2024中国AI Agent行业研究报告.pdfVIP

2024

中国AIAgent行业研究报告

大模型时代的“APP”，探索新一代人机交互及协作范式

注：AIGC生成内容亦对本报告有贡献

Part01前世今生：科幻憧憬、学术概念与商业尝试

目录Part02奇点已至：让每个人掌握AI的力量

CONTENTS

Part03百家争鸣：属于大模型时代的APP繁荣

Part04时代先驱：当下商业实践值得关注的里程碑

Part05潜力无限：来自于数据、算法、算力的飞轮效应

AIAgent的发展历程梳理：大模型赋予了AIAgent核心改变

Agent（代理）一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体。在人工智能领域，这一术语被赋予了一层新的

含义：具有自主性、反应性、交互性等特征的智能“代理”。大型语言模型（LLMs）的出现为智能代理的进一步发展带来了希望。

AIAgent的发展历程简述基于大模型

LLM给AIAgent底层提供了一个突破性技术方案：LLM带来了深度学习新范

式，思维链和强大的自然语言理解能力有望让Agent具备强大的学习能力和

基于深度学习迁移能力，从而让创建广泛应用且实用的Agent成为可能

LLM的框架优势：过去等强化学习基于深度学习框架可让Agent学到技能，

但Agent的泛化性较差，往往用于非常窄的特定领域，例如用在游戏或低维

基于统计学习层面的控制或计划，标志性应用是围棋领域的AlphaGo。

基于符号规则过往的工作主要集中在增强代理的特定能力，如符号推理或对特定任务的掌握（国际

象棋、围棋等）。这些研究更加注重算法设计和训练策略，而忽视了模型固有的通用

能力的发展，如知识记忆、长期规划、有效泛化和高效互动等。事实证明，增强模型

固有能力是推动智能代理进一步发展的关键因素。

•长期以来，研究者们一直在追求与人类相当、乃至超

越人类水平的通用人工智能（ArtificialGeneral过往的AIAgent类型：

Intelligence，AGI）。

•在1950年代，AlanTuring就将「智能」的概念扩展➢符号型智能体：采用逻辑规则和符号表示来封装知识和促进推理过程，如1980年前后，出现

到了人工实体，并提出了著名的图灵测试。这些人工的医学诊断专家系统，模拟心理治疗程序等；

智能实体通