AI Agent目前应用落地有哪些局限性？

谈到AI Agent目前应用落地有哪些局限性，还是要从概念、应用入手。

谈 到 AI Agent， 很多人都认为它是LLM的产物，了解 AI Agent 的人应该知道，Agent 概念并不是当今的产物，而是伴随人工智能而出现的智能实体概念不断进化的结果。

一、要弄懂AI领域的agent是什么意思，就要知道AI Agent的发展脉络：

思想启蒙阶段：

关于 AI Agent 的最早起源，还要从能够启发人类思考的哲学领域开始探寻。可以追溯到公元前 350 年左右的亚里士多德（Aristotle）时期，当时的一些哲学家将其描述为一些拥有信念、意图和执行力的实体。

回到中国古代，必然始于中国春秋时代，从老子的“道生一，一生二，二生三，三生万物”，到在“庄周梦蝶”，这也可以看到智能体的影子。

人工智能实体化发展阶段：

人工智能实体化的标志性节点就是大名鼎鼎的图灵测试。20 世纪 50 年代，阿兰图灵（Alan Turing）把“高度智能有机体”概念扩展到了人工实体，并提出了著名的图灵测试。这个测试是人工智能的基石，旨在探索机器是否可以显示与人类相当的智能行为。

20 世纪 50 年代末到 60 年代是人工智能的创造时期，所出现的编程语言、书籍及电影到现在还在持续影响更多的人。比如，2001太空漫游（ 2001: A Space Odyssey）

AI Agent进化：

伴随着 AI 技术的发展，至 2000 年左右，Agent 已经衍生出不少种类。比如基于模型的智能体（MODEL-BASED AGENTS），学习型智能体（LEARNING AGENTS）

基于 LLM 的智能体：

2012年之后，人工智能不断落地实践。轰动全世界的还是2016 年，AlphaGO（击败欧洲冠军范慧和世界冠军李世石。从此，人工智能走进大众视野。2023 OpenAI 发布 GPT-4。AutoGPT 横空出世，迅速火遍全球。澜码科技创始人兼 CEO 周健对 21 世纪经济报道记者表示，2023 年是大语言模型的元年，2024 年将是 AI Agent 的爆发年，AI Agent 是大语言模型优先落地的最佳形态。

目前，全球范围内的各大厂商推出了多款大型语言模型（LLM），如LLaMA、BLOOM、StableLM以及ChatGLM等，均为开源的LLM。与此同时，全球科技厂商所推出的数以千计的大型语言模型，为AI Agent在不同领域的多样化应用提供了更为广泛的基础支撑。

二、都在说的AI Agent 究竟是什么？

“AI Agent 本质上是通过对话式的 UI 来展现出部分人的属性，相当于很重要的连接器。并

且增加算力后，其智力可以无限扩张。”

三、明白了 Agent 的发展脉络和定义，我们再来深度剖析了AI Agent的两大潜在落地场景。

其一为智能体模拟。考虑到国内情绪消费市场尚存广阔的想象空间，陪伴型智能体有望借助情绪消费的趋势红利，在LLM（大语言模型）时代崭露头角，成为重要的AI原生应用。

其二则是交互智能体。东吴证券指出，智能体之间以及与虚拟世界内物体的互动能力，可能催生出超越设计者预期的新场景和功能。特别是在开放世界游戏等行业，这种交互智能体不仅能够提升玩家的沉浸感，还有望解决开放世界游戏中内容消耗过快的问题。随着多可信Agent技术的日益成熟，未来甚至可能孕育出全新的游戏类型。

四、所以，基于以上的分析，AI Agent应用落地局限性也就呼之欲出了。

首先，Agent 响应速度慢、数据权限把控难。

现有的系统改造和集成所需的投入成本、Agent在响应过程中的速度缓慢问题、对数据权限的严格把控难度、以及多个Agent之间集成与调度的复杂性等因素，均构成了AI Agent在实际应用落地过程中所面临的重大挑战。这些挑战不仅影响了AI Agent的性能和效率，也增加了其在实际应用中的不确定性和风险，需要我们在推进AI Agent落地的过程中予以充分重视和有效解决。

其次，大模型推广难。

不管是大厂商，还是中小型公司，会普遍反应模型贵，算力贵。关于AI Agent模型的价格，它实际上取决于多个因素，包括模型的复杂度、训练数据量、所需的计算资源以及开发成本等。一般来说，高级的AI Agent模型，特别是那些经过深度学习和大量数据训练的模型，其价格可能会相对较高。这是因为开发这样的模型需要投入大量的研发资源，包括人力、计算资源和时间。

对于商家来说，选择智能体Agent RPA处理流程，是比较具有性价比的。

而算力，作为AI模型训练和推理的基础，其价格也是受到多种因素的影响。算力的价格主要取决于所需的计算规模、计算设备的性能以及市场供需关系等。目前，随着人工智能技术的快速发展，对算力的需求也在不断增加，这可能导致算力价格的上升。同时，不同类型的计算任务对算力的需求也不同，例如，深度学习等复杂任务需要更高性能的算力支持，其价格自然也会相应较高。

2024 年企业采用大语言模型的首要目标是降低企业运营成本，这是一个可行方向；其次是产品服务体验创新，提升客户需求响应速度、业务收入增长，支持公司 AI 战略等。他预测，2024 年大模型市场规模 120 亿元。同时，AI Agent 能力建设和应用建设并行，建设和运营将同等重要。