Agent智能體，打響中國大模型落地產業第一槍

　　與大模型不同，Agent就像是一個“標準答案”，直接擺在企業面前，就連使用說明書和企業最看重的投入回報比都計算好了。

　　作者|思杭

　　編輯|皮爺

　　出品|產業家

　　“今年，我們是針對具體的場景構建大模型，等到明年會進行更深一步的探索。目前我們正在和云服務伙伴討論構建數字員工的問題”。一家物流履約平臺獨角獸企業告訴產業家。

　　如果說AGI是大模型的終極目標，那么Agent智能體則是實現這一目標過程中的關鍵節點。它同時也是衡量大語言模型“從量變到質變”的關鍵。換句話說，只有當大語言模型達到一定成熟度后，Agent智能體才會迎來真正意義上的爆發。

　　2024年7月，OpenAI定義了通往AGI的五個等級(見下圖)，其中Agent智能體就位于L3，并聲稱我們即將達到L2級別，即具備人類的推理水平，能解決多種復雜難題。

　　幾個月后，那個被外媒稱作“國內最有可能成為OpenAI“的企業智譜AI，發布智能體AutoGLM時則表達了不同的觀點。在智譜看來，大模型已經達到L3，即可以使用工具、執行動作的級別，只不過其對工具的掌握能力還不夠，并不能成自我學習。

　　然而，從市場需求的角度，企業級Agent的趨勢已經顯現。據統計，到2028年，全球Agent市場預計達到2850億美元。

　　對企業而言，AI真正的價值是降本增效，而現在的聊天機器人遠遠無法滿足需求。于是，在2024年大模型商業化的一年里，以國央企為首的大型企業開始通過開發行業大模型的方式，來升級企業內部IT建設，或者解決特定場景下人工難以解決的問題。

　　但問題是，并不是所有企業都有“資本”建行業大模型，或做大模型開發相關工作;而且經過一年的大模型商業化探索，一個結論是，企業對如何構建大模型，怎么用還不夠清晰。

　　它們更需要一套“標準答案”。

　　而與大模型不同，Agent就像是這個“標準答案”，直接擺在企業面前，就連使用說明書和企業最看重的投入回報比都計算好了。

　　一、“Agent戰事”，

　　前奏已打響

　　一個真實數據是，據外媒Medium，截至2024年末，將有5億個Agent分布在各行各業。等到2025年，這個數字將上升至500～1000億個。

　　海外AI企業已經加入到Agent這場戰事當中。

　　首先是融資超130億美元的AI巨頭OpenA已經加入到這場Agent競賽中;其次是融資超73億美元的Anthropic;AI Agent企業Adept投資4.13億美元開發Agent;AI Agent企業Imbue投入2.2億美元;Magic AI斥資1.45億美元用于Agent研發。

　　而在國內，云廠商、大模型廠商、運營商、軟件廠商等等也早已開始了Agent的探索。

　　從2024年初開始，以百度、騰訊、阿里為首的互聯網廠商都紛紛發布自家的Agent開發平臺。它們都是基于自家的大模型平臺，為用戶推出低代碼、無代碼的Agent開發平臺。此外，在推出Agent開發平臺的同時，他們還為此推出了完整的算力層和模型層的服務。

　　像上述互聯網大廠推出的這些Agent開發平臺，一方面是為了擴大模型生態圈;另一方面，也是AI大模型時代新一波的用戶爭奪戰。但實際上，嚴格意義上講，通過這些開發平臺搭建的Agent，還不能夠稱之為OpenAI所描述的“Agent”，后者更傾向于行動層面。

　　比如在企業里充當“數字員工”的角色，真正達到降本增效的作用。

　　而對于真正在行動層面的Agent，目前還停留在大型企業。在產業家此前統計的大模型中標項目中，結果顯示，到2024年，智能體已經成為一種趨勢，而且在行業分布中，電信運營商采購大模型的比例位居前三，主要采購的智能體為智能客服。

　　另外，除了云廠商和大模型廠商，一些軟件廠商也在嘗試以SaaS+AI的方式打造智能體。

　　一個成功的案例是，海外SaaS巨頭Salesforce推出SDR(銷售開發代表)和愛因斯坦教練，具體來講，他們可以幫助企業篩選甄別銷售線索，安排會議，然后提供與潛在客戶長相相似的人物視頻形象，以幫助銷售人員通過角色扮演來排練他們的話術等等。

　　那么究竟為什么說Agent會成為2025年的主敘事?

