巨头抢滩、资本沸腾 AI智能体如何跨越「幻觉」陷阱？

作者：路世明

Manus的出现，激起了科技与资本市场的双重震荡，一时间AIAgent相关概念股集体大涨，阿里、谷歌、微软等科技巨头密集发布智能体研发计划......

而在这场热潮的背后，是AI技术从“被动应答”向“主动执行”的范式跃迁。

尽管市场的评价褒贬不一，但不能否认，Manus的突破性在于，它首次验证了通用型AIAgent在复杂场景下的商业化可行性。

传统的大语言模型虽能生成文本，却难以闭环执行任务，而Manus通过“规划-验证-执行”的架构，将AI大模型的认知能力转化为生产力工具。

根据麦肯锡等多份权威报告，在多元化需求驱动下，AIAgent市场呈爆发式增长态势，2024年全球AIAgent市场规模约为51亿美元，预计2030年将飙升至471亿美元，复合年增长率高达44.8%。

然而，这场“智能体浪潮”并非坦途。技术瓶颈与商业野心的碰撞，让AIAgent的竞争既充满想象力，又暗藏风险。破壁之战

本质上，AIAgent的是具备人类思维范式的数字劳动力。

如果说聊天机器人还停留在“对话”阶段，那么Agent则已经开始“行动”。简单来说，可以理解为一种更智能、更自主的AI应用，它不仅能回答问题，还能执行任务、完成交易。

它们可以被应用于各种场景，如客户服务、金融分析、软件开发等，极大地提高了生产力和效率。

以大语言模型为“大脑”，AIAgent不仅能理解指令表层语义，更能捕捉隐含需求。例如用户说“找性价比高的酒店”，Manus会结合季节、当地活动等上下文推理出“预算敏感型”或“体验优先型”需求。

而可以期待的是，随着大模型在多模态能力上的持续突破，特别是多模态融合技术的迭代升级，AIAgent将能够更精准地解析并反馈用户需求，逐步实现类人类的视听感知与交互能力。

这将使得AIAgent可以应用于更广泛的领域，如医疗诊断、自动驾驶、智能安防等。

此外，Manus发布后，券商PPT、分析师路演火速上线，不完全统计显示，中金、华泰、招商、中泰等数十家券商研究所进行了路演，其中有分析师上线了多场路演，路演内容从技术原理、AI应用、受益方向到落地场景、产业圈推演，内容丰富。

当然，在热潮的背后，也有不同的声音。不少业内人士认为，Manus属于AIAgent初级的应用，市场的反应过大了。

事实也的确如此，AI会进一步拉平信息差，大量收集信息、整理资料的工作可以交给AI，但真正距离生成投资决策，无疑还有很长的路要走。

其中，最大的挑战在于：AI幻觉的幽灵始终萦绕不去。技术瓶颈

AIAgent的竞争，入口为王。

当掌握更多用户流量的厂商，有望实现“流量-数据-使用体验”的正向循环，且随着开源模型能力升级弥补大厂及中小厂技术代差，AI产品工程化能力，或拉开产品使用体验差距。

可尽管展现出巨大的潜力，但AIAgent的爆发仍面临多重障碍。从商业模式到技术瓶颈，从法规缺失到用户认知，每个环节都在考验着行业的耐心。

首当其冲的原因就在于，现有技术还无法有效地解决AI幻觉的问题。

以当红的Manus来说，虽然在GAIA基准测试中取得了优异成绩，但在实际应用中，仍存在一些不稳定的情况。

GAIA基准测试排名来源：ManusAIX平台

有实测用户反馈，在处理复杂任务时，Manus偶尔会出现任务执行失败或结果不准确的问题。在进行股票数据分析时，Manus可能会因为数据接口的临时故障或数据格式的细微变化，导致分析结果出现偏差。

再以OpenAI的GPT4.5来说，毫无疑问，这是目前最强的大语言模型。但在SimpleQA基准测试中，GPT-4.5的准确率为62.5%，幻觉率为7.1%，尽管这一成绩要远优于GPT-4o、OpenAIo1和o3-mini等模型，但是依然存在着相当高的幻觉率。

而这种幻觉，在金融、医疗等高风险领域，任何一点误差，都可能引发系统性风险。

假设某医疗诊断Agent，其误判罕见病案例的概率为3%，客若应用于千万级用户群体，那么潜在误诊人数将高达30万。

除了幻觉，紧接着的是数据孤岛与通用能力的矛盾。

AIAgent的效能高度依赖场景数据，例如金融风控需要实时交易数据，而医疗诊断依赖患者病史库，数据割裂会导致通用型Agent难以跨领域迁移。

最后是伦理与监管的滞后性。AIAgent的自主决策涉及隐私泄露、责任归属等伦理问题，比如调用用户健康数据、自动驾驶事故等等，而全球监管框架尚未成熟。

由此可见，AIAgent的破局路径需从技术、生态与监管三端协同推进。而未来，谁能率先突破技术瓶颈并构建合规生态，毫无疑问，谁就将主导这场智能体时代的“诺曼底登陆”。