2024年中国AI Agent行业研究报告.pdf

大模型时代的“APP”，探索新一代人机交互及协作范式出品机构：甲子光年智库智库院长：宋涛撰写分析师：刘瑶、胡博文发布时间：2024.42024中国AI Agent 行业研究报告注：AIGC生成内容亦对本报告有贡献CONTENTS目 录Part 01前世今生：科幻憧憬、学术概念与商业尝试Part 02奇点已至：让每个人掌握AI的力量Part 04时代先驱：当下商业实践值得关注的里程碑Part 05潜力无限：来自于数据、算法、算力的飞轮效应Part 03百家争鸣：属于大模型时代的APP繁荣AI Agent的发展历程梳理：大模型赋予了AI Agent核心改变 Agent（代理）一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体。在人工智能领域，这一术语被赋予了一层新的含义：具有自主性、反应性、交互性等特征的智能“代理”。大型语言模型（LLMs）的出现为智能代理的进一步发展带来了希望。基于符号规则基于统计学习基于深度学习基于大模型LLM给AI Agent底层提供了一个突破性技术方案：LLM带来了深度学习新范式，思维链和强大的自然语言理解能力有望让Agent 具备强大的学习能力和迁移能力，从而让创建广泛应用且实用的Agent成为可能LLM的框架优势：过去等强化学习基于深度学习框架可让Agent学到技能，但Agent的泛化性较差，往往用于非常窄的特定领域，例如用在游戏或低维层面的控制或计划，标志性应用是围棋领域的AlphaGo。长期以来，研究者们一直在追求与人类相当、乃至超越人类水平的通用人工智能（Artificial General Artificial General IntelligenceIntelligence，AGIAGI）。在 1950 1950 年代，Alan Turing Alan Turing 就将智能的概念扩展到了人工实体，并提出了著名的图灵测试。这些人工智能实体通常被称为 AgentAgent（代理*）过往的工作主要集中在增强代理的特定能力，如符号推理或对特定任务的掌握（国际象棋、围棋等）。这些研究更加注重算法设计和训练策略，而忽视了模型固有的通用能力的发展，如知识记忆、长期规划、有效泛化和高效互动等。事实证明，增强模型固有能力是推动智能代理进一步发展的关键因素。*Agent 术语的中文译名并未形成共识，有学者将其翻译为智能体、行为体、代理或智能代理，目前行业出现的“代理”和“智能代理”均指代 Agent，后由于2023年Open AI引爆AIGC领域，一般称为AI Agent。过往的AI Agent类型：符号型智能体：采用逻辑规则和符号表示来封装知识和促进推理过程，如1980年前后，出现的医学诊断专家系统，模拟心理治疗程序等；反映型智能体：关注智能体与其环境之间的交互，强调快速和实时响应，缺乏复杂缺乏复杂决策和规划能力；基于强化学习的智体题：关注如何让智能体通过与环境的交互进行学习。基于迁移学习和元学习的智能体：使智能体从少量样本中迅速推理出执行任务的最优策略。AI Agent的发展历程简述数据来源：公开资料，专家访谈，甲子光年智库整理LLM是Agent能力的增效器，交互协作程度是Agent能力的扩展器大模型时代的AI AgentLLM（规划+记忆+工具+行动）提升AI Agent的理解力和泛化能力，使其能更好地处理多种任务和上下文信息。这增强了AI代理的自然语言处理能力，从而提供更个性化、连贯的交互体验。LLM是核心控制器，构建核心能力核心特征AI Agent记忆能力行动能力工具能力规划能力人类用户通过用户接口、命令指示等方式与Agent形成交互，是Agent的监督者、合作者和决策者外界环境Agent所处的环境（可能包括虚拟及物理世界），外界环境可以与Agent形成交互Agents其他Agent，多Agent可以形成协作，结合相关任务结果形成群体智能系统开发者Agent的开发者，对Agent的相关能力，设计Agent的相关组件能力人机交互设计开发感知反馈群体协作架构解析 当下大模型的参数量提升AI Agent的理解力和泛化能力，使其能更好地处理多种任务和上下文信息。这增强了AI代理的自然语言处理能力，从而提供更个性化、连贯的交互体验，是当下Agent的构建关键。