　　因為隨著大模型技術、產品和商業化愈加成熟，客戶最關注的不是大模型榜單，也并非大模型的新技術，抑或是模型架構等等，企業真正關心的是誰能為他們提供一個標準答案，誰能像拼圖一樣，嚴絲合縫地與企業痛點進行匹配。

　　而這些答案無疑都指向Agent。

　　二、從技術到落地，

　　Agent智能體成為AI第一步

　　根據2024年大模型中標項目來看，中標類型主要分為三類：算力、行業大模型、智能體。

　　通常情況，只有政府、大型央國企，或是需要消耗大量GPU的行業，如自動駕駛企業、運營商等，他們才有購買算力的需求。

　　其次，對于行業大模型來說，采購方也通常為大型企業。一方面由于開發行業大模型同樣需要自身有足夠強的IT積累;另一方面，搭建行業大模型需要對企業內的知識進行重新梳理，還涉及到打通各種IT系統之間的壁壘等等，這進一步增加了開發難度。

　　況且，從過去一年大模型商業化探索來看，一個結論是，企業對如何構建大模型，怎么用還不夠清晰。因此，行業大模型在特定情況下，并不算是最完美的選項。

　　但智能體則不同。它更像一個標準答案，因為智能體更像是大模型時代，針對特定場景的AI解決方案。

　　比如像上述提到的智能客服，也是如今應用最廣的領域，其價值就顯而易見。某客服大模型項目負責人告訴產業家，過去行業里智能客服的解決率能達到70%左右，也就是說轉人工率在30%上下;而應用大模型客服之后，解決率可以提升到90%以上，對于企業來說，10幾天節省了上萬元的成本。

　　這對企業而言才是最真實的降本增效。

　　當然，智能體也并非如此成熟。首先，從行業分布來看，應用最廣的智能體主要有智能客服、AI代碼助手。對此，產業家了解到，在不少互聯網廠商內部，智能客服都是他們最先嘗試的企業級Agent項目。

　　其次，從客戶類型來看，目前采購意愿最強的依舊是大型企業。

　　要知道，大模型時代，在需求側一個最明顯的變化就是底層資源的消耗，從過去的CPU變成GPU。這意味著企業要耗費更多資源，需要大量成本投入。而如今，無論是能用得起大模型的，還是能用得起智能體的，都分布在大型企業/國央企。

　　百度智能云客悅負責人向產業家透露，近兩年，POC項目最大的變化就是，客戶比例更偏重于大企業。

　　這里要解釋一點，任何新事物誕生都需要探索與創新。同樣地，在軟件行業，如果企業需要上線新項目，通常都要經歷非常關鍵、也非常耗時的一步，即POC。

　　據了解，一些大廠早在2023年中下旬就已經開始與央國企進行智能體方面的POC項目合作了。未來，伴隨著智能體生態的成熟，這些趨勢也將向中小企業延展。

　　三、誰能拿到Agent入場券?

　　實際上，很多智能體過去都是以SaaS形態存在，而如今Agent則正在成為企業的優先選項。

　　在大模型時代，從SaaS過渡到Agent，同時也意味著底層架構的顛覆。過去SaaS的底層架構是基于IaaS+PaaS;而今天底層架構則是基于大模型，也就是算力層+MaaS/模型層。

　　而在這種底層架構的顛覆下，并非所有企業都能拿到Agent的入場券。

　　因為Agent是在大模型或小模型基礎上設計的，這意味著Agent企業需要具備模型能力，或者與大模型廠商進行合作。以實在智能為例，這曾是一家傳統的軟件廠商，主要為客戶提供RPA解決方案，但于2023年開始，便依次發布其自研大模型，并開始向Agent轉型。

　　而像百度、騰訊等互聯網廠商也是一樣需要借助大模型能力，據了解，雙方都推出了自家的大模型客服機器人，而且底層的模型能力也分別基于文心大模型和混元大模型。在此基礎上，進行模型的精調。

　　然而，與云計算時代相似的是，大模型時代也有更標準化的Agent版本。這些智能體同樣也以更標準化的SaaS版本存在。

　　而當大量標準化版本涌入市場之時，也是2025年Agent敘事的開始。

　　那么，今天大模型時代下的Agent智能體，和過去傳統軟件，除了在底層架構方面，還有什么區別?

　　其中最明顯的一個區別就是Agent是有自我學習能力的軟件。

　　雖然在目前階段，大模型還并沒有發展到讓Agent能夠完全自我學習、自我進化的程度，也就是OpenAI口中的L3階段;但大模型廠商依據過去服務企業的行業know-how，將其總結成SOP流程喂給Agent，它也能進行半自主進化。

　　未來，隨著大模型能力的進一步提升，Agent將會達到真正的自我學習階段。屆時，也將有越來越多的中小企業加入到Agent的敘事中來。

　　然而，關于企業級Agent，或者說智能體，從產品路線到企業內部的AI建設，再從商業模式到服務模式，都未形成標準化的范式。

　　以商業模式為例，過去云計算時代，SaaS軟件的付費模式主要分為訂閱費、定制化開發兩種;而未來，從云計算到大模型時代，當SaaS過渡為Agent形式，則出現了更多元化的付費模式。

　　目前主要分為三類：

　　1)按照傳統SaaS訂閱的方式計費;2)按tokens付費，這也是大模型時代下衍生出的一種新的商業模式，即按需付費，同時也根據其Agent調用的能力付費;3)通過生態合作的方式，根據實際效果進行分成，比如銷售額增長、效率提升等等;再或者以系統集成商合作，將 Agent 集成到其產品或服務中，通過銷售分成、合作推廣費用等方式實現盈利。

　　可以看到，如今關于Agent的一切，敘事都正在展開。