人工智能正在以前所未有的速度影响世界,而AI 智能体(AI Agents)则是新一波人工智能中最热门、最重要的一个概念。什么是AI智能体?它是否会真正改变我们的生活方式,甚至塑造新的社会规则?未来哪些职业会消失,哪些新岗位会出现?AI 是否会带来更公平的社会?在商业领域,如何利用 AI 提高生产力?全球格局下,中美在 AI 发展模式上有哪些异同?它们会是竞争对手,还是最终走向融合?
带着这些问题,我们的记者与在美国西雅图的华人企业家、人工智能的深度实践者、Wyze Labs合伙人吴沙林远程连线,进行了下面的对话。吴沙林撰写的普及AI智能体概念的新书《AI Agents Demystified》近期已在美国出版。在本次访谈中,他将分享自己对 AI 智能体的深刻理解,并探讨 AI 对全球格局、未来职业发展以及社会结构的变革。
AI智能体的核心概念与突破
记者: 很多人对 AI 智能体的概念还不太清楚,它究竟是什么?它与我们熟悉的AI人工智能技术有什么区别?
吴沙林:传统的 AI 通常仍然是一种被动工具,与人类几千年来发明的其他工具——从斧头到汽车——没有本质区别。这些工具依赖预设规则或训练数据来完成任务,不具备主动决策能力也不会主动决策。而 AI 智能体的核心特点在于自主决策,它不仅能够感知信息,还能独立推理,做出决定并执行。AI智能体更像是一个自主运作的“数字代理”,不仅能理解用户需求,还能结合上下文和历史数据进行推理,完成自主决策。例如特斯拉的全自动驾驶(FSD v12+) 就是一个完整的 AI 智能体。它通过全车摄像头获取环境信息,实时分析交通路况盒地图信息,完成自主决策进行驾驶,而不依赖于传统智能辅助驾驶系统的条件判断算法。
另一个案例是 AI 智能投资顾问。它不仅能分析市场数据,还能结合投资者的个人风险偏好和市场动态,自动优化投资组合,并根据突发的经济环境变化进行调整做出投资决策,而不是根据既定规则或被动等待用户指令。这就是 AI 智能体与传统 AI 最大的区别——从“被动执行者”进化为“主动思考和决策者”。
记者: 这听起来像是 AI 正在迈向人类思维的阶段,目前的技术是否已经达到了这样的水平?
吴沙林: 还远远没有达到,但方向已经很明确。当前的大模型,比如 GPT-4、Claude、Gemini,包括国内的DeepSeek,都已经表现出一定的推理和自主学习能力。但它们仍然缺乏真正的长期规划和跨场景决策能力。准确的说,现在的 AI 智能体还在“模拟”智能,而不是完全具备了真正的智能。
要让 AI 智能体真正变得强大,最终走向AGI(通用人工智能),至少需要三方面的突破。首先是更强的推理能力,使其能够在复杂的环境中做出符合逻辑的决策,而不只是基于统计概率进行预测。其次是长期记忆,让 AI 不是仅仅依赖短时对话或有限数据,而是可以像人类一样积累经验、优化自身。最后是自主性和可控性,如何让 AI 既能独立行动,又不会失控,这是 AI 研究者们正在探索的关键问题。
AI 智能体如何改变社会?
记者: AI 智能体的应用范围正在不断扩大,它们最先会在哪些领域带来真正的变革?
吴沙林: 目前最明显的变革会发生在企业运营、医疗健康、金融以及教育这些领域。
在企业中,AI 智能体正在改变知识型工作的方式。过去,企业决策依赖于人的判断,而现在 AI 智能体已经可以自动分析市场趋势、生成商业报告、参与技术开发和质量控制,甚至优化供应链管理。未来,一个公司的运营团队可能不再是完全由人类组成,而是由多个 AI 智能体和人类协作,更加高效高质的完成日常任务。
医疗行业的变化同样令人期待。AI 智能体已经能够识别医学影像中的病灶,并提供高度精准的诊断建议,最小化人为因素导致误诊的可能。更重要的是,AI智能体可以帮助医生制定个性化治疗方案,并在患者康复过程中提供实时监测。这意味着未来医疗诊断会下沉到每个家庭,每个人都可能拥有一个私人AI 医疗顾问,监控你的健康状况,做出控制性决策,并提前预测你可能面临的健康风险。
金融行业早已开始大规模使用 AI,但 AI 智能体的引入将进一步提高投资和风险管理的自动化水平。相比传统的量化交易模型,AI 智能体能够在市场剧烈波动时自主调整策略,甚至在金融危机中找到生存空间。
至于教育,变化可能比其他领域更加深远。传统的教学模式正在被 AI 智能体重塑,个性化学习将成为未来的主流。每个学生都会拥有自己的 AI 智能体导师,它可以根据学生的学习风格和进度,提供实时的反馈和建议,根据个人兴趣定制课程内容。未来的课堂将不再是“一对多”的灌输式教学,而是“AI+教师”协作的智能学习环境。
AI 对未来职业与教育体系的冲击
记者: AI 智能体的发展将如何影响未来的职业结构?哪些工作会消失,哪些新岗位会出现?