Agent基于LLM的组件，和交互两个层面数据来源：公开资料，专家访谈，甲子光年智库整理当下的AI Agent可以看作LLM技术下Prompt工程的进化 AI Agent是Prompt工程的一种升级，Agent的核心在于自主性的增强，可有效完成某一个工作点或工作单元，尽量减少人的干预；评价一个AI Agent的核心逻辑：在流程上的节点上完成了什么程度的自动化。AI AgentChain/FlowModelPromptMulti-AgentPrompt模式是把大模型当做工具来调用：大模型的最初兴起的时候，Prompt工程，把大模型当成一种编程语言来看待。人们通过描述角色技能、任务关键词、任务目标及任务背景，告知大模型需要输出的格式，并调用大模型进行输出。因此在2023年，全球AIGC关注者发展了多种Prompt工程的玩法，如角色扮演、零样本提示和少样本提示，希望将Prompt工程发挥到极致。例如一个澳大利亚少年编写了一个15000个字符的提示词，成功地让他变身为人类的导师，教授各种知识。这种方式就像能直接构建软件一样。Prompt工程的万能公式：角色+角色技能+任务核心关键词+任务目标+任务背景+任务范围+任务解决与否判定+任务限制条件+输出格式/形式+输出量。Agent的核心在于自主性的增强，这种增强的核心要义是可以去独立完成一个工作节点，在某个工作节点几乎可以减少人类的审核。让整个事件的流程在此刻完成闭环成本降到最低（包括时间成本和金钱成本）；评价一个Agent的逻辑：在流程上的节点上完成了什么程度的自动化。自主性的增强，自动化完成连续行动数据来源：公开资料，专家访谈，甲子光年智库整理【记忆】和【规划】是学术概念下的关键功能点，商业概念也将逐步落地 从学术概念来看【记忆】和【规划】对于AI Agent学术概念上的完整性非常关键，但受限与市场发展早期，在实际的商业产品落地中【记忆】和【规划】能力未必能完全呈现 理解这点就能接受在当下市场环境下AI Agent产品功能的不完整，并且对Agent的形态持续保持关注和期待。记忆感觉记忆视觉记忆听觉记忆触觉记忆短期记忆长期记忆显式记忆情景记忆（事件经历）语义记忆（事实概念）隐式记忆人类记忆类型AgentAgent映射例子感觉记忆学习原始输入的嵌入表示，包括文本、图像或其他形式，短暂保留感觉印象。看一张图片，然后在图片消失后能够在脑海中回想起它的视觉印象。短期记忆上下文学习（比如直接写入prompt中的信息），处理复杂任务的临时存储空间，受有限的上下文长度限制。在进行心算时记住几个数字，但短期记忆是有限的，只能暂时保持几个项目。长期记忆在查询时Agent可以关注的外部向量存储，具有快速检索和基本无限的存储容量。学会骑自行车后，多年来再次骑起来仍能掌握这项技能，这要归功于长期记忆的持久存储。表：人类记忆与AI Agent记忆的映射图：人类记忆的分类AI Agent记忆能力行动能力工具能力规划能力知识图谱搜索引擎代码解释器计算反思任务分解思维链工具使用2024年仅仅距离AIGC全面爆发的2023年才过去1年，受限于算力、模型、数据等等多种因素制约，往往部分Agent产品会难以获得“记忆能力”和“规划能力”；产品的效果往往可以依靠数字化及过往自动化手段完成。数据来源：公开资料，Lilian WengLLM Powered Autonomous Agents，甲子光年智库整理AI Agent市场处于早期阶段，产品及服务模式需要大量的探索 当下的市场状态是AI Agent商业类产品的爆发前夜，市场需要给与AI Agent更多的空间，AI Agent需要进行不断地探索；此时，AI Agent的市场概念与学术概念出现混淆感和分歧，部分Copilot产品在结果上也可作为Agent模式的产品出现。Copilot 与Agent最大的区别在于“自主规划”的能力：Copilot 的模式需要人的指挥；而Agent则是直接面对目标任务，具有自主记忆、推理、规划和执行的全自动能力，因此终极形态的AI Agent只需要用户的起始指令和结果的反馈，过程中并不需要人的介入。人AIAIAI人人绝大多数的工作仍然由人完成指示AI指导AI指挥AI绝大多数的工作可以由AI完成ChatbotCopilotAgent2024是AI Agent的爆发之年，也是产品逐步从Copilot模式转向AI Agent的探索之年；因此市场中往往也会把自动化程度高的Copilot产品作为泛化的Agent概念产品。Copilot 与Agent的混淆点在于对于“工作流”的“自动化”的区分：从完成效果看，工作可以人为地被无限拆分，部分“Copilot产品+自动化”可以完成单个工作单元的完全自动化。