当前位置：首页 > news >正文

Ai Agent革命：不是流程驱动，而是模型为魂

news 来源：原创 2025/6/18 20:24:50

前言：AI 智能体的未来：模型才是“主旋律”，工作流只是“插曲”

在 AI 智能体的未来舞台上，模型本身才是永恒的“主旋律”，而工作流不过是短暂的“插曲”。以 Manus 为例，其基于“预先编排好的提示词与工具路径”的工作流智能体，或许能在短期内凭借独特设计脱颖而出，但长期来看，必将遭遇瓶颈。这种“提示驱动”的模式，好比在固定的剧本中按部就班地表演，一旦面对需要长期规划、多步骤推理的复杂任务，便会在“扩展性”的迷宫中迷失方向，无法真正驾驭那些复杂多变、充满未知的场景。

下一代真正意义上的大语言模型（LLM）智能体，将通过「强化学习（Reinforcement Learning）与推理能力（Reasoning）的深度融合」实现突破。文章中提及 OpenAI 的 DeepResearch 和 Anthropic 推出的 Claude Sonnet 3.7，正是这一趋势的先行者。它们展示了未来智能体将具备自主掌控任务全流程的能力——从动态规划与策略搜索，到工具使用的自我决策与实时调整，无需依赖人工预设的提示或外部工作流来驱动行为。

1：产品价值就在模型本身

过去几年间，关于下一波 AI 发展方向的讨论层出不穷：是智能体（Agents）？推理模型（Reasoners）？还是真正意义上的多模态（Multimodality）？各种猜测不一而足。

但如今我们可以更清晰地看到一个趋势：AI 模型本身，正在成为未来的核心产品。

为什么这么说？有以下几个关键原因：

1.1. 通用大模型的扩展已现瓶颈。

以 GPT-4.5 的发布为例，它传递出一个明确信号：模型能力的增长正趋于线性，而背后所需的算力却呈指数级上升。尽管 OpenAI 在训练技术和基础设施上进行了大量优化，但继续推进这种“超级模型”的成本已经难以承受。换句话说，单纯靠“堆参数”来提升性能的时代正在走向尽头。

1.2. 定向训练的效果远超预期。

通过强化学习与推理能力的结合，AI 正在展现出一种全新的形态——既不是传统机器学习，也不再只是通用大模型。它能够快速掌握特定任务，并表现出惊人的专业能力。例如，一些小规模模型在数学推理方面突飞猛进；编程模型不再只是生成代码，而是能自主管理整个项目；甚至连 Claude 这样的模型，在几乎没有专项训练的情况下，也能完成像玩宝可梦这样的复杂任务。

1.3. 推理成本正在急剧下降。

DeepSeek 的最新研究成果表明，目前全球可用的 GPU 资源已经足够支撑地球上每个人每天调用上万个顶级模型的 token。而现实是，市场对这类服务的需求远未达到饱和。这标志着，“卖 token”的商业模式正在失效，模型提供商必须寻找更高价值的变现路径。

1.4. 应用层或将首当其冲被重构。

这一趋势也带来了一个令人意外的结果：大量投资人此前将希望寄托于“应用层创新”，但现在看来，AI 下一阶段的发展很可能会从底层模型开始，直接冲击和重塑现有的应用生态。换句话说，最先被自动化和颠覆的，可能正是那些曾被视为“AI 落地窗口”的应用层产品。

2：下一代 AI 模型的奇幻蜕变

OpenAI 推出的 DeepResearch 和 Anthropic 推出的 Claude Sonnet 3.7，两个典型的「模型即产品」的案例。

实际上，OpenAI 并非简单地在 O3 模型外面套了层壳，而是从零开始训练了一个全新的模型。这个模型能直接在内部完成搜索任务，根本不需要外部调用、提示词或人工流程干预.

