)令槍已經打響，只不過，這絕對不是短短幾個月內的沖刺，而是注定要長達幾年，甚至跨越十年的長跑馬拉松。

本文來自微信公眾號：甲子光年 （ID：jazzyear），作者：李晗、朱悅，編輯：栗子

關鍵詞：