名称自动化的实现方式含义Chatbot/人类完成绝大部分工作，类似向AI询问意见，了解信息，AI提供信息和建议但不直接处理工作Copilot借助复杂的提示词完成自动化人类和AI进行协作，工作量相当。AI根据人类prompt完成工作初稿，人类进行目标设定，修改调整，最后确认Agent通过设定目标完成自动化AI完成绝大部分工作，人类负责设定目标、提供资源和监督结果，AI完成任务拆分，工具选择，进度控制，现目标后自主结束工作数据来源：公开资料，专家访谈，甲子光年智库整理随着AI Agent的能力提升，过往的工作范式可被颠覆 Agent的商业价值围绕工作范式差别展开（面向过程VS面向目标），工作范式的改变则意味着真正的智能时代开启。等级感知能力认知能力执行能力规划能力L1（部分自动化）“所见即所得”的感知，处理单一模态下的相对简单的数据类型，应用于简单场景利用大量人类监督信号获得的一定程度的理解语言、利用语言人机交互能力少量的常见标准工具的调用，简单的工具调用逻辑静态地执行特定的、预定义的任务。涉及少量的、简单串并联的流程节点L2（有条件自动化）多模态感知能力，能处理更广泛的数据类型，应用于更多样、更长尾、更复杂的场景全面的认知能力，包含记忆能力、决策能力、高度智能的对话能力、内容生成能力可使用的工具数量、类型、实现的业务逻辑的复杂度得到极大提升以业务规模达到端到端最大化自动化为目标，可以规划和编排大量流程节点和复杂逻辑L3（高度自动化）综合利用认知能力，环境交互结果，在少量人类干预下获得超高精度的感知力通过综合利用环境知识、人类少量的监督信号，达到高精度的认知水平在人类少量干预下，可以实现绝大多数工具调用代码能够主动洞察问题域和求解域的环境变化，实现业务流程的灵活适应和编排，环境适应能力强L4（完全自动化）在无人工干预下智能体自主进化获得超高精度的感知能力利用环境信号自主学习提升认知水平能自动学习工具使用的方式、实现100%的自动化调用工具的能力能利用过程反思、经验沉淀，难例挖掘等高度智能化的决策机制，自主提升规划和编排能力，自主进化面向目标架构面向过程架构AI Agent的能力增加促进工作范式的转移软件工程思路Agent工程思路人为中心AI为辅助AI为中心人为辅助固定形态的交互界面预定义有限域的任务。信息分发平台海量长尾数据规模化的生产方式动态人机交互界面无预制有限域的任务。知识和世界模型的分发平台海量长尾任务规模化的个性化生产VS数据来源：公开资料，专家访谈，甲子光年智库整理AI Agent不同自动化程度所需要的能力简要分析CONTENTS目 录Part 01前世今生：科幻憧憬、学术概念与商业尝试Part 02奇点已至：让每个人掌握AI的力量Part 04时代先驱：当下商业实践值得关注的里程碑Part 05潜力无限：来自于数据、算法、算力的飞轮效应Part 03百家争鸣：属于大模型时代的APP繁荣AI Agent是每个普通人都可以尝试搭建的AIGC领域个性化应用 如果说大模型是属于工程师的技术游戏，那么AI Agent则是每个普通人都可以尝试的乐高；但同时这也意味着用户的需求并不明确，往往是供给激发需求；用户对产品体验往往要求较高，强调“易用性”；杀手级应用的“Super APP”是面向上亿级别C端用户的大众化应用，用户群体庞大且喜好各异，因此产品本身需要适配大多数用户的使用习惯，包括较低的学习成本、较快的响应速度、合适的使用场景等。生活助手类心理陪伴类休闲娱乐个性化交互健康医护类家庭/个人财务类艺术类旅行类法律类陪伴交互专业顾问生活助手1.日常任务管理2.健康咨询3.生活小贴士4.美食探索5.时间管理信息与教育1.信息查询2.学习辅导3.新闻更新4.个性化内容娱乐与休闲1.娱乐推荐2.教育游戏3.创意激发4.个性化问候5.个性化内容健康与健身1.饮食计划2.锻炼建议商业与财务1.预算规划2.购物建议3.财务管理4.技术支持旅行与探索1.旅行目的地信息2.行程规划3.旅行小贴士创意与艺术1.创意写作灵感2.艺术创作建议数据来源：公开资料，专家访谈，甲子光年智库整理AI Agent 可以实现员工与数字生产力的协作，直接带来企业价值 用户需求明确：只需要帮助企业降本增效，即长期来看提升的产能大于投入的成本（ROI1），就会有望形成付费，指标更容易量化；对产品体验的要求较低，强调“可用性”：面向企业端的定制化应用，客户群体规模较小且需求明确，因此帮助企业效率提升的重要性大于产品本身的使用体验；AI Agent则带来人机协作的价值：企业面对真正意义上的数字化生产力的来临，每个员工都可以有自己的数字助力协作工作，将每个员工的能力最大化的提升。