生活资讯-"lyggzyjy cn"-十篇Ai Aglyggzyjy cnent研报，看懂2025年全球智能体行业全景

十篇Ai Aglyggzyjy cnent研报，看懂2025年全球智能体行业全景_ZAKER新闻

　　我也挺害怕面对老师的，老师带给我的压力会大于打卡本身。有时候忙忘了或者回家晚没有检查作业，作业错的多，老师就会找我。虽然老师的语气很客气，但我还是感觉自己做错了事情，很卑微。前一段时间我和老公去国外旅行，隔三岔五就被老师找，我不在家，没有人辅导孩子学习，外公外婆也管不住，他们已经放飞自我了。作业不订正，还经常不交，老师找我说，“你家小孩怎么回事？最近态度这么差”，我很无奈，真的，每天我都打视频回去教育他们，但是没有用，在电话里教育，小孩是不会怕的。

文 | 王吉伟差不多每个春节前后，科技界都会有些"大事件"发生，尤其是这几年日新月异的AI领域。往年都是国外产品吸引眼球，而今年换成了中国技术惊艳全球。春节前幻方量化发布的大模型DeepSeek-R1，一经亮相便迅速炸场AI领域，全球的企业管理者、创业者、项目经理、分析师乃至相关部门领导人都现身说法，感慨DeepSeek-R1在大模型领域取得的突破性进展。DeepSeek-R1在后训练阶段采用了大规模强化学习技术，使得在标注数据极少的情况下，依然能实现显著提升推理能力。这一技术的进步使它在数学、代码及自然语言推理等多项任务中，表现出可与OpenAI的最新版本相媲美的性能，真正实现了开源化。这意味着，AI领域正在朝着"低成本+高性能"方向迈进。重要的是，基于DeepSeek-R1的browser-use 等很多智能体实操案例已经证明，DeepSeek能够有效降低部署AI Agent的门槛，能够大幅提升AI Agent性能和效率，增强场景适应能力。在LLM Based AI Agent亟待落地的当下，一个高效且性价比可观的大模型对于智能体的重要性可想而知。可以预见，接下来DeepSeek-R1等强化学习类大模型，将会极大地提升智能体的构建与应用效率，进一步加速AI Agent的落地应用。当然，在智能体成为AI应用主旋律的当下，春节前后更精彩的仍然是AI Agent行业，产品研发与生态扩建方面全球技术厂商都在马不停蹄。谷歌于 2024 年 12 月发布了全新多模态大模型Gemini 2.0，其性能全面提升，支持图片、视频和音频等多模态输入与输出。基于Gemini 2.0架构，谷歌推出了三个新的AI智能体原型：通用大模型助手Project Astra、浏览器助手Project Mariner和编程助手Jules。其中，编程助手Jules能够直接集成到GitHub的工作流程系统中，分析复杂代码库并实施修复。微软于2024年10月宣布在Dynamics 365中集成10个自主AI Agent，这些智能体能够自动执行客服、销售、财务、仓储等业务流程。这些AI Agent支持 OpenAI的o1模型，具备自主学习能力，可以自动执行跨平台的超复杂业务。例如，美国著名电信公司Lumen通过AI Agent每年能节省5000万美元成本，相当于增加了 187 名全职劳动力。OpenAI在2025年1月24日发布了其首款AI Agent——Operator，该系统能够自动执行各种复杂操作，包括编写代码、预订旅行、自动电商购物等。2月2日正式推出面向深度研究领域的智能体产品深度研究（Deep research）功能。该功能可在5-30分钟完成专业报告，支持多领域高强度知识工作者，由o3模型提供支持，通过端到端强化学习训练，由四模块协同工作，已在ChatGPT上线，未来计划扩展数据源和结合Operator执行复杂任务。Anthropic于2025 年 1 月发布了Agent最佳实践指南，旨在提升AI Agent在多个应用场景下的效率和灵活性。还计划在2025年推出智能体"AI同事"（virtual collaborator），能够编写和测试代码。其旗舰产品Claude 3.5 Sonnet升级版在OSWorld测试中电脑使用能力得分为AI模型中首位。