scripod.com

Vol.56 没有人知道到底什么 TM 是 Agent…

屠龙之术

2025/04/02
屠龙之术

屠龙之术

2025/04/02
本期播客深入探讨了 AI Agent 的发展现状与未来趋势,结合行业实例分析了从技术 demo 到产品的转化过程,以及投资、用户需求和产品设计中的关键挑战。同时,讨论了 Agent 在不同领域的应用潜力及行业基础设施的完善程度。
播客围绕 AI Agent 展开,首先回顾了 AI 从非通用到通用大模型的发展历程,强调了 Transformer 架构和强化学习对 AI 技术进步的重要性。接着,探讨了模型与产品的区别,指出单纯的技术实现并非成功的唯一因素,需求确认和运营推广同样重要。此外,提到了 Deepseek 等公司在投资和技术上的潜力,并分析了 Agent 作为工具而非最终产品的定位。随后,讨论了 Agent 在游戏、企业服务等领域的应用现状及挑战,指出当前存在推理成本高、复杂环境适应性差等问题。最后,展望了 Agent 行业的三层结构(基建层、水平层、应用层)及平台化发展趋势,强调了创新交互体验和优化用户体验的重要性。
00:07
00:07
没有人知道到底什么是 agent
01:12
01:12
群响会员可免费参加 AI 主题大课
02:58
02:58
2025 年回顾 2024 年,94% 企业对 AI 服务商不满意
05:12
05:12
智朴 AutoGLM 发布引发诸多疑问
06:49
06:49
当下世界范围头部公司大多从 L2 往 L3 走
08:38
08:38
Google 发布 Transformer 架构,推动 AI 热潮
09:00
09:00
通用大模型不受具体场景限制,而上一代模型专注于视觉和安防任务。
11:21
11:21
基于基础模型 V3 做强化学习得到 Deepseek R1 的 Zero 版本
12:38
12:38
L1 和 L2 阶段试错成本与结果的博弈是难点
13:52
13:52
行业发展依赖于更多资金、基础设施和训练
14:40
14:40
智能创新在 AI 时代比产品和商业模式创新更重要
16:09
16:09
从工程角度看,简单叠加也复杂
16:53
16:53
Manus 用户需看见所有事及 Agent 在规划中扮演重要角色
17:38
17:38
Deepseek 可将长答案转为互动网页并展示 HTML 代码
20:20
20:20
AI Native 公司比例从 0 到 50%,产品叙事抬头
22:11
22:11
若早期有几亿美金投入,Deepseek 如今可能价值百亿美金
22:56
22:56
头部厂商认为 Agent 不是产品,而是研究模型
23:35
23:35
关于 agent 是什么,行业讨论如盲人摸象,没人有明确共识定义
24:09
24:09
AI 在游戏行业应用不佳,尤其在复杂场景中
25:27
25:27
Agent 相关项目在 23 年至 24 年初成为重要分类
26:58
26:58
做 Agent 需要限定边界和场景,模型能力不足需用其他方式弥补。
27:52
27:52
GPT4O 几乎可用自然语言完成复杂图像生成工作流
30:39
30:39
使用 agent 产品时出现诸多问题,如上下文长度超标和安全架构问题
31:25
31:25
当前工具生态丰富,重点在于如何调用现有工具
34:04
34:04
用户更关心模型结果质量而非具体实现方式
35:05
35:05
CB Insights 将 AI agent 分为三类:基建层、工作层和锤类 Agent
36:08
36:08
通用盟友厂商都将参与 AI agent 服务及开发工具平台建设
37:06
37:06
能匹配模型基金用的只有 GPT 和 Deepseek 等公司
38:11
38:11
通用 agent 投资门槛高,垂直行业在美国有待发展
39:10
39:10
基建层不完善导致大量相关项目涌现
40:19
40:19
所有人均看好 agent 平台的未来潜力
41:08
41:08
Deepseek 和 a1base 等公司在 agent infra 领域取得重要进展
42:02
42:02
a1base 公司为 agent 提供身份服务,如 WhatsApp 号和 email 地址
43:13
43:13
有人认为边界不清楚的才叫 agent
44:06
44:06
微信 Agent 全量放开不太可能,隐私和技术挑战是主要原因。
46:16
46:16
黑猫白猫比喻强调实际效果而非形式
49:26
49:26
复杂应用消耗积分高,需慎重选择任务
50:10
50:10
多数 AI 价值源于自动化普通工作任务
51:23
51:23
Agent 在复杂环境中表现不佳,用户信任度低