2026年AI与数据发展预测报告-.pptxVIP

;;;

。2。2年A与数据发展预测A行业格局4

AI行业格局;

snowflakeAI研究团队的联合负责人Datta,将阻碍大型语言模型与大型推理模型系统落地应用的瓶颈归纳为三大挑战。为了让智能体更可靠、更值得信赖,需关注三大核心因素:评估体系、基于提示和后训练的优化,以及AI安全与防护。

对模型成效的评估与验证,或许是2026年snowflakeAI基础设施总监MonaAttariyan最为关注的核心挑战。她表示:如果我们无法系统地衡量智能体的准确性,就没有办法把它变成可靠的工具。

目前业内已有相关的思路构想,但尚未形成成熟的体系。主流的验证方式,是让模型针对已知答案的问题进行测试。但对于每个智能体或每个应用领域,涉及的知识体系都不同,因此这项工作极具复杂性。;;

智能体跨多个系统和数据库工作,这些A系统之间的跨语言通信是当前面临的巨大技术挑战。snowflake联合创始人BenoitDageville表示,开放数据格式是一个解决方案,但比开放格式和API更重要的是主导性AI协议的出现。

目前涌现了多种定义性协议的尝试,他指出。最终获胜协议的被接受程度极其重要。

就像TCP/IP为连接数十亿互联网设备提供了框架一样,AI智能体需要一个统一的协议,来为智能体之间以及与其他系统的通信提供标准。目前,A协议竞赛中有三位重量级参与者:Anthropic的MCP(模型上下文协议);Google的A2A(智能体对智能体协议);以及IBM和Linux基金会倡导的ACP(智能体通信协议)。

虽然现在宣布哪个或哪些协议将成为广泛采用的标准还为时过早,但预计在未来一年左右会达成共识。使复杂的A系统以有效、非孤立的方式工作不仅是技术需求,更是企业客户对专有闭源系统的审美疲惫。;

2026年Al与数据发展预测A行业格局I8;

智能体驱动型A的核心愿景在于赋能系统解决问题,而非仅仅是执行僵化的、预先确定的工作流;这更像是同事而非工具。2025年的供应商将各种工具炒作为智能体,将确定性自动化流程与统计驱动的概率推理相结合,但超越生成式Al助手的巨大飞跃尚未广泛实现

snowflakeA主管BarisGultEkin指出,虽然智能体驱动型A的定义多种多样且不断演变,但标杆案例已经出现。

对于许多企业来说,客户支持是一个非常复杂的过程,A可以显著降低成本并改善客户体验,他说。智能体驱动型Al在这方面运作得相当好。端到端解决方案已经存在,即使是拥有非常定制化流程的大企业也可以轻松调整A学习内部文档。虽然仍需工作人员参与其中,但整体效率会大幅提高

他还指出,在保险行业处理复杂索赔方面,智能体也证明了自己的实战能力。关于智能体开