2024AI Agent发展现状、技术趋势及产业链厂商分析报告（35页）.pdf

1、 2024 年深度行业分析研究报告 正文目录正文目录 核心观点.5 与市场观点的不同之处.5 AI Agent：通过通过 AGI 的核心基础的核心基础.6 AI Agent：LLM 推动推动 AI Agent 进入新阶段进入新阶段.8 智能助手到 Agent：由搜索匹配走向规划与交互式决策.8 分模块持续突破+系统性优化推动 AI Agent 能力提升.11 感知：模型端原生多模态推进，Agent 多模态感知能力可期.11 记忆：模型端上下文长度持续突破，向量外部存储与检索强化长期记忆.12 规划：关注 LLM 对于任务分解算法及反思提炼能力的改变.13 行动：工具使用能力为关键，具身智能为新

2、方向.13 多路径共同提升 Agent 整体智能化水平，有望逐步通向整体智能.14 路径一：模态丰富+具身智能+多 Agent 协同.15 路径二：通过提升整体性或利用工作流解决复杂问题.16 AI Agent 技术逐步落地，智能性仍有提升空间技术逐步落地，智能性仍有提升空间.18 AutoGPT：利用 LLM 逐步拆解任务，外挂插件提升能力.18 卡耐基梅隆 Agent：利用 LLM 强化信息获取及工具使用.20 Devin：利用 AI 实现自主编程.21 AI Agent：智能性仍有提升空间，关注 Agent Workflow.22 模型模型&MaaS 厂商：凭丰富工具厂商：凭丰富工具&实

3、践经验把握发展机遇实践经验把握发展机遇.24 MaaS 厂商侧重 2B 业务场景：2B 提供落地工具+2D 提供开发框架.24 2B：基于业务卡位，提供落地工具.24 2D：提供开发框架，卡位开发者场景.27 模型厂商落地：GPTs 通过配置实现定制化，打造 LLM 垂直领域助手.27 应用厂商：具备垂直数据与工程化优势，关注工作流卡位应用厂商：具备垂直数据与工程化优势，关注工作流卡位.29 与工作流结合，推动 Agent 落地以 Servicenow 为例.29 基于私有数据，打造智能应用以 Salesforce 为例.30 终端厂商：推动人机交互升级，率先实现终端厂商：推动人机交互升级，率

4、先实现 Agent 落地落地.32 总结：从总结：从 AI Agent 有望逐步通向有望逐步通向 AGI.34 相关公司梳理相关公司梳理.35 图表目录图表目录 图表 1：AI Native（AI 原生应用）.6 图表 2：AI Agent：改变人机交互方式.6 图表 3：GPT-4o 已初步具备 Agent 能力.6 图表 4：AI Agent：下一代大模型的核心能力.7 图表 5：AI Agent：能力体现.7 图表 6：AI Agent：发展复盘.8 图表 7：语音助手&聊天机器人：技术架构.9 图表 8：AI Agent：技术框架.9 图表 9：冯 诺依曼结构.10 图表 10：AI

5、Agent：技术框架.10 图表 11：AI Agent：感知模块及落地路径.11 图表 12：Google Gemini：多模态融合.11 图表 13：OpenAI GPT4o：端到端多模态.11 图表 14：AI Agent：记忆模块及落地路径.12 图表 15：大模型支持上下文长度情况.12 图表 16：AI Agent：规划模块及落地路径.13 图表 17：AI Agent：行动模块及落地路径.14 图表 18：AGI 分级.14 图表 19：通用人工智能（AGI）：研究进展.15 图表 20：AI Agent：三种应用场景.15 图表 21：Foundation Agent.16 图

6、表 22：Agent AI 系统概述.17 图表 23：Agent workflows：有效提升 Human Eval 测试表现.17 图表 24：AutoGPT：任务流程.18 图表 25：AutoGPT：程序示例.19 图表 26：AutoGPT：第一方插件.19 图表 27：AutoGPT：部分第三方插件.20 图表 28：Agent：系统框架.20 图表 29：Agent：文档搜索概述.21 图表 30：SWE 基准测试结果.22 图表 31：Devin：能力示例.22 图表 32：AI Agent：实践情况.23 图表 33：从自动化到智能化：AI Agent.23 图表 34：Ma