中国AI Agent 行业研究报告

研究报告 | 2025年08月06日
119 次浏览
200 次下载
  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。

  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。


中国AI Agent 行业研究报告

  
      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。
留言免费获得
服务全球 500+ 客户,实现持续高效增长。
  • 电话
    189 2371 4296
  • 业务咨询

    业务咨询

×
让你赢在获客的起跑线上
服务全球500+客户,实现持续高效增长。