自主式AI崛起：SaaS的终结?不，是新的开始!
在科技日新月异的今天，一个名为自主式AI的新星正在冉冉升起，它以其独特的魅力和无限的潜力，让人们对未来充满了遐想。自主式AI，这种能够独立行动、自主决策的人工智能，正悄然改变着企业的运营模式，预示着软件应用的新纪元即将到来。
要点：
动态AI生态系统：软件应用正从静态、单一的模式转变为动态、由AI驱动的生态系统，无缝集成各种业务需求。
自主式AI颠覆：企业利用AI优化业务的同时，自主式AI系统或将抵消SaaS应用的增长势头。
自主式AI：并非新事物，却焕发新生。
自主式AI并非横空出世的新概念，其根源可追溯至20世纪50、60年代的AI研究初期。那时，科学家们致力于创建能模仿人类决策的程序。随着机器人技术和计算机视觉的进步，80、90年代的机器开始具备类似智能体的特性。AI聊天机器人的出现，更是展示了AI自主与客户互动的潜力，尽管那时的它们还仅限于使用模式匹配和决策树来模拟对话。
2024年，科技企业家Andrew Ng为自主式AI注入了新的活力。作为Google Brain的联合创始人、百度的首席科学家及斯坦福大学的兼职教授，Ng一直致力于AI领域，推动了一些最具雄心的AI项目，并赢得了计算机科学领域的极高尊敬。他预测，未来几年，AI智能体将成为科技领域的焦点，对AI进步的贡献将远超扩大大型语言模型本身。
LLM与AI智能体：相似却不同
如今，我们只需几秒钟就能用AI生成对提示的复杂回应，提供关键见解。以往需要数小时研究和综合的内容，现在通过深思熟虑的提示即可实时完成，然而，LLM(大型语言模型)的回应是线性的，即“零样本”从头到尾提供答案，缺乏异步或迭代操作。
相比之下，AI智能体不仅能生成内容，还能与环境互动、对变化做出反应，并在极少人工指导下完成任务。LLM无法实时适应或学习，主要依赖训练期间学到的模式，而AI智能体则能解释物理环境，对周围环境做出反应。
AI智能体：设置即忘，独立行动
AI智能体能够在没有人类持续输入的情况下独立行动，执行一种“思维链”，即在不同系统和流程之间进行复杂的协调和迭代。这意味着智能体能将复杂的工作流程分解为一系列中间步骤，促进额外分析，然后综合成一个连贯的答案或结果。就像一个无需人类控制器操作的机器人，根据周围环境决定下一步行动。
AI智能体提供的能力超出了LLM的范畴，它们连接了各种数据源和工具来协调决策，实现了LLM无法单独匹配的功能。例如，LLM只能根据提示生成文本，而AI智能体则能获取生成的输出，分析额外数据，并执行一系列动作序列以完成更广泛的目标或任务。
AI智能体VS聊天机器人：谁更胜一筹?
AI智能体比传统的AI聊天机器人更复杂。聊天机器人主要设计用于回答预定义的问题或遵循设定的脚本，而自主式AI则能分析信息、从数据中学习，并根据上下文做出决策以实现目标。传统的AI聊天机器人基于规则，限制了它们的主动性和自主能力;而自主式AI系统则能监控市场趋势，识别潜在机会，并基于定价和其他预定标准自动做出产品购买决策。
可以说，自主式AI是GenAI的下一阶段进化。
自主式AI的核心组件：任务导向，自主行动
自主式AI系统以任务和目标为导向，一旦启用，就能自主行动、做出决策。它们具有适应性，能随时间从经验和行动中学习。AI智能体能像人类团队一样协作完成任务，通常采用模块化设计，通过分配专门任务给子智能体并协调结果来解决复杂问题。
自主式AI系统通常包括智能体架构、环境接口、任务管理、通信协议和学习机制等核心组件。随着专门设计的软件平台的出现，这些组件变得易于获取，旨在简化AI智能体的创建、部署和管理。
自主式AI系统：比基本LLM更强大
以客户贷款流程为例，自主式AI系统能自主管理整个流程，超越典型机器人流程自动化(RPA)工具的功能。它能分析客户的财务历史，预测未来现金流，调整还款条件，分析市场利率，并主动为客户提供最合适的贷款产品。这一切都在实时发生，无需手动干预。
