模型巨獸將吞噬一切嗎？代理時代可能催生更多獨立層級

「胖模型」理論認為，模型公司可能會垂直整合API、工具、代理框架和應用入口點。然而，代理要跨資料、工具、身分、支付和企業系統執行任務，就不能只將其視為聊天機器人的升級版。模型巨頭在運算能力、資本、模型和分發方面仍然擁有優勢，但在編排、記憶體、路由和身分等方面，新創公司或許還有發展空間。在人工智慧代理時代，像OpenAI、Anthropic、Google等模型公司是否會像市場預期那樣，繼續吞併API、工具、代理框架、企業應用和消費者入口點？這正是「胖模型」理論的核心判斷：如果封閉式模型繼續快速發展，並透過分發和工具鏈進行垂直整合，那麼人工智慧產業的大部分價值可能會流向模型層。然而，另一種觀點認為，隨著人工智慧從聊天應用過渡到代理時代，價值可能不僅限於模型公司，而是會擴散到多個新的基礎設施層。 ### 「胖模型」押注模型公司整合 大型模型公司的發展路徑不難理解：首先，擁有最先進的基礎模型；然後，將這些功能打包成API、開發工具和代理框架；最終進入消費者應用和企業工作流程。只要模型夠強大，上層體驗、資料和開發者生態系統就會往模型平台靠攏。這也是資本願意給予頂級AI公司高估值的關鍵原因之一。路透社5月的報告顯示，Anthropic完成650億美元的H輪融資後，投後估值達9,650億美元。 OpenAI今年3月揭露的最新融資使其投後估值達到8,520億美元。 Alphabet的市值也已超過4兆美元，是其2022年底水準的三倍多。市場對模型層給予高估值，押注其未來的用戶拓展能力和利潤率。然而，目前仍存在爭議，即該模型的優勢是否足以讓這些公司同時在每一層都擁有價值。尖端模型、運算能力、研發團隊、雲端基礎架構和企業客戶資源等關鍵要素確實集中在少數幾家公司手中；然而，一旦代理商進入實際工作流程，價值鏈將不再僅僅圍繞「哪個模式最強」。類似的變革在多個技術週期中都曾發生過。 IBM 曾將大型主機整合到硬體、軟體和服務系統中，後來被個人電腦生態系統拆分；微軟曾主導桌面系統，而互聯網開闢了新的應用入口；運營商曾擁有垂直整合的網絡，而互聯網則將網絡服務拆分；AWS 創建了一個規模超過萬億美元的雲平台，但在雲之外，仍然湧現出大量獨立的軟體公司。這些類比並非暗示“大型平台總是會失敗”，而是想說明，在一個技術週期完成基礎設施部署後，價值往往會從單一的整合平台溢出到更專業化的層面。 ### 智慧代理並非聊天框，而是跨系統任務執行器 代理生態系統的關鍵演進在於，人工智慧不再只限於回答問題，而是開始承擔更多任務。圍繞著智慧代理堆疊，模型、編排、記憶體、執行、身份驗證、支付和其他層級都可能形成獨立的價值。不同的公司將在各自的層面上進行整合與競爭，而不是都依賴同一個模型平台。支持這項評估的第一個變化是模型供應變得更加多樣化。前沿模型仍然佔據主導地位，但開源權重模型、邊緣模型和商業模型也不斷出現。不同的模型在功能、延遲和成本方面存在差異。對於許多業務工作負載，企業和開發人員將在成本、速度、穩定性和任務品質之間進行權衡，而不是預設所有請求交給最昂貴、功能最強大的模型。第二個變化是人工智慧的應用場景過於分散。一家模型公司既可以開發通用聊天應用程序，也可以進入辦公室、程式碼和搜尋等大型領域。然而，智慧代理要真正融入醫療保健、金融、製造、法律、客戶服務、採購和物流等行業的特定流程，每個行業都有其自身的資料結構、合規性要求、操作習慣和系統介面。