核心内容摘要
告别白嫖，拥抱热爱：B站大片，值得你我“心动”的瞬间
01 产业链全景图02 概念解析AI Agent人工智能代理可以理解为一个会自主办事的智能程序它能像人一样感知周围信息、自己规划策略然后动手完成任务。
比如你让它订周末的餐厅它会先搞清楚你的需求感知接着拆解成查评分、看菜单、确认时间等步骤规划最后一步步执行预订行动。
它的核心架构可以分成「大脑」和「三件套」核心能力大脑基于大模型LLM就像人类大脑的中枢负责理解问题、生成思路。
三件套关键要素规划分解任务比如你让它写一篇游记它会先用大模型把任务拆成 “定主题 - 列景点 - 写感受 - 配图片” 几个子步骤就像项目经理拆分工作计划让复杂任务变得好处理。
记忆存储信息短期记忆记住当前对话的上下文比如你刚说过 “喜欢海边”它会在接下来的回复里记得这个偏好但容量有限就像人脑临时记东西时间长了会忘。
长期记忆连接外部数据库或文件比如你上传一本 PDF 手册它能长期存储并随时调用里面的内容相当于有个无限容量的笔记本专门存复杂任务需要的资料。
工具调用外部能力遇到自己解决不了的问题比如查天气、算数据它会自动调用对应的工具比如天气 API、计算器就像人干活时随手拿扳手、螺丝刀借外力把事办好。
简单说AI Agent 就像一个不知疲倦的智能助理用大模型当大脑靠规划拆任务、用记忆存信息、借工具补能力帮人高效搞定各种复杂目标。
根据 OpenAI 的定义AI 能力可以分成五个等级就像游戏里的角色升级一样从简单对话到主动办事一步步进化聊天机器人能听懂人话并回复比如微信里的客服助手只能按预设话术聊天推理者能像人一样分析问题比如帮你解数学题、规划旅行路线解决需要逻辑思考的任务智能体不仅能想还能代表你动手做事比如帮你自动订机票、整理资料、发邮件创新者具备创造能力比如独立设计产品、写小说剧本组织最高等级能协调多个智能体协作像一个全自动公司团队完成复杂项目。
以前的 ChatGPT 这类聊天机器人就像学生做题用户问一句答一句靠一次性推理解决简单问题。
但随着技术进步AI 开始 “自己跟自己对话”—— 比如接到 “策划一场婚礼” 的任务它会先在内部拆解成 “预算 - 场地 - 流程” 等步骤一步步想清楚再行动这就是 “推理能力” 的升级。
现在大模型在理解对话、逻辑分析、适应新任务、自主行动等方面越来越强AI 不再停留在 “回答问题”而是进化到 “主动办事” 的阶段从推理者到智能体。
比如你让它 “订周末的酒店并同步行程到日历”它会自己查价格、对比评分、完成预订还能自动更新你的日程表 —— 这种能动手处理具体任务的智能体产品正在快速普及。
03 人机发展历程和传统 AI 需要人一步步指导不同比如 Embedding 要喂数据、Copilot 得边做边教Agent 模式的核心突破是 “能自主干活”它直接对着目标任务自己完成记忆、推理、规划、执行全套流程不需要人中途介入。
比如你让它 “安排一次家庭旅行”传统 AI 得等你说 “先查酒店、再看景点”而 Agent 会自己拆解步骤、调用工具、整合信息最后直接把规划好的行程给你 —— 终极形态的 Agent 只需你说目标和验收结果中间全程自动像个独立办事的智能助手大大节省人力。
很多朋友想要对科技行业进行研究却又不知从何下手其实这时候选择ETF对整个行业进行跟踪便是一个不错的选择就像恒生科技指数ETF
。
它对小米、阿里、腾讯、中芯国际这些设计前沿科技的股票都有持股是一个实打实的科技型ETF。
04 上游产业链04-
算力驱动智能的引擎大模型带动算力需求激增2025 年 AI 大模型所需算力预计达到 2020 年的 10 倍其中超过一半来自企业的 AI 应用。
芯片市场现状与国产趋势英伟达占据全球高性能 AI 芯片超 80% 的市场其 A100/H100 芯片供不应求价格较之前上涨约 3 倍。
华为昇腾、寒武纪、壁仞科技等中国厂商加快自研步伐预计 2025 年国内 AI 芯片市场份额将提升至 30%。
云计算厂商算力竞争2023 年全球 AI 云算力市场规模达 640 亿美元AWS、Azure、谷歌云占据超 70% 的份额。
阿里云、华为云、腾讯云等中国云厂商加速布局其中阿里云计划未来三年投入 524 亿美元扩充 AI 算力。
算法塑造思维的框架算法是 AI 大模型的核心就像发动机之于汽车决定着模型的能力上限主要包括深度学习框架和优化策略。
