男生的GGY钙2023入口:北原多香子 下载-AI智能体，是不是可以慢一点？ | ToB产业观察
原创 杨丽 钛媒体
▎市场需要化解过去企业智能化转型过程中遗留的大量业务需求和技术空白。
作者｜杨丽
编辑｜盖虹达
本文首发于钛媒体APP
Manus爆火之后，产品过度营销曾使其一度饱受业内争议——不自研大模型，而是基于第三方大模型进行工程化包装，实现通用AI智能体（Agent）的能力。在创始团队看来，极致的套壳就是一种胜利。
大模型应用套壳其实是个微妙的话题。特别是在此之前，无论是DeepSeek还是OpenAI，亦或是加入基础大模型混战的知名科技企业、AI大模型创企，都以标榜自家的基础大模型自研技术能力为荣。
也因此，大模型研发作为一项需要卷算力、卷数据、卷算法的系统性底层工程，且赢者通吃，市场的聚光灯也始终聚焦于头部企业。对于只做上层应用的AI套壳或“借鉴”企业而言，尽管市场爆发的可能性高，但始终不掌握底层核心技术，往往被认为缺乏风险承受能力。金沙江创投主管合伙人朱啸虎甚至直言：“所有AI应用都是套壳应用，说有壁垒是忽悠人的。”
尽管如此，笔者注意到，仅在一个多月的时间内，部分大模型大厂已正快速下探到Manus所在的赛道——AI智能体。而另据报道，Manus背后的公司“蝴蝶效应”获得了由美国风投Benchmark领投的一轮融资，融资金额达7500万美元。该轮融资让Manus的估值提升至近5亿美元。
这种迹象表明，市场需要借DeepSeek-R1大模型普及和Manus应用爆火的催化，去化解过去企业智能化转型过程中遗留的大量业务需求和技术空白。AI智能体在产品设计、商业化服务、安全治理等方面，既是新问题，也是老问题。
大厂下探AI智能体，很努力
目前大厂正加快布局AI智能体。
据相关媒体报道，Manus出圈前后，字节就搞了至少5个团队在开发不同AI智能体产品。而据百度官方，新上线的“心响”APP则由一群95后组成的团队，在30天内研发出来。
目前字节推出了智能体协作平台“扣子空间”，通过部署多类型AI智能体，调用精通各项技能的“通用实习生”与各行各业的“领域专家”两种专业身份处理任务。基于“扣子空间”，初步提供两种专家Agent，一是针对股票分析的“华泰A股观察助手”，另一个则是针对行研分析的“用户研究专家”。
而百度亮相的体“心响”APP，则是一款宣称对标Manus的通用AI智能体，涵盖超200个任务类型，包括日常的例行任务、城市旅游规划，专业性较强的深度研究、法律咨询、健康咨询等。
而与Manus合作密切的阿里也动作频频。最早在3月份，阿里就与Manus达成战略合作，双方将基于通义千问系列开源模型，在国产模型和算力平台上实现Manus的全部功能。近日，阿里旗下AI智能体“心流”开启了高级研究模式公测，用户可填写问卷等待邀请。该智能体宣传称能像人类专家一样，自动帮做研究、写报告、写代码。
为了进一步达成AI智能体生态的构建，上述厂商也不约而同先后拥抱MCP机制。
4月9日，阿里云百炼上线业界首个全生命周期MCP服务，同日，腾讯云上线正式发布“AI开发套件”，蚂蚁集团旗下的OceanBase也已实现MCP协议的对接。百度则引入基于百度搜索的MCP Server发现平台和MCP Server服务。目前阿里百度腾讯字节旗下一部分AI智能体产品均支持MCP协议，大厂的生态作用也可进一步凸显。
民生证券指出，A2A协议主要聚焦于智能体之间的通信，而MCP则有助于连接工具和资源。基于类MCP协议+Agentic-based决策路径将成为未来AI智能体的主流范式，大厂有望通过MCP协议引入大量生态伙伴，推动国内AI智能体产业发展。
“我们是不是可以慢一点”
但一路向前狂奔的AI智能体技术是否在迎合当下用户的真正需求？
在安全风险性层面，安全往往是验证一项技术的关键。鉴于AI智能体的设计初衷是自主执行决策、任务或目标，并且理想情况下是在无人监督的情况下，因此风险更高，必须更加密切地关注其使用情境，以降低可预见的风险。
“从整个AI智能体的技术发展来说，它不管是在“攻”还是“防”，现在都是发展初期，没有看到特别多的案例。”Gartner研究高级总监赵宇告诉笔者。
从需求侧，最近一段时间与中国企业客户的交流中，赵宇发现，“客户现在整体的认知相对不足。至少有七成或更多的客户并不了解AI智能体是什么，更罔论与之相关的安全风险。”
“虽然有一些甲方IT负责人已经认识到问题，但这样的声音还不太普遍。他们希望是不是可以放慢AI的步伐，把一些配套的安全治理、风险控制等能力补充起来。”赵宇说。
例如，AI本身的幻觉、提示注入攻击、数据泄露等带来的风险问题，在AI智能体的应用中可能会被进一步放大；AI智能体自主决策的风险，无论是被恶意攻击者利用还是其本身的完备性和能力，带来的是无法防控、不可预测的风险；物理环境层面的风险，同样不容忽视。
