这是AIE加速工业进化【企业Agent平台】专题文章的第1部分,文章共3部分,主要梳理企业Agent开发平台的发展脉络,主流方案,并提供一些选型建议。

当前很多工业企业都在基于Agent开发平台开发各类场景智能体,对应的,很多供应商也都在推出相关Agent开发平台相关方案,且随着技术发展持续迭代。

20-23年左右,工业AI开始更广泛的兴起和应用,形成了AI视觉质检、AI安全监测、AI排产排程、AI工艺优化等众多场景落地。这些场景大多基于AI小模型,每个模型需要先结合场景数据进行训练,然后部署到现场推理应用。
对应于小模型的应用,新出现了3种典型的企业级AI平台
面向AI团队的AI训推平台
AI训推平台:支持在平台进行数据汇聚、标注、模型训练、调参等功能,支持企业一站式完成小模型的开发。
小模型AI训推平台功能强大,但用户为专业AI团队和算法专家,门槛较高,只适合少量大型企业。
推出小模型训推平台的主力是云厂,如华为云推出的ModelArts,阿里云推出的PAI,腾讯云推出的TI平台等。
面向业务专家的数据分析建模平台和AI视觉应用平台
数据分析建模平台:针对设备诊断、工艺优化的模型不仅涉及到数据算法,还涉及到机理模型,属于AI+机理模式,而且需要企业内懂业务的专家来开发,于是诞生了数据分析建模平台。
数据分析建模平台让企业的工艺、质量、设备运维等领域的数据分析专家,能够以可视化拖拽的方式,进行AI和机理结合的模型混合编排,构建设备故障诊断、工艺优化等专业模型。为了方便应用,这类平台一般也都配备了工业机理模型库和各种算法、算子库。
几大云厂和一些工业互联网平台厂商,都推出了相关的平台,如阿里云的AICS平台,美林数据Tempo大数据分析平台,昆仑数据K2工业数据智能平台等
AI视觉应用平台:在AI视觉质检和安监方向,鉴于小模型的泛化性差,每次小模型的训练都结合缺陷样本都让AI专家进行调参成本太高,响应速度慢,于是出现了面向业务人员,自动训练小模型的AI视觉应用平台。
AI视觉应用平台基于AutoML技术,只需要提供缺陷样本并进行标注,可以自动训练出对应视觉检测的小模型,将门槛降低到不懂AI的业务人员也可以方便的应用。也是因为主要面向业务人员快速使用,其更像是一个给业务人员使用的应用软件,而非开发平台。
AI视觉应用平台主要是机器视觉相关企业在提供,如康耐视的VIDI,阿丘科技的AIDI。云厂也在这方面有布局,如百度智能云的一见视觉平台,腾讯云的 TAIOS平台。
AI视觉应用平台的自动AI模型训练功能可以应对多数要求不高的场景,但少量要求较高的场景,还是需要AI专家在其他平台进行针对性调参和优化。
24年-25年左右,AI大模型兴起,应用和部署大模型,开发场景化的智能体成为了主流的AI应用方向(在之前AI小模型之外的新场景,原小模型的应用仍存在)。
这一阶段企业AI应用形成2个大方向,也对应形成2类AI平台。一是垂域模型微调,对应的平台为升级版AI训推平台。二是Agent开发,对应的是新出现的Agent集成开发平台。
AI训推平台(升级版):鉴于基座大模型并不具备垂域知识,让企业可以基于基座模型和垂域数据微调行业、场景大模型成为一些有实力的大型企业的应用方向。
AI训推平台也从只支持小模型升级到支持大模型,云厂提供居多,如腾讯云的TI-ONE,升级自TI平台。
Agent集成开发平台:更多企业的AI应用不涉及垂域模型微调,主要是调用大模型,开展应用智能问答,智能问数,RAG等应用,以及基于大模型编排各种场景化的工作流Agent。对应的催生了Agent集成开发平台。
Agent集成开发平台对下纳管企业部署或接入的大模型、企业部署的AI算力设备,横向对接企业各类业务系统,对上提供面向开发或业务人员的RAG,Workflow编排、多Agent协同等Agent开发功能。
专业的Agent集成开发平台需要提供企业级Agent DevOps管理体系,如安全管理、沙箱运行、全程可观测、评估体系、数据回流等。
对于工业企业应用,很多Agent集成开发平台还需要叠加数据分析建模平台相关能力或资源库,提供机理模型和开发的专业AI小模型供Agent调用。
很多供应商也会在Agent集成开发平台内预置很多Agent,并使其作为企业内AI大模型相关能力的统一入口。
Agent集成开发平台作为企业大模型应用的核心载体,也是热门新品,吸引了非常多供应商涉足,市场上也有Dify等很多开源方案。
因为Agent集成开发平台在面向企业用户交付时,更多需要进行特定场景Agent开发和实施,因此在工业领域,工业互联网平台厂商(其中很多现在更适合叫做生产数智化解决方案厂商)和经营管理软件厂商参与较多,如金蝶AI苍穹平台、汉得H-AI中台、格创东智章鱼AI平台等。
到目前为止,Agent集成开发平台也是在工业领域应用最广泛和深入的AI平台,很多企业基于此类平台,开发了数十、数百的企业内细分场景Agent。
第四阶段:Claw类平台阶段
