AI的财富竞赛(2)

多客科技

作者：微信文章
三、构建自主智能体的核心模块（二）关键技术支撑

大模型增强GPT-4、Gemini 2.0 等大模型为 Agentic AI 提供了强大的上下文理解与逻辑推理基础。在自然语言处理任务中，GPT-4 能够理解复杂的语义和语境，当用户提出模糊或隐喻性的问题时，它能通过对上下文的分析和推理，准确把握用户意图。例如，用户询问 “那个像苹果一样的东西是什么，但不是水果”，GPT-4 可以通过对 “像苹果但不是水果” 这一描述的理解，推测用户可能指的是苹果公司的产品，如 iPhone 或 MacBook 等，从而给出准确的回答。Gemini 2.0 在多模态处理方面表现出色，它可以同时处理图像和文本信息，当输入一张包含文字和物体的图片，并提问相关问题时，Gemini 2.0 能够结合图像中的视觉信息和文字信息进行分析，给出全面的回答，为 Agentic AI 在复杂任务中的语义解析提供了有力支持。

规划算法强化学习（RL）与分层任务规划（HTP）相结合的规划算法，有效解决了长序列依赖问题。以 AutoGLM 的跨应用流程编排为例，在实现全自动点外卖的过程中，首先利用强化学习算法，让 Agent 在模拟的点外卖环境中不断尝试不同的操作序列，如选择餐厅、挑选菜品、填写地址、选择支付方式等，根据每次操作的结果获得奖励反馈，逐步学习到最优的操作策略。同时，采用分层任务规划，将点外卖这一复杂任务分解为多个层次的子任务，如 “选择餐厅” 子任务又可以进一步分解为 “根据口味偏好筛选餐厅”“查看餐厅评价” 等更细粒度的子任务。通过这种方式，AutoGLM 能够有条不紊地完成跨应用的复杂流程编排，实现高效的任务执行。

安全沙箱在 Agentic AI 执行代码时，安全沙箱至关重要，PPIO 沙箱是其中的典型代表。它通过实现环境隔离，为 Agentic AI 提供了一个安全的执行空间。在这个空间内，Agentic AI 的代码执行与外部系统完全隔离，防止了数据泄露，避免了 Agentic AI 在执行过程中获取或泄露敏感数据。同时，也有效防止了资源抢占，避免因 Agentic AI 的过度资源占用导致系统崩溃或其他服务无法正常运行，保障了系统的稳定性和安全性。

四、技术突破与产业生态构建

（一）技术演进驱动因素

大模型性能跃升近年来，大模型性能取得了令人瞩目的突破，其中上下文窗口扩展和推理能力提升尤为显著。以 GPT-4 为例，其支持高达 8K tokens 的上下文窗口，这意味着它能够处理更长、更复杂的文本内容。在实际应用中，当处理一篇长篇学术论文时，GPT-4 可以一次性读取大量文本信息，理解论文的整体结构和核心观点，而不会因上下文信息不足导致理解偏差。同时，大模型的推理能力也得到了极大提升，能够处理多步任务规划。在解决数学问题时，它不再局限于简单的计算，而是可以通过逻辑推理，规划出解决复杂数学问题的步骤，如先分析问题类型，再选择合适的公式和方法，逐步推导得出答案，为 Agentic AI 实现复杂任务的自主处理提供了坚实的基础。

成本优化根据斯坦福报告显示，在 2023-2025 年期间，AI 推理成本出现了惊人的下降，达到了约 280 倍。这一成本的大幅降低，使得 Agentic AI 的规模化部署成为可能。在过去，高昂的推理成本限制了许多企业对 AI 技术的应用，尤其是中小企业，往往因无法承担高昂的成本而望而却步。如今，随着推理成本的降低，中小企业也能够负担起 Agentic AI 的基础应用。例如，一些小型电商企业可以利用 Agentic AI 实现智能客服、库存管理等功能，通过自动化的服务和管理，提高运营效率，降低人力成本，从而在激烈的市场竞争中获得更大的优势。