此外，随着多智能体协作运行模式的流行，这种模式确实提高了任务效率，但也导致访问控制漏洞的出现，比如访问控制级联失控，以及资源的竞争和冲突。多个智能体协同时，风险级别与安全管理的复杂度急剧上升，传统的安全工具将很难进行监控和异常行为检测。
“多智能体在交互过程中可能需要访问相同资源或者执行任务时，可能会产生一些冲突，那么就会导致系统资源被过度滥用或者任务执行效率降低，就会影响整体的业务和系统稳定性。”赵宇指出。
而在厂商侧，由于AI智能体自身的发展还处于初期，市面上对其安全风险和控制措施的研究同样处于早期阶段。
赵宇进一步指出，部分AI厂商、大模型厂商或AI智能体厂商，都没有配备相应专职的安全团队。厂商目前交付的产品是否可以通过安全测试，或者是否存在有被攻击者可利用的漏洞，等等这些在安全性上都是存疑的。其次，现在大部分企业不管是厂商还是甲方企业，还是比较关注短期的商业利益，所以对于长期安全风险的重视程度其实也不太够。
此外，AI安全可能也需要全局性工作，很难从单一厂商的安全措施就可以覆盖掉整个链条的风险。
正确认识AI智能体
技术常有常新，无需过度画饼。到底何为AI智能体？这个概念其实已经出现审美疲劳。更快速的变化在于，围绕AI智能体（Agent）延伸而出的Agentic AI、Agentic Workflow、MCP、A2A等新名词，已经成为最近一段时间更炙手的话题。
例如，Manus演示视频展示的是一个独立的智能体：AI智能体可在短短几秒钟内对简历进行分类、对候选人进行排名，以及在电子表格中格式化数据。用户还可用于分析股票市场趋势、从互联网上抓取数据，甚至可以从头开始创建一个网站。
按照微软的说法，以后每个人都会使用多个智能体，同时会有大量专业智能体，而不是只有一个超级智能体。那么，每个智能体都有自己的角色和职责，大量多个智能体需要通过通信和协作来达成目标。这也是Anthropic、谷歌两家公司分别提出MCP、A2A的原因，其本质上都是在解决智能体搭建的效率问题。
当下来看，业内对AI智能体的实践目标是使其真正意义上适应复杂的应用场景。AI智能体要构建一个能够自主决策、与环境交互的智能体，需要解决感知、理解、规划、执行等多个环节的技术难题，且各环节之间需要高度协同，从被动执行固定指令到主动进化，其技术架构和实现方式远比传统的软件系统复杂。
比如在自动驾驶领域，当前车企针对端到端自动驾驶系统的改造逻辑，正是对传统系统中的感知、融合、预测、规划、控制、定位等技术模块进行AI融合，在业务流程上体现出的不是简单模块间的拼接。
那么，AI智能体或多个AI智能体，在主动适应复杂工作流程的过程中，就不可能像RPA等技术在严格划分的场景中有效运作，而是基于动态环境和业务流程的变化，以最佳方式实现预期结果。
因此，在应用和实践AI智能体之前，对其原理、成本及风险性等诸多需要考量的关键因素进行解构。
可能对于有多年智能化探索经验的客户而言，希望“慢一点”的本质在于，在AI智能体领域的治理能力和认知的提升，重要的不是听一个个花式技术名词，而是怎么能在大量的实践和基础夯实中找到成功的故事共鸣。
（本文首发于钛媒体APP）
相关文章
-
糖心vlogios官方:小太正资源cute免费-习近平同俄罗斯总统普京会谈
-
糖心vlog软件下载地址:嗯灬啊灬把腿张开灬A片小说-加快释放汽车消费潜力、培育一批人工智能消费品牌，商务部部长给促消费“划重点”
-
糖心logo现在时间在线观看免费:黄乱色伦-外交部答澎湃：美方攻击抹黑中加关系与合作的卑劣图谋不会得逞
-
国家主席习近平同普京总统举行小范围会谈
-
糖心vlog视频电视剧:小草在线观看中文字幕-胖东来和田玉专柜销售火爆，已改为线上约号模式
-
中方呼吁为朝鲜半岛问题恢复对话营造良好氛围
-
糖心vlog最新:亚洲人美女肛交真人全程-马新民卸任外交部条约法律司司长
-
9612黄桃网站:内裤体内k8经典-玉石风波后，胖东来再回应：顾客如需退货，不扣任何费用
47847
26
47847
26
48158
46
18095
59
76276
17
65573
36
63128
4
86478
85
30367
78
63524
2
62738
4
31856
47
71272
50
83067
20
99712
97
54978
31
63720
90
94331
53
29063
54
68942
21
89181
94
23218
58
28745
52
81201
44
17391
69
29549
6
17480
70
89028
4
98746
88
79267
68
83517
81
27017
78
54410
77
62398
1
63428
58
63473
31
47199
19
84052
15
46245
22
19684
80
22271
49
94874
50
36152
35
45060
29
74946
99
90160
42
41857
2
66369
8
47534
52
61701
41
52980
33
50061
60
68054
69
93840
53
92885
11