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（摘要版）
行业研究|2024/06中国：AIAgent系列 www.leadleo.com400-072-5588 1 行业研究|2024/06 2024年 中国AIAgent行业研究：智能体落地千行百业，引领智能化革命的新引擎（摘要版） 2024ChinaAIAgentIndustryResearchReport 2024年中国AIエージェント業界研究報告 报告标签：AIAgent、智能体 报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系头豹研究院独有的高度机密性文件（在报告中另行标明�处者除外）。未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制 、再造、传播、�版、引用、改编、汇编本报告内容，若有违反上述约定的行为发生，头豹研究院保留采取法律措施、追究相关人员责任的权利。头豹研究院开展的所有商业活动均使用“头豹研究院”或“头豹”的商号、商标，头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其他任何第三方代表头豹研究院开展商业活动。 头豹研究院 弗若斯特沙利文咨询（中国） 行业研究|2024/06中国：AIAgent系列 关于头豹报告作者 头豹深耕行企研究6年，凭借丰富的内容生产、平台运营和知识管理经验，基于人工智能、大模型、云计算等先进数字技术，构建了业内领先的全产业覆盖、百万级原创研究内容数据库，首创全开源、多方协同、可拓展的智慧行研平台——“脑力擎KnowlengineTM”知识管理与研究辅助KaaS系统，并通过“AI推理+AI搜索”双引擎辅助分析师提升工作效能，加深行研精度，助力行业实现数字化转型升级，赋能数字中国建设。 头豹科创网(www.leadleo.com)拥有20万+专业用户，全行业赛道覆盖及相关研究报告产出数百万原创数据元素，每年数千场直播及视频内容，用户覆盖了超过70%的投融资机构、金融机构和资本市场服务机构。近年来，头豹研报在资本市场的影响力逐年提升。据不完全统计，已有上百家拟上市及上市公司在其信披材料中大量引用头豹数据及观点。头豹精选报告被全球著名的财经资讯平台路孚特(Refinitiv)广泛收录，帮助中国企业获得国内外投资机构重点关注，吸引投资，赋能企业发展。 姓名：张俊雅 职位：TMT行业分析师 Email：jacob.zhang@leadleo.com www.leadleo.com 400-072-55882 行业研究|2024/06中国：AIAgent系列 业务合作 会员账号定制报告/词条 阅读全部原创报告和百万数据 募投可研、尽调、IRPR等咨询服务 白皮书资本市场数据引用 助力企业改善市值管理， 增强知名度与认可度 内容授权商用、上市/二级市场数据引用。高效赋能企业上市进程 市场地位确认词条报告 助力企业价值提升及品牌影响力宣传 数字行研助力“产投研学”，提升决策效率 联系方式 网址：www.leadleo.com 电话：李先生130-8019-7867 郑女士189-9886-1893 地址：深圳市南山区华润置地大厦E座4105 www.leadleo.com 400-072-55883 行业研究|2024/06中国：AIAgent系列 摘要 AIAgent（人工智能体）是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，AIAgent具备通过独立思考、调用工具去逐步完成给定目标的能力。AIAgent和大模型的区别在于，大模型与人类之间的交互是基于prompt实现的，用户prompt是否清晰明确会影响大模型回答的效果。而AIAgent的工作仅需给定一个目标，它就能够针对目标独立思考并做�行动。 目前，海外约有100+项目正致力于将AI智能体商业化。海外主要基于GPT与开源Agent框架打造Agent项目，主流的AIAgent项目及产品有Auto-GPT、AgentGPT、BabyAGI、Jarvis、西部世界小镇等；国内也陆续推�多款AIAgent产品，多基于国产大模型+开源Agent框架打造。主流产品包括阿里云的ModelScopeGPT、实在智能的TARS-RPA-Agent、联汇科技的OmBot欧姆智能体、澜起科技的AskXbot等。 AIAgent在toB端的应用前景更加广阔 AIAgent的应用可分为消费级（toC）和企业级（toB），消费级强调应用的自由度，而企业级强调应用的专业性。AIAgent消费级应用的核心价值在于为个人用户提升工作效率、提供情绪价值，企业级应用的核心价值则在于为企业降本增效，提升客户粘性，同时辅助企业决策。相较于消费级应用，企业级应用面临更加复杂的业务需求，有更明确的业务场景、业务逻辑以及更多行业数据及其行业知识的积累。 AIAgent应用场景广泛且多样，其正在各行业领域加速渗透 从目前已推�的AIAgent架构与产品来看，AIAgent已逐步渗透至金融、电商零售、教育、医疗、制造、交通、媒体娱乐、能源、物流、政务等行业领域。其中，AIAgent在金融行业的应用成熟度、数据可获取性、行业需求度和市场潜在规模均最高。 