2017 年谷歌提出的 Transformer 架构堪称 AI 大模型的 “技术基石”它颠覆了传统 RNN 的序列处理方式让模型能并行处理大量数据计算效率比传统架构提升 10 倍以上就像给 AI 换上了更强劲的 “大脑”直接掀起了大模型革命。
不过训练大模型成本极高比如 GPT-4 的训练成本预估超过 1 亿美元。
好在稀疏化、蒸馏、量化等新技术能 “精打细算”—— 通过简化模型结构、压缩参数等方式让训练成本降低 30%-50%缓解了算力和资金压力。
在模型生态上开源模型如 Meta 的 LLaMA和专有模型如 OpenAI 的 GPT形成竞争开源模型靠开放共享快速扩散推动技术普惠专有模型则依赖企业自研聚焦封闭场景的深度优化两者各有优势推动行业技术快速迭代。
04-
数据训练模型的燃料数据质量直接决定 AI 模型效果 —— 就像做饭要用好食材输入 “垃圾数据”模型输出也会是 “垃圾”研究显示 90% 的模型表现问题源于数据而非架构。
多样化数据源能提升模型通用性比如 GPT-4 结合文本与图像、PaLM 2 整合多模态数据让模型像 “多才多艺的助手” 处理更多任务。
前沿技术还能让 AI 自己优化数据比如通过自监督学习清洗数据、自动标注减少人工成本NLP 中的 Tokenization 和 Embeddings 等预处理技术则像给数据 “整理格式”让模型更容易 “理解”。
04-
发展趋势训练法则的迭代AI 训练法则的迭代就像升级学习方法过去 “模型越大能力越强” 的规律规模法则只在训练阶段起作用现在延伸到了实际应用时的推理阶段导致对算力的需求持续增加。
简单说预训练早期系统学习和后训练后期优化调整是模型 “打基础” 的阶段而测试时扩展法则应用时按需强化则是模型 “灵活解题” 的阶段尤其是深度推理任务可能让算力需求进一步上升。
预训练决定了模型的基础能力 “天花板”后训练和测试时扩展则负责把潜力发挥出来。
未来值得关注两大新模型Meta Llama-4 系列2025 年 4 月Meta 推出 Llama-4目前小模型 Scout 和中模型 Maverick 已发布最大的 Behemoth 还在训练中。
总参数接近 2 万亿将成为 Meta 史上最大的预训练模型。
OpenAI GPT-52025 年 2 月先推出了过渡版本 GPT-
5而真正的 GPT-5 已进入倒计时。
它作为下一代大模型会把 OpenAI 之前在 o 系列模型中测试的 “灵活扩展能力” 整合进来让模型在处理复杂任务时更智能。
05 中游产业链现在 AI Agent 刚起步各类企业已经抢着入局跟着先行者的脚步整个行业会越来越热闹。
按核心优势分主要有四类玩家企业自动化助手平台大多是原来做 “自动填表、发邮件” 这类办公自动化软件的公司现在给平台装上大模型 “大脑”帮企业流程比如财务、客服自动运转。
开发者工具箱大模型公司如 OpenAI和技术服务商提供工具让程序员不用从头开发直接 “组装” 出各种智能助手Agent。
行业专属智能软件原本做 ERP管企业资源、CRM管客户、营销、法律等垂直领域软件的公司给自家产品加个 Agent “插件”比如让它自动分析客户数据、生成合同。
智能设备入口面向普通用户的硬件比如 AI 手机、AI 电脑未来可能还有 AI 眼镜、智能汽车这些设备会成为你用智能助手的主要渠道比如手机上让助手规划行程汽车里自动调导航。
四类企业从不同方向推进让智能助手既能帮企业干活也能走进普通人生活。
Agent 综合开发平台就像 “智能助手工具箱”大模型公司如 OpenAI和技术服务商提供一套工具让开发者不用懂复杂技术就能像搭积木一样快速组装出各种智能体比如电商客服、数据分析助手还能帮你把做好的智能体发布到应用市场或对接企业系统。
它的核心是 “降低门槛”哪怕你不懂编程也能通过拖放功能、配置参数按自己需求做出能用的智能工具比如让它专门处理订单、写营销文案并直接推给用户使用。
这类平台是智能体普及的 “基础设施”就像当年的 App 开发工具催生手机应用爆发现在它们正在推动智能助手进入各个领域。
那如何提前对这一类国内的优质企业进行布局呢恒生互联网ETF(SH:
是一个不错的选择。