在国内，阿里云通义千问也于1月29日上线了超大规模的MoE模型Qwen2.5-Max。该模型预训练数据超过20万亿tokens，在多个基准测试中表现优异，整体性能优于DeepSeek V3。通义千问还开源了全新的视觉模型Qwen2.5-VL，推出3B、7B和72B三个尺寸版本。Qwen2.5-VL和2.5MAX不仅在性能上取得了显著提升，而且在AI Agent尤其是computer use方面展现出了强大的应用潜力。例如，Qwen2.5-VL能够直接作为视觉Agent进行操作，推理并动态使用工具，支持在计算机和手机上完成多步骤的复杂任务，例如自动查询天气、预订机票、发送消息等。各大科技公司都在用快速迭代的产品与解决方案，对外彰显其在AI Agent领域发展的绝对速度。从目前各领域的表现来看，2025年这个AI Agent商业化应用元年，智能体的落地应用比大家想象的要快得多，预示着AI Agent技术即将迎来爆发式增长，当然竞争也更为激烈。这种情况下，自然会有很多朋友想要快速认知与掌握AI Agent。而了解一个行业最快的方式，莫过于先从阅读各种各种行业研报资料开始。为了帮助大家更好地了解、学习与应用AI Agent，在2025年春节假期归来开工的第一天，王吉伟频道精心准备了10份智能体行业研报。这些研报涵盖了AI Agent的最新技术进展、应用场景、行业趋势以及面临的挑战等多个方面，旨在为大家提供全面、深入的参考。无论是企业决策者、技术开发者还是对AI Agent感兴趣的读者，都可以从这些研报中获取有价值的信息，把握AI Agent带来的发展机遇。报告1：谷歌《Agents》白皮书该白皮书探讨了生成式人工智能（Generative AI）模型如何通过使用外部工具来扩展其功能，从而形成所谓的Agents（智能体）。详细介绍了Agents的定义、认知架构、关键组件、工具使用、以及如何通过这些工具和架构来增强模型性能和实现生产应用。它首先阐明了Agent区别于单纯模型的关键在于其能够利用工具访问外部信息，并进行自主推理和行动规划，而非仅仅依赖训练数据进行单次预测。白皮书详细介绍了Agent的三个核心组成部分：模型（Language Model）、工具（Extensions, Functions, Data Stores）和编排层（Orchestration Layer）。编排层利用各种推理框架（如ReAct, Chain-of-Thought, Tree-of-Thoughts）指导Agent的决策过程。工具则赋予Agent与外部世界交互的能力：Extensions连接Agent与API，Functions允许客户端控制API调用，Data Stores则提供对外部数据的访问，支持RAG等应用。最后介绍了在LangChain和Vertex AI平台上构建和部署Agent的方法，并讨论了如何通过各种学习方法（如上下文学习、基于检索的上下文学习和微调）提升模型性能。总而言之，该白皮书旨在系统性地讲解生成式AI Agent的原理、架构和应用实践，为开发者提供构建更强大、更灵活的AI系统的指导。对于希望了解或构建Agents系统的朋友来说，是一份非常有价值的资源，推荐详细研读。报告2：Anthropic《Building effective agents》《Building effective agents》深入探讨了构建大型语言模型（LLM）Agent的实践经验与洞见。文章开篇对"Agent"一词进行了明确界定，并细致区分了工作流（Workflow）与Agent在架构上的不同之处。工作流指的是对LLM和工具的预定义流程进行编排，而Agent则赋予了LLM动态调控其流程及工具使用的灵活性。还分析了在何种情境下以及如何有效运用Agent系统，并着重指出，在应用构建过程中，应优先采用最简洁的方案，并根据实际需求逐步引入复杂功能。