进入26年之后,以Cluade Code、Codex和OpenClaw为代表,具备自主规划和执行任务的Claw类Agent+SKills成为新的Agent开发和应用方式,同步的AI辅助编程也走入规模化应用,企业级Agent平台也随之变化。
面向IT团队:Agent集成开发平台进一步升级。同时,出现了AI辅助编程Agent。
Agent集成开发平台(升级版):在原有Agent集成开发平台的基础上,进一步升级了Claw模式和本体图谱构建能力,有的进一步还会增加了面向AI自主开发Agent的AI自动编排工作流等能力。
如腾讯云ADP 4.0增加Claw模式、创新奇智AI Agent智能体开发平台增加AI自动编排工作流模式等。
AI辅助编程Agent:类似Cluade Code的CLI Agent,以自然语言对话的方式,专业辅助程序员生成代码和软件工程。
AI辅助编程Agent的主要用途并不在Agent开发,而是各类业务系统开发上。
一些过去的低代码应用开发平台,也通过叠加AI能力,形成的具备AI辅助高、低代码应用开发以及Agent开发的综合性开发平台。
面向业务人员:新出现一站式办公Agent。
一站式办公Agent:最初主要是面向业务人员,以自然语言对话的方式,规划完成复杂的办公类任务。但目前功能已经拓展到更广,如辅助编程、个人Skills和轻量级应用的开发等。
这是目前大厂都在重点推进布局的领域,典型代表为腾讯的Workbuddy企业版、阿里云的千问办公、百度智能云的百度搭子DuMate等。
面向AI团队:大模型AI训推平台仍存在,但由于模型微调不再是重点应用方向,因此重视度有所下降。
第四阶段的新趋势
1.Claw类一站式办公Agent在Agent开发中的作用日益增强。
尽管以上划分了3种平台,但实际上随着Claw类一站式办公Agent的能力的持续增强,企业内Agent的开发模式在发生变化,并带动平台发生变化
之前,企业内的Agent更多是企业组建IT或IT+业务的专业AI团队,寻找业务中的高价值共性场景和工作流,专业化开发Agent。很多业务员工高度个性化的任务需求难以被满足。
例如丰田北美汽车公司组件35人的AI团队,基于LongChain系列产品构建的ToyotaGPT开发平台,为各业务域团队开发上线了50多个Agent,实现了每年近千万的成本节约。
现在,随着Claw类一站式办公Agent能力的增强,企业级Agent的切入点,变成了每个员工自己的任务和工作流的自动化。每个员工依托一站式办公Agent开发和沉淀自己的任务Agent和Skills。企业再从这些任务类Agent中,逐步提炼共性的业务类Agent和Skills。
如珠海天威飞马,基于腾讯Wordbuddy开设6个月的AI训练营,以业务主导,技术陪跑的方式,让业务骨干搭建提效流程,IT团队只做技术支持,开发形成了50+场景智能体,如标书自动化编制、供应商寻源比价、包装标签校核、市场竞品动态扫描等。
对于很多中型及以下企业,Claw类一站式办公Agent可能就足以满足日常很多Agent的开发需求。
对于大型企业,仍然需要专业团队基于企业级Agent开发平台进行开发,但更多会是提供共性基础原子能力级Skills和工作流、模板等(类似于过去PaaS平台上的API),供Claw类一站式办公Agent在执行具体任务时动态调用。
在此背景下,Claw类一站式办公Agent在企业Agent开发中正在扮演越来越重要的地位,成为越来越多供应商发力的重点,很多供应商都形成了Claw类一站式办公Agent+企业级Agent开发平台搭配的组合产品模式。甚至有的供应商将两者功能进行了融合,形成一体化产品提供,如金蝶的灵基AIOS。
2.平台层市场聚焦收拢
由于以上两类平台和Skills、LLM本身形成了解耦,平台产品标准化程度提升,也就意味着赢家通吃的局面将会更显著,中小供应商和专业领域服务商在这些产品上的优势将不如大厂更明显。
于是很多服务商,尤其是工业领域专业服务商,业务重点从平台转向专业场景Agent和工具、模版、Skills库,给用户提供更多应用层方案,争取开箱即用,快速创造业务价值。
尽管Claw类平台重要性在提升,但对于要求较高的大型工业企业,Agent集成开发平台仍是重要基础,本系列文章仍优先聚焦Agent集成开发平台,下一系列文章则会进一步聚焦Claw类一站式办公Agent。
不同供应商的产品定位和宣传名称各不相同,AIE对企业级Agent集成开发平台的判断标准为:
平台需要具备包含工作流编排、RAG、多Agent等多种Agent开发能力,同时需要具备可本地化部署和企业级DevOps体系(安全、可观测等),同时能源、制造是公司重点业务行业,有过经验和案例。
由于很多公司产品名称经过多次调整,甚至其不同时间、不同渠道的产品介绍存在冲突,文本尽可能梳理出其最新的名字。
有些供应商会把所有AI相关功能打包成一体,如果可以区分其中的Agent开发相关功能模块,本文会尽量区分。
后文将梳理主流供应商的方案及其工业应用案例,并给出一些参考建议,欢迎关注~