人工智能（AI）发展日新月异，竞争开发大语言模型的“百模大战”似乎才刚发生，但如今AI竞赛已开始迈向新阶段。业界将目光投向现实世界，开始探讨如何将最前沿的AI，运用在实际生活和生产中，通过代理式AI变现，帮助人们完成一些具体任务，如网购和订票。代理式AI目前处于什么阶段？接下来会面对什么挑战？对打工人带来什么影响？
今年农历新年，中国人工智能企业深度求索（DeepSeek）模型一夜间爆火，促使全球AI竞赛进入新阶段。至此，大国间的AI技术较量，已不再局限于模型和晶片，而是开始重新思索AI能如何造福于人，并争先布局应用方面。
科技领域的投资人发现，无论在中国还是美国，号称能代替人类作出决策并独立完成复杂任务的“代理式AI”（Agentic AI）和“AI智能体”（AI Agent，也称“AI代理”），正迅速吸引全球目光。
业界议论纷纷，这或成为全球AI竞赛的下一个关键战场。本周，中国再有新款AI产品问世，初创公司蝴蝶效应（Butterfly Effect）推出“代理式AI”产品Manus早期预览版，据称经基准测试性能超越OpenAI智能体DeepResearch。
新加坡智能交通企业AiGreenVision的首席执行官潘杰君接受《联合早报》访问时说：“AI的真正竞争，不在于哪个国家建立了最大的模型或最快的晶片，而在于谁能真的以改变行业的方式，来部署AI技术。”
顾问公司Beacon Thought Leadership联合创办人兼董事普尔迪（Mark Purdy）受访时指出，更长远来看，代理式AI或将从多个方面彻底重塑中美之间的技术经济竞争，因为它能带来的多领域生产力变革。
但也有投资人认为，虽然代理式AI，已成兵家必争之地，但可能尚未达到成熟阶段，某种程度上也是激烈竞争催促下的加速发展，未来能否成功商业化，还有待观察。
代理式AI具主动性决策能力
德勤研究称，AI智能体可在几乎没有人类干预的情况下，独立完成复杂任务并达成设定目标。但这类智能体，往往只能自行处理单一任务，并不具备自主性和多智能体协调能力。
而代理式AI，更像是一个系统或框架，可能包含一个或多个智能体，具有主动性和决策能力，能协调多个智能体，来完成比较复杂的任务。
新加坡Vibranium Consulting副总裁陈沛受访时说：“要完成复杂任务，往往需要通过多个代理的分工，才能做到。”
以谷歌推出的多AI智能体科研系统AI Co-Scientist为例，这个系统包括多个AI智能体，分别负责生成研究思路、规划分析、试验验证、反思改进等不同功能，再通过监督模型，进行统一编排。
陈沛指出，代理式AI并非新事物，它的发展离不开基础模型的进步。
例如，测试时间缩放（Test Time Scaling）方法的使用，明显提升了AI模型对复杂问题的推理能力，给开发代理式AI提供了规划分析、迭代反馈、验证执行结果等能力。
这个方法，就是在测试时调整时间范围或节奏，看AI模型还能不能正常发挥，适应新情况。这就须要在训练好的AI模型基础上，在推理阶段增加额外计算量，就像是让模型多“思考”一会儿，来提升输出的质量。
新加坡国立大学商学院教授、商业大数据分析中心联席主任庞严受访说，大语言模型赋能了代理式AI，而代理式AI就像是让模型学会“思考”，为大语言模型如何处理复杂任务提供框架，两者紧密相关。
许多耳熟能详的美国科技企业，正加紧布局这个“代理式AI”新赛道。
OpenAI今年推出名为“Operator”的AI智能体，称可完成一些网购和订票等具体任务。Anthropic和谷歌等企业，也相继发布AI智能体或是用于开发代理式AI的模型套件，并预言智能体可能终会成为公司“员工”之一。
亚马逊（Amazon）也不甘后人，2月26日宣布为迭代后的AI助理“Alexa”配备代理能力。SAP和ServiceNow等国际软件巨头，也相继投资研发AI智能体工具，并迅速推向市场。
波士顿咨询集团（BCG）预计，AI智能体市场规模到了2030年，将增至521亿美元（约700亿新元），是2024年57亿美元的九倍多。
在中国，DeepSeek的爆火，也让市场对AI运用有了更多想象力。从医疗健康、教育到法律领域，接入AI模型推出智能体产品的尝试，在中国正不断涌现。
但目前，中国市场的这些尝试多数还停留在单一智能体阶段，至于能实现多智能体协同工作的代理式架构，业内有声音认为，成熟产品还没出现。
DeepSeek横空出世 让代理式AI发展加速
不过，有投资业者认为，美国科技界对代理式AI高度关注，一定程度上是因为DeepSeek横空出世带来危机感。DeepSeek让美国科技界发现，中国的算法优化能力和AI技术创新能力已质变，华尔街科技股暴跌为此敲响警钟。
美国科技界意识到，不能只靠原先技术路径去发展大模型。于是，有望实现AI运用落地的智能体，便成了选择之一。
深耕科技投资的私募业者告诉《联合早报》，以OpenAI为例，智能体早已被写入公司的发展规划中，但在DeepSeek出现后，公司对代理式AI的探索有加速的迹象。
