2024 年，AI Agents 成為熱門概念，2025 年則有望成為其爆發元年。AI Agents 在企業場景中的應用日益廣泛，但在落地過程中也面臨著諸多挑戰。本文將基于 Langbase 的研究報告，探討 AI Agents 的發展現狀，包括 LLM 提供商的選擇、應用場景、落地制約因素以及所需的配套基建等方面。

1. 研究背景與參與者

Langbase 對來自 100 多個國家的 3400 多位專業人士進行了調查，涵蓋 C 級高管（46%）、工程師（26%）、客戶支持（17%）、市場營銷（8%）、IT（3%）等多個職業領域。

2. LLM 提供商的選擇

2.1 市場格局

OpenAI 是 2024 年領先的 AI/LLM 提供商，谷歌緊隨其后，Anthropic 也備受青睞，Meta 的 Llama、Mistral 和 Cohere 雖市場份額較小但呈增長態勢。

2.2 應用領域

OpenAI 在技術和市場營銷應用方面領先，谷歌模型在健康和翻譯領域占主導，Anthropic 在技術任務中受歡迎，Meta 廣泛用于技術和科學應用，Cohere 在多個領域應用價值均衡。

2.3 影響LLM選擇的因素

在選擇大型語言模型 （LLM） 時，大多數受訪者優先考慮準確性，其次是安全性和可定制性。成本是影響最小的因素。

3. 制約 AI Agents 落地的因素

• 生產挑戰

部署到生產環境面臨定制化難、質量保證評估方法有限、缺乏可重用基礎設施等問題，還包括碎片化工具、集成和可擴展性問題。

• 工作流程顧慮

規模化和部署復雜性是首要問題，其次是數據隱私和安全合規性，缺乏監控工具和高基礎設施成本也有阻礙，同時存在對 AI 驅動解決方案的抵制或懷疑。

4. AI Agents 在企業的應用場景

• 主要目標

自動化和簡化是企業采用 AI 的首要目標，同時定制解決方案和改善協作也備受關注。

• 具體場景

LLM 在軟件開發中應用廣泛（87%），在市場營銷、IT 運營、文本摘要方面也有顯著應用，客戶服務、人力資源和法律等領域的應用興趣也在增長。

5. AI Agents 所需的配套基建

• 關鍵基礎設施功能

多智能體檢索增強生成（RAG）能力、評估工具和多智能體自動化管道是關鍵需求。

• 開發平臺選擇因素

開發者重視 AI Agent 版本控制、SDK 或庫生態系統和本地開發環境，團隊協作和實驗功能也較重要，資源監控儀表板相對次要。

6. 更喜歡哪些工具

在編排AI pipeline時，更喜歡哪些AI工具？

大多數受訪者更喜歡提供靈活、基礎基元來設計定制 AI 管道的開發工具。雖然預構建的單點解決方案解決了特定問題，但它們的可定制性較低，這表明 AI 工作流程設計對定制的需求很大。

7. 小結

AI Agents 在 2025 年具有巨大的發展潛力，但要實現廣泛落地，還需要克服諸多挑戰，包括技術優化、基礎設施建設以及提高用戶信任度等方面。

原文鏈接：https://langbase.com/state-of-ai-agents

本文轉載自??鴻煊的學習筆記??，作者： 鴻煊 ????