文章深入探讨了几种构建Agent的常见模式，包括增强型LLM、提示链（Prompt Chaining）、路由（Routing）、并行化（Parallelization）、指挥者-工作者（Orchestrator-Workers）和评估器-优化器（Evaluator-Optimizer）等，并强调了简洁性、透明度和周全的工具文档和测试的重要性。这些模式旨在指导开发者构建高效、可靠且易于维护的Agent系统，而非追求过度复杂的系统。文章还提供了在客户支持和编码领域使用Agent的实际案例，并附录中详细说明了工具的提示工程技巧，以帮助开发者创建更有效的Agent-计算机接口 (ACI)。此外，文章介绍了多种框架，这些框架虽然简化了实现过程，但也可能带来额外的抽象层，影响调试。因此，文章建议开发者直接使用LLM API，并在必要时使用框架，同时确保理解底层代码。最终目标是确保Agent系统的设计保持简洁，优先考虑透明度，并通过工具文档和测试精心设计Agent-计算机接口（ACI）。《Building effective agents》报告能够为对AI Agent感兴趣的读者提供了全面且实用的指导。它不仅解释了AI Agent的核心概念和构建方法，还通过实际案例和建议，帮助读者更好地理解和应用这些技术。对于希望深入了解和构建LLM Agent的读者来说，这份报告是一份不可多得的参考资料。报告3：LangChain《State of AI Agents》报告通过调查超过1300名专业人士，揭示了2024年AI Agent的使用现状，包括它们在不同行业中的应用情况、主要用途、面临的挑战以及未来的发展趋势。该报告将AI Agent的定义为使用大型语言模型（LLM）来决定应用程序控制流的系统。探讨了了不同类型的Agent框架，如ReAct、多Agent编排器和LangGraph等，这些框架在业界获得了广泛的关注。提到了AI Agent在不同行业中的应用，以及它们在处理研究、总结、个人生产力任务、客户服务等方面的具体用途。报告发现，超过一半的受访者正在生产环境中使用人工智能Agent，而绝大多数受访者计划在不久的将来部署AI Agent。主要的应用案例包括信息研究和总结以及提高个人生产力，而客户服务也是一个重要的领域。报告强调了追踪和可观察性工具以及人工监督在控制AI Agent风险方面的重要性，并指出性能质量是部署AI Agent的最大障碍。最后，报告分析了Cursor、Perplexity和Replit等成功的案例，并探讨了多步骤任务管理、重复性任务自动化以及AI Agent的协作等新兴主题。报告调查显示，不同规模的公司在AI Agent的控制和优先事项方面存在差异，大型企业更注重安全性和合规性，而小型公司更关注追踪和理解结果。《LangChain AI Agent 状态报告》提供了关于AI Agent现状的全面概述，并深入探讨了其应用场景、挑战和未来趋势。对于希望了解AI Agent技术并在实际中部署相关应用的读者来说，具有很高的参考价值。报告4：Langbase 《2024 State of AI Agents》Langbase Research《 State of AI Agents》基于3400多位来自100多个国家的开发者的反馈，总结了AI智能体领域的最新趋势。报告描绘了AI技术在2024年的新高峰，以及开发者如何利用不同大型语言模型（LLM）提供商构建AI Agent，并探讨了在工作流程中采用AI Agent所面临的挑战和目标。研究旨在了解AI Agent在2024年的发展情况，包括开发者如何使用不同的LLM提供商服务，以及在实际应用中遇到的挑战和目标。研究还探讨了AI在不同行业和公司规模中的应用情况，以及开发者对于AI开发平台的偏好。报告揭示了OpenAI在LLM提供商中占据主导地位，但Google和Anthropic紧随其后；不同LLM提供商在不同行业应用中各有优势。可扩展性复杂性和数据隐私是阻碍AI智能体广泛应用的两大主要因素，而准确性是开发者选择LLM时的首要考虑因素。报告还指出，自动化和简化是企业采用AI技术的首要目标，软件开发是LLM最主要的应用领域。