47%42%40%38%25%8%更快地为企业带来价值生成内容和结果的准确性所在领域的经验积累帮助带来可衡量的商业价值供应使用数据的方式更易合作（例如合同、付款协议等）图：企业选择AIGCAIGC项目时的重点考虑因素63%53%49%45%43%31%16%改善客户体验/服务提高开发人员生产力实现差异化竞争优势创新商业模式提高创收能力和订单速度改进绩效决策提高员工生产力图：企业最希望通过AIGCAIGC应用实现的商业利益数据来源：公开资料，专家访谈，甲子光年智库整理AI Agent的商业价值核心因素之一：用工程化的思想提高群体的工作均值 AI Agent可以用工程化思想对抗个体工作的不确定性，过往的SOP、PDCA、OKR等管理方法可以与AI Agent进行适配，完成管理工作的科学升级。1.识别问题2.定义问题3.分析问题4.生成解决方案5.评估方案6.选择方案7.实施方案8.监控和反馈9.总结经验SOPOKRPDCA计划（Plan）：在这个阶段，组织需要确定方针和目标，以及制定活动的规划和计划。这包括对现状的分析，找出问题，分析问题产生的原因，以及拟定措施和计划。执行（Do）：根据计划阶段制定的方法和方案，进行具体的运作和实施，以实现计划中的内容。检查（Check）：在这个阶段，组织需要总结执行计划的结果，明确哪些做法是正确的，哪些是错误的，找出问题，并评估效果。处理（Act）：对检查阶段的结果进行处理，对成功的经验和失败的教训进行总结。成功的经验要标准化，而未解决的问题则应提交给下一个PDCA循环中去解决。PDCA广泛应用于质量管理和持续改进的过程中:目的：明确SOP的目的和重要性。范围：描述SOP适用的范围，包括适用的部门、过程或产品。责任：指定负责执行SOP的人员或团队。步骤：详细列出执行任务所需的每个步骤，包括操作顺序和具体要求。SOP（Standard Operating Procedure）是用于指导员工如何执行特定的任务或操作的指导文件：明确目标（Objective）：OKR要求团队和个人明确具体的目标，这些目标应该是具有挑战性的，同时清晰、具体，并且能够激励团队成员。量化成果（Key Results）：关键结果是衡量目标达成程度的具体指标。它们应该是可量化的，这样团队可以明确地知道何时达成了目标。OKR（Objectives and Key Results）是一种设定和跟踪目标及其执行结果的管理工具和方法：标准：定义执行任务所需遵守的质量标准或性能标准。参考材料：提供执行SOP时可能需要参考的文档或资源。记录：说明需要记录的数据和信息，以及记录的方式。审核和批准：规定SOP的审核和批准流程AI Agent可以是工程化思想的切实工具AI Agent可标准地进行问题的拆解AI Agent可自主地完成单个工作单元反思反馈规划行动数据来源：公开资料，专家访谈，甲子光年智库整理AI Agent实现行业know-how的具象化：个性化+专家级的知识库构建技术窍门：指的是企业在生产过程中掌握的特定技术，这些技术可能未被广泛知晓，是企业保持竞争力的关键。操作技巧：涉及日常操作中的技巧和方法，这些技巧可能来自于员工的个人经验或企业多年的实践。工艺流程：企业在生产过程中形成的特定工艺流程，这些流程可能经过多次优化，以达到提高效率和质量的目的。商业策略：企业在市场竞争中形成的特定商业策略，包括市场定位、产品定价、营销推广等。管理方法：企业在管理过程中形成的有效管理方法，如人力资源管理、财务管理、供应链管理等。市场洞察：企业对市场的深入理解和预测，包括消费者行为、市场趋势、竞争对手分析等。知识产权：虽然知识产权通常被视为正式的知识，但它们也是know-how的一部分，因为它们保护了企业的创新成果，如专利、商标、版权等。企业文化：企业的价值观、行为准则和工作氛围，这些文化因素可以影响员工的行为和企业的决策。客户关系：企业与客户建立的长期关系，包括客户信任、忠诚度和口碑等。