作者：彭昭（智次方創始人、云和資本聯合創始合伙人）
這是我的第362篇專欄文章。
剛剛過去的周末，我參加了清華校友企業家活動，有幸與專業人士進行了深入交流，了解到創新型項目、AI代理和具身智能的前沿觀點與研究進展。這些啟發性的分享，結合對AIoT產業的長期觀察，讓我對于AIoT的未來圖景有了更多靈感，通過這篇文章與朋友們分享。
在上篇文章中我曾提到，未來兩年，我們將由AI模型進入AI代理經濟的發展階段。
隨著AI代理經濟的到來，AIoT產業可能將迎來一系列變革性的機遇與挑戰。
例如，AI代理的在線交易市場有望應運而生，AI代理有可能成為AIoT企業全新的客戶群體。與此同時，圍繞AI代理提供生態服務的創新企業也會不斷涌現，為產業發展注入新的活力。
因此我將在這篇文章中與大家一起探索AI代理經濟階段AIoT產業的多種可能性。
SLM驅動下的AI代理市場：端云協同與雙層模式
隨著人工智能技術的不斷發展，AI代理的應用正在逐步拓展到各個領域。
最近，一家公司發布了一則招聘啟示，該職位只招聘AI代理，AI代理的應用市場已經出現。
這預示著，可能在不久的將來，AIoT也會出現專門的AI代理或AI硬件的應用市場。這些應用市場將實現差異化，針對具體場景或應用，提供邊緣或端側的AI代理服務。
AI代理之所以能夠在各個領域大顯身手，主要得益于其自主執行復雜任務的能力，以及不斷降低的成本。新功能的不斷增加，加上AI性能和成本的持續改進，為未來AI代理需求的爆炸式增長奠定了堅實的基礎。
在SLM小型語言模型驅動的AI代理市場中，AI代理將主要部署在邊緣計算和端側智能設備上，形成一個分布式的AI代理網絡。
與基于大模型LLM的AI代理市場相比，邊緣或端側SLM的AI代理市場在計算方式、適用場景、核心優勢和商業模式上都有明顯不同，如下圖所示。
基于SLM的AI代理市場可能會形成“端側AI代理市場+設備內置AI代理”的雙層模式，為用戶提供更加多元化、個性化的AI服務。
第一層是端側AI代理市場，其模式類似于APP應用市場，但專門用于AI代理。
在這個市場中，用戶可以根據自己的需求，下載和激活不同的AI代理，如AI健康助手（負責本地健康數據分析）、AI車載助理（提供駕駛預測和語音控制）、AI智能家居管家（實現個性化家居管理）以及AI安全助手（進行本地生物識別和安全監控）等。
這些AI代理的商業模式可能采用基礎功能免費、高級功能訂閱收費的方式，類似于特斯拉FSD的訂閱模式。
第二層是設備內置AI代理，即AI代理直接嵌入智能設備，成為默認功能。
這種模式適用于智能手機、智能音箱、智能汽車、工業IoT設備等，用戶無需額外下載，即可直接使用AI代理。
例如，邊緣設備上的智能語音助手可以進化為本地SLM代理，實現完全離線運行；自動駕駛系統作為車載AI代理，不斷優化駕駛體驗；智能冰箱的AI代理則可以自動管理食物存儲和訂購。
這一層的商業模式可能是硬件與AI代理服務捆綁銷售，部分功能采用訂閱收費。
這種雙層模式的SLM代理市場，將為用戶帶來更加便捷、高效、安全的AI服務體驗。
端側AI代理市場允許用戶根據自己的偏好，自由選擇和組合不同的AI代理，滿足個性化需求；而設備內置AI代理則使得人工智能服務無縫融入日常生活，成為智能設備的標配功能。
這兩層模式的協同發展，將推動AIoT產業走向更加成熟和完善的階段，為未來的智能生活提供堅實的基礎。
與LLM市場主要由云平臺或SaaS公司主導不同，SLM代理市場的主導者將是AIoT設備廠商。
在這個無處不在的AI代理經濟中，AIoT硬件廠商的核心競爭力將圍繞AI代理展開，智能設備的競爭不僅僅是硬件性能的比拼，更是“誰的AI代理更智能”的較量。
廠商將圍繞AI代理來優化硬件體驗，提供更加個性化、智能化的服務。
總之，SLM在邊緣計算和端側智能硬件中的AI代理市場，將由硬件廠商主導，采用“AI代理市場+設備內置AI代理”的雙層模式。AI代理將成為智能設備的核心功能，最終形成一個端云協同、智能無處不在的AI代理經濟。
企業AI代理應用的三大障礙：問責、企魂與協調
盡管人工智能在企業中的應用前景廣闊，但實際實施過程中仍面臨諸多挑戰。麥肯錫最近對100家年營收超過5000萬美元的企業進行的一項調查發現，雖然63%的領導者認為實施人工智能勢在必行，但91%的受訪者并不認為自身已經做好了充分準備。
造成這一現狀的原因可能在于，我們目前缺少了AI代理技術架構中的一些關鍵環節，包括記憶系統（長期記憶和短期記憶）、調用工具的能力、以及規劃和執行的能力也有待提升。
就像《思考，快與慢》中描述的，我們需要為AI代理構建完整的大腦與小腦。如上圖所示，右側的大腦部分，通過調動注意力來分析和解決問題，并作出決定，左側的小腦部分，能夠調用工具，迅速對眼前的情況作出反應。
總體而言，目前的AI代理的堆棧中，缺少三個關鍵部分：問責層、企魂層和協調層。這三個層面的缺失，阻礙了AI在企業中的廣泛應用和普及。
