Gartner预测到2027年末,超过40%的代理型AI项目将因成本不断攀升、商业价值不明确或风险控制不足而被取消。
Gartner高级研究总监Anushree Verma表示:“目前大多数代理型AI项目仍处于早期实验或概念验证阶段,这些项目大多受炒作驱动且常被误用。这可能使企业忽视大规模部署AI智能体的实际成本与复杂性,从而导致项目无法进入生产阶段。因此,企业应避免轻信此类炒作并就如何使用这项新兴技术做出谨慎的战略决策。”
Gartner于2025年1月对3412名网络研讨会参与者进行了调研,19%的受访者表示其企业已大力投资于代理型AI,42%进行了保守投资,8%未进行投资,剩余31%持观望态度或尚不确定。
许多供应商正在通过参与“代理洗白”助长这一炒作。“代理洗白”指的是将AI助手、机器人流程自动化(RPA)和聊天机器人等现有产品重新包装成代理型AI,而这些产品不具备实质性的代理能力。Gartner估计在上千家代理型AI供应商中,只有约130家是真正的代理型AI供应商。”
Verma表示:“由于现有模型不具备持续自主实现复杂业务目标或遵循详细指令的成熟度和自主性,因此,目前大多数代理型AI方案无法产生显著的价值或投资回报(ROI)。而且现在许多所谓的代理型AI用例实际上并不需要代理型AI。”
挖掘代理型AI的商业价值
尽管存在这些早期问题,代理型AI趋势依然代表着AI技术和市场的一次重大飞跃。代理型AI的能力超过基于脚本的自动化机器人和虚拟助手,它将带来提高资源效率、实现复杂任务自动化和推动商业创新的新途径。
Gartner预测到2028年,通过代理型AI自主作出的日常工作决策比例将从2024年的0%提高至15%以上,包含代理型AI的企业软件应用比例将从2024年的不足1%提高至33%。
在早期阶段,Gartner建议企业仅在能够带来明确价值或投资回报(ROI)的情况下才使用代理型AI。因为在将代理集成到现有系统的过程中,企业会面临复杂的技术难题、经常需要打乱工作流程并付出高昂的修改成本。在许多情况下,最明智的办法是重新设计一套基于代理型AI的工作流程。
Verma表示:“要挖掘出代理型AI的真正价值,企业必须专注于整体生产力,而非只提升个别任务的效率。企业可以开始将AI智能体用于决策、常规工作流程的自动化、辅助简单的信息检索等,通过降低成本,提高质量、加快速度和实现规模化并从中获得商业价值。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。