企业真正的“专家级知识”藏于大量资料及流程之下公司运营积累的丰富经验、专业知识及行业Know-how对于企业来说非常宝贵，因为它很难被竞争对手复制或购买随着中国企业数字化进程不断发展，部分企业已经积累了大量的数字文档、资料等文档资料财务数据人力资源信息市场资料供应链信息运营数据法律和合规文件电子邮件记录客户数据供应链信息销售数据研发资料AI Agent 通过挖掘企业流程、文档及相关信息化知识完成知识库的具象化专家知识的数字化是AI Agent成功落地的关键。通过不断标注和反馈，专家的个人知识可以丰富和完善知识库，形成知识闭环，使系统能够持续学习并提升性能。AI Agent的出现将改变人机交互的方式，使得专家知识不仅能够被复制和传承，还能够通过自然语言处理等技术被更广泛地应用。数据来源：公开资料，澜码科技，专家访谈，甲子光年智库整理AI Agent在逐步实现AIGC的核心价值，完成更好的交互和流程 AI Agent在逐步实现AIGC的核心价值，完成更好的交互和流程价值让AI融入到实际的工作流中，实现生产效率、生产关系的变化，实现技术革命。工作流程及范式发生改变各类工作形态的生产时间大幅降低基于内容的交流效率大幅提升直接价值：工作的生成成本下降，生成效果提升间接价值：人与人之间，人与机器之间的交互效率提高最终价值：生产力显著提升，生产关系逐步发生变化内容交互流程内容价值交互价值流程价值AI通过流程创新增加的价值某场景流程原有产生的价值AI可替代/协作的工作量某场景的人类工作总量某场景的交互沟通成本AI可节省的交互沟通成本数据来源：公开资料，专家访谈，甲子光年智库整理CONTENTS目 录Part 01前世今生：科幻憧憬、学术概念与商业尝试Part 02奇点已至：让每个人掌握AI的力量Part 04时代先驱：当下商业实践值得关注的里程碑Part 05潜力无限：来自于数据、算法、算力的飞轮效应Part 03百家争鸣：属于大模型时代的APP繁荣AI Agent将给应用软件的形态和业态带来颠覆性变化，成为垂直应用的超级入口 AIGC将给应用软件的形态和业态带来颠覆性变化。基于自然语言的极简交互将替代很多传统的图形界面交互，形成LUI+GUI的混合形态，未来，诸如硬件入口、汽车入口等，手机制造商可能都会做Agent store；AI Agent形态可以对既有软件进行智能化改造与升级，以API 的形式增加重要环节的可交互性和认知能力；也可以对软件的应用架构和模式进行全新重构。业务流程和个人交互方式的改变对用户体验影响巨大，可快速调取超级应用承载的海量复杂功能，形成组合式输出。79%64%42%9%6%提高内容生成效率个性化搜索和推荐创造更多应用场景改变产品交互方式变革应用开发方式图：超级入口将给企业带来的变化/收益97%的企业认为超级入口将成为未来应用的主流形态格局移动互联网原生生态AI AGENTAI AGENT原生生态构想赛道间差异大与硬件设备商格局相关集中度高开源+闭源并存APPAPP StoreiOS/AndroidAgentAgent StoreLLM图：AI Agent原生生态构想97%图：企业对于超级入口形态的看法数据来源：公开资料，专家访谈，甲子光年智库整理当AI Agent成为新的数字生产力，AIGC+流程的组合能力成为未来致胜关键 AI与工作流的结合有3类方式，均是为了实现更高效、更智能的决策支持和自动化服务，关键在于如何根据具体应用场景和需求，选择最合适的融合策略：“+AI”是在现有的智能体或系统中引入AI技术，以增强其能力，可以逐步提升现有系统的智能化水平；“AI+”则是指将AI作为核心驱动力，围绕它构建智能体的能力；或者直接以应用场景为目的地，实现垂直领域的卡位。和AIGC在近2年内爆发不同，数字化企服能力伴随着中国数字化发展而来，因此泛企业服务软件领域在工作流程的建设，数字员工的协同领域具备相当丰富的经验AI Agent融入工作流213生成式AI能力企业服务经验工作流及AI能力齐头并进3先有工作流能力，后结合AIGC技术1先有AIGC能力，后寻找落点场景2随着AIGC技术的爆发，相关技术公司迅速崛起，大模型及后续调优及适配技术能力强，借助大语言模型甚至多模态模型切入市场刚需直接瞄准刚需性的市场场景，通过结合AIGC和工作流实现AI Agent的迭代；AI Agent 可建立起对某一个垂直领域认知的场景，迅速实现岗位中位数水平以上的员工表现数据来源：公开资料，专家访谈，甲子光年智库整理AI Agent成为企业知识资产积累与高效复用中的创新角色 AI Agent在形成知识资产的积累与复用方面扮演着至关重要的角色，AI Agent能够从企业运营过程中大量繁杂的信息“建立”有价值的企业流程“知识”，形成可查询、可复用的专家级别的企业知识库；更重要的是，AI Agent能够将这些知识资产快速提供给需要的用户或系统，极大地提高了信息的可获取性和应用效率；并且，AI Agent能够根据新的数据和反馈不断优化和更新知识库，确保知识资产的时效性和准确性，成为推动知识管理创新和提升组织智能的重要力量。