任何一家公司都難以開發出適用於所有場景的最佳產品。企業生產環境也會加劇這種零碎化。在實驗階段，企業可以接受模型演示或封閉式聊天工具。一旦進入關鍵流程，客戶就會要求資料駐留、權限管理、稽核記錄、成本控制、供應商可替換性以及合規性驗證。此時，企業更傾向於自行組裝合適的組件，而不是被迫接受單一平台的預設選擇。這也是智慧代理與傳統聊天應用之間的關鍵區別。醫療保健智慧代理可能需要讀取病歷、檢查藥物交互作用、訪問醫院系統、產生建議並保存審計記錄。企業採購智慧代理可能需要存取庫存、合約、審批流程、供應商系統和支付網路。它們更像是穿梭於多個服務之間的“執行者”，而不是運行在單一視窗中的問答工具。 ### 編排、記憶體、路由和身份，可能在模型之外萌芽 智慧代理的基礎設施可以分為多個方向：編排、框架、記憶體、瀏覽器、路由、模型市場、身份和支付。更簡單地說，這些層對應於：如何管理多個智能代理、如何將模型連接到現實世界的工具、如何保存和共享上下文、人們如何與智能代理交互、哪個模型應該處理請求、如何驗證智能代理的身份以及智能代理如何完成支付。編排層可能成為人工智慧代理時代的控制中心。當多個代理程式在組織內運作時，它們需要被部署、監控、授權、協作並降低風險。單一模型 API 難以解決端到端的流程管理問題。框架可以理解為模型的「執行外殼」。如果將大型模型比作大腦，那麼連接層則負責將其與文件、資料庫、網站、機器人、企業軟體和實體設備整合。不同的場景需要不同的連結工具，從而催生出更多專業化的產品。記憶層負責處理情境傳遞問題。當多個代理程式需要理解相同使用者、同一企業或相同任務時，上下文不能被鎖定在單一聊天視窗中。能夠提供可轉移、可授權且可審計的數位記憶的方案，有望成為新的基礎設施。路由和模型市場的價值在於多模型部署。如果一家公司同時使用多個模型，則需要確定哪個模型最適合哪個任務，以及如何在成本、延遲和準確性之間取得平衡。因此，模型競爭不僅變成了排名競爭，也變成了實際生產環境中的排程問題。身份和支付更具前瞻性，但對於人工智慧代理能否真正執行交易至關重要。隨著機器流量和代理行為的增加，網路需要區分請求者的身分、請求是否已獲得授權以及付款是否可以完成。如果人工智慧代理商要參與電子商務、訂閱、微支付或企業採購，現有的以人為本的支付和身分系統也可能需要轉型。 ### 模型巨頭依然強大，但未必能攫取所有價值 這種模組化敘事的邊界也很清晰。它並非暗示大型模型公司會失去主導地位。尖端模型仍然是人工智慧體驗的基礎，運算能力、數據、研究團隊和分發能力仍然集中在少數幾家巨頭手中。如果模型功能繼續快速擴展，上層生態系統可能仍會圍繞這些頂級平台運作。真正的分歧在於，人工智慧代理時代的價值是否會像聊天應用階段那樣集中。隨著人工智慧進入實際工作流程，使用者不僅關心“哪個模型最聰明”，還關心與傳統系統整合、切換供應商、控製成本、可審計性以及跨工具完成任務的能力。這為獨立新創公司留下了空間，但並非每個層級都能發展成為大型公司。在編排、記憶體、身分、支付、瀏覽和路由等領域，每個模型最終都需要證明自身擁有足夠強大的切入點、網路效應或獲利能力；否則，它們很容易淪為模型平台的一個功能。模型巨頭們正在向上整合自身能力，而新創公司和投資者則押注人工智慧代理生態系統將催生更多專業化的層級。人工智慧代理時代尚未解決的核心問題是：模型會成為一個吞噬整個技術堆疊的超級平台，還是會成為新一輪模組化基礎設施的起點？ [BlockBeats]