AI Agent行业报告：框架拆解、应用方向、应用领域及相关公司深度梳理

今天分享的AI Agent系列深度研究报告：《AI Agent行业报告：框架拆解、应用方向、应用领域及相关公司深度梳理》。

（报告出品方：慧博智能投研）

报告共计：34页

一、Al Agent 概述

1、Al Agent 概念

AIAgent人工代是一种够感知不同传统的人工智能，AIAgent 具备通过独立思考、调用工具去逐步完成给定目标的能力。比如，告诉 AIAgent 帮忙下单一份外卖，它就可以直接调用 APP 选择外卖，再调用支付程序下单支付，无需人类去指定每一步的操作。

2、Al Agent 对比其它人类与 AI 协同模式的区别

AI Agent 较目前广泛使用的 Copilot 式更加独立。对比AI 与人类的交模式，目前已从过去的入式工具型 AI(例如 Siri)向助理型 AI发展，目前的各类 AI Copilot 不再是机械地完成人类指令，而是可以参与人类工作流，为诸如编写代码、策划活动、优化流程等事项提供建议，与人类协同完成。而AIAgent 的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动，它会根据给定任务详细折解出每一步的计划步骤，依靠来自外界的反馈和自主思考，自己给自己创建 prompt，来实现目标。如果说 Copilot 是“副驾驶”，那么 Agent 则可以算得上一个初级的“主驾驶”。

3、Agent 的最终发展目标为“通用人工智能 AGI”

AI Agent 并不是一个新兴的念，早在多前就已在人工能领域有了研究。例如 2014 年由DeepMind 推出的引发全球热议的围棋机器人 AlphaGo，也可以看做是 AI Agent 的一种。与之类似的还有 2017年 OpenAI推出的用于玩《Dota2》的 OpenAI Five，20g 年 DeepMind 公布用于玩《星际争霸2》的 AIphaStar 等，这些 AI 都能根据对实时接收到的信息的分析来安排和规划下一步的操作，均满足AIAgent 的基本定义。当时的业界潮流是通过强化学习的方法来对 AI Agent进行训练，主要应用场景是在游戏这类具有对抗性、有明显输赢双方的场景中。但如果想要在真实世界中实现通用性，基于当时的技术水平还难以实现。

大语言模型的浪潮推动了 AIAget 关研究快发展，经过四大发展阶，逐具了高效推理、灵活行动、强大泛化以及无任务转能力。

发展历程:AI Agent经历了符号智能体、反映型智能体、基于强化学习的智能体、具有迁移学习和元学习功能的智能体四大发展阶段，现在已经跨入基于大型语言模型的智能体阶段。

具备的优势:大语言模型为 AI Agent 带来了突破性的进展，同时具备了以上四大发展阶段的优势:

1)通过思维链(COT)和问题分解等技术，基于 LLM 的智能体可以表现出与符号智能体相当的推理和规划能力；

2)通过从反馈中学习和执行新的行动，获得与环境互动的能力，类似于反应型智能体；

3)大型语言模型在大规模语料库中进行预训练，并显示出泛化与迁移学习的能力；

4)从而实现任务间的无缝转移，而无需更新参数。

通往 AGI 的道路仍需探索，AI Agent 是当前的主要路线。在大模型浪潮席卷全球之时，很多人认为大 模型距离真正的通用人工智能 AGI 已经非常接近，很多厂商都投入了基础大模型的研究。但经过了一段 时间后，大家对大模型真实的能力边界有了清晰的认知，发现大模型仍存在大量的问题如幻觉、上下文 容量限制等&#x