AI智能体(AI Agent)产品深度分析

发展概述：AI Agent 跨越两阶段，正向多领域自主执行全面铺开

从最早只能完成单一任务的程序，到今天能自主拆解复杂问题的智能体，AI Agent 的进化之路其实可以拆成两个关键时期。第一段是基于规则和早期机器学习阶段：那时候的 Agent 聚焦在特定领域，能力边界很窄。1997 年，深蓝击败国际象棋冠军，让大家见识到规则驱动的潜力，但通用性几乎为零。2016 年，AlphaGO 通过深度学习和蒙特卡洛树搜索战胜围棋高手，又把策略博弈的边界往前推了一大步。第二段是基于大语言模型的快速发展阶段：2018 年谷歌 BERT 模型发布，大语言模型时代正式开启；2019 年 OpenAI 推出 GPT 系列，尤其是 GPT-3 和 GPT-3.5，让 AI Agent 的文本生成和知识储备能力突飞猛进。2023 年，LLaMA、BLOOM 等开源模型大幅降低了行业门槛，技术生态开始百花齐放。今年 3 月 GPT-4 和 AutoGPT 的发布，更让 Agent 能自主规划并执行复杂任务——从被动执行到主动工作，这是一个质变。Gartner 将 Agentic AI 列为 2025 年十大技术趋势之一，甚至预测到 2028 年，至少 15% 的日常工作决策将由 Agentic AI 自主完成。

功能应用：基于 LLM 的 AI Agent 关键功能受限，突破仍需时日

基于 LLM 的 AI Agent 不只是给每个人配一个增强版专属助理，它还会彻底改变人机协同的方式。生成式 AI 带来了三种协同模式：嵌入模式下的命令执行工具、副驾驶模式下的合作伙伴，以及智能体模式下的独立行动者。在智能体模式中，AI 的互动性、自主性和适应性得到充分发挥，人类从执行者转变为监督者和评估者，这跟前两种模式有本质区别。

表1 生成式AI带来的三种人机协同模式对比

不过，现实中的 AI Agent 在几个关键功能上依然存在明显短板。一是自主思考能力有限。目前大多数 Agent 还基于 RPA 理念，重度依赖人为设定的规则和干预，自主探索能力很弱。二是规划与工具调用能力低。在复杂场景下的推理和规划能力有待提高，一旦指令模糊或不完整，表现就不太稳定。三是长期记忆构建能力不足。大部分 Agent 靠 Prompt 构建短期记忆，事实性记忆通过 RAG 实现，但缺乏长效、稳固的记忆体系，难以支撑连贯深入的交互。四是多模态理解能力差。主要依赖大语言模型，在图像、音频、视频等模态的理解上还很有限。当然，随着技术进步，未来这些领域大概率会迎来显著突破，让 Agent 变得更智能、更自适应。

市场发展：2024 年企业 AI 设计模式中，AI Agent 异军突起

Menlo Ventures 的数据显示，在企业 AI 设计模式里，AI Agent 这一年的采用率从 0 直接蹿到了 12%。Agent 具备复杂推理能力、能执行多步骤任务，跟企业应用深度结合后，在服务、销售等场景中的价值巨大。

图1 企业AI设计模式采用率变化

资本市场也没闲着。2024 年以来，全球 AI Agent 赛道融资超过 25 起，总金额超 665 亿元¹，而且下半年融资数量是上半年的两倍多。随着技术加速演进，这个领域很可能还会拿到更多钱。Markets and Markets 预测，全球 AI Agent 市场将从 2024 年的 51 亿美元增长到 2030 年的 471 亿美元，年复合增长率达 44.8%。

AI Agent 已成科技巨头的必争之地。微软在 Ignite 2024 技术大会上宣布已建立全球最大的企业级 AI Agent 生态系统，超过 10 万家公司用 Copilot Studio 创建或编辑 Agent。谷歌推出商用 AI Agent 市场 AI Agent Space，上架 19 款解决方案，还在持续更新。国内大厂也在快速落子：智谱在 11 月底的 OpenDay 上发布了 AutoGLM、AutoGLM-Web 和 AutoGLMPC 三款产品；字节的扣子、腾讯的腾讯元器、百度的文心智能体、阿里的千帆 AgentBuilder 等纷纷登场——AI Agent 毫无疑问成了新的风口。

典型应用：Agent 正在成为个性化需求与企业智能化转型的关键工具

随着技术落地，几个典型产品值得一看：

AutoGLM 更关注手机端的使用。智谱推出的这款产品，旨在提升用户的生活和工作效率。一是模拟人类操作，通过文字或语音指令，完成微信点赞评论、淘宝购物、携程订酒店、12306 购票、美团外卖等一系列操作。二是无需 API 支持，直接对接图形用户界面，减少了对外部接口的依赖。三是具备跨 App 能力，支持抖音、京东、饿了么等主流应用，比如在美团和饿了么之间比价，或者在小红书搜攻略后去携程订酒店。四是自动化任务执行，在真实环境中把繁琐流程简化。AutoGLM 在 7 款常见手机 App 上的测试表现不错，绝大多数任务都能圆满完成，少数未完成的也能推进部分步骤。

图2 AutoGLM在7款常见的安卓APP表现情况

Claude 3.5 Sonnet 具备“像人一样使用电脑”的能力。2024 年 10 月，Anthropic 发布了升级版模型。一是推理能力大幅升级，在研究生水平推理测试 GPQA、一般推理 MMLU 以及编程能力上，均优于 GPT-4o 和 Gemini 1.5。二是新增“Computer use”功能，能模拟人类操作电脑——通过 API 指令，Claude 可以观察屏幕、移动光标、点击按钮、输入文本，完成网站设计、表格填写等任务，显著提升了自动化水平。三是分步骤拆解规划，它会将任务拆成若干步，对每一步给出详细解释，并用合适的工具去执行。四是具备自我调整能力，比如浏览器闪崩后，它能重新打开并展示结果。在 OSWorld² 测试中，升级版 Claude 3.5 Sonnet 得分虽居 AI 模型之首，但电脑使用能力距离人类水平仍有提升空间。

Agentforce 商业化进展加速。Salesforce 在 2024 年 9 月推出的这款自主 AI Agent，旨在通过智能化、自动化的方式提升企业的服务、销售和营销效率。它由 Agent Builder 和 Agentforce Service Agent 两部分组成。一是提供定制服务，Agent Builder 让企业用户通过低代码/无代码等方式定制 AI Agent，适配不同业务场景。二是支持即用服务，Agentforce Service Agent 是面向客户的 AI 服务助手，支持语音、WhatsApp、Facebook Messenger 等多渠道自助服务，帮助企业快速响应客户需求。Agentforce 已针对服务和销售全面推出，起价为每对话 2 美元。根据 Salesforce FY2025Q3 业绩会，第三季度公司超过 100 万美元的 AI 交易数量同比增长两倍多。

表2 典型AI agent应用对比

¹ 数据来源：来觅数据
² 一项评估 AI 模型电脑使用能力的测试

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI智能体(AI Agent)产品深度分析要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题