吴沙林: 未来 10 年,全球的职业格局将经历剧烈的变化。许多基础重复性强、规则明确的工作可能会消失,比如基础编程、数据录入和基本分析、市场分析和研究、法律文案整理、客服支持等。与此同时,一些新型职业将会出现,例如AI 伦理顾问、AI 行为设计师、智能体系统架构师优化师,甚至是虚拟企业架构师。人类的价值,在于我们理解情境、可以做出创造性决策、建立信任和情感关系,这些是 AI 很难替代的。
对于年轻一代而言,最重要的是培养适应 AI 时代的核心能力,包括快速学习的能力、与 AI 协作的能力、解决复杂问题的创造力,以及跨学科思维的灵活性。传统的学校教育将不得不改变,未来的大学课程可能不再专注于“学习某个专业知识”,而是强调如何在 AI 驱动的社会中不断成长和进化。
比如我 10 岁的儿子,他未来的职业可能今天根本不存在;而我7岁的女儿,未来可能根本不需要学习汽车驾驶和考取驾照。他们需要的,不是像我们这一代人一样去适应工作,而是学会如何驾驭 AI,让 AI 成为他能力的延伸。
中美 AI 发展模式:竞争还是融合?
记者:在 AI 发展的全球格局下,中美是公认的两大引擎。您如何看待中美在 AI 领域的发展模式、竞争关系和未来的融合可能性?
吴沙林:无论是中国还是美国,AI 都被视为未来核心竞争力之一,两国在技术路径、市场需求、政策环境等方面存在显著差异,但在某些领域也有高度相似性和互补性。
首先,从技术路线来看,美国 AI 产业更偏向于基础研究,而中国更强调工程落地。美国的 AI 创新主要由OpenAI、Google、Meta这些科技巨头推动,专注于基础大模型、算法突破、认知智能等。而中国的 AI 企业更侧重于工程实现,比如 AI 在智能制造、供应链优化、金融风控、智慧城市等场景的应用落地。
其次,从 AI 发展的三大核心(数据、算法、算力)来看,美国在算法和算力层面具有优势,尤其是 AI 芯片和云计算能力遥遥领先,而中国在数据丰富性和应用场景方面更胜一筹。比如,中国 AI 在内容创作、电商、短视频、金融、自动驾驶等数据密集型行业里具备强大竞争力,而美国 AI 更擅长构建通用大模型和跨领域 AI 应用。
商业模式上的差异也很明显。美国的 AI 企业更偏向软件订阅商业模式,以SaaS(软件即服务)、企业订阅服务、API服务为核心,比如微软的Copilot和 OpenAI 的 API 生态。而中国 AI 企业更倾向于规模化推广,通过 AI+短视频、AI+电商这一类的模式获取用户,再通过规模和生态实现商业化。
当然,中美 AI 发展也面临地缘政治与科技封锁的挑战。例如,美国对高性能 AI 芯片的出口限制,一定程度影响了中国 AI 企业在大模型训练上的推进速度,而中国在大规模数据采集方面也受到监管限制。但与此同时,AI 是一个全球化技术,产业合作仍然是大趋势。比如,大模型训练需要全球数据,AI 伦理治理和隐私保护也需要国际合作。
我个人相信,中美 AI 的竞争是科技格局的一部分,但 AI 的本质是全球化,最终的方向一定是互补与融合。在 AI 智能体时代,我们更应该关注的是技术如何真正服务社会,而不是简单地用国别来划分 AI 的发展格局。
给 AI 创业者的建议
记者: 最后,作为一位成功的企业家,您对想要进入 AI 领域创业的人有什么建议?
吴沙林: AI 创业的门槛很高,技术更新极快,竞争也极其激烈,并且目前PMF(产品市场契合度)也还处于探索阶段。但无论是技术创业还是产品创业,创业者都需要清楚 AI 不是一个目的,而是一个手段,它最终要为用户创造真正的价值,不要拿着锤子找钉子。
首先,要从“解决问题”出发,而不是“炫技”。许多 AI 项目失败的原因是技术很酷,但用户并不真正需要它。要始终围绕用户需求,思考 AI 能如何让他们的生活变得更好、更简单。
其次,要关注可落地的场景,而不是空谈概念。任何 AI 技术最终都要进入市场。做 AI 创业,必须实践和验证 市场需求、用户体验、商业模式,确保你要做的不只是概念,而是可以带来用户认可价值,具有商业模式的产品。
最后,是要坚持长期主义,持续学习。AI 发展非常快,今天的新技术,可能半年后就会过时。创业者和从业者需要 不断学习、不断适应,才能跟上行业的发展节奏。
编者按:在这场对话中我们看到,AI 正以前所未有的速度改变世界。它不仅是一项技术,更是一场认知革命,正在重新定义工作方式、商业模式,甚至社会结构。
AI 智能体的崛起意味着我们正迈入一个全新的时代,一个人与 AI 共存、协作、共进的时代。它不会简单地取代人类,而是重塑人与机器之间的关系,让我们的能力得到延展,让生产力得到释放,让个性化服务触及更多人群。然而,每一场技术革命都会带来机遇与挑战。面对全球 AI 产业竞争,我们需要从封闭走向开放,在竞争中寻找合作机会,共同推动 AI 的安全、可持续发展。
未来已来,我们不再只是旁观者,而是亲历者、建设者、甚至是规则的制定者。如何驾驭 AI,不仅关乎科技的发展,更关乎人类社会的未来。
免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。