AI发展趋势 | AIAgent发展现状技术趋势及产业链厂商分析报告(35页-文末附下载)

我爱免费

作者：微信文章



Foreword

AI发展趋势 | AIAgent发展现状技术趋势及产业链厂商分析报告-35页

《2024年AIAgent发展现状技术趋势及产业链厂商分析报告》探讨AI Agent发展现状、技术趋势与产业链机遇，认为其是通向AGI的核心基础，有望带来多层面产业机遇。

核心观点

通向AGI的核心基础AI Agent具备连续、复杂等任务执行能力，框架含感知等五类模块，随模型升级，任务规划等能力将进化，有望通向AGI。多层面产业机遇MaaS厂商借模型升级与合作，提供工具和框架受益；应用厂商凭垂直数据与工程化优势，通过Agent workflow落地；终端厂商借助AI重构软硬件，变革人机交互，实现端侧Agent落地。

与市场观点的不同

落地进程市场认为基础模型难支撑Agent应用，落地慢。报告认为其能力提升路径多样，垂直数据训练等可在现有模型基础上实现部分应用落地。终端影响市场聚焦Agent对终端硬件影响，报告强调其实现需多要素支持，且可能变革人机交互及终端应用商业模式。

技术发展

模态丰富+具身智能+多Agent协同Agent分五个层级，信息维度丰富可提升能力，多Agent协同或现团体行为，基础智能体进展值得关注。提升整体性或利用工作流提升Agent AI整体性、优化模块互动，有助于解决复杂问题；Agent Workflow优化LLM应用流程，提升任务效果。



感知从单一模态向多模态延伸，通过多种方式落地，端到端原生多模态模型不断涌现，提升综合处理能力。记忆短期记忆关注模型变化，长期记忆注重数据处理与检索，大模型上下文长度提升，外部存储方式丰富。规划目标分解与反思提炼为核心任务，LLM技术推动规划效率提升，ReAct方式可发挥其推理能力，但存在局限。行动关注微调、工具使用与具身智能，通过调用API使用工具，未来有望创建工具并受具身智能影响。



发展阶段LLM推动AI Agent进入新阶段，历经符号Agent、反应Agent等阶段，基于LLM的Agent将其作为大脑，扩展感知和行动空间。能力提升路径从智能助手到Agent，由搜索匹配转向规划与交互式决策，技术框架分感知等模块，与主流计算架构相似，实现了LLM和人类在计算任务中分工的重新划定，可通过分模块突破和系统性优化提升能力。分模块能力突破系统性优化路径

应用案例

AutoGPT构建于GPT - 4的开源程序，利用LLM拆分任务，受模型和数据限制，通过插件扩展能力。卡耐基梅隆Agent结合多种LLM，强化信息获取与工具使用，通过细分领域内容提升执行准确度。Devin集成多种AI技术实现自主编程，理解用户意图、自主学习并生成代码，初具Agent形态。

产业机遇

模型&MaaS厂商MaaS厂商侧重2B业务，为B端提供落地工具，为开发者提供框架；模型厂商通过GPTs配置实现定制化。应用厂商与工作流结合，如Servicenow基于平台拓展AI应用；利用私有数据打造智能应用，如Salesforce基于业务数据布局AI。
终端厂商AI与终端结合，提升个性化与安全性，智能手机语音交互助手有望成为Agent落地场景，端侧模型发展助力其落地。

总结与展望基础模型能力提升与工作流接入将加速AI Agent商业化，从LLM到AI Agent再到AGI，通过满足简约性和自洽性原则，有望逐步实现AGI。建议关注协同办公、垂直应用及终端厂商。

1/ AIagent :通过AGI的核心基础

2/ AIagent:LLM推动AIAGENT进入新阶段

3/ AIagent技术逐步落地,智能体仍有提升空间

4/ 模型&MAAS厂商:凭丰富工具与实践经验把握发展机遇

























如您需要深入了解,推荐您参考合集文档

点击图片链接进入HUI小程序商城

详情页附文档列表