最后，报告强调了开发者对可定制的AI开发平台和工具的需求，以及对版本控制和SDK生态系统的重视。对于希望了解AI Agent技术的读者来说，这是一份非常有价值的参考资料，可以帮助大家更好地了解市场动态和技术发展方向。报告5：Insight Partners 《The state of the AI Agents ecosystem: The tech, use cases, and economics》这份Insight Partners撰写的报告探讨了AI Agent生态系统的现状、应用案例和经济模式。基于对构建者、企业和研究人员的访谈，分析了AI Agent在企业架构中的实际部署情况，讨论了不同使用案例的复杂性、购买特定功能Agent与构建自定义Agent工作流之间的权衡，以及价值衡量和归属的多样性报告首先定义了AI Agent，并阐述了其架构设计中的关键考量，特别是人机协同循环和任务规划策略。接着，报告深入分析了AI Agent的参考架构，包括数据检索（RAG、记忆、长上下文）、Agent计算机接口（函数/工具调用、计算机使用、集成）以及性能评估和安全防护（Guardrails）。报告对AI Agent进行了类型划分，包括垂直Agent、水平Agent平台、多模态Agent和经典SaaS的Agent接口。报告还绘制了AI Agent市场图谱，指出了基础设施和垂直化平台的机遇，并探讨了构建与购买AI Agent的决策考量，以及新兴的定价模式（平台+雇佣Agent、平台+结果导向定价、纯结果导向定价）。最后，报告总结了企业和构建者在AI Agent部署和发展中面临的挑战和最佳实践，强调了合规性、数据准备、可靠性、ROI衡量、文化融合等重要方面。报告认为，AI Agent的研究难点在于理解AI Agent的复杂性，包括它们如何独立推理和行动，以及如何将它们集成到现有的企业系统中。研究者需要评估不同使用案例的复杂性，并确定在购买特定功能Agent与构建自定义Agent工作流之间的最佳权衡点。衡量和归属价值的多样性也是一大挑战，因为不同的企业可能有不同的评价标准和业务目标。这份报告旨在为企业和AI Agent构建者提供对AI Agent生态系统全面而深入的理解，并为其发展战略提供指导。不仅分析了 AI Agent 的技术细节，还深入探讨了企业在部署 AI Agent 时需要考虑的实际问题，并为构建者提供了有价值的建议，推荐仔细研读。报告6：infoQ《中国 Al Agent应用研究报告》InfoQ研究中⼼发布的《2024年中国AI Agent应用研究报告》，深入分析了AI Agent在中国的市场发展背景、特征、应用案例以及未来趋势。报告基于技术专利数量、技术发展时间、技术舆论指数等指标，结合市场规模与融资事件等资料，绘制了2024年中国AI Agent应用的成熟度模型，并探讨了AI Agent在不同领域的应用现状与未来发展方向。报告聚焦2024年第二季度中国AI Agent应用的研究。报告首先分析了AI Agent市场的背景和特征，以及当下中国人工智能的技术成熟度模型，其中特别强调了AI Agent作为连接大模型和应用层的桥梁作用。报告深入探讨了AI Agent的市场趋势，包括单/多智能体协同发展、通用技术框架、典型应用场景（生活类、企业专业类）以及不同厂商的产品策略（大模型创业厂商、互联网科技厂商、RPA厂商、数字化企业服务商）。还展望了AI Agent未来的发展趋势，例如大模型能力提升、工具生态完善、多智能体协同，以及终端智能体（手机、电脑等）的兴起将带来的变革。报告指出，AI Agent作为连接模型层与应用层的重要补充，正逐渐深入复杂任务，并在多个行业场景中展现出应用潜力。报告基于技术专利数量、技术发展时间、技术舆论指数等核心指标，结合市场规模与融资事件等公开资料，以及技术和市场专家的验证，绘制了中国人工智能成熟度模型，并对AI Agent的市场特征、应用场景、产品发展、盈利模式等进行了详细探讨。