2024年7月，OpenAI内部发布了一个五步规划表，将AI发展分为五个阶段。智能体位处第三阶段。在发布这个规划时，OpenAI内部还坚信，他们只处在第一阶段。
潘杰君认为，中国和美国都已认识到，AI不仅是一种技术，而是助力经济和工业迅速增长的有效工具。
“我们现在正处于AI从被动智能，转向主动执行的阶段，通过现实运用证明价值。当企业看到这一点，其实不在乎哪个国家先开发了什么，更关心谁能带来成果。”
风投跑步入场 股市反响平淡
除了大型科技企业纷纷投资并推出代理式AI产品，如今，手持真金白银希望押中下一个OpenAI的资本也意识到，中美AI在硬件的竞争格局已明确，但运用的较量还存有足够想象空间。
风投资金跑步入场押注起步公司，并已开始推高相关企业的估值与人才溢价。
去年底，一家专注于开发AI智能体操作系统的美国起步公司/dev/agents，在种子轮融资中估值高达5亿美元。
CB Insights研究称，有37％的风投资金在2024年流向AI起步公司，创下新高。其中，投资活动增长最显著的是自主代理与“数字同事”（Autonomous agents & Digital co-workers），去年共20宗，同比增幅达150％。
花旗研究预计，代理式AI相关投资活动今年将继续增长，即便这个领域尚未出现“ChatGPT”般的突破性应用。
不过，股市似乎还没为代理式AI“买单”。例如，已推出智能体产品的ServiceNow，近期发布第四季业绩后，因来年业绩指引不及市场预期，股价暴跌。亚马逊2月26日宣布为Alexa更新代理能力后，股价没明显见长；微软和Alphabet的股价，目前也还没涨回DeepSeek出现前的水平。
代理式AI抢走“打工人”饭碗？
即便代理式AI在金融、市场营销，以及客户服务等领域都已有了应用案例，但仍处于早期阶段。企业在开发和部署环节仍面对诸多挑战，更别提在消费方面，还缺乏最契合的运用场景。
陈沛说，头号挑战在于Agent框架开发部署的复杂性，虽然已有现成框架，但如何整合不同的基础模型，以及如何确保系统框架与模型独立、确保新模型发布时能无缝更新等，都是企业开发团队须权衡的。
此外，智能体的工作流程通常是“黑箱机制”，企业可能难以精确定位AI的决策过程是否出现错误并及时纠正。
其次是合规问题。陈沛认为，企业须设置安全护栏来控制智能体访问内部敏感数据的权限，避免在执行任务输出内容时遭致法律风险。
在消费方面，受访专家多认为，目前在面向消费者产品上部署代理式AI，仍缺乏更合适的应用场景，像OpenAI等企业推介的“点外卖”等功能，对用户而言并不算新奇。
Anthropic的研究人员指出，普通用户的需求比商业更为“个性化”，而当下AI智能体的能力，远未达到可以应付消费者使用习惯的水准。
还有潜在的成本问题，贝恩公司合伙人哈迪（Stephen Hardy）受访时说，使用代理式AI涉及多模型“交流”，可能会比用单一模型得出直接结论要来得昂贵。
据报道，OpenAI计划推出几款针对不同应用场景的智能体产品，其中面向“高收入知识工作者”的智能体可能收费高达每月2万美元。
难以忽视的监管难题
代理式AI也可能会给“打工人”带来不小的挑战。普尔迪相信，未来代理式AI将改变的是工作性质与就业市场：“有些任务会被自动化，有些人会因此被替代，也有的人将会转向与代理机器人共事。”
“但随着时间推移，人类与代理式AI一同工作的混合模式，可能将出现在许多职场中。”
潘杰君则指出，金融、物流和软件开发等行业的工作正在改写，AI正在接管部分任务、优化决策，并改变岗位的职责。
他说：“我认为未来五到10年将至关重要。能适应变化的公司将蓬勃发展，而抗拒变革的公司将面临困难。历史证明，每一次技术飞跃都会带来新机遇。关键不是害怕AI取代工作，而是意识到工作的本质正在改变。真正的赢家是那些学会与AI协作，而不是对抗它的人。”
代理式AI的高度自主和难以预测，可能也会给AI监管带来更多挑战。
普尔迪认为，基于任务性质、犯错后果、人类参与度等因素，以及代理式AI的工作特性，不同行业面临的相关监管问题可能会大相径庭。
“例如，代理式AI如在医疗领域出错，严重程度会远高于管理客户交付的代理式AI犯错。”普尔迪补充说。
潘杰君则指出：“监管机构仍在追赶，监管代理式AI的最大挑战不仅在于责任，还在于其不可预测性。当AI开始自行作出决策时，即使在设定的参数范围内，发生意想不到的后果的可能性也会上升。”
他补充，监管代理式AI需要灵活而坚定的治理框架，有明确的责任指导方针、透明度和适应性，法规需要和技术一样快速发展，而不是处在被动的落后位置。
但庞严认为，过于严格的监管可能也会限制技术的发展，最鲜明的例子就在于欧盟，正是因为强监管的压力，当地AI发展明显稍落后于中美。如何平衡监管和AI发展之间的天平，是值得监管机构研究的长久课题。
对AI领域投资者而言，相对宽松的监管，或许也能让他们在评估待投项目时有更多确定性，无须担心繁杂的 监管报备流程影响到项目的发展节奏。
