深度解析 Multi-Agent：Web3 与 AI 终将相互成就？

2024年9月17日 15:58

如果说AIGC开启了内容生成的智能时代，那么AIAgent则有机会把AIGC的能力真正产品化。

AIAgent像一位更具象的全能员工，被称为是人工智能机器人的初级形态，能够如同人类一般观察周遭环境、做出决策，并自动采取行动。

比尔·盖茨曾直言，“掌控AIAgent，才是真正的成就。届时，你将不再需要亲自上网搜索信息。”AI领域的权威专家们同样对AIAgent的前景寄予厚望。微软CEO萨提亚·纳德拉曾预言，AIAgent将成为人机交互的主要方式，能够理解用户需求并主动提供服务。吴恩达教授亦预测，在未来的工作环境中，人类和AIAgent将以更加紧密的方式协作，形成高效的工作模式，提高效率。

AIAgent不单是技术的产物，更是未来生活与工作方式的核心。

这不禁让人回想，当Web3和Blockchain刚引起广泛讨论时，人们也常常用"颠覆"一词来形容这项技术的潜力。回顾过去几年，Web3从最初的ERC-20、零知识证明，逐渐发展到了与其他领域相融合的DeFi、DePIN、GameFi等。

若将Web3与AI这两大热门数字科技相结合，会不会产生1+1>2的效果呢？融资规模越来越庞大的Web3AI项目，能否为行业带来新的用例范式，创造新的真实需求？AIAgent：人类最理想的智能助手

AIAgent的想象力到底在哪里？网上盛传一个高分答案，“大语言模型只能编个贪吃蛇，而AIAgent可以编出一整个王者荣耀。”听起来很夸张，但并未言过其实。

Agent，国内通常翻译为“智体”。这一概念由“人工智能之父”Minsky在1986年出版的《思维的社会》一书中提出，Minsky认为社会中的某些个体经过协商之后可得出某一问题的解，这些个体就是Agent。多年来，Agent一直是人机交互的基石，从微软的剪辑助手Clippy到GoogleDocs的自动建议，这些早期形态的Agent表现出了个性化交互的潜力，但在处理更复杂任务方面能力仍然有限。直到大语言模型（LLM）的出现，Agent的真正潜力才得以被挖掘。

今年5月，AI领域权威学者吴恩达教授在美国红杉AI活动上分享了关于AIAgent的演讲，在其中，他展示了其团队做的一系列实验：

让AI去写一些代码并运行，对比不同LLM和工作流程得出的结果。结果如下：

GPT-3.5模型：准确率48%

GPT-4模型：准确率67%

GPT-3.5+Agent：高于GPT-4模型的表现

GPT-4+Agent：远高于GPT-4模型，非常出色

单人独角兽公司正在成为现实

AIAgent还能够帮助企业打造以“人机协同”为核心的智能化运营新模式。越来越多的业务活动将交由AI来完成，而人类则只需要聚焦于企业愿景、战略和关键路径的决策上。

就像OpenAI首席执行官SamAltman曾在采访中提到过这样一个引人注目的观点，随着AI的发展，我们即将进入“单人独角兽”时代，即由单人创办并达到10亿美元估值的公司。

听起来天方夜谭，但在AIAgent的助力下，这个观点正在成为现实。

不妨做个假设，现在我们要创办一家科技初创公司。按照传统方法，显然我需要雇佣软件工程师、产品经理、设计师、营销人员、销售和财务人员，各司其职但都由我来协调。

那么如果使用AIAgent呢，我可能甚至都不需要雇佣员工。

Devin—自动化编程

替代软件工程师，我可能会使用今年爆火的AI软件工程师Devin，它能帮我完成所有前端和后端的工作。

Devin由CognitionLabs开发，被称为是“世界上第一个AI软件工程师”。它能够独立完成整个软件开发工作，独立分析问题、做出决策、编写代码并修复错误，均可自主执行。大大减轻了开发人员的工作负担。Devin在短短半年内就获得了1.96亿美元的融资，估值迅速飙升至数十亿美元，投资方包括FoundersFund、KhoslaVentures等知名风险投资公司。

