洞见 | “吴恩达谈AI智能体：AI的真正价值在应用端

作为公认的2025年AI发展趋势，AI智能体的崛起成为一个绕不开的话题。除了更强大的任务处理能力，智能体独特的工作方式，即智能体工作流，也受到了越来越多的关注。那么，什么是智能体工作流？它又有什么独特意义呢？让我们走进吴恩达在BUILD 2024上的主题演讲，一起深入探讨智能体的未来发展方向。

The real value of AI lies in its application

在演讲中，吴恩达形象地表示：

他强调，AI正在为我们创造一系列前所未有的机会，特别是在构建新的应用程序方面，新一代AI技术正在帮助我们创造那些出过去无法实现的应用。

吴恩达指出，在技术架构方面，当前的AI技术不仅依赖于底层的半导体和云服务基础设施，还依赖于应用层的创新。他认为，尽管目前引起最多讨论和话题的往往是新技术（如生成式AI），但AI的真正价值往往隐藏在应用层面。AI的成功不仅仅在于技术本身，还在于如何将这些技术转化为能够带来真正价值的应用。

过去，构建一个应用可能需要数月甚至一年时间，但如今，借助生成式AI，开发团队能够在短短几天内构建出原型，并迅速测试其效果。

Agentic AI Workflows: The New Engine of AI

在吴恩达看来，当前AI领域最值得关注的趋势是AI智能体工作流（Agentic AI Workflows）。AI智能体指的是那些能在执行任务的过程中进行自我反思、规划和调整的AI系统，具有更高的任务执行效率和质量。

他解释道，传统的零样本提示（Zero-shot prompting）方法往往让AI一次性从头到尾生成完整的内容，而AI智能体工作流则是一个分步骤、循环迭代的过程。以写作任务为例，如果我们要生成一篇文章，传统的方式是让AI直接从头到尾写完它，而AI智能体则会让AI先生成文章大纲，再进行网络搜索，最终多次修改和调整初稿。通过这种方式，我们能获得比传统模式更好的结果。

AI智能体工作流在一些实际的基准测试中表现出色。例如，在编程题目的解决上，使用AI智能体工作流的GPT-3.5模型准确率高达95%，远高于标准的GPT-3.5和GPT-4模型的表现。

Agentic Reasoning: Four Major Design Patterns

吴恩达进一步介绍了智能体工作流中的四种关键设计模式：反思（Reflection）、用途（Use）、规划（Planning）和多代理协作（Multi-agent Collaboration）。

4 Trends of Future AI

最后，吴恩达总结了四个值得关注的AI发展趋势：

智能体工作流需要处理大量的文本和图像数据，因此，提高Token的生成速度成为了AI发展的关键。随着半导体和硬件创新的推进，代理智能工作流将变得更加高效。

未来的大模型不仅可以回答用户的提问，还能够执行实际操作。能够调用工具的大模型的出现将极大地扩展智能体工作流的应用范围。

传统的结构化数据已经不能满足AI的需求，随着生成式AI的兴起，处理非结构化数据（如文本、图像和视频）的能力变得越来越重要。吴恩达强调：“数据工程将成为AI发展的核心，如何高效管理和使用非结构化数据将是企业面临的重要课题。”。

当前，图像处理技术正在迎来快速发展阶段，未来将有更多的企业能够利用视觉数据创造新的应用，推动AI应用场景进一步多元化。