(資料圖片)

事件： 6 月底 OpenAI 發(fā)表萬字長文《LLM Powered AutonomousAgents》， 而伴隨斯坦福小鎮(zhèn)智能體正式開源，在 AI 應用與場景更緊密結合的大浪潮下 AI Agents 成為大模型的下一個重要趨勢。

核心觀點 1：什么是 AI Agents？ 我們認為 AI Agents 代表著可以自主執(zhí)行任務并完成決策的智能體，在大語言模型基礎上從語言交互推廣到感知、行動、思考、使用工具。

核心觀點 2： AI 的什么關鍵能力影響 AI Agent 效果？ 我們認為首先任務拆解與反思能力對實現(xiàn)效果相對關鍵； 其次為短期與長期記憶、瀏覽器與操作系統(tǒng)數(shù)據(jù)接入能力。

核心觀點 3：為什么我們可能需要多個 AI Agents？與人類組織不同，AI Agents 交流成本隨 Agents 數(shù)量增長， 因此我們判斷我們個人可能需要多個 AI Agents 支持日常工作和組織運轉。

核心觀點 4：我們如何看待 AI Agents的應用場景？ 我們認為 AI Agents將加速腦力和體力活動， 若從第一性原理出發(fā)，需求高度類似的場景需要更加算力高效的架構，因此 AI Agent 在面向科學研究、to B 研發(fā)、個人助手場景方面的應用具備革命性。此外游戲場景下 AI Agents 對部分類型游戲 NPC 的替代可能會創(chuàng)造出全新的游戲模式。

核心觀點 5： AI Agents 采用邊緣端還是云端？目前 AI Agents 需要的任務拆解和反思能力我們預計可能僅在云端多機互聯(lián)的算力與內存下實現(xiàn)，但其它能力有望通過邊緣端協(xié)助實現(xiàn)，此外我們長期來看認為邊緣+云 LLM+虛擬機環(huán)境也值得關注。

投資建議： 我們認為 AI Agents 對大模型、算力、互聯(lián)網(wǎng)數(shù)據(jù)入口治理、推理算力與互聯(lián)結構和向量數(shù)據(jù)的效率和易用性提出了更高的要求，因此從基礎設施看我們繼續(xù)重點關注英偉達，微軟，建議關注谷歌，Snowflake， Confluent， AMD 等既有領先的受益者。而在終端和應用層面， 競爭格局可能遠比基礎設施本身分散，建議關注游戲場景、 AI科學研究、個人助手等重點場景。

風險提示： 產品發(fā)布效果不及預期， AI 發(fā)展進度不及預期，算力發(fā)展不及預期。

標簽：