作者 | AICon 全球人工智能开发与应用大会
策划 | 李忠良
在人工智能的璀璨星河中，AI Agent 无疑是一颗耀眼的明星。自诞生之日起，它便承载着人类对自主决策和持续进化能力的追求，历经数次技术浪潮的洗礼，而今随着大模型技术的突破再次站上了风口浪尖，成为业界瞩目的焦点。甚至不少专家认为，未来 AaaS（Agent as a Service）模式或将颠覆现有的 MaaS（Model as a Service），成为主导 AI 产业的新趋势。
日前，在 AICon 全球人工智能开发与应用大会 2024 北京站 【AI Agent 技术突破与应用】 专题圆桌交流中，小米大模型负责人栾剑担任主持人，与数势科技 AI 负责人李飞、彩讯股份 AI 产研部总经理邹盼湘、钉钉智能化平台架构师柯杰，共同探讨 AI Agent 领域的最新进展和发展方向。
2025 年 4 月 10 - 12 日，QCon 全球软件开发大会（https://qcon.infoq.cn/2025/beijing/）将在北京召开，我们策划了「更智能的企业 AI 搜索实践」、「反卷 “大” 模型」、「多模态大模型及应用」等热点专题，直击行业痛点，解锁可复制的经验与模式。如果你也有相关案例想要分享，欢迎通过以下链接提交演讲申请：https://jsj.top/f/tUOLpz
部分精彩观点如下：
大模型的性能将会急剧提升。
大模型 API 可能会促进国内 SaaS 模式的进一步发展。
有效利用私域数据并精准描述场景任务，可以在小模型下实现低成本、高效推理。
大模型技术并非万能，但通过合理拆解问题，就能在可行的范围内解决问题。
改进 AI 意图识别是提升人机交互体验的重要方面。
以下内容基于现场速记整理，经 InfoQ 删减。
栾剑：如何挑选和判断适合使用 AI Agent 赋能的场景？
邹盼湘： 在选择场景时，我们主要从两个方面考虑。首先，业务流程必须要清晰，因为大模型的落地应用需要明确的业务流程。如果业务流程不清晰，模型的效果就难以达到预期。其次，我们的场景中需要有一定的数据积累，无论是业务数据还是用户行为数据。只有在这种数据积累的基础上，进行 AI 探索或初步落地，才是一个较为合适的选择。
李飞： 在落地过程中，我们发现 Agent 主要用于工作流编排。简单场景不适合用 Agent，因为任务本身简单，Agent 反而可能增加复杂性，客户等待时间过长。但对于复杂场景，涉及多环节且环节顺序灵活，Agent 也许能通过大模型规划实现编排。因此，没有一个固定答案，需根据场景找到合适的平衡点。复杂任务用预编排工作流，中等复杂度任务可以用大模型规划。
柯杰： 我们可以从三个场景来讨论。首先是“AI+”，即将 AI 与现有业务流程结合。这种方式的核心是连接当前大家已经熟悉的业务流程，让业务习惯得以保留。但实际上，很多人对于这种转变的接受度仍然较低。
其次，由于目前大模型技术还不够成熟，我们可以创建一些通用模板，在模板中替换不同的参数来生成新的工作流。例如，某个工作流可能最终会将数据收集到一个多表中，而不同的工作流只是替换了不同的多表参数。这种方法可以在一定程度上复用现有工作流，提高效率。
最后，我们的功能编排目前还是基于传统的工作流系统，这对开发框架来说仍然是一个挑战，因此目前对开发人员的要求较高。在这种情况下，我们每个人都需要理解“模型与产品匹配度”。我们需要清楚了解模型的能力和产品的需求，找到二者之间的平衡点，明确哪些任务适合模型来做，哪些需要人工介入。
栾剑： 我个人在选择场景时，首先会考虑这个场景的商业价值。我们需要判断使用 AI 后，是否能在降本增效等方面带来显著的商业价值。如果人工完成该任务已经非常高效，而引入 AI 反而增加了成本，那么可能不值得替代。
