人工智能行业专题研究：AI Agent，通往AGI的核心基础.pdf

人工智能行业专题研究：AI Agent，通往AGI的核心基础。LLM推动AI Agent进入新阶段，AI应用商业化或加速。AI Agent是一种能够感知环境、进行决策和执行动作的智能实体，从发展历 程看，经历了用逻辑规则和符号封装知识、快速响应环境、基于强化学习等 发展阶段。随着大语言模型（LLM）的快速发展，AI Agent在感知、记忆、 规划、行动等模块方面的能力均得到了进一步的提升。我们认为LLM推动AI Agent进入了新阶段，与LLM结合的AI Agent在智能化程度、自主性方面有 进一步提升的潜力，通过与终端的进一步结合，有望推动AI应用商业化加速。

AI Agent能力提升：感知/规划/记忆模块强化或工程化优化

从AI Agent的研究看， AI Agent的要素基本上可以分为感知、定义、记忆、 规划、行动五类模块。从AI Agent的能力提升路径看，主要包括：1）单个 模块的持续强化：感知模块的模态持续丰富、记忆模块增长上下文或提供更 加丰富的数据来源、规划模块中通过CoT或ReAct等方式提升推理能力、 行动模块补充第三方插件；2）系统性方式优化：如通过将AI各个模块作为 整体发挥作用，利用不同环境之间交互获取的跨模态数据，在物理和虚拟世 界中运行等。综上，在底层模型升级+工程化方法改进的共同推进下AI Agent 的性能有望持续提升。

Agent自动解决固定范式的问题，关注Agent Workflow

基于LLM的Agent实践已经取得一定的成果，从AutoGPT、GPTs、Devin 等案例中可以看出，当前Agent将LLM应用于信息检索、工具学习、任务 分解、垂直知识学习、人机交互等场景，实现了能力的突破。一方面LLM 相比传统NLP在处理文本信息中的效率有所提升，另一方面特定数据训练 赋予LLM较好的解决垂类问题的能力，基于此当前LLM对于固定范式下解 决问题已经能够实现较好的自动化。我们认为通过Agent Workflow的方式， 能够更好的实现AI Agent与具体任务的结合，或将推动LLM技术在更复杂 的应用场景中进一步提升效率。

Agent改变人机交互方式，关注软硬件产业机遇

AI+终端实现了安全性与个性化的结合，为Agent落地打下良好基础。AI Agent有望改变人机交互的方式，落地方式包括AIPC、AI手机等。终端掌 握了重要的交互入口，据Apple WWDC，Siri用户每天发出的语音请求数量 高达15亿次，大量的交互为Agent提供了丰富的场景载体；此外通过压缩 模型到适合端侧大小的模型，使用优化算法加速推理，实现在端侧落地。对 比Agent的技术架构，往往也需要基础模型和小模型的共同支撑，我们认为 端侧模型技术的发展（模型压缩等技术）有助于Agent落地于终端。