虽然Devin仍未推出公开版本，但我们可以从另一个最近爆火Web2的产品Cursor一窥潜力。它几乎可以为你完成所有工作，将一个简单的想法在几分钟内转化为功能性代码，你只需要发号施令，就能「坐享其成」。有报道称，一个八岁的孩子，在没有任何编程经验的情况下，居然使用Cursor完成代码工作并建起了一个网站。

Hebbia—文件处理

替代产品经理或财务人员，我可能会选择Hebbia，它能帮我完成所有文档的整理和分析。

与Glean侧重企业内文档搜索不同，HebbiaMatrix是一个企业级的AIAgent平台，借助多个AI模型，帮助用户高效地提取、结构化、分析数据和文档，从而推动企业生产力的提高。令人印象深刻的是，Matrix能一次性处理多大数百万份文档。

Hebbia在今年7月完成了1.3亿美元B轮，a16z领投，GoogleVentures、PeterThiel等知名投资者参投。

JasperAI—内容生成

替代社媒运营和设计师，我可能会选择JasperAI，它能帮我完成内容的生成。

JasperAI是一个AIAgent写作助手，旨在帮助创作者、营销人员和企业简化内容生成流程，提高生产力和创作效率。JasperAI能够根据用户要求的风格生成多种类型的内容，包括博客文章、社交媒体帖子、广告文案和产品描述等。并根据用户的描述生成图片，为文本内容提供视觉辅助。

JasperAI已获得1.25亿美元的融资，并在2022年达到了15亿美元的估值。根据统计数据，JasperAI已帮助用户生成超过5亿个单词，成为使用最广泛的AI写作工具之一。

MultiOn—网页自动化操作

替代助理，我可能会选择MultiOn，帮我管理日常任务、安排日程、设置提醒，甚至是规划出差行程，自动预订酒店，自动安排网约车。

MultiOn是一个自动化的网络任务AI代理，能够帮助在任何数字环境中自主执行任务，例如帮助用户完成在线购物、预约等个人任务，提升个人效率，或帮助用户简化日常事务，提高工作效率。

Perplexity—搜索、研究

替代研究员，我可能会选择英伟达CEO都在每天使用的Perplexity。

Perplexity是一个AI搜索引擎，能够理解用户的提问，拆分问题，然后搜索和整合内容，生成报告，以向用户提供清晰的答案。

Perplexity适用于各类用户群体，例如学生和研究人员可以简化写作时的信息检索流程，提高效率；营销人员可以获取可靠数据支持营销策略。

以上内容仅为想象，当下这些AIAgent的真正能力和水平尚不足以替代各行各业中的精英人才。正如LogenicAI联合创始人李博杰所言，目前LLM的能力还只是入门级水平，远远达不到专家级，现阶段的AIAgent更像是一个干活比较快但不太可靠的员工。

然而，这些AIAgent凭借各自的特长，正在助力现有用户在多样化场景中提高效率和便利性。

不仅仅限于科技公司，各行各业都可以在AIAgent的浪潮中获得益处。在教育领域，AIAgent可以根据学生的学习进度、兴趣和能力提供个性化的学习资源和辅导；在金融领域，AIAgent可以帮助用户管理个人财务，提供投资建议，甚至预测股票走势；在医疗领域，AIAgent可以帮助医生进行疾病诊断和治疗方案的制定；在电商领域，AIAgent还可以作为智能客服，通过自然语言处理和机器学习技术自动回答用户咨询，处理订单问题和退货请求，以此提高客户服务效率。Multi-Agent：AIAgent的下一步

在上一节关于单人独角兽公司的设想中，单一的AIAgent在处理复杂任务时面临着局限性，难以满足实际需求。而运用多个AIAgent时，由于这些AIAgent基于异构LLM，集体决策困难，能力有限，以至于还需要人类充当这些独立AIAgent之间的调度员，协调这些服务于不同应用场景的AIAgent去工作。这便催生了“MultiAgent（多智体框架）”的兴起。