其次，要考虑技术能力。随着大模型的发展，它在自然语言理解和生成，以及视觉理解和生成方面的能力有了显著提升。如果一个任务或场景涉及这些领域，大模型可能会带来很大的收益，能够完成得更好。但对于一些大模型目前尚不擅长的任务，如复杂推理或规划能力，我们需要更加谨慎地判断是否可行。
第三，数据积累也是一个关键因素。通用大模型仅通过 Prompt 方式进行任务时，效果会受到一定限制。我们通常希望有更多场景相关的真实数据来优化模型，因此，如果场景内的数据积累较多，优化效果会更好。相反，如果数据积累不足，效果可能就会受到限制。
最后，还要做风险评估。需要考虑场景对可信赖度和准确度的要求，并评估用户使用过程中是否会感到不适。在很多场景中，用户希望与人类进行交互，特别是客服场景中，用户可能不愿意与 AI 客服对话，主要是因为之前的智能体验不好，或者他们更倾向于与人互动。此外，还需要考虑法律和隐私风险。
栾剑： 虽然大模型的算力要求在不断降低，但与传统 AI、模板驱动的系统或小模型相比，其服务成本仍然较高。这使得一些公司和行业在引入 AI Agent 时，面临着算力、内存等资源上的挑战。在这种情况下，如何利用有限的资源来实现更高的应用价值，并突破普通 Agent 的能力瓶颈？
柯杰： 我之前看到面壁智能提到一个“面壁定律”，这与早期的摩尔定律相似。摩尔定律讲的是 CPU 的计算能力每 18 个月翻一倍，而面壁定律则指出，大模型的知识密度也会在短时间内提升，甚至不需要 18 个月。实际上，现在很多小模型已经能够在手机上取得非常好的效果，我认为这个问题会很快得到解决。
目前，很多大模型的潜力尚未完全挖掘出来。虽然大模型存在缺陷和短板，但从应用开发的角度来看，大模型的能力已经足够应对大多数场景。就像电力一样，虽然电力紧张，但对于大模型的应用来说，其所需的电力是足够的。我对未来很乐观，认为大模型的性能将会急剧提升，并且未来许多小模型将能够在端侧解决更多问题。因此，我并不感到焦虑，问题并不像看起来那么严重。
李飞： 突然想到或许还有一个“价格定律”，随着基础设施价格的降低，ToB 客户越来越关注设备成本，特别是做私有化部署的客户。如果某个场景的 ROI 无法覆盖高昂的设备成本，落地就变得困难。
在国内，客户在采购软件时通常比较保守，偏向于私有化部署。这与国外市场不同，国外最初也做私有化，但由于成本过高才转向 SaaS 模式。国内客户接受 SaaS 的速度较慢，因为他们没有经历过私有化部署的转变。
此外，很多客户坚持私有化是因为数据安全的考虑，但并非所有数据都需要完全私有化，部分非敏感数据可以出库。关键在于评估哪些数据需要私有化，哪些可以外部处理。
随着大模型的发展，客户的观念也在转变，不再单纯要求私有化，而是考虑采用 SaaS 模式，尤其是面对高算力成本时。大模型的 API 也可视为 SaaS 的一种形式，未来可能会促进国内 SaaS 模式的进一步发展。
邹盼湘： 在中国，SaaS 的推广存在文化障碍。中国人倾向于购买能“看得见、摸得着”的东西，而 SaaS 服务是虚拟的，可能在没有续费的情况下消失。因此，许多企业在做立项时更愿意选择私有化部署，而非 SaaS。尤其在向集团汇报时，他们更看重“实体化”资产，而非过程中能力的沉淀。
此外，大模型在落地时仍面临挑战，尽管算力不断提升、价格下降，当前的大模型效果还未达到预期。随着技术的不断发展，许多问题会逐步解决。短期内，我们需要补充大模型的不足，特别是在性能、可控性和“幻觉”问题上。
为了应对这些问题，我们常常减少大模型的处理量，使用小模型或传统方法来控制成本并提高性能。即使大模型变得智能，它仍然无法解决私域数据和业务流程的问题。私域数据随着时间变化不断积累，大模型无法实时获取并处理这些数据。同时，业务流程和系统因公司不同而各异，模型无法完全取代这些差异化的系统。
