DeepSeek、Manus与AI Agent行业现状

摘要：基于大语言模型的AI Agent具备感知、规划和行动三大核心能力。感知能力使其能够从环境中收集信息，规划能力用于制定任务执行策略，行动能力则基于感知和规划做出具体操作。例如，AI Agent可以通过视觉感知识别图像内容，规划路径完成导航任务，并通过机械臂执行物

基于大语言模型的AI Agent具备感知、规划和行动三大核心能力。感知能力使其能够从环境中收集信息，规划能力用于制定任务执行策略，行动能力则基于感知和规划做出具体操作。例如，AI Agent可以通过视觉感知识别图像内容，规划路径完成导航任务，并通过机械臂执行物理操作。AI Agent的架构通常包括感知模块、规划模块和行动模块。感知模块负责数据采集和预处理，规划模块利用算法生成任务执行计划，行动模块则将计划转化为具体动作。这种架构使得AI Agent能够在复杂环境中自主完成任务，如在智能工厂中自动检测产品质量并进行分类处理。AI Agent与大模型在核心能力上存在显著差异。大模型主要专注于语言理解与生成，通过海量数据训练掌握文本处理能力，被动响应指令，以文本交互为主。而AI Agent以LLM为“大脑”，能够自主感知环境、规划任务并执行动作，具备多模态交互、动态学习和工具调用能力。例如，在医疗分诊场景中，AI Agent可以自动识别患者症状、规划检查流程并调用医疗设备接口完成检查，而大模型可能仅能提供症状分析的文本建议。在应用场景方面，大模型多用于内容生成、客服问答等标准化场景，而AI Agent则广泛应用于供应链优化、医疗分诊、实时决策等跨场景复杂任务。例如，阿里巴巴的仓储Agent通过AI Agent技术实现了智能仓储管理，优化货物存储和运输流程，提高了运营效率。2023年3月，AutoGPT的出现标志着AI Agent技术的初步探索阶段。AutoGPT通过简单的指令驱动，实现了基本的自动化任务执行，为后续AI Agent的发展奠定了基础。随后，OpenAI的翁丽莲在7月发表了《LLM Powered Autonomous Agents》的博文，详细介绍了基于LLM的AI Agent的理想技术架构，推动了AI Agent技术的进一步发展。近期，Manus的出现引发了行业对通用智能体的广泛关注。Manus号称全球第一个通用智能体，采用大模型（推理模型+多模态模型）+API模式，通过屏幕截图识别屏幕元素并调用各种工具执行任务。尽管其在体验上存在等待时间长、任务执行能力差等问题，但它展示了自主智能体的雏形，为未来AI Agent的发展提供了新的方向。

大语言模型是AI Agent的核心，提供强大的自然语言处理能力。例如，OpenAI的GPT-4、谷歌的Gemini 2.0和Anthropic的Claude 3.5等模型，通过大规模预训练和微调，能够理解复杂指令、生成上下文相关的响应，并支持多语言和多领域任务。这些模型广泛应用于聊天机器人和任务助手，为AI Agent提供了坚实的语言基础。当前AI Agent已突破文本限制，整合图像、音频甚至视频处理能力。例如，谷歌的Project Astra可以通过智能手机摄像头实时分析环境，OpenAI的Deep Research支持图像与文本结合的研究任务。这种多模态技术的进步得益于Transformer架构的扩展和多源数据的联合训练，使AI Agent能够应用于智能家居、医疗诊断和内容创作等多个领域。AI Agent使用高级规划和推理技术进行决策和任务执行。例如，ReAct（Reasoning and Acting）框架和链式思维（chain of thought）技术帮助AI Agent逐步解决问题。Anthropic的Claude可以自主导航网页并完成表单填写，Cognition Software的Devin能够独立编写代码、测试和修复bug，展示了AI Agent在复杂任务中的自主决策能力。AI Agent将变得更加独立，减少错误，专注于复杂任务的自校正和鲁棒性。例如，Anthropic的Claude 3.5强调安全性和可靠性，适合企业关键任务。这种技术进步将使AI Agent能够在更广泛的业务场景中可靠运行，降低企业的运营风险。开发多代理系统，多个AI Agent合作完成共同目标，模拟人类团队协作。例如，OpenAI的Swarm平台支持多Agent协同优化供应链，通过分工协作提高整体效率和效果。这种协作模式将为复杂业务场景提供更高效的解决方案。Agentic RAG是一种结合检索增强（Retrieval）和生成（Generation）的技术，用于提升AI Agent的知识检索和生成能力。通过这种技术，AI Agent能够更准确地获取和利用知识，提高任务执行的效率和质量。

