共计 2683 个字符，预计需要花费 7 分钟才能阅读完成。
当前所谓的 AI 智能体只是披着智能外衣的自动化程序，真正的自主性还需强化学习与记忆系统的革命性突破。
过去一年半，微软、ServiceNow、Salesforce 等科技巨头竞相推出各类“人工智能智能体”，承诺在其软件生态中实现任务自动化，以兑现生成式 AI 提升企业效率的愿景。
然而，这些被热捧的 AI 智能体大多名不副实。它们本质上是预设的自动化脚本，而非能够自主规划、学习并适应复杂环境的真正智能体。企业对这项技术的过高期望，很可能在短期内遭遇现实打击。
名不副实：当前 AI 智能体的混乱现状
如今的 AI 智能体，与学术和业界所定义的“智能体”相去甚远。真正的智能体应能长期运作，拥有广泛目标，能与环境（包括各类工具）互动，并具备持续的数据存取能力。其终极挑战在于： 从零开始制定新目标与策略 。
现实是，我们离这一目标还很遥远。当前市面上的“智能体”大多局限于聊天交互，一旦任务超出狭窄的预设范围，便容易失效。
以微软在 Microsoft 365 中推出的 Copilot 为例，它实质上更像一种文档自动生成工具，而非能够理解上下文并自主完成复杂工作流的智能助手。
市场数据印证了智能体的发展困境。风投公司 Menlo Ventures 本月的研究显示，增长最快的 AI 应用几乎全是 Copilot 类副驾驶程序，如 ChatGPT Enterprise、Claude for Work 和 Microsoft Copilot。而 Salesforce 的 Agentforce、Writer 和 Glean 等标榜的“智能体”产品，则增长乏力。
简单的自动化确实能带来价值，例如辅助客服或批量处理发票。但越来越多的学术报告指出，当前智能体无法超越这些基础功能。
斯坦福大学与 IESE 商学院的研究员指出：“尽管大型语言模型展现出令人印象深刻的推理与规划潜力，但基于 LLM 的智能体在复杂、多步骤的规划任务中仍会失败。”
行业内部也意识到了问题。微软商业业务首席执行官 Judson Althoff 近期坦言：“AI 项目的失败率异常高，超过 80%。”虽然未特指智能体，但尝试部署智能体无疑是其中最具挑战的环节之一。
技术瓶颈：缺失的强化学习与记忆系统
要让 AI 智能体兑现“完全自主”的承诺，必须攻克两大核心技术缺陷： 基于强化学习的智能体设计 ，以及 AI 记忆系统的根本性重构 。
强化学习并非新技术，它在让 AI 执行长期任务方面已有惊人成果。最著名的例子是谷歌 DeepMind 的 AlphaZero，它通过强化学习，从零掌握了国际象棋和围棋的规则，并达到超越人类的水平。
如今，强化学习正被用于提升 LLM 的推理能力，例如年初引发关注的 DeepSeek 模型。然而，将其扩展到智能体的持续自主行动，仍处于探索阶段。
中国科技大学的程明月团队在去年十一月提出了 Agent-R1 方法，尝试用强化学习训练 LLM 来预测奖励并制定策略。他们强调，真正的智能体必须摒弃预设工作流，通过端到端的“行动 - 反馈”循环与环境主动交互。
尽管 R1 在包含连续任务的“多跳”测试中表现优于传统提示型 LLM，但团队坦言，将强化学习有效应用于 LLM 智能体仍“处于起步阶段，面临巨大挑战”。
另一个由西湖大学孙明阳团队开发的 Sophia 项目，旨在让 LLM 能在与网络浏览器交互时执行“长时间持续”的任务。团队同样承认，这更多是一个概念验证，现有架构仍是“反应式”的，依赖静态的手动配置。
自我进化：AI 能否设计出更好的 AI？
一个更前沿的命题正在浮现：AI 能否设计出比人类更好的强化学习算法？ 这或许能加速突破，也可能让问题更加复杂。
谷歌 DeepMind 本月在《自然》杂志上发布的研究，探讨了名为 DiscoRL 的 AI 程序。它能观察多个智能体的表现，自动发明改进的强化学习算法，从而创造出更优的智能体。
这种方法被称为“元学习”，让智能体“为自己发现学习算法”。它有望摆脱人工设计的强化学习规则，就像 AlphaZero 摒弃人类棋谱、自行发现棋类规则一样。
未知在于其泛化能力。DiscoRL 已能掌握《吃豆人小姐》等雅达利游戏，但这类环境规则明确、信息完全。对于规则模糊、信息不全的企业场景（如客户关系管理或保险理赔），这种方法能否奏效，仍是未知数。
记忆迷宫：智能体如何记住并运用过去
另一个关键突破点在于智能体的“记忆”系统。通过强化学习发展的智能体，必须维护环境的历史记录、已采取的行动以及当前在整体策略中的位置—— 这一切都与记忆功能紧密相连 。
当前的 LLM 难以在长对话或多轮任务中保持连贯性。用户常发现，在处理大型项目时，聊天机器人错误频出，有时会混淆对话早期出现的信息。
斯坦福大学以人为本人工智能研究所的报告指出，智能体执行任务的时间越长，其表现就越落后于人类。在短期任务中，顶级 AI 系统的得分是人类专家的四倍；但当任务时间拉长至 32 小时，人类表现反超 AI 两倍。
新加坡国立大学的胡宇阳团队在本月报告中强调，记忆是缓解此类失败的关键。典型的 LLM 只利用其“上下文窗口”内的近期数据。但要成为能通过环境交互持续适应的“自适应智能体”，它需要获取额外信息，包括当前任务内以及过往任务间的历史数据。
当前的研究集中于检索增强生成和向量数据库等检索方法。但胡宇阳团队认为，仅仅拥有历史记录还不够， 记忆管理本身也必须进化 。他们提出，随着智能体通过强化学习“学会”如何存储和检索数据，整个内存控制架构终将被重新设计。
这形成了一个循环依赖：强化学习的进展需要新型记忆系统的支持，而开发新型记忆管理本身又可能依赖强化学习。
漫长等待：AGI 并非解药，突破仍需时日
如此巨大的技术进步不会一蹴而就。这并非某家公司发布一个新 LLM 或工具就能解决的问题，而需要根本性的技术飞跃。
这些问题也不太可能被传说中的通用人工智能迅速解决。AGI 是人类级别的智能，而即使是强化学习的杰出代表 AlphaZero，也只是特定问题的解决者。它成功是因为国际象棋规则明确、环境信息完全。
但企业中的计费实践、客户服务或 IT 故障单管理，远非如此规则清晰。DiscoRL 方法从雅达利游戏到这些复杂任务的推广效果，仍是未知数。
考虑到重新设计强化学习与记忆系统的复杂性，我们仍需耐心等待。若以谷歌 2017 年推出 Transformer 架构，到其衍生品 ChatGPT 在 2022 年引爆市场所花费的时间为参照，行业要实现可靠、真正的智能体， 乐观估计也至少还需要五年 。
当前，企业应对 AI 智能体保持审慎乐观。它们能作为自动化工具提升特定环节的效率，但距实现完全自主、理解复杂语境并制定长期策略的“智能伙伴”，还有很长的路要走。真正的突破，取决于基础研究在强化学习与记忆系统这两个深水区的探索进度。