从长远来看，我们的目标是如何高效地将私域数据和业务流程链接起来。我们正在开发一个名为 Aibox 的大模型应用平台，旨在解决大模型的不可控性和性能问题，并实现多模态数据与业务系统的高效连接。
栾剑： 总结一下，资源有限的情况下，我们不必过于担心 AI 的应用可能出现问题。首先，模型的能力在不断增强。两年前推出的 ChatGPT 是一个千亿参数的大模型，而现在即便是一个 7B 模型，也能超越当时的效果。这表明模型的参数可以大幅压缩，依然保持良好的性能。
我们小米在端侧大模型的研究中，已验证这一趋势：在效果基本保持不变的情况下，模型规模越来越小，服务成本越来越低。同时，随着更多优秀的工程师关注这一领域，从硬件到软件都在加速推理的优化，我们看到大模型服务的价格最近一年显著下降，甚至国内大模型服务的价格下调还带动了海外。
最后，很多时候我们不必依赖庞大的模型才能取得良好效果。通过有效利用私域数据并精准描述场景任务，许多应用可以在小模型下实现低成本、高效推理。
观众： 我是一名 TCL 初级 Agent 开发者，企业中很多人认为 AI Agent 无所不能，可以一键控制很多东西，但真正落地完发现它其实碌碌无为。应该怎么应对这种大模型落地之后的差距问题？
邹盼湘： 就像在与客户沟通时，我们发现客户对 AI 的理解往往存在误区，以为 AI 无所不能。例如，在某个客户开发的营销助手项目中，客户最初只希望推荐饮品，但很快提出了更多需求，包括根据天气推荐饮品、提供天气查询、推荐周边餐厅等。
虽然这些问题超出了我们最初的预期，但客户认为这些都属于“助手”应答的范畴，因此我们逐步为系统增加了天气插件、定位功能和商户信息。随着需求不断升级，客户还提出了关于运营活动和折扣券的推荐，这些问题更复杂，但客户依然认为它们是知识问答的一部分。
为避免类似问题重复出现，我们在后续项目中将流程进行了详细拆解，明确哪些问题由模型解决，哪些需要提示工程、模型微调或知识库对接。我们要求客户在提需求时明确功能边界，并清楚了解每项需求的预期效果，避免模糊需求导致项目实施困难。同时，我们也提前向客户说明可能遇到的挑战，如第三方 API 对接问题，并提供应对措施。通过这种方式，我们有效地管理了客户期望，确保项目顺利进行。
李飞： 正确地管理预期，尤其是在交付过程中，是至关重要的。对于老板的预期，也需要提前框定合理的范围并逐步满足。有时候，老板的要求可能是愿景，虽然无法完全实现，但我们需要理解并努力朝这个方向前进。
柯杰： 当老板愿意一步一步分析问题时，复杂的挑战也能被逐步解决。例如，提升人效看似难以回答，但如果将问题具体化，分析员工时间消耗，找出可以优化的部分，这就变得可行。同理，虽然当前的大模型技术并非万能，但通过合理拆解问题，我们能在可行的范围内解决问题。
其次，我们不可能直接拒绝老板的需求。我们需要告诉老板哪些问题是可以解决的，哪些是目前无法实现的。一个简单的判断标准是，哪些是人类能做到的，哪些是人类做不到的。如果人类做不到的事情，大模型也很难做到；反之，如果人类能做到的，我们就可以努力去实现。
例如，在阿里园区，有个功能可以通过语音控制开关灯，这看似简单，但实际上需要先进行数字化建设，将工位和灯具建立关联。这个过程虽然需要时间，但通过数字化积累后，就能实现这种控制。
栾剑： 在引入大模型之前，我们需要进行一场“启蒙运动”，将员工和老板的热情调动起来，让大家理解并拥抱 AI 技术。这样才能为未来的技术变革奠定基础。然而，一旦大模型开始应用，则需要进行“反启蒙运动”，告知大家 AI 目前的能力范围，设定合理预期。
此外，大众对 AI 能力的理解有很大误区。普通人觉得人类很容易做到的事情 AI 就应该能做，人类很难做到的事情对 AI 应该也很难。但事实上，真不一定。AI 能在一些人类难以完成的任务上表现出色。举个例子，打乱扑克牌后，人类很难记住牌的顺序，但 AI 可以轻松记住甚至多副扑克牌的顺序。类似地，AI 能够处理极大数量的上下文信息，这在人类中是做不到的。但另一方面，一些对人类很简单的推理对 AI 可能很难。
