我们心中 AI Agent 的现在和未来

原文来源：未来科技力

作者｜薛良Neil

图片来源：由无界 AI生成

随着大模型热潮汹涌进入一个新阶段，有关 AI Agent 的讨论逐渐多了起来。简单来说，AI Agent 可以翻译成智能体或者代理，研究者和科学家们设想，AI Agent 可以代替人处理更复杂的任务，甚至摒弃掉 prompt 和基于大模型多重复杂的指令。

即使是同大模型本身比较起来，有关 AI Agent 的设想也颇具颠覆性，如果智能体真的能很好地理解和代替人来执行指令，那么它的应用场景几乎是没有穷尽的，它可能比所有一切技术都更接近 AGI，也就是通用人工智能。

在大模型技术上领先的 OpenAI同样对AI Agent 十分感兴趣，它们的首席科学家Ilya Sutskever不止一次表达过OpenAI 对 AI Agent 技术的关注，事实上这一点颇为有趣，按照Ilya Sutskever自己的说法， 强如OpenAI，在 AI Agent 技术方面也是同所有研究组织站在同一条起跑线上。

这对所有人来说都意味着巨大的机会和增长空间，尤其是在中国。硅星人在 10 月 31 日未来科技力 100 人系列专题直播对话的主题也由此确定。我们邀请到了澜码科技创始人兼CEO周健、亿铸科技创始人熊大鹏和Hugging Face工程师王铁震三位嘉宾共同探讨和 AI Agent 有关的一切。

其中，澜码科技是国内最早致力于 AI Agent 相关技术和应用研发和落地的公司，亿铸科技则聚焦于存算一体新架构的 AI 算力芯片，Hugging Face 这不必多说，尽管还是个所谓“初创公司”，但它已经成为全球著名的大模型托管平台和技术讨论社区了。

AI Agent 软件范式的改变

澜码科技创始人兼CEO周健：从超级自动化平台的视角谈论了 AI Agent 的巨大潜力。

“AI Agent 和大模型是什么关系？过去的系统负责感知，大模型是个知识系统，AI Agent 更像是个行动系统，它像一个神经中枢，跟真实环境交互，并且能够把任务进行拆解实现。”

“AI Agent 会有规划模块、记忆模块、执行模块，并且因为需要适配上下文，它还要有一个很强的配置模块。”

“AI Agent 的自动化和过去的做法比起来最大的差别是什么呢？过去的 RPA低代码很多时候比较僵硬，不能利用已有数据。而大语言模型提供了极其便宜的自然语言理解能力，也提供了一定的逻辑推理、思考能力。标准流程因此变得可执行了。这一轮AI 大模型革命可以给企业内部自动化带来颠覆性的变化，从过去解决重复劳动问题转向解决业务质量问题，初级的员工能够在专家赋能的 AI Agent 帮助下，去做更高级、高质量的工作，从而提高整体行业的水平。”

大模型的算力代价

亿铸科技创始人熊大鹏分享了大模型浪潮对算力提出的巨大挑战，这种挑战在 AI Agent 兴起的大背景下显得越发严峻。

“实际决定芯片有效性能的不仅仅是计算单元和核心，以及工作频率到底有多高，还包括了在同一个计算单元里面用于数据搬运和读写所花费的时间到底是多少。特别是对于 AI 芯片来说，数据搬运和读写所占的百分比达到了 90%甚至更多，这就意味着即使我们用更好的工艺堆叠更多的核心，如果不解决带宽和时延问题，算力的提升还是很有限的。从整个系统来看也是一样的原理，不管是哪个公司的板卡，组成一个大的集群后，它的真实有效算力能够提高到什么程度，很大程度上也取决于整个网络的带宽和时延，而不仅仅是 AI 加速卡本身的问题。”

“存算一体架构的芯片，它避免了大量的数据搬运，这样使得端到端时延大大减少，在整个矩阵计算中，参数也没有任何搬运的需求，这意味着相比目前的芯片架构，存算一体芯片理论上数据搬运量减少了一万倍以上，带来了巨大的好处。同样工艺和功耗情况下，亿铸科技的存算一体 AI 加速芯片裸算力相比传统的冯·诺依曼架构的芯片提升约 20 倍以上，有效算力提升达10 倍以上，这样大模型构建初期有关的投入和运营成本将会大幅减少。”

作为一条长期赛道的 AI Agent

Hugging Face工程师王铁震

我觉得针对什么是 AI Agent，现在也没有形成一个非常明确的共识。我个人想法就是说拿人类做一个类比，比如人类去思考一个事情，就是脑中想一下，然后出来一个答案。这个过程可能就跟prompt一下，大模型输出一个结果是一样的。但我们都知道，一些深思熟虑的想法不是灵光一闪就有答案的，你需要工具，比如拿笔把它记录下来；你需要有很多人大家一起去聊等等，经过这些过程才有一个非常好的结果。