《2024年中国AI Agent应用研究报告》是一份极具前瞻性和深度的研究报告，对于关注人工智能技术发展、尤其是AI Agent应用的从业者、企业决策者、技术爱好者以及相关领域的研究人员来说，具有很高的参考价值。报告7：爱分析《2024爱分析·AI Agent 应用实践报告》《2024爱分析·AI Agent 应用实践报告》由爱分析撰写，旨在探讨AI Agent在企业中的应用现状、市场洞察以及未来发展趋势。报告首先概述了AI Agent的核心能力——独立思考、自主执行、持续迭代，以及其在市场中的兴起和企业落地的主要挑战："落地难"和"应用难"。核心内容聚焦于数据分析AI Agent和AI Agent开发管理平台这两个特定市场，分别分析了其落地实施的关键要点和成功案例，例如城商行利用数据分析AI Agent提升数据分析效率，飞鹤利用AI Agent开发管理平台推进数字化转型。报告指出，AI Agent作为能够感知环境、基于目标进行决策并执行动作的智能化应用，随着大模型能力的增强和相关技术的成熟，其能力得到了质的飞跃。报告强调了AI Agent在企业中的三个核心能力：独立思考、自主执行、持续迭代，并分析了企业在落地AI Agent项目时面临的挑战。报告还特别关注了数据分析AI Agent市场和AI Agent开发管理平台市场，提供了市场洞察和案例分析，为企业提供策略指导和实践洞见。该报告不仅分析了AI Agent的技术和应用，更深入探讨了企业在落地AI Agent时面临的挑战和应对策略。报告强调了企业应从自身特性出发，建立AI Agent与新质生产力、数据要素的内在联系，实现价值升华，并建立AI文化。该报告适合企业决策者、IT负责人以及对AI Agent应用感兴趣的读者阅读。报告8：头豹研究《2024年中国AI Agent行业研究》《2024年中国AI Agent行业研究：智能体落地千行百业，引领智能化革命的新引擎》报告，由头豹研究院发布，深入分析了AI Agent（人工智能体）在中国的发展现状、应用前景、市场趋势以及行业生态。报告首先定义了AI Agent，并将其与大模型区分开来，强调其自主决策和执行能力；然后，分析了AI Agent的关键特征、分类及发展历程，并对国内外主流项目及产品进行了盘点；接着，报告探讨了AI Agent的市场规模、驱动因素及行业生态图谱，指出其在企业级应用（toB）方面拥有更广阔的前景；最后，报告对AI Agent在不同行业领域的应用情况及发展趋势进行了深入分析，并对未来发展方向进行了预测，特别指出金融行业是AI Agent应用最成熟的领域，而政务领域则由于数据获取的限制，发展相对滞后。总而言之，该报告旨在为投资者、企业和研究人员提供对中国AI Agent行业全面而深入的了解。报告指出，AI Agent作为一种能够感知环境、进行决策和执行动作的智能实体，与传统人工智能相比，具备更强的自主性和适应性。详细介绍了AI Agent的定义、基础架构、特征分类、发展历程、市场驱动因素、行业应用图谱、商业模式以及消费级与企业级应用的对比。还预测了AI Agent在不同行业中的应用发展情况，并提供了国内外AI Agent项目及产品的盘点。整体而言，AI Agent在企业级应用中前景广阔，尤其在金融、电商零售、教育、医疗、制造、交通、媒体娱乐、能源、物流和政务等行业领域中展现出强大的渗透力和应用潜力。该报告不仅指出了AI Agent在金融等领域的成熟应用，也探讨了其在其他行业的潜力，为对AI Agent技术和市场感兴趣的读者提供了有价值的参考。该报告适合希望了解AI Agent如何落地并引领行业变革的读者阅读。报告9：Letta 《The AI agents stack 》《The AI agents stack 》本文探讨了AI Agent栈的最新发展，特别是2024年末的AI Agent生态系统，包括Agents托管/服务、Agents框架和大型语言模型（LLM）模型及存储三个关键层次。