2025年，AI Agent還會是風口嗎？11個問題揭秘智能體技術發展全貌
2024年，AI智能體技術無疑是科技界的焦點。
通過對來自100多個國家的3400名開發者進行深入調查，Langbase公司近日發布的一項報告揭示了智能體開發中的關鍵問題。這項調查的受訪者中，有46%是企業領導層，26%是工程師。
Langbase專注于提供無服務器的AI云開發體驗。作為一個提供可組合基礎設施的AI平臺，他們在2024年一共處理了來自3.6萬開發人員的1840億個token和7.86億個API請求。
提起Langbase這個名字，你也許不太熟悉。事實上，這家公司非常年輕，2023年剛剛成立。
根據Crunchbase披露的數據，他們剛剛才在9月份進行了pre-seed輪融資，但已經得到了谷歌、蘋果、OpenAI、微軟等大廠高管們的資金支持。
下面就讓我們一起來看看這家年輕有為的Langbase發布的這份圖文并茂的報告中究竟提到了哪些內容。
問題1：開發者在使用哪些基座大模型
在這場AI智能體的競賽中，OpenAI的大模型服務占據了主導地位，但谷歌正迅速崛起，成為其強勁的競爭對手，Anthropic緊隨其后。
其中，Meta的Llama、Mistral和Cohere雖然影響力較小，但增長勢頭不容忽視，顯示出基座大模型市場的激烈競爭。
圖片
問題2：不同大模型對應的的具體用途
OpenAI在翻譯任務中被廣泛應用，Anthropic在技術任務中備受青睞，而谷歌的模型在健康和翻譯領域占據主導地位。
此外，Meta在科技和科學應用中得到了廣泛使用，Cohere也在多個領域得到重視，包括科學和營銷。
問題3：哪些因素阻礙了你對大模型技術的應用
在模型的擴展和部署中，數據隱私和安全合規性成為主要關注點，「缺乏監控工具」和「高基礎設施成本」這兩項因素也阻礙了技術的落地應用。
對AI驅動解決方案的抵制或懷疑反映了使用者們的長期顧慮，這表明，模型和技術的提供商們需要更加透明和用戶友好的AI平臺。
圖片
問題4：哪些因素影響大模型的選擇
在選擇大型語言模型（LLM）時，準確性是最重要的因素，其次是安全性和可定制性，成本的影響相對較小。
圖片
問題5：在部署大模型時，你遇到的最大挑戰是什么？
在生產環境中部署大模型和智能體面臨著種種關鍵挑戰，包括定制困難、質量保證評估方法有限，以及缺乏可重用的基礎設施。
此外，工具碎片化、集成問題和可擴展性等方面的顧慮進一步復雜化了這個過程。
圖片
問題6：采用大模型技術時，你的主要目標是什么？
「自動化」和「簡化」是AI應用的首要任務，使公司在效率和流程簡化方面受益；此外，定制解決方案和提升合作流程等方面的目標，反映了大模型日益增長的靈活性，以及消費者對系統共享訪問的興趣。
圖片
問題7：您的公司如何使用大模型智能體？
LLM在軟件開發中得到廣泛應用，尤其在市場營銷、IT運營和文本摘要等方面，客服、人力資源和法律領域的使用興趣也在日益增長。
圖片
問題8：那些平臺特征對你至關重要
大多數受訪者都需要多智能體檢索增強生成（RAG）功能以提高上下文信息處理，同時，評估工具對于確保人工智能系統按預期工作也很重要。
圖片
問題9，在編排AI流水線時，開發者偏好哪種工具
大多數受訪者更喜歡能提供靈活、基礎原語的開發工具以設計定制AI流水線（pipeline）。預構建的、針對特定問題的解決方案雖然可以直接解決具體問題，但它們的可定制性較低。
圖片
問題10：什么因素影響大模型智能體開發工具的選擇
開發者將AI智能體的版本控制視為開發平臺最重要的功能。強大的SDK或庫生態系統以及本地開發環境也受到重視。
圖片
問題11：大模型在公司中的應用程度
大多數開發者將 AI 用于實驗和生產。相比之下，實驗用途的比例遠遠大于生產用途，但后者的比例仍在穩步前進的過程中。
圖片
隨著AI智能體基礎設施的成熟，越來越多的企業會嘗試開發智能體，而隨著多模態及大模型操作計算環境（例如Claude通過接口在線互動）的發展，智能體在2025年的應用將更加廣泛，甚至不僅僅局限于報告中提到的軟件開發、市場營銷、IT運營和文本摘要等領域。
然而，該調查中揭示的開發者關注的問題，例如更看重準確性、安全性和可定制性，而成本因素影響較小，以及偏好靈活、可定制的AI流水線開發工具，并重視AI智能體版本控制功能。
無論技術怎么進步，這份調查結果都會對智能體平臺及開發者有參考價值。
