DeepSeek、Manus与AI+Agent行业现状报告.pptxVIP

;前言：什么是;前言：什么是AIAgent;2023年3月AutoGPT横空出世，7月OpenAI的翁丽莲发表名为《LLMPoweredAutonomousAgents》的博文，详细介绍基于LLM的AIAgent，给出了AIAgent的理想技术架构。;基于大语言模型的AIAgent;基于大语言模型的AIAgent（LLMBasedAgent）;大模型聚焦语言处理，以文本交互被动响应指令，应用于内容生成等场景；AIAgent以LLM为核心，具备多模态交互和自主执行能力，可完成跨场景复杂任务。;;吴恩达教授提出的智能体设计方法有四种：反思（Reflection）、工具使用（ToolUse）、规划（Planning）和多智能体协作（Multi-agentCollaboration），多智能体协作正是其中之一。

从这四种设计方式而言，现在的大语言模型尤其是推理模型能够反思、规划和进行简单的工具使用，都可以算是智能体。;受限于当年的技术条件与企业复杂应用环境，这些智能体设计方式仍然不能满足企业需求，企业需要的是把大模型和智能体真正融入业务运营的流程中，Agenticworkflow便应运而生。智能体的四种设计方式，也是把智能体的应用指向了工作流。现在，工作流编排已经能够成为智能体构建平台的标配，编排层也是智能体不可或缺的一部分。;从技术圈到生业界，大家一直都在持续探索如何实现真正的自主智能体，直到前段时间Manus的出现，虽然到现在还拿不到邀请码，但它让大家看到了自主智能体的雏形，即便执行一个任务需要几十分钟乃至更长的时间。

Manus号称全球第一个通用智能体，这个概念也跟着manus火了起来。但一些人并不认同，至于为什么，这点我们后面再讲。;通用智能体（GeneralAIAgent）;DeepSeek等推理模型对AIAgent的影响;前面简单介绍最近两年AIAgent发展的基本路径。其实所有问题的原点，最终还要回到大模型上。LLMBasedAgent的能力与功能取决于LLM的性能，如果大模型能力足够强大，智能体也就能做到胜任更多业务场景。当然大模型足够强大了，可能也就不需要智能体了，这个涉及到了模型即应用，后面会讲。

所以像DeepSeekR1、通义千问QwQ-32B、文心一言X1、混元T1这样的高质推理模型的出现，对AIAgent性能与功能的提升有着很大的赋能，这里总结了几点。;技术方面：DeepSeek让AIAgent的推理与???策能力提升，规划与执行能力增强，工具调用能力提升，自动化与拟人化交互能力升级，多模态与个性化能力拓展，结合多模态模型，DeepSeek可以推动AIAgent实现更自然的“五感”交互，也为具身智能的发展奠定基础。

设计模式：AIAgent有四种主流模式，反思、工具使用、规划 和多智能体协作，毫无疑问推理模型可以大幅提升AIAgent的 反思能力和规划能力，能通过思考推理调用或者创造更合适的 工具，也能更合理地定义智能体职能角色并为它们分配更合适 的任务，这样智能体的执行能力会大大加强。

应用方面：DeepSeek支持本地化部署，可以让使AIAgent在离 线环境下仍能运行，保障数据隐私。并且基于deepseek等推理 模型的AIAgent可以打破标准化边界，不仅适用于标准化场景， DeepSeek的高阶思维能力推动它向战略决策、复杂业务流程优 化等非标领域延伸。;开发和部署：DeepSeek采用开源技术路线，降低了企业训练和调优成本，使中小开发者能够以更低的成本专注AIAgent开发，以加速AIAgent的多样化创新，提升市场竞争力。再就是算力和成本优化方面，通过算法创新（如思维链技术）和训推范式革新，DeepSeek在保持性能的同时显著降低算力消耗，为大规模Agent部署提供经济可行性。

用户体验：DeepSeek等推理大模型可以让AIAgent与用户进行更自然、更智能的对话。比如在客户服务场景中，AI代理可以使用DeepSeek的模型更好地理解复杂查询并提供准确回应，从而提升用户体验。

产业生态：AIAgent作为上层应用，有了deepseek等大模型的加持，会形成以推理大模型为核心的分层技术生态，推动跨行业协作与标准化。并且企业能够通过快速接入DeepSeek快速实现数据价值挖掘。

市场格局：DeepSeek的技术突破推动中国从AI规则接受者转变为标准共治者，其开源策略和国产化优势可能重塑全球AIAgent市场的竞争与合作模式。;Manus通用智能体带来的行业启示;多代理协同架构：规划代理通过MCTS算法拆解任务为DAG结构，执行代理调用工具链完成操作，验证代理检测逻辑矛盾并核对数据源。

模型调度与优