AI“拐点”将至智能体或将迎来爆发

2024年，生成式人工智能已经全面进入规模化应用阶段，并开始探索新的场景和商业模式，其发展进入了一个新的阶段。随着人工智能大模型的普及程度日益加深，AI产业的发展重点已经从去年对模型层的高度关注转向了场景应用层，营销、传媒、金融、医疗、教育、娱乐、办公、制造、科学发现等多个领域带来前所未有的变革。

对于2025年AI的发展趋势，Akamai亚太地区首席技术官Jay Jenkins近日在接受《中国经营报》记者采访时表示，在消费端，聊天机器人的大型语言模型（LLM）将发展成能处理简单任务的人工智能代理，不再局限于菜单导航，将重新定义便利性，并开启人工智能驱动的便捷生活时代。在企业端，小型语言模型（SLM）将受到企业青睐，因为它们提供定制见解且不依赖高端GPU。企业对数据隐私的关注将推动SLM本地部署，与此同时，SLM的模块化和可扩展性允许企业根据需求定制模型，适应业务变化。

智能代理代替聊天机器人

智能体（Agent）在业内也被称为AI智能代理，是指能够感知环境并采取行动以实现特定目标的代理体。它可以是软件、硬件或一个系统，具备自主性、适应性和交互能力。智能体通过感知环境中的变化（如通过传感器或数据输入），根据自身学习到的知识和算法进行判断和决策，进而执行动作以影响环境或达到预定的目标。智能体在人工智能领域广泛应用，常见于自动化系统、机器人、虚拟助手和游戏角色等，其核心在于能够自主学习和持续进化，以更好地完成任务和适应复杂环境。

自从ChatGPT引爆了生成式AI的概念之后，有大量的企业和投资人宣布进入AI行业，一场轰轰烈烈的“百模大战”由此展开。“OpenAI新一代大模型Orion令人惊喜的升级”“Anthropic延迟Claude新模型的发布”“谷歌即将发布的新版Gemini未达预期”等消息不绝于耳。

但是，由于数据稀缺和硬件成本飙升等因素，大模型迭代的速度在变慢。

Salesforce首席执行官Marc Benioff表示：“实际上，我们可能已经接近LLM的技术上限了。对ChatGPT的热潮让许多人错误高估了AI的能力。人工智能的未来在于自主代理，而不是目前用于训练ChatGPT等聊天机器人的大型语言模型。”

Akamai亚太地区首席技术官Jay Jenkins对记者表示：“当ChatGPT于2022年年底首次出现时，它彻底改变了技术格局，并让我们开始重新思考，我预计未来智能体将发挥积极作用，协助安排约会、购物和支付账单等任务，让我们远离屏幕。到2025年，我们将开始见证这一转变的初始阶段。我们熟悉的聊天机器人将发展成为能够执行简单任务的基本人工智能代理，而不仅仅是引导用户浏览菜单。例如，这些代理不仅可以帮助你完成与医疗保健提供者的预约流程，还可以直接处理预约过程，为你提供可用的时间段，而无须你付出任何额外努力。这种转变不仅会重新定义便利，还会让我们专注于真正重要的事情，预示着一个由人工智能驱动的轻松生活新时代的到来。”

实际上，在今年以来，全球人工智能厂家也将目光聚焦到智能体上，并推出自家的智能体。在国内，智谱AI在日前再次升级智能体AutoGLM，联想也推出面向中小企业的IT服务智能体联想百应智能体。在海外，谷歌云宣布全面推广商用AI Agent，提供一站式服务，简化了客户的选择和部署流程，并为新客户提供了300美元的免费信用额度。Nvidia推出了Nvidia AI Blueprint，用于开发视觉AI Agent的新工具，帮助行业通过分析视频和图像提升工作效率和监控效率，推动ai应用的部署。OpenAI也计划推出“Operator”，一个能执行复杂操作的AI Agent产品，预计将在2025年1月发布，进一步扩大AI Agent的应用范围。

将迎小模型时代

除智能代理外，小模型也成为科技公司的关注点。“到2025年，小型语言模型 (SLM) 将在企业中获得广泛关注。它们能够提供定制见解，同时减少对高端GPU的依赖，这使其成为希望有效利用大型语言模型来增强其产品和服务的企业的理想选择。”Jay Jenkins说道。

由于不需要使用大模型那种庞大的AI处理芯片集群，小语言模型完全可以在本地运行，某些场景下甚至可以在单一设备上运行，消除了对云计算资源的依赖，也让企业能够更好地控制自有数据及合规性。

Jay Jenkins表示，对数据隐私的日益关注将推动企业采用更适合本地部署的SLM，从而确保更轻松地保护敏感信息。SLM的模块化设计和可扩展性将进一步使组织能够定制这些模型以满足其特定要求，从而无缝适应不断变化的业务需求。因此，SLM将改变公司利用AI的方式，使其不仅更易于访问，而且更符合数据管理和隐私方面的当代挑战。

此外，小语言模型的部署和维护成本相对较低，这使得它们对于预算有限的中小企业来说更具吸引力。它们的快速响应时间也提高了工作效率，尤其在需要即时反馈的应用中表现突出。小语言模型的灵活性，还意味着它们可以轻松集成到现有的软件和应用程序中，为用户提供无缝的交互体验。