DeepResearch 不是标准的大语言模型（LLM），更不是普通的聊天机器人。它是一种 全新的研究型语言模型（Research Language Model），专为端到端完成搜索类任务而设计。任何认真用过这个模型的人都会发现，它生成的报告篇幅更长，结构严谨，内容背后的信息分析过程也极为清晰。

Anthropic 的目标逐渐清晰。去年 12 月，他们提出了一个颇具争议，但我认为非常精准的「智能体」定义。和 DeepSearch 一样，真正的智能体需要在内部独立完成任务：「智能体能够动态决定自身的执行流程与工具使用方式，自主掌控任务完成过程。」

然而，目前市面上大多数所谓的智能体公司，其实并没有做真正的智能体，而是在做「工作流」（workflows）：通过预先设定的代码路径，将 LLM 与其他工具串联起来。这种工作流在特定领域的垂直应用中仍有一定价值，但对于真正致力于前沿研究的人来说，显而易见的是：未来的真正突破，必须从模型层面着手，重新设计 AI 系统。

3：我们的机遇与挑战

这实际上是一种-复杂性的转移-：通过在训练阶段提前应对大量潜在的任务场景和各种极端情况，使得在部署和应用阶段的操作变得极为简便。然而，在这一过程中，绝大多数的价值创造集中在模型的训练环节，并最终由掌握训练能力的一方所主导和获取。

简单来说，Anthropic 想要颠覆并替代目前的那些所谓「智能体」工作流，比如像 llama index 的这种典型系统

需要完全蜕变成这种模式：

4：模型与应用之间的“热恋”已过

目前 AI 领域的大趋势已然明晰：这意味着，曾经火热的 API 经济即将走向终结，模型供应商与应用层之间曾经的紧密合作关系已然结束。

从市场方向来看，Claude Code 和 DeepSearch 等都是这一趋势的早期探索者。DeepSearch 并未提供 API 接口，而是作为 OpenAI 高级订阅的增值功能出现；Claude Code 则是一个较为简单的终端整合。这表明模型厂商已经开始绕过第三方应用层，直接创造用户价值。与此同时，应用层企业也在积极布局，悄悄地发展自身的模型训练能力。例如 Cursor 开发了小型代码补全模型，WindSurf 内部开发了低成本的代码模型 Codium，Perplexity 则转型训练了自己的 DeepSeek 变体模型用于搜索。

而那些曾经成功的「应用套壳商」如今却陷入了困境：他们要么自主训练模型，要么就可能被上游大模型彻底取代。他们之前所做的事情，本质上是在为上游大模型厂商进行免费的市场调研、数据设计和数据生成。如今，这些应用套壳商面临两难选择：自己训练模型或者被别人用来训练模型。由于投资者对「训练模型」较为排斥，一些公司甚至不得不隐藏他们最具价值的训练能力。

5：市场忽视了强化学习的巨大潜力

目前 AI 投资领域存在一个普遍问题：几乎所有投资都高度相关。

现阶段，几乎所有的 AI 投资机构都持有以下相同观点：

封闭 AI 厂商会长期提供 API；应用层是 AI 变现的最佳途径；训练任何形式的模型（无论是预训练还是强化学习）都是在浪费资源；所有行业（包括监管严格的领域）都会继续长期依赖外部 AI 提供商。然而，我必须指出，这些判断如今愈发显得过于冒险，甚至是明显的市场失灵。尤其是在强化学习（RL）技术近期取得突破的情况下，市场未能正确评估强化学习的巨大潜力并为其合理定价。

当下，资本市场对「强化学习」的威力评估严重不足，未能准确体现其价值。

从经济学角度来看，在全球经济逐渐步入衰退的背景下，能够进行模型训练的公司具有巨大的颠覆潜力。但令人费解的是，模型训练公司却难以顺利获得投资。以西方的新兴 AI 训练公司 Prime Intellect 为例，它拥有明确的技术实力，有潜力发展为顶级 AI 实验室，但即便如此，其融资仍面临巨大困难。

这种趋势也暗示着另一个更重大的变化：未来许多最赚钱的 AI 应用场景（比如目前仍被规则系统主导的传统产业）尚未得到充分开发。谁能训练出真正针对这些领域的专用模型，谁就能占据显著优势。而那些跨领域、高度专注的小型团队，或许才更适合率先攻克这些难题，并最终成为大型实验室潜在的收购目标。

然而令人担忧的是，目前大部分西方 AI 企业还停留在「纯应用层」的竞争模式上。甚至很多人尚未意识到：仅靠应用层就能赢得这场战争的时代已经结束了。

相比之下，中国的 DeepSeek 已经走得更远：它不再仅仅把模型视作产品，而是将其视为一种通用的基础设施。正如 DeepSeek 创始人连文峰在公开采访中明确指出：