协议标准化模型上下文协议（MCP）与智能体协作协议（A2A）的出现，为 Agentic AI 系统的交互带来了极大的便利。MCP 协议由 Anthropic 于 2024 年 11 月推出，它通过标准化接口，实现 AI 模型与外部资源（如数据库、API、文件系统等）的无缝集成，就像为 AI 系统提供了一个通用的 “USB 接口”，使 AI 模型能够方便地调用外部工具 。A2A 协议则是谷歌在 2025 年 4 月初开源的一项开放协议，它集合了众多知名技术公司的意见，主要解决不同智能体之间的任务交换、状态共享、异步协作等问题，为不同智能体提供了一门 “通用语言” 和统一的 “通信标准”。亚马逊云科技、谷歌等科技巨头纷纷通过这些统一接口，加速生态整合。例如，在谷歌的智能办公生态中，不同的智能体可以通过 A2A 协议进行协作，共同完成复杂的办公任务，如文档处理、会议安排等；而在亚马逊云科技的电商服务中，MCP 协议使得 AI 模型能够快速连接到各类电商工具和数据资源，实现商品推荐、订单处理等功能的自动化，大大提高了服务效率和用户体验。

（二）产业布局与代表案例

科技巨头布局科技巨头们在 Agentic AI 领域展现出了强大的技术实力和前瞻性的布局。谷歌推出的 Gemini 2.0 专用大模型，为其在 Agentic AI 领域的发展提供了强大的技术支持。基于 Gemini 2.0 打造的 Mariner 智能体，在电商和办公场景中展现出了卓越的自动化能力。在电商场景中，Mariner 能够理解用户的购物需求，自主浏览各大电商平台，搜索符合用户需求的商品，并进行筛选和比较，将最适合的商品推荐给用户，甚至可以完成下单和支付等操作。在办公场景中，它可以自动处理邮件、安排会议、生成文档等，大大提高了办公效率。英伟达则构建了 Agentic AI 开发框架，该框架支持从感知到执行的全流程工具链。在自动驾驶领域，基于英伟达开发框架的智能体可以通过传感器感知周围环境信息，如道路状况、车辆位置等，然后进行推理和决策，规划行驶路径，并控制车辆的加速、减速、转向等操作，实现自动驾驶的全流程自动化。

创新企业突破国内的创新企业在 Agentic AI 领域也取得了显著的突破。PPIO 发布了国内首个 Agentic AI 基础设施平台，该平台提供 “大脑 + 手脚” 全栈服务。它不仅具备强大的智能决策能力，还能够通过与各种硬件设备的连接，实现实际的操作执行。在工业制造领域，PPIO 的 Agentic AI 平台可以连接生产线上的各种设备，根据生产计划和实时数据，自动调度设备运行，优化生产流程，提高生产效率和产品质量。智谱 AI 的 AutoGLM 则实现了超 50 步长流程操作，开启了 “全自动上网” 时代。用户只需提出简单的需求，如 “预订明天从北京到上海的高铁票”，AutoGLM 就能自动打开相关的应用程序，完成账号登录、车次查询、座位选择、支付等一系列复杂操作，为用户提供了极大的便利。

开源生态活跃开源生态在 Agentic AI 的发展中发挥着重要作用，OpenManus、Dify 等项目推动了技术的普惠。OpenManus 项目为开发者提供了丰富的工具和资源，使其能够基于开源框架快速构建定制化智能体。例如，开发者可以根据自己的需求，在 OpenManus 的基础上，定制开发适用于智能家居场景的智能体，实现对家居设备的智能控制。Dify 则提供了低代码工具，即使是没有深厚编程基础的人员，也能通过简单的拖拽和配置操作，快速构建出满足特定需求的智能体，进一步降低了 Agentic AI 的开发门槛，促进了技术的广泛应用和创新。

注：本文分5段发表。

温馨提示：公众号推出“大势前瞻”、“长河探望”、“江山如画”、“商业世界的探索”、“安全&对抗经济”5个付费合集，这5个合集既独立成集，又浑然一体，是助您商业帝国或（投资）交易事业取得持续成功的良师益友；目前采用类似年费制；欢迎订阅。