因此，我们需要通过好的类比向公众，尤其是老板，解释 AI 的能力及其局限性。这样，他们才能更好地理解 AI 能做什么，不能做什么，背后的原因是什么。
栾剑：在未来，最理想或者说最终极的情况下，人和 AI Agent 会以什么样的形态进行互动？人和 AI 会是什么样的协同方式？
邹盼湘： 一个智能体应该像是我们的助理或伙伴。人类交流可以分为两类问题：事实类问题（如“现在是什么时候？”）和认知类问题（如“你怎么看这件事？”）。在与 AI 的交互中，我们也会遇到类似的两类意图：明确意图和模糊意图。
模糊意图是指用户提出的问题不够明确，例如“帮我做个事”，这个时候 AI 需要通过提问逐步明确用户的需求。例如，用户要求“帮我定个出差申请”，AI 会进一步询问目的地、出差日期等信息，从而将模糊的问题转化为具体任务。明确意图则可以分为单一意图和多任务意图。
例如，单一意图可能是“捡起地上的水瓶”，而多任务意图可能是“从某人那里取某样东西并快递给别人”。这些任务之间有依赖关系，AI 需要正确识别并处理这些任务。
对于明确的任务，我们把任务定义为“语义事件”，每个事件有相应的参数。比如在工作流中，某些节点可能会需要特定的变量来执行任务。与人类交互不同，AI 不会一开始就问所有问题，而是逐步获取所需信息。例如，在订出差机票时，AI 首先询问出发地和目的地，之后根据具体情况再询问其他信息。
另一个挑战是在任务切换时的处理。假设用户先要求订票，然后突然收到消息要取消行程并订餐。这时 AI 应该能理解并切换任务，而不是重新询问用户已提供过的信息，如身份证号或电话等。当前，大模型在切换任务时常常需要重复获取用户信息，这使得体验不够流畅。
我们正在聚焦于如何改进 AI 的意图识别，尤其是在单一意图、模糊意图、多任务意图的识别过程中，以及如何解决任务切换、恢复和跳转的问题，这些都是提升人机交互体验的重要方面。
李飞： 这个问题很有趣，我觉得可以从两种形态来讨论：交互形态和系统形态。
从交互形态来看，未来的 AI 不会像现在的聊天机器人那样简单。例如，在电影《钢铁侠》和《蜘蛛侠》中的贾维斯和伊迪斯，它们虽然是工具，但具备高度智能，可以直观地为我服务。另一种形态像《机器纪元》中展现的具身智能机器人，它们是明确的机器人，但能有效地帮助我完成任务。还有一种可能是像《终结者》中的机器人，外观和人类一样，完全不显得是机器。
从系统形态来看，之前《思考，快与慢》这本书引起了讨论，DeepMind 也发表过相关论文，探讨了系统架构的“快与慢”。它提出将系统分为前端的“talker”和后端的“reasoner”，这可能是未来系统架构的发展方向。
柯杰： 我讲一下我理解的三种形态。第一种是尊重现有用户习惯的 AI 整合形态。我们可以在现有产品中融入 AI 技术，通过 AI Agent 来优化和构建流程，这种方式尊重用户的使用习惯，能够帮助用户快速适应并提升体验。
第二种形态是打破信息孤岛。在过去的移动互联网时代，信息被分割成了多个孤岛，每个 APP 都有自己的闭环。但随着 AI 多模态技术和大模型的发展，我们有了打破这些孤岛的机会。平台如钉钉、微信等正在推动信息互通，这种开放性使得 AI 不再局限于单一场景，而是可以在更多地方为用户提供服务。
第三种形态则关注智能化设备的进化，它不仅仅是具身智能或拟人化。未来的 AI 可能不再依赖传统的人类形态，比如机器人不一定像人一样使用手机做事，可能会有更适合的工具。例如，通过 WiFi 路由器分析信号波动来感知家中老人的摔倒行为，而不需要依赖摄像头来避免隐私问题。这种智能化技术的进步，将会为我们的生活带来更多便捷和安全，使 AI 技术的发展朝着更加实际和无缝集成的方向前进。