DeepSeek 的使命并不是仅仅打造单个产品，而是提供一种基础设施层面的能力……我们会首先投入研究和训练，将其作为我们的核心竞争力。

6：LLM 智能体的代价与反思

最近备受关注的 Manus AI 实际上是一种典型的「工作流」系统。我在整个周末的测试中不断发现这类系统存在根本性局限，而这些局限早在 AutoGPT 时代就已显现，尤其在搜索任务中表现得极为明显：

- 它们缺乏真正的规划能力，经常在任务进行到一半时就「卡住」，无法推进；
- 它们无法有效记忆长期上下文，任务持续超过 5 到 10 分钟就难以维持；
- 它们在长期任务中表现很差，多步骤任务会因每一步的细微误差被放大，最终失败。

今天，我们尝试从一个全新的、更严格的角度出发，重新定义 LLM 智能体的概念。以下内容是在整合了来自大公司有限的信息、开放研究领域近期成果，以及我个人的一些推测之后，尽可能清晰的总结。

智能体这个概念，本质上几乎与基础的大语言模型完全冲突。在传统的智能体研究中，智能体（Agent）总是处于一个有约束的环境里，比如想象一下你被困在一个迷宫里，你可以向左走，也可以向右走，但你不能随便飞起来，也不能突然钻进地下，更不能凭空消失——你会受到物理规则甚至游戏规则的严格限制。真正的智能体，即便处于这种约束环境中，也会拥有一些自由度，因为你有多种方式来完成游戏。但无论怎么行动，每一次决策背后，都需要你有明确的目标：赢得最终的奖励。有效的智能体会逐渐记忆过去走过的路，形成一些有效的模式或经验。

7：智能跃迁的关键：强化学习与推理的强强联合

这是一个复杂且前沿的问题，目前公开信息确实有限。以下是对相关内容的重新梳理和整合：

与传统智能体类似，LLM 智能体的训练依赖于强化学习。可以将语言模型的学习过程比作走迷宫，迷宫中的道路代表着所有可能的文本输出路径，而迷宫的出口即最终的“奖励”就是期望得到的最佳答案。判断是否达到奖励目标的过程被称为“验证器”，William Brown 最新开源的 Verifier 库就是为此设计的工具。目前，验证器多用于数学推导或代码生成等可明确验证结果的任务，但 Kalomaze 的研究证明，即使对于非严格可验证的结果，通过训练专门的分类器，也能构建有效的验证器。这是因为语言模型在评估答案方面的能力，往往优于其创造答案的能力，即使是规模较小的语言模型作为“评委”，也能显著提升整体性能和奖励机制的设计效果。

LLM 智能体的训练方式类似于写作过程，即先生成完整的文本草稿，然后再进行评估。这种方式并非最初的研究重点，早期的探索主要集中在如何对每个单独的词汇（token）展开搜索。但后来由于计算资源的限制，以及近期推理模型取得的突破性进展，“草稿式”推理逐渐成为主流训练方式。典型的推理模型训练过程是让模型自主生成多个逻辑步骤，最终选择那些能带来最佳答案的草稿。这可能会产生一些出人意料的现象，比如 DeepSeek 的 R0 模型偶尔会在英文与中文之间突然切换。但强化学习并不在乎看起来是否奇怪，只在乎效果是否最好，就像在迷宫里迷路的智能体一样，语言模型也必须通过纯粹的推理寻找出路。没有人为预定义的提示，没有提前规定好的路线，只有奖励，以及获得奖励的方法，这正是“苦涩教训”所给出的解决方案。

LLM 的草稿通常会被提前划分为结构化的数据片段，以方便奖励的验证，并在一定程度上帮助模型整体的推理过程。这种做法被称为“评分标准工程”，既可以直接通过奖励函数来实现，也可以在大实验室更常见的方式下，通过初步的后训练阶段完成。

LLM 智能体通常需要大量草稿数据以及多阶段训练。例如，在进行搜索任务训练时，不会一下子评价搜索结果，而是评价模型获取资源的能力、生成中间结果的能力、再获取新资源、继续推进、改变计划或回溯等能力。因此，目前训练 LLM 智能体最受青睐的方法是 DeepSeek 提出的 GRPO，特别是与 vllm 文本生成库配合时效果最佳。前几周，基于 William Brown 的研究成果，仅使用 Google Colab 提供的单个 A100 GPU，就成功地实现了 GRPO 算法的代码笔记本，这种计算资源需求的大幅下降，将加速强化学习与智能体设计在未来几年真正走向大众化。