www.leadleo.com 400-072-55884 目录 AIAgent行业综述 --------------------------- 06 •定义及基础架构 --------------------------- 07 •人机协同模式差异 --------------------------- 08 •特征及分类 --------------------------- 09 •发展历程及目标 --------------------------- 10 •AIAgent项目及产品盘点（1/3） --------------------------- 11 •AIAgent项目及产品盘点（2/3） --------------------------- 12 •AIAgent项目及产品盘点（3/3） --------------------------- 13 •市场规模 --------------------------- 14 •驱动因素 --------------------------- 15 •行业生态图谱 --------------------------- 16 •平台框架层厂商类型 --------------------------- 17 •平台框架层厂商商业模式（1/2） --------------------------- 18 •平台框架层厂商商业模式（2/2） --------------------------- 19 •消费级与企业级应用对比 --------------------------- 20 •发展趋势 --------------------------- 21 AIAgent应用分析 --------------------------- 22 •行业应用图谱 --------------------------- 23 •行业应用发展情况 --------------------------- 24 •行业应用项目及产品（1/2） --------------------------- 25 •行业应用项目及产品（2/2） --------------------------- 26 方法论 --------------------------- 27 法律声明 --------------------------- 28 中国：AIAgent系列 6 Chapter1 AIAgent行业综述 •AIAgent（人工智能体）是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，AIAgent具备通过独立思考、调用工具去逐步完成给定目标的能力 AIAgent行业综述——定义及基础架构 AIAgent系统架构 短期记忆 长期记忆 日历（） 计算器（） 代码解释器（） 搜索（） 更多… 记忆 反射 工具 智能体 规划 行动 交互协作 智能体 自我反思 思维链 子目标拆解 智能体 AIAgent（人工智能体）是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，AIAgent具备通过独立思考、调用工具去逐步完成给定目标的能力。AIAgent和大模型的区别在于，大模型与人类之间的交互是基于prompt实现的，用户prompt是否清晰明确会影响大模型回答的效果。而AIAgent的工作仅需给定一个目标，它就能够针对目标独立思考并做�行动。 一个基于大模型的AIAgent系统可以拆分为LLM（大模型）、记忆（Memory）、任务 （Planning）以及工具使用（Tool）的集合。在LLM为基础的AIAgent系统中，大模型为AI Agent系统的大脑负责计算，并需要其他组件进行辅助。 规划（Planning）：①对需要更多步骤的复杂任务，AIAgent能够调用LLM通过思维链能力进行任务分解，在AIAgent架构中，任务的分解和规划是基于大模型的能力来实现的，大模型的思维链能力通过提示模型逐步思考，将大型任务分解为较小的、可管理的子目标，以便高效的处理复杂任务；②通过反思和自省框架，AIAgent可以不断提升任务规划能力，AIAgent可以对过去的行为进行自我批评和反省，从错误中吸取经验教训，并对未来的行动进行分析、总结提炼和完善，从而提高最终结果的质量。 记忆（Memory）：①对AIAgent智能体系统的所有输入会成为系统的短期记忆，所有上下文学习都是依赖模型的短期记忆进行的。短期记忆受到有限上下文窗口长度的限制，不同模型的上下文窗口限制不同；②AIAgent在完成目标时，需要查询的外部向量数据库成为系统的长期记忆。长期记忆使得AIAgent能够长期保存和调用无限信息的能力。外部的向量数据库可通过快速检索进行访问。AIAgent主要通过长期记忆完成很多复杂任务，如阅读PDF、知识库等。 工具（Tools）：①AIAgent能够使用外部工具API拓展模型能力，以获取大模型以外的能力和信息，如预定日程、设置代办、查询数据等；②类GPT等大模型也更新了插件的功能，能够调用插件访问最新信息或者特定数据源，但需要用户针对提问问题提前选择需要使用的插件，无法做到自然地回答问题。AIAgent可自动调用工具使用，根据规划获取的每一步任务判断是否需要调用外部工具来完成该任务，并获取工具API接口返回的信息给到大模型进行下一步任务。 •人类与AI协同的三种模式包括嵌入模式（Embedding）、副驾驶模式 （Copilot）和智能体模式（Agent），相较于前两种模式，智能体模式更为高效，或将成为未来人机协同的主要模式 AIAgent行业综述——人机协同模式差异 人类与AI协同的三种模式 人类 AI 人类 AI 人类 AI 人类设立任务目标 人类设立任务目标 AI全权代理 Embedding模式Copilot模式Agent模式 人类完成绝大部分工作人类和AI协作工作AI完成绝大部分工作 设立目标提供资源监督结果 其中某（几）个任务AI提供信息或建议 人类自主结束工作 AI自主结束工作 人类自主结束工作 人类修改调整确认 任务拆分工具选择进度控制 其中某（几）个流程AI完成初稿 基于大模型的Agent不仅可以让每个人都有增强能力的专属智能助理，还将改变人机协同的模 式。带来更加广泛的人机融合。生成式AI带来的人机协同，将会呈现三种模式：嵌入模式 （Embedding）、副驾驶模式（Copilot）和智能体模式（Agent）。相较于嵌入模式、副驾 驶模式，智能体模式的人机协同模式更为高效，或将成为未来人机协同的主要模式 嵌入（Embedding）模式：用户通过与AI进行语言交流，使用提示词来设定目标，然后AI协助用户完成这些目标，比如普通用户向生成式AI输入提示词创作小