在B端，头部企业采用“企业大脑”（企业知识库）架构，整合知识资产沉淀、业务流程数字孪生与安全合规底座，构建端到端智能体服务。例如，阿里巴巴通过企业级知识库和智能体服务，实现了供应链的智能化管理，提高了运营效率和决策质量。在C端，应用则更加多样化，包括个人助理Agent、教育助理Agent、商品推荐Agent等。例如，Coze等智能体构建平台允许用户通过自然语言快速构建个性化的AI Agent，满足个人在生活和学习中的各种需求。中小型企业偏好低代码平台，如Eko Fellou AI，通过可视化界面快速开发自动化工作流，构建周期缩短至3-5天。这种低代码平台降低了AI Agent的开发门槛，使中小企业能够快速实现业务流程的自动化和智能化。大型企业则更倾向于定制化智能体服务，通过私有化部署和深度集成，将AI Agent融入企业核心业务流程。例如，京东云提供了超过7000个智能体，为大型企业客户提供了全方位的智能化解决方案。通用型Agent产品如Manus，采用大模型（推理模型+多模态模型）+API模式，通过屏幕截图识别屏幕元素并调用各种工具执行任务。虽然其在体验上存在一些问题，但展示了通用智能体的发展方向。垂直领域专家型Agent则专注于特定行业或领域，如金融领域的智能投顾系统、医疗领域的影像识别与分诊报告生成系统等。这些Agent通过深度学习和专业知识积累，能够高效解决行业特定问题，提高行业效率和质量。大企业如Nvidia、苹果、IBM、Salesforce等纷纷加大在AI Agent领域的投入，推出了一系列成熟的产品和解决方案。这些大企业凭借其技术实力和市场资源，占据了AI Agent市场的主导地位。初创公司则通过创新的技术和灵活的商业模式，在细分市场中崭露头角。例如，Harvey在2025年2月以30亿美元估值融得3亿美元，专注于法律AI代理领域，为客户提供高效的法律服务。根据MarketsandMarkets报告，AI Agent市场从2024年的51亿美元增长到预计2030年的471亿美元，复合年增长率为44.8%。这种高速增长的市场吸引了大量的参与者，竞争日益激烈。随着市场的不断发展，AI Agent技术将逐渐成熟，应用场景将更加广泛。未来，AI Agent将在更多行业和领域发挥重要作用，推动行业的数字化转型和智能化升级。AI Agent在语音、视觉理解互动能力上存在局限，传统“三段式”链路（ASR+LLM+TTS）导致高延迟、交互僵硬、缺乏情绪等问题。例如，在智能客服场景中，AI Agent可能无法准确理解客户的语音指令，导致客户体验不佳。AI Agent的输出内容和格式存在随机性，可能遇到陷入循环的问题，导致智能体不响应。同时，AI Agent可能遇到较多的异常case，需要对Agent框架进行异常处理和兜底。例如，在复杂的任务执行过程中，AI Agent可能会因为数据异常或逻辑错误而陷入死循环，影响任务的完成。AI Agent需要访问大量数据，存在数据泄露风险。模型攻击和对抗样本可能使模型输出错误结果，社会工程攻击可能欺骗AI Agent执行错误操作。例如，在金融领域，AI Agent可能会受到恶意攻击，导致客户信息泄露或错误的交易决策。集成AI Agent到现有系统可能面临重构困难，增加时间和成本投入。例如，企业在将AI Agent集成到ERP系统时，可能需要对现有系统进行大规模的改造，导致项目成本大幅上升。用户可能不熟悉AI Agent，需要通过教育提高理解，增加接受度，建立信任。例如，在医疗领域，患者可能对AI Agent的诊断结果持怀疑态度，需要医生进行解释和引导。AI Agent对数据依赖性强，缺乏数据时容易“迷路”，影响效果。例如，在智能交通场景中，AI Agent需要大量的交通数据来优化路线规划，如果没有足够的数据支持，其规划结果可能不准确。数据的质量直接影响AI Agent的性能和效果。如果数据存在噪声、缺失或不一致等问题，AI Agent可能会产生错误的决策。例如，在金融风险评估中，如果数据不准确，AI Agent可能会错误地评估客户的信用风险，导致不良贷款的增加。模型即应用的趋势将使大模型厂商直接提供模型作为产品，而非通过应用层（如API或第三方软件）二次开发。例如，OpenAI的DeepResearch模型能够端到端自主完成研究报告生成，无需外部工具调用或人工干预。这种趋势将改变现有的应用开发模式，推动AI Agent技术的进一步发展。Agentic Workflow通过预定义的多步大型语言模型（LLM）调用静态完成任务，AI Agent作为自主驱动的动态问题解决器，用于处理复杂且不断发展的任务。Agentic AI则代表了AI所能实现的顶峰——独立行动、学习和适应的能力。这种技术的发展将推动行业效率提升和数字化转型，为企业带来革命性变化。AI Agent提供精准市场洞察与风险评估，动态调整策略（如贷款谈判、库存优化），支持数据驱动的科学决策。例如，在金融市场分析中，AI Agent可以通过大数据分析预测市场趋势，为企业提供投资决策支持。AI Agent重构岗位分工，推动人机协作（员工监督AI执行），强化HR与IT协同，优化培训体系。例如，在人力资源管理中，AI Agent可以协助进行简历筛选、面试安排等工作，提高招聘效率，同时为员工提供个性化的培训计划。AI Agent为个人提供了强大的生产力工具，通过自然语言交互，个人可以快速完成各种任务，如文档处理、数据分析等。例如，通过AI Agent，个人可以快速生成高质量的报告和演示文稿，提高工作效率。AI Agent为个人创业和创新提供了新的机会。通过构建个性化的AI Agent应用，个人可以为市场提供独特的解决方案，满足不同用户的需求。例如，创业者可以利用AI Agent开发智能教育应用，为学生提供个性化的学习体验。AI Agent的广泛应用将对社会和文化产生深远影响。它将改变人们的工作方式和生活方式，推动社会的数字化转型。同时，AI Agent也将引发一系列伦理和法律问题，需要社会各界共同探讨和解决。