我们认为 AI Agents 代表着可以自主执行任务并完成决策的智能体,在大语言模型基础上从语言交互推广到感知、行动、思考、使用工具。
我们认为首先任务拆解与反思能力对实现效果相对关键; 其次为短期与长期记忆、浏览器与操作系统数据接入能力。
与人类组织不同,AI Agents 交流成本随 Agents 数量增长, 因此我们判断我们个人可能需要多个 AI Agents 支持日常工作和组织运转。
我们认为 AI Agents将加速脑力和体力活动, 若从第一性原理出发,需求高度类似的场景需要更加算力高效的架构,因此 AI Agent 在面向科学研究、to B 研发、个人助手场景方面的应用具备革命性。此外游戏场景下 AI Agents 对部分类型游戏 NPC 的替代可能会创造出全新的游戏模式。
目前 AI Agents 需要的任务拆解和反思能力我们预计可能仅在云端多机互联的算力与内存下实现,但其它能力有望通过边缘端协助实现,此外我们长期来看认为边缘+云 LLM+虚拟机环境也值得关注。
我们认为 AI Agents 对大模型、算力、互联网数据入口治理、推理算力与互联结构和向量数据的效率和易用性提出了更高的要求,因此从基础设施看我们继续重点关注英伟达,微软,建议关注谷歌,Snowflake, Confluent, AMD 等既有领先的受益者。而在终端和应用层面, 竞争格局可能远比基础设施本身分散,建议关注游戏场景、 AI科学研究、个人助手等重点场景。