在自动化客户服务请求方面，AI智能体也比传统AI聊天机器人更高效。它们不仅能响应客户查询，还能自主管理复杂的互动，并引导客户完成各种流程。AI智能体能实时适应情况，预测客户的下一步行动，并在客户提出请求之前提供相关信息，减少客户互动中的摩擦，创造更顺畅、更高效的服务体验。
自主式框架：推动AI创新的加速器
自主式AI框架为开发人员提供了预构建的组件、数据模型和工具，简化了复杂AI智能体系统的创建过程。这些框架加速了开发、促进了标准化，并增强了AI的可扩展性和可访问性。
2023年底至2024年全年，众多主体式AI框架如雨后春笋般涌现。这一领域仍在快速发展，但已经出现了一些引人注目的框架，如LangGraph、CrewAI、Microsoft AutoGen、FlowiseAI和OpenAI Swarm等。
LangGraph：由LangChain开发者推出，提供模块化框架，用于构建能执行复杂任务工作流的LLM驱动智能体。
CrewAI：Andrew Ng支持的开源框架，允许创建AI团队，共同协作完成复杂任务。
Microsoft AutoGen：开源编程框架，用于构建AI智能体，并促进多个智能体之间的协作。
FlowiseAI：开源低代码工具，供开发人员构建定制化的LLM编排流程和AI智能体。
OpenAI Swarm：实验性轻量级框架，旨在简化多智能体工作流的创建。
在选择主体式AI框架时，需考虑流处理、人机协作、时间旅行、记忆、低代码能力和语言支持等关键因素。
主体式设计模式：增强AI智能的秘诀
主体式AI使用了一类设计模式，这些模式侧重于AI智能体如何做出决策并与环境互动。以规划一次旅行为例，AI智能体需要考虑旅行日期、目的地、住宿、交通和活动等因素，生成包含逻辑步骤的详细行程。
主体式AI中的关键设计模式包括：
反思：迭代精炼的过程，用于审查或批判LLM响应的输出，提高准确性和可靠性。
工具使用模式：允许LLM与外部系统、API或资源交互，扩展LLM的能力。
推理或规划设计模式：LLM自主决定执行任务所需的步骤序列。
多智能体协作模式：在共享环境中调度多个智能体进行协作或竞争，以实现特定目标。
自主式AI动态下的商业应用前景：进化而非灭绝
那么，这一切对企业商业应用的未来意味着什么呢?它们的未来是否岌岌可危?其实，软件应用将呈现出截然不同的面貌。
在自主式AI时代，商业应用很可能会开始融合。传统SaaS应用由数据仓库、业务逻辑层和流程驱动的前端组成，而未来应用将不再像今天这样孤立存在。企业需要花费大量精力来集成和关联来自不同SaaS提供商的SaaS应用，以运营其核心业务流程。然而，这些核心企业业务流程往往跨越企业中的多个SaaS解决方案，增加了集成的复杂性和努力。
从传统SaaS到AI驱动系统的转变正在发生。传统SaaS通常侧重于静态、预定义的工作流，需要定制才能更改。而主体式架构则由能够动态适应和学习的AI模型补充，逻辑将转移到AI或决策层，业务逻辑被压缩到智能体中。现在，AI智能体将负责编排工作，直接与数据仓库交互，并在有限的人工干预下自主做出决策。
AI智能体作为商业应用的新界面，可能会使整个交互模型从流程和表单驱动的体验转变为语音指令驱动。例如，启动销售活动可能就像提供一组指令一样简单：“给我一份过去90天内与我做过业务的前20名客户的列表，并向他们发送新购20%折扣的促销优惠。”在后台，智能体将与CRM系统中的记录、营销和活动工具协作，几乎零接触地激活这次活动。
最初，传统SaaS应用并不会消失，但它们可能会变成“无头”的，即随着智能体成为主要用户界面，交互模型会发生变化。然而，一旦AI层开始运行，企业就可以考虑整合后端，以巩固成一个统一的企业仓库。AI智能体与后端无关，因此它们与特定的企业应用没有耦合，这在企业架构中创造了巨大的自由度。
SaaS的未来：进化之路
我们可能不会很快看到“SaaS的灭亡”，但软件交付向更智能、更灵活和更自适应系统的进化已经到来。对于传统SaaS和遗留ERP平台而言，这标志着从静态、单体的软件向动态、AI驱动的生态系统转变，这些生态系统能够与多样化的业务需求无缝集成。软件应用的未来将取决于它们如何快速适应这些趋势，以提供更大的价值、效率和适应性。