AI Agent形成知识资产的积累及复用感知记忆执行与反馈检索检索知识资产初步建立实现工作流的复用“记忆模式”规划与反馈实现自动化效果的工作流提供半自动化的封装插件提供知识性建议及决策构建文档执行效果：是否任务达成及程度优化空间：是否进行新的迭执行方式：提供的工具是否合理执行大模型工具使用多模态处理决策与执行记忆能力上下文处理内核内容生成与记忆已有的文档记录结构化数据记录流程中对话记录内容格式多样性：语音、数据、聊天记录知识类型的多样性：运营类、营销类，业务类、财务类、制造类具备智能长期记忆、多人对话的大模型，准确地记忆每位用户及其过往的对话内容，根据当前的交流实时调取相关记录。智能体能够与人类互动学习，实现持续进化，真正成为组织的度智能化数字分身，促进机融合的智能协作。赋予企业级智能体长期记忆、知识传承、经验传递和记忆共享的能力，能实现组织内经验的持续积累和共享，真正构建企业级知识库。汇智智能数字生命技术可实现企业知识库的建立、使用及迭代典型代表数据来源：公开资料整理，汇智智能AI Agent和企业数据的链接程度决定了AI Agent在企业应用中的价值数据标准模型数据标准配置元数据管理数据标准执行数据标准数据集成ETL任务算子调度执行引擎流程控制引擎数据集成数据质量稽核数据质量稽核数据质量报告问题数据预警数据质量数据雾化安全算法安全密钥数据加解密数据质量统一资产操作接口（SDK/物理建模/数据权限）数据资产管理资产数据资产配置数据结构关联关系血缘关系分析图表质量检测数据权限生命周期模型采集/模型设计/关系定义物理资产逻辑资产多媒体时空资产数据接入公有数据私有数据经营数据AI Agent内容生成，降本数字员工，增效辅助决策，提质AI原生应用PromptCEOCEOCIOCIOCDOCDOCSOCSOCMOCMO0.5%15.2%25.7%12.4%46.2%1.1%18.1%30.1%9.1%43.1%理想人选实际人选CDO（首席数据官）同样是推动AIGC落地的关键角色，数据对于AIGC的落地至关重要AI Agent依赖于大量数据进行训练和优化，以提高其智能性和准确性，同时，它们通过与客户的互动收集和分析数据，为企业带来深刻的市场洞察和决策支持。数据来源：公开资料，专家访谈，甲子光年智库整理AI Agent 的场景特性总览，B端强调专业性，C端强调自由度专业性高（容错性低）自由度高（容错性高）重复性工作交互性工作金融、医疗、法律、财务、生产、物流、资管、人力等专业性极强的领域，往往需要专岗专职人员进行多年学习完成金融、医疗、法律、财务、生产、物流、资管、人力等专业性极强的领域，往往需要专岗专职人员进行多年学习完成游戏、娱乐、影视、营销、广告、教育等需要更多灵感及创意的领域游戏、娱乐、影视、营销、广告、教育等需要更多灵感及创意的领域更自然，更类人，带有情绪价值的表达，并且表达中迅速形成合理的反馈专业性内容的整理、收集、分析、反馈及生成交付专业性内容的整理、收集、分析、反馈及生成交付更自然，更类人，带有情绪价值的表达，并且表达中迅速形成合理的反馈数据来源：公开资料，专家访谈，甲子光年智库整理个性化媒体推荐社交媒体运营情感分析虚拟助手AR/VR体验示例游戏NPC广告文案视频转绘影视设计底稿评测打分示例数据分析报告撰写风控管理人才评价财务报销示例理财顾问人才招聘医疗助手安全预警客户服务示例AI Agent可通过重构过往软件形态实现商业场景的落地从YC 的孵化营数据看，B端刚需场景应用作为创业首选，创业企业在早期能够快速抓住核心用户的痛点，以AI替代人工的效率和成本优势快速占领垂类市场。应用层基础层AI AgentAI Agent的相关项目不断在增加，成为AIGCAIGC商业落地的重要锚点，所有的数字化应用都可以被重构Y Combinator 2024 年冬季入营项目中Agent项目占比极高，接近80%Agent多模态大模型基础设施RAG开发机器人区块链80%数据来源：公开资料，YC数据，专家访谈，甲子光年智库整理Y Combinator 2024 年冬季入营项目中Agent项目分析典型场景分析-围绕情绪价值的个人心理陪伴由Inflection AI在2022年5月发布，主要特征是富有同情心、回答简明扼要且幽默。