|
Manus爆火之后，產(chǎn)品過度營銷曾使其一度飽受業(yè)內(nèi)爭議——不自研大模型，而是基于第三方大模型進(jìn)行工程化包裝，實(shí)現(xiàn)通用AI智能體（Agent）的能力。在創(chuàng)始團(tuán)隊(duì)看來，極致的套殼就是一種勝利。 大模型應(yīng)用套殼其實(shí)是個(gè)微妙的話題。特別是在此之前，無論是DeepSeek還是OpenAI，亦或是加入基礎(chǔ)大模型混戰(zhàn)的知名科技企業(yè)、AI大模型創(chuàng)企，都以標(biāo)榜自家的基礎(chǔ)大模型自研技術(shù)能力為榮。 也因此，大模型研發(fā)作為一項(xiàng)需要卷算力、卷數(shù)據(jù)、卷算法的系統(tǒng)性底層工程，且贏者通吃，市場的聚光燈也始終聚焦于頭部企業(yè)。對(duì)于只做上層應(yīng)用的AI套殼或“借鑒”企業(yè)而言，盡管市場爆發(fā)的可能性高，但始終不掌握底層核心技術(shù)，往往被認(rèn)為缺乏風(fēng)險(xiǎn)承受能力。金沙江創(chuàng)投主管合伙人朱嘯虎甚至直言：“所有AI應(yīng)用都是套殼應(yīng)用，說有壁壘是忽悠人的�！� 盡管如此，筆者注意到，僅在一個(gè)多月的時(shí)間內(nèi)，部分大模型大廠已正快速下探到Manus所在的賽道——AI智能體。而另據(jù)外媒報(bào)道，Manus背后的公司“蝴蝶效應(yīng)”獲得了由美國風(fēng)投Benchmark領(lǐng)投的一輪融資，融資金額達(dá)7500萬美元。該輪融資讓Manus的估值提升至近5億美元。 這種跡象表明，市場需要借DeepSeek-R1大模型普及和Manus應(yīng)用爆火的催化，去化解過去企業(yè)智能化轉(zhuǎn)型過程中遺留的大量業(yè)務(wù)需求和技術(shù)空白。AI智能體在產(chǎn)品設(shè)計(jì)、商業(yè)化服務(wù)、安全治理等方面，既是新問題，也是老問題。 大廠下探AI智能體，很努力目前大廠正加快布局AI智能體。 據(jù)相關(guān)媒體報(bào)道，Manus出圈前后，字節(jié)就搞了至少5個(gè)團(tuán)隊(duì)在開發(fā)不同AI智能體產(chǎn)品。而據(jù)百度官方，新上線的“心響”APP則由一群95后組成的團(tuán)隊(duì)，在30天內(nèi)研 目前字節(jié)推出了智能體協(xié)作平臺(tái)“扣子空間”，通過部署多類型AI智能體，調(diào)用精通各項(xiàng)技能的“通用實(shí)習(xí)生”與各行各業(yè)的“領(lǐng)域?qū)＜摇眱煞N專業(yè)身份處理任務(wù)。基于“扣子空間”，初步提供兩種專家Agent，一是針對(duì)股票分析的“華泰A股觀察助手”，另一個(gè)則是針對(duì)行研分析的“用戶研究專家”。 而百度亮相的體“心響”APP，則是一款宣稱對(duì)標(biāo)Manus的通用AI智能體，涵蓋超200個(gè)任務(wù)類型，包括日常的例行任務(wù)、城市旅游規(guī)劃，專業(yè)性較強(qiáng)的深度研究、法律咨詢、健康咨詢等。 而與Manus合作密切的阿里也動(dòng)作頻頻。最早在3月份，阿里就與Manus達(dá)成戰(zhàn)略合作，雙方將基于通義千問系列開源模型，在國產(chǎn)模型和算力平臺(tái)上實(shí)現(xiàn)Manus的全部功能。近日，阿里旗下AI智能體“心流”開啟了高級(jí)研究模式公測，用戶可填寫問卷等待邀請(qǐng)。該智能體宣傳稱能像人類專家一樣，自動(dòng)幫做研究、寫報(bào)告、寫代碼。 為了進(jìn)一步達(dá)成AI智能體生態(tài)的構(gòu)建，上述廠商也不約而同先后擁抱MCP機(jī)制。 當(dāng)下來看，業(yè)內(nèi)對(duì)AI智能體的實(shí)踐目標(biāo)是使其真正意義上適應(yīng)復(fù)雜的應(yīng)用場景。AI智能體要構(gòu)建一個(gè)能夠自主決策、與環(huán)境交互的智能體，需要解決感知、理解、規(guī)劃、執(zhí)行等多個(gè)環(huán)節(jié)的技術(shù)難題，且各環(huán)節(jié)之間需要高度協(xié)同，從被動(dòng)執(zhí)行固定指令到主動(dòng)進(jìn)化，其技術(shù)架構(gòu)和實(shí)現(xiàn)方式遠(yuǎn)比傳統(tǒng)的軟件系統(tǒng)復(fù)雜。 比如在自動(dòng)駕駛領(lǐng)域，當(dāng)前車企針對(duì)端到端自動(dòng)駕駛系統(tǒng)的改造邏輯，正是對(duì)傳統(tǒng)系統(tǒng)中的感知、融合、預(yù)測、規(guī)劃、控制、定位等技術(shù)模塊進(jìn)行AI融合，在業(yè)務(wù)流程上體現(xiàn)出的不是簡單模塊間的拼接。 那么，AI智能體或多個(gè)AI智能體，在主動(dòng)適應(yīng)復(fù)雜工作流程的過程中，就不可能像RPA等技術(shù)在嚴(yán)格劃分的場景中有效運(yùn)作，而是基于動(dòng)態(tài)環(huán)境和業(yè)務(wù)流程的變化，以最佳方式實(shí)現(xiàn)預(yù)期結(jié)果。 因此，在應(yīng)用和實(shí)踐AI智能體之前，對(duì)其原理、成本及風(fēng)險(xiǎn)性等諸多需要考量的關(guān)鍵因素進(jìn)行解構(gòu)。 可能對(duì)于有多年智能化探索經(jīng)驗(yàn)的客戶而言，希望“慢一點(diǎn)”的本質(zhì)在于，在AI智能體領(lǐng)域的治理能力和認(rèn)知的提升，重要的不是聽一個(gè)個(gè)花式技術(shù)名詞，而是怎么能在大量的實(shí)踐和基礎(chǔ)夯實(shí)中找到成功的故事共鳴。 |