像腾讯、美团、快手、京东、阿里这些头部的互联网科技公司都被恒生互联网ETF纳入如果想要全面覆盖这一波科技变革选择它能事半功倍市场规模未来十年 AI Agent 市场将迎来爆发式增长据测算2033 年全球市场规模有望超过 1300 亿美元按 Market.us 数据达
1
2 亿美元
年每年平均增长近 44%相当于十年内规模翻超 50 倍。
麦肯锡报告指出生成式 AI 就像 “智能助手流水线”能在营销、客服等场景高效产出高质量内容比如自动生成广告文案、策划活动方案直接帮企业增收。
更关键的是他们梳理的 16 个业务领域中63 个 AI 应用场景每年可创造
6 到
4 万亿美元的经济价值 —— 这相当于目前英国全年 GDP 的
倍。
如果未来 AI 全面渗透到生产各环节潜在价值能达到
1 到
9 万亿美元接近日本全年 GDP。
若按科技公司常见的 “价值分成” 模式比如 ServiceNow 按创造价值的 10% 定价仅这部分衍生的 AI Agent 市场规模就可能高达 7000 亿美元相当于一个中等发达国家的经济总量。
简单说AI Agent 不仅是技术工具更像一个能 “造钱” 的新产业正在开启万亿级市场空间。
中国 AI Agent 市场现在像刚发芽的种子2024 年规模 1473 亿元但每 100 家企业里不到 5 家在用渗透率不足 5%。
不过随着它给企业软件SaaS带来的增效越来越明显比如让 CRM 自动分析客户数据、让财务软件自动生成报表加上 “按需定制智能助手” 的开发市场成熟比如能专门处理合同审核、营销文案的 Agent2028 年市场规模预计暴增至
3 万亿元 —— 相当于 2023 年整个上海市 GDP 的
5 倍。
若AI Agent按应用场景分类可分为企业管理、办公、营销、人力资源、财务、采购等。
假设与SaaS应用分类比例相同则Al agent企业管理与办公未来将占比40%销售营销占比30%人力资源占比10%。
05 下游产业链——应用场景05-
AI 眼镜AI 眼镜能成为 AI Agent 的 “黄金搭档”主要靠这三个优势交互像聊天一样自然不用动手打字直接说话下指令甚至通过眼神、手势就能互动就像你跟身边的助手说话一样符合人的本能习惯AR 让信息 “活” 在现实里借助增强现实技术它能把导航路线、翻译文字、商品信息等虚拟内容直接叠加到你看到的真实场景中 —— 比如看路标时眼镜会自动把中文翻译 “飘” 在英文路牌旁边看商品时直接显示价格和评价像给眼睛装了个 “智能投影仪”随身戴随时用作为穿戴设备它比手机更轻便不用专门拿在手里出门戴着就能随时调用 AI 功能比如通勤时让 Agent 规划路线逛街时让它推荐穿搭真正做到 “设备即助手”。
现在国内外厂商正加速布局国内雷鸟创新、百度等把 AR 技术和大模型结合密集推出能 “看、听、说” 的多模态交互新品比如支持语音操控 实时图像识别的智能眼镜推动普通消费者市场爆发国外苹果 Vision Pro、Meta Ray-Ban靠技术迭代比如更清晰的显示、更自然的交互和生态整合比如对接自家软件服务牢牢占据高端市场。
整个行业正朝着 “更轻、更贴场景” 发展比如专门为办公设计的 “会议助手眼镜”、为购物设计的 “导购眼镜”。
预计 2025 年后AI 眼镜会像智能手表一样普及成为 AI Agent 走进日常生活的重要入口。
05-
企业服务企业服务可能是 AI Agent 最先落地的地方海外已有成功案例主要有三个原因企业软件是 “数据仓库”办公、管理、客户等系统存着公司内部数据比如合同、客户记录这些数据能打造成企业专属 “知识库”让 AI Agent 快速熟悉业务就像新员工有了 “内部手册”企业软件是 “总控台”比如 OA 系统连接财务、人事等多个系统AI Agent 以它为入口能直接调用各系统功能比如自动审批报销、核对考勤像 “全能秘书” 一站式处理任务流程管理像 “流水线”企业里的审批、采购等流程规则明确、步骤清楚AI Agent 能按规则自动执行比如扫描合同条款、流转审批效率比人工高很多。
简单说企业服务场景有数据、有平台、有重复流程让 AI Agent 既能 “懂行” 又能 “高效干活”自然成了最先落地的 “试验田”。
金山办公办公场景或是Agent关键入口公司具有流量优势基于AI AGENT人工智能体范式驱动WPS AI伴写功能具体有四大特色全文补全功能、多种内容生成、不同身份与文风的切换、古诗词内容补全。
更新后的WPS AI伴写支持添加包括云文档、网页等参考资料用户完成标题后只需