报告基于作者在开源AI领域超过一年的工作经验以及7年以上的AI研究经验，对现有的Agents技术栈分类提出质疑，并分享了他们自己的"Agents技术栈"模型。报告探讨了2024年末AI智能体（Agent）的软件生态系统，并提出了作者自己基于多年经验的"智能体堆栈"模型。该模型将智能体系统分为三层：底层是大型语言模型（LLM）及其服务和存储，包括各种API服务和向量数据库；中间层是智能体框架，负责LLM调用、状态管理、内存管理以及多智能体通信；顶层是智能体托管和服务，关注如何将智能体部署为服务，并通过REST APIs访问。报告强调，与简单的LLM聊天机器人相比，智能体开发面临着更大的工程挑战，例如状态管理和工具执行。作者认为，未来的智能体将作为服务部署，并期待出现类似于OpenAI ChatCompletion API的行业标准智能体API。报告还提到了2022年和2023年兴起的LLM框架和SDK，如LangChain和LlamaIndex，以及通过API消费LLM的标准平台，如vLLM和Ollama。同时，文章也指出了2024年AI领域对"Agents"概念的转变，以及如何从LLM发展到AI Agent的必要性。这份报告主要面向软件开发者，旨在帮助他们理解 AI Agent 技术栈的复杂性，并为他们提供构建垂直 Agent 应用的指导。报告强调了 AI Agent 与传统 LLM 聊天机器人在工程方面的不同，并介绍了 Letta 提供的相关资源。该报告适合对 AI Agent 技术栈和实际应用感兴趣的开发者阅读。报告10：德勤《Prompting for action How AI agents are reshaping the future of work》该报告由德勤（Deloitte）人工智能研究所发布，探讨了AI智能体和多智能体系统如何重塑未来工作。重点介绍了生成式AI（GenAI）的扩展能力和多智能体 AI系统的协同作用，以及这些技术如何影响企业并推动智能组织转型。报告围绕"随着AI技术的快速发展，企业如何利用AI Agent和多Agent AI系统来重塑业务流程，提高效率并实现自动化"这一问题，展开了详细讨论。报告指出，AI智能体与传统语言模型不同，具备推理、规划、记忆和行动能力，能自动化工作流程。多智能体系统通过协同合作提高效率、学习能力和准确性，处理复杂任务。例如，在战略洞察方面的应用展示了其在速度、效率和可扩展性方面的优势。还探讨了AI智能体对战略、风险、人才和业务流程的影响，并建议领导者评估用例、制定战略路线图、投资基础设施和人才培养以及加强数据治理和风险管理。报告提到了当前企业广泛使用的大型语言模型（LLMs）和GenAI工具，这些工具虽然能够根据简单提示生成输出，但其交互通常是事务性的，且作用范围有限。探讨了AI Agent与传统语言模型的不同之处，以及AI Agent如何通过理解上下文、规划工作流程、连接外部工具和数据以及执行动作来实现目标，从而克服了传统AI应用的局限性。报告认为，如何克服传统AI应用在理解复杂请求、规划工作流程和执行多步骤任务方面的局限性，以及如何整合不同AI Agent以实现更高级别的自动化和优化，是需要关注的重点问题。总体而言，该报告强调AI Agent和多智能体系统在推动智能化转型方面的潜力，并指出前瞻性的企业和政府机构已经开始部署这些技术，适合对AI Agent的最新进展及其在各行业的实际应用感兴趣的读者阅读。

koa12jJid0DL9adK+CJ1DK2K393LKASDad

编辑:谢大海

TOP1热点：广西巴马发生3.0级地震

　　平时我还要在教师学习的平台上刷课、修学分，完成后打卡，比如国家中小学智慧教育平台、区里的线上进修学校等，基本每个月都有学习任务。大部分学习平台只需要看完课程视频，有些看完后要写笔记和心得，虽然没有字数要求，但每一次我都会写到800字以上。去年寒假，学校要求我们学习《幼儿园保育教育质量评估指南》，一共有六场讲座，每场看完都要写心得。这些进修对教学的帮助不大，一般是政策或者宣传的内容，在现实中用不到。。