复杂问题往往需要融合多方面的知识和技能，而单个AIAgent的能力有限，难以胜任。通过将不同能力的AIAgent进行有机组合，Multi-Agent系统可以让AIAgent发挥各自的长处，取长补短，从而更有效地解决复杂问题。

这非常类似于我们实际中的工作流程或组织结构：由一个领导者分配任务，拥有不同能力的人，负责不同的任务，每个工序执行的结果给到下一个工序，最终得到最后的任务成果。

在实现过程上，由较低级别AIAgent执行各自的任务，而由级别较高的AIAgent分配任务，并对它们的完成情况进行监督。

Multi-Agent还能模拟我们人类的决策过程，就像我们遇到问题时会找人商量一样，多个AIAgent也可以模拟集体决策的行为，为我们提供更好的信息支持。例如由微软开发的AutoGen就满足了这一点：

能够创建不同角色的AIAgent。这些AIAgent具有基本的对话能力，能够根据接收到的消息，生成回复。

通过GroupChat来创建由多个AIAgent参与的群聊环境，在这个GroupChat有一个管理员角色的AIAgent管理其他AIAgent的聊天记录、发言者顺序、终止发言等。

传统的AI系统往往是集中式管理，导致AIAgent面临单点故障和数据隐私问题，Web3的去中心化特性可以使得Multi-Agent系统更加分散和自治，每个AIAgent可以独立地运行在不同的节点上，自主执行用户提出的需求，增强了鲁棒性和安全性。通过PoS、DPoS等机制建立针对质押者、委托者的激励惩罚机制，可以促进单一AIAgent或Multi-Agent系统的民主化。

在这方面，GaiaNet、Theoriq、PINAI、HajimeAI都有非常前沿的尝试。

Theoriq是一个服务于“AIforWeb3”的项目，希望通过AgenticProtocol建立 AIAgents的调用和经济系统，普及Web3的开发和许多功能性场景，为Web3dApp提供可验证的模型推理能力。

GaiaNet以节点为基础的AIAgent创建和部署环境，以保护专家、用户的知识产权与数据隐私为出发点，抗衡中心化的OpenAIGPTStore。

HajimeAI则在两者基础上发力AIAgent工作流在实际需求中的建立和针对意图本身的智能化、自动化，呼应PINAI提到的“AI智能的个性化”。

同时，ModulusLabs与ORAProtocol分别在AIAgent的zkML和opML的算法方向取得了进展。

最后，AIAgent和Multi-Agent系统的开发和迭代往往需要大量的资金支持，而Web3可以通过前置流动性的特点帮助有潜力的AIAgent项目获取宝贵的早期支持。

Spectral和HajimeAI均提出了支持发行链上AIAgent资产的产品构想：通过IAO（InitialAgentOffering）发行Tokens，AIAgent可以直接从投资者获得资金，同时成为DAO治理的一员，为投资者提供参与项目发展和分享未来收益的机会。其中HajimeAI的BenchmarkDAO希望通过众筹加Tokens激励的方式，将去中心化的AIAgent评分和AIAgent资产发行有机结合起来，打造AIAgent依托Web3融资和冷启动的闭环，也是比较新颖的尝试。

AI潘多拉魔盒已然开启，置身其中的每个人既兴奋又迷茫，热潮下是机遇还是暗礁，无人知晓。如今，各行各业都已不再是PPT融资时代，无论多么前沿的技术，也只有落地才能实现价值。AIAgent的未来注定是一场漫长的马拉松，而Web3正确保它不会在这场竞赛中黯然退场。

免责声明:深度解析 Multi-Agent：Web3 与 AI 终将相互成就？文章转发自互联网，版权归其所有。
文章内容不代表本站立场和任何投资暗示。加密货币市场极其波动，风险很高，可能不适合所有投资者。在投资加密货币之前，请确保自己充分了解市场和投资的风险，并考虑自己的财务状况和风险承受能力。此外，请遵循您所在国家的法律法规，以及遵守交易所和钱包提供商的规定。对于任何因使用加密货币所造成的投资损失或其他损失，本站不承担任何责任。

深度解析 Multi-Agent：Web3 与 AI 终将相互成就？

元宇宙最新

元宇宙热门