問責層：透明度、可驗證的工作和推理的基礎。
企魂層：解鎖公司知識、文化和目標的系統。
協調層：使AI代理與其他系統之間無縫協作。
首先，問責層的作用在于提供透明度，為AI系統的工作和推理提供可驗證的基礎。
就像小學數學課上老師要求學生“展示計算過程”一樣，企業需要了解AI系統的決策過程，以及每一步行動背后的原因和證據。
這對于審計和風險管理至關重要。通過建立AI系統的“工作鏈”（Chain of Work）概念，將推理與執行分離，可以實現AI系統的可確定性和可審計性，提高系統的可靠性，增強企業對AI的信任。
其次，企魂層旨在解鎖公司的知識、文化和目標，使AI系統能夠深入理解企業的獨特風格和工作方式。
優秀的AI“員工”不僅能完成任務，還能把握企業的價值觀和溝通方式，并據此做出判斷和決策。然而，目前的AI代理大多缺乏這種情境理解能力。要解決這一問題，需要將企業的非結構化知識進行組織和提煉，開發持續學習機制，優化模型微調方法，建立長期記憶系統，并賦予AI系統一定的情商和個性。
只有通過這樣一個“入職培訓”的過程，讓AI系統理解并持續學習企業的獨特之處，才能真正發揮AI的潛力。
最后，協調層則使AI代理能夠與其他系統無縫協作。
未來，企業可能會管理一組來自不同公司的軟硬件AI代理，涵蓋各個業務領域。這些AI代理不僅需要與人類協作，還需要彼此之間進行溝通和配合。雖然目前AI代理領域的發展方向尚不明朗，既有可能形成一個開放、互聯的生態系統，也可能出現壟斷和封閉的局面，但從長遠來看，一個繁榮的AI代理生態系統對所有參與者都是有利的。
為此，我們需要讓AI代理之間，或者與其他系統之間，能夠安全地交換和共享知識，實現多模態的協作。
總之，要讓AI在企業中真正發揮變革性的作用，我們必須著眼于構建完整的AI代理堆棧，填補問責層、企魂層和協調層的空白。只有解決了這三大障礙，建立起可信賴、可審計、可控制的AI系統，并使其能夠深度理解企業文化、與人機無縫協作，AI才能成為企業不可或缺的“員工”，推動業務的智能化轉型。
B2A模式：AI成為物聯網企業的重要“客戶”
在一文中，我們曾提到波士頓咨詢集團的一項研究數據：目前已有約28%的消費者經常使用大模型推薦化妝品等商品，而這個比例還將持續增長。
這一趨勢預示著一種新的商業模式的崛起：B2A，即Business to Agent（企業對代理）模式。
隨著AI在客戶中的滲透不斷加深，物聯網作為產業數字化的重要工具，其相應產品和方案供應商也需要及時調整思路，充分考慮客戶基于AI的思維需要什么樣的革新型物聯網產品和服務。
換言之，AIoT正成為物聯網供應商發展的重要方向。物聯網企業需要深入研究客戶基于AI進行工作和決策的機制，主動思考如何提供適應AI時代的新型解決方案，而不是被動地適應技術變革。在這個過程中，AI本身也將成為物聯網供應商的重要“客戶”。
除了針對AI客戶開發新產品和服務，AIoT企業還可以通過為AI代理配備工具和軟件，最大限度地提高在B2A領域的自主性，從而進一步增強AI代理的能力。
事實上，我們已經看到AI代理工具市場正在興起，這些軟硬件將使AI代理更好地完成工作。這將是一次重大變革，讓AI代理從單純的“仆人”轉變為自主工作者。
目前，我們已經處于這個世界的開端。ChatGPT已經能夠使用網絡瀏覽器，Claude可以在屏幕上移動光標，一些創新企業甚至開始為代理提供專屬聲音。
可以想象，這個世界在未來會變得更加完善，AI代理將能夠相互支付服務費用，簽訂合同，并接入人類和程序已經交互的系統。
在人工智能代理領域，我們也看到了應用程序與基礎設施相互促進，激發創新涌現的正反饋。一方面，這些基礎設施層將為新型代理和代理工具等“應用程序”的開發提供靈感；另一方面，應用程序的發展也將為基礎設施層的進步提供寶貴的信息反饋。
創建以AI代理本身為最終用戶的工具，是目前一個巨大的空白領域，也是AIoT企業可以深入探索的機會所在。
寫在最后
AIoT產業正處于一個變革的路口，AI代理經濟的崛起為這一領域帶來了前所未有的機遇與挑戰。在這個過程中，我們看到了SLM驅動下AI代理市場的興起，以及端云協同、雙層模式的發展趨勢；我們也意識到，企業在實施AI代理應用時，需要著力解決問責、企魂和協調這三大障礙；同時，B2A模式的出現，預示著AI代理將成為物聯網企業不可忽視的重要“客戶”。
這意味著，AIoT企業可能需要在產品研發、服務設計、商業模式等方面進行全面升級，為AI代理提供更加智能、高效、個性化的解決方案。與此同時，企業還需要與產業鏈上下游伙伴加強合作，共同推動AI代理生態的建設和完善，為客戶創造更大的價值。
參考資料：
1.What It Really Takes To Make AI Agents Work，來源：NFX2.AI將成為物聯網企業最重要的”客戶”?，作者：趙小飛，來源：物聯網智庫
