AI终端行业专题报告：从大模型到智能体，端侧算力助力AI规模化应用

今天分享的AI系列深度研究报告：《AI终端行业专题报告：从大模型到智能体，端侧算力助力AI规模化应用》。

（报告出品方：国信证券）

报告共计：28页

AI Agent 元年，端侧 AI 支撑规模化扩张

从大模型(LLM)到智能体(Agent)，智能助手的下一程

人工智能(AI)在用户软件使用方式上即将带来的根本性变革。比尔·盖茨在今年11 月提出，尽管软件已经经过了几十年的迭代，但使用方式仍然较原始，例如，当用户需要完成特定的任务时，需要告诉设备应该使用哪个应用程序。未来，用户不必再为不同的任务使用不同的应用程序，只需以日常语言告诉设备想要做什么，软件将能够因其对用户生活的深入了解而作出个性化响应。任何在线的人都将能够拥有一个 AI 智能体，由先进人工智能驱动的个人助手。

未来，AI 智能体更倾向于是一种“代理”(agents)，与当前AI工具(bot)有所差异。Bot 仅限于单一应用程序，并且通常只在用户输入特定单词或寻求帮助时才介入。这些工具不会记住用户历史上如何使用它们，也不会变得更好或学习用户的任何偏好。而 AI Agent 更加智能:1)它们是主动的，能够在用户提问之前就提出建议；2)它们能够跨应用程序完成任务；3)它会随着时间的推移而改进，因为它们记得用户的活动，并识别其行为中的意图和模式。

百模大战只是起点，A Agent 完成执行落地的完整闭环。LLM 初期，大家普遍认为 LLM 是通向通用人工智能的路径，但大模型只能被动的响应查询，可以完成对话、写故事、生成代码，比传统 AI 模型具有更强的理解能力和创造能力，但并不能直接到达 AGI(通用人工智能)的理想目标。而以 AutoGPT 和 BabyAGI 等项目为代表的 LAM 模型(Large-Action Models/Large-Agent Models)，将LLM作为 Agent的中心，将复杂任务分解，在每个子步骤完成自主决策和执行，形成了具有多领域、多模态执行力的 AI Agent。

对于智能体的构建，高领人工智能学院提出了一个由四部分组成的框架，分别是:

1)表示智能体属性的配置模块(Profile)，旨在识别智能体是什么角色;

2)存储历史信息的记忆模块(Memory)，可将智能体置于动态环境中，使智能体能够回忆过去，帮助智能体积累经验、实现自我进化，并以更加一致、合理、有效的方式完成任务;

3)制定未来行动策略的规划模块(Planning)，将复杂问题分解为简单的子任务形成决策;

4) 执行规划决定的行动模块(Action)，负责将智能体的决策转化为具体的输出。

目前，基于 LLM 的 Agent 大多仍处于实验和概念验证的阶段，但相关的生态正在 快速丰富，围绕 Agent 的研究工作也持续推进，2023 年可谓是 AI Agent 的元年， 大量 Agent 被推出。

OpenAI 推出 GPTs，搭建通向 AI Agent 终局的桥梁

GPTs在目前能力有限的AI 和未来可能出现的Autonomos Al Agent 之间架起了一座桥梁。2023 年 11 月7 日,penAI 举行了首届开发者日，正式发布了自定义 GPTGPTs。无需代码，用户可以根据自己的指令、外部知识创建自定义版本的ChatGPT，这一功能被称为 GPTs。它们允许为特定目的构建定制化 AI 机器人，而无需高级编码。同时，OpenAI 也会在本月底上线 GPT Store，让开发者们分享、发布自己创建的 GPTs。

GPTs 加强了通用 AI 大模型的实用性，有望极大加速Agent 领域的探索。GPTs 可以连接到第三方平台上，在演示中，Altman 使用 ChatGPT 界面在设计应用 Canva中模拟了一张海报,或是使用链接到 Zapier 的 GPT 扫描日历并查找日程安排中的冲突，然后自动返回冲突消息。未来，通过将不同的服务结合在一