5秒就能理解用户意图并续写内容。
办公场景高频且功能多样是 AI Agent 的核心入口。
金山办公作为国产办公软件龙头用户基数庞大 —— 截至 2024 年 9 月 30 日旗下产品月活设备数
18 亿WPS Office PC 版
77 亿移动版
38 亿这种高频使用和入口优势让它有望成为办公智能体的主要标杆。
科大讯飞办公智能体打造个人办公新范式2025 年 1 月科大讯飞推出 “办公智能体套装”覆盖企业与个人场景包含三大板块星火智能体平台企业的 “智能底座”接入 20 大模型、支持 10 文件格式与多语言已在 5000 企业落地集成 AI 搜索、虚拟数字人等六大能力搞定知识管理与多模交互。
B 端智能体星火纪要会议结束 5 分钟生成结构化纪要效率提升 70%星火投标内置 100 行业模板30 分钟生成标书内容节省 60% 编写时间星火陪练模拟 10 岗位场景新人培训周期从 4 周缩至 2 周星火快答支持 10 种语言的数字人讲解客户满意度提升 40%。
C 端智能体讯飞智文100 行业模板一键生成 PPT效率快 3 倍讯飞文书20 政务模板公文写作效率提升 50%讯飞绘文15 创作场景支持风格秒切换讯飞绘镜50 视觉模板30 分钟产出专业短视频。
这套方案靠技术底座5000 企业在用和细分工具如标书编写省时 60%成为覆盖全办公场景的 “智能搭档”。
06 核心标的情况如何学习AGI大模型作为一名热心肠的互联网老兵我决定把宝贵的AI知识分享给大家。
至于能学习到多少就看你的学习毅力和能力了 。
我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限仅展示部分资料需要点击下方链接即可前往获取2025最新版CSDN大礼包《AGI大模型学习资源包》免费分享**
2025最新大模型学习路线一个明确的学习路线可以帮助新人了解从哪里开始按照什么顺序学习以及需要掌握哪些知识点。
大模型领域涉及的知识点非常广泛没有明确的学习路线可能会导致新人感到迷茫不知道应该专注于哪些内容。
我们把学习路线分成L1到L4四个阶段一步步带你从入门到进阶从理论到实战。
L1级别:AI大模型时代的华丽登场L1阶段我们会去了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理
关键技术以及大模型应用场景通过理论原理结合多个项目实战从提示工程基础到提示工程进阶掌握Prompt提示工程。
L2级别AI大模型RAG应用开发工程L2阶段是我们的AI大模型RAG应用开发工程我们会去学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。
L3级别大模型Agent应用架构进阶实践L3阶段大模型Agent应用架构进阶实现我们会去学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造我们自己的Agent智能体同时还可以学习到包括Coze、Dify在内的可视化工具的使用。
L4级别大模型微调与私有化部署L4阶段大模型的微调和私有化部署我们会更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。
整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握而L3 L4更多的是通过项目实战来掌握大模型的应用开发针对以上大模型的学习路线我们也整理了对应的学习视频教程和配套的学习资料。
大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。
书籍含电子版PDF
大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。
大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。
大模型面试题面试不仅是技术的较量更需要充分的准备。
在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。
因篇幅有限仅展示部分资料需要点击下方链接即可前往获取2025最新版CSDN大礼包《AGI大模型学习资源包》免费分享