AI Agent,作为大模型浪潮中的新星,正在逐渐取代传统的Copilot,成为大模型应用的主流形态之一。它们以其惊人的速度和影响力,正在重塑科技和商业的版图。AI Agent是指以大模型为驱动的智能体,具备自主理解感知、规划、记忆和使用工具的能力,能够自动化执行任务。
AI Agent 的定义
AI Agent 是一种能够模拟人类智能行为的系统,它能够理解、学习和推理,并在特定领域内自主执行任务。随着大模型能力的提升和RAG(Retrieval-Augmented Generation)等技术的成熟,AI Agent 的能力得到了显著增强,使得它们在处理复杂任务时表现出前所未有的灵活性和效率。
AI Agent 分层
根据爱分析的观点,AI Agent 市场从技术架构角度可以划分为三个层次:
-
基础层:这一层是AI Agent运行的基础环境,包括大模型、算力基础设施和数据基础设施。大模型提供了AI Agent的核心智能,算力基础设施确保了模型的高效运行,而数据基础设施则为模型提供了必要的数据支持。
-
平台层:作为基础层和应用层之间的“桥梁”,平台层有利于大模型在各种实际场景中以AI Agent的形态快速落地。这一层包括AI Agent开发管理平台、LLMOps(Large Language Model Operations)工具等,它们为AI Agent的开发、部署和管理提供了支持。
-
应用层:这一层是AI Agent在具体场景中的应用,涵盖了金融、能源、汽车等行业场景的AI Agent,以及业务流程自动化、数据分析、协同办公等通用场景的AI Agent。应用层展示了AI Agent在不同领域的实际应用和价值。
通过这样的分层,AI Agent市场能够更清晰地展示其技术架构和应用场景,为开发者和企业提供了明确的发展方向和市场定位。
AI Agent 厂商全景
在AI Agent市场,厂商们根据自己的技术专长和市场定位,活跃在不同的技术分层中。基础层的厂商可能更注重技术创新和研究,平台层的厂商则可能更侧重于提供开发和运营支持,而应用层的厂商则更关注于满足特定行业或场景的需求。这样的分层有助于形成一个完整的生态系统,推动AI Agent技术的发展和应用。
AI Agent 市场分析
AI Agent市场是指那些专注于开发、部署和应用AI Agent技术的领域。这些AI Agent能够模拟人类智能行为,与人类用户交互,并在特定领域内自主执行任务。市场涵盖了从基础的感知技术到复杂的决策支持系统的广泛领域,包括但不限于基础层、平台层和应用层的产品和服务。
AI Agent 开发管理平台:
-
这些平台提供工具和服务,帮助开发者设计、构建、测试和部署AI Agent。它们可能包括模型训练、版本控制、性能监控和自动扩展等功能。
-
代表场景:一个企业使用AI Agent开发管理平台来创建一个客户服务AI Agent,该Agent能够理解客户查询,提供实时支持,并自动升级复杂问题给人工客服。
协同办公AI Agent:
-
协同办公AI Agent旨在提高团队协作的效率,通过自动化日常任务和提供智能辅助来支持团队成员。
-
代表场景:一个项目团队使用协同办公AI Agent来自动安排会议、提醒任务截止日期、汇总项目进度报告,并在团队成员之间共享重要信息。
业务流程自动化 AI Agent:
-
这些AI Agent专注于优化和自动化企业内部的业务流程,如供应链管理、财务报告、人力资源管理等。
-
代表场景:一家制造公司部署业务流程自动化AI Agent来监控生产线,自动调整生产计划以应对需求变化,以及优化库存管理,减少浪费和提高效率。
AI Agent市场的发展正在推动各行各业的数字化转型,通过提供更加智能、灵活和高效的解决方案,帮助企业提升竞争力和创新能力。随着技术的不断进步,预计AI Agent将在更多领域展现其潜力和价值。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。