目前典型用例包括问题解答、对话准备、灵感激发；咨询、计划；倾诉、安慰、激励、支持等等。具备记忆能力：用户可在Message、INS等多个平台使用PI，只需使用相同的电话号码登录，Pi会记住用户姓名以及在不同会话中的对话内容，并会主动跟进过去的谈话内容。如果互联网上有关于用户的公开信息，Pi 可能会根据用户的姓名知道这些信息。心理陪伴AI NPCPi 陪伴类智能体强调情感情商等人类特征，具有“人格”，且能够记住与用户的历史交流。LLM在自然语言理解能力上的重要突破使陪伴类智能体在技术上成为可能；随着大模型情商迭代、多模态技术发展，有望出现更加立体拟人可信、能够提供较高情绪价值的陪伴智能体。图：大模型可围绕心理层面的陪伴系统性格、态度、观点拟人化prompt,Q-lora思考、表达COT、语言、表情、动作演进迭代、成长升级RLHF，持续演进的用户关系数据记忆、世界知识长时记忆、检索增强千人千面、情绪交互角色关系、情感生产、共情回复道德、安全、伦理百万级角色化安全数据微调人格能力成长性价值观社会化知识2024年3月19日，微软和Inflection宣布达成协议。Inflection将把技术授权给微软，并从个性化聊天机器人转向与商业客户合作。创始团队加入微软，成为微软成员，直接领导一个新部门Microsoft AI，负责Copilot和其他消费者AI产品。数据来源：公开资料，专家访谈，甲子光年智库整理典型场景分析-自动化高效完成繁琐且专业的工作，改善金融工作流程 通过自动化完成繁琐的工作来改变金融专业工作流程。AI Agent可直接嵌入到工作流程中，可通过搜索网络、分析公开文件、与财务数据源集成以及利用语言大模型为上市和私营公司生成文件，通过专有数据集成以客户自定义格式自动生成报告。一站式解决分场景标准化文件和多角度完整行业/公司呈现提供一站式商业信息检索筛选，快速整合市场信息，高效理解产业智慧公司金融生态圈金融机构其他投资者公司概况潜在收购标的财务快照趋势分析行业模式对比赋能完善的智能服务链条根据客户需求，为研究的每个环节提供智能化支持，持续完善生态合力完整的智能服务3.访问和输出从实时财务数据 API 中提取的关键指标和倍数。4.只需按一下按钮即可创建独立 资料并识别潜在收购者。2.描绘竞争格局，也包括使用不同打法的公司展示。1.几分钟内制作出全面的上市和私营公司基础材料。功能示例通过缩短审计时间帮助审计员实现增长，提供分析财务记录、执行审计程序辅助，以更高效率起草文件。风控流程为金融科技公司和银行实现手动风险和合规操作的自动化。建立能够提取内部政策和程序、法律承诺、过去的隐私和合规评估的推理引擎，并与外部立法同步实现风险追查。帮助金融科技风险和反洗钱合规团队利用生成式人工智能自动化和客户调查。银行流程使用 AI 原生记录系统为银行构建 AGI，实现银行流程中手动工作的自动化。为客户节省人均参保额度，为客户员工提供全家健康费用全免等福利，并设置、员工教育和索赔报销流程。可简化健康保险经纪人的保险报价、续保和收入运营流程。审计流程为金融分析师和投资公司开发自动化软件，以自动执行筛选股票、解析 SEC 文件和财报、投资者会议等任务。面向银行和投资公司的现代 ETL 和数据科学平台，从结构化融资开始。借助人工智能缩短数据整理工作，使查询过去数据容易简易化，帮助公司更快评估资产和赢得交易。为投资公司提供人工智能分析服务。使用 LLM 自动执行采购、交易跟踪和尽职调查等日常任务。投资助手保险流程金融领域中的AI AgentAI Agent可参与的流程示例AI AgentAI Agent完成乏味且重复，但需要一定专业基础的工作流程数据来源：公开资料，专家访谈，甲子光年智库整理典型场景分析-通过更好的客户关系管理优化产品及服务 AI Agent在客户关系管理中扮演着至关重要的角色，它们通过提供快速、个性化的响应来增强客户满意度，同时降低企业的运营成本。AI Agent的多语言能力和全天候服务提升了客户的互动体验和品牌的全球性。此外，通过精准的数据收集与分析，AI Agent帮助企业洞察市场趋势，优化产品与服务，制定更有效的市场策略。价值分析与人类难以区分的 AI 语音代理。通过制造人工智能语音代理将语音提升到一个新的水平。该代理几乎可以处理任何基于电话形式的工作，从接听电话到安排预约，再到呼叫中心销售和支持工作，且成本只有人工代理的很小一部分。通过提高中小型企业客户的净收入保留率并应对管理众多小合同价值客户的挑战，并解决中小型企业重工业的长尾账户管理和销售问题。使销售代表能够有效理解和传达定价，制定动态报价，最大程度地扩大交易规模。通过与现有平台集成简化销售流程并提供可操作的绩效指标。帮助销售专业人员查询数百万非结构化业务数据，如网站、评论和社交数据。解决销售代表的潜在客户挖掘问题。让销售代表能够持续建立销售渠道、识别合格客户、在正确的时间以正确的信息联系客户，并通过提供优质数据来优化时间。专注语音系统，类人语音代理，提升销售、信息摘取等工作效率，适用于以语音为主的交互模式。提供聆听复杂性，便以最自然的方式无延迟地呈现对话，提供基于技能的专业化，可在销售、支持和调度方面达到专业博士的学习水平。数据驱动决策：CRM工具通常提供数据分析和洞察，帮助企业基于实际数据做出更明智的业务决策。成本节约：自动化和优化销售流程可以减少对人力资源的依赖，从而降低成本。扩大市场覆盖：一些CRM工具通过简化销售和营销流程，帮助企业扩大市场覆盖范围。客户洞察和反馈：通过分析客户反馈和行为，帮助企业更好地理解客户需求，从而提供更精准的服务。技术集成和扩展性：提供API和定制化集成的公司，允许其他企业轻松地将CRM功能集成到现有系统中，提高了解决方案的扩展性和灵活性。响应市场变化：CRM系统通过实时跟踪市场动态和客户行为，帮助企业快速响应市场变化。示例数据来源：公开资料，专家访谈，甲子光年智库整理数据来源：中央农办负责人解读2024年中央一号文件，汇智智能典型场景分析-为乡村振兴插上“数字翅膀”，AI Agent 可加速乡村数字管理建设2024年2月中共中央 国务院关于学习运用“千村示范、万村整治”工程经验有力有效推进乡村全面振兴的意见文件将“三个提升”作为推进乡村全面振兴的重点。中央农办负责人做出如下解读：1.提升乡村产业发展水平。做好“土特产”文章，坚持产业兴农、质量兴农、绿色兴农，把农业建成现代化大产业。促进农村一二三产业融合发展，推动农产品加工业优化升级，推动农村流通高质量发展，加快构建农林牧渔并举、产加销贯通、农文旅融合的现代乡村产业体系。2.提升乡村建设水平。加强村庄规划编制实效性、可操作性和约束力，适应乡村人口变化趋势，优化村庄布局、产业结构、公共服务配置。深入实施农村人居环境整治提升行动，完善农民参与和长效管护机制。统筹农村供水、道路、能源、信息和住房安全等建设，推进农村基础设施补短板，完善农村教育、医疗、养老等公共服务体系，及时回应群众关切。统筹新型城镇化和乡村全面振兴，促进县域城乡融合发展。3,提升乡村治理水平，健全完善党组织领导的自治、法治、德治相结合的乡村治理体系，推进抓党建促乡村振兴，建好建强农村基层党组织。持续推进基层减负，优化各类涉农督查检查考核。加强农村精神文明建设，繁荣发展乡村文化，加强乡村优秀传统文化保护传承和创新发展，持续推进农村移风易俗，加强高额彩礼、大操大办等突出问题综合治理。坚持和发展新时代“枫桥经验”，建设平安乡村。AI AgentAI Agent极大降低乡村信息化建设成本，快速实现贴合乡村自身需求的场景应用数字治理农业发展乡村文旅兴农电商教育培训农作物及畜牧行业市场的上下游需求农业政策的执行和宣传产品销售的支持及决策依据产品销量和用户评价数据及分析制定相关的营销策略及活动店铺运营辅助，实现管理、销售及市场数据的分析低成本实现景区的实时人流监测及管理餐饮行业的饮食、消费数据的积累乡村旅游的住宿客户实时反馈知识普惠，快速实现农业知识的普及低成本实现职业教育知识的普惠快速获取教育效果的反馈党建教育及政策宣贯效果评估经济、社会及环境数据快速收集提供公共服务的质量及效率典型场景分析-多智能体（Multi-Agent）实现模拟人类工作流程 模拟人类工作流程：可以模拟人类的分工协作方式，将各种任务的标准操作流程编码为AI Agent的“规范手册”，使得AI Agent性能大增。虚拟公司MetaGPT2023年7月深度赋智开源的多智能体框架，快速帮助用户搭建属于自己的虚拟公司，虚拟公司中的员工都是智能体，如软件公司中的工程师、产品经理、架构师和项目经理，用户只需输入简短的需求，MetaGPT就能输出整个软件公司的工作流程和详细的SOP，如创造故事、竞品分析等。框架分为基础组件层和协作层。（1）基础组件层建立单个AGENT操作和全系统信息交换所需的核心构件；（2）协作层建立在基础组件层之上，协调单个AGEN