2024年度中国AIAgent行业研究.docx

目录

中国AIAgent行业综述

06

定义及分类

07

行业发展历程

08

市场规模测算

09

中国AIAgent行业产业链分析

10

产业图谱及说明

11

上游产业链分析

12

中游产业链分析

13

下游产业链分析

14

中国AIAgent行业分析

16

相关政策

17

限制因素

18

驱动因素

19

发展趋势

21

竞争格局

22

中国AIAgent代表性企业

24

百度

25

科大讯飞

26

华为

27

方法论及法律声明

28

Contents

OverviewofAIAgentApplicationIndustry

06

DefinitionandClassification

07

IndustryDevelopmentHistory

08

MarketSizeCalculation

09

AnalysisofChinaAIAgentIndustryChain

10

IndustryMapandExplanation

11

AnalysisofUpstreamIndustryChain

12

AnalysisofMidstreamIndustryChain

13

AnalysisofDownstreamIndustryChain

15

AnalysisofChinaAIAgentApplicationIndustry

16

RelatedPolicies

17

LimitingFactors

18

DrivingFactors

19

DevelopmentTrends

21

CompetitiveLandscape

22

RepresentativeEnterprisesofAIAgentinChina

24

Baidu

25

iFLYTEK

26

HUAWEI

27

MethodologyandLegalStatement

28

400-072-5588 ?2024LeadLeo

Chapter1

中国AIAgent行业综述

定义及分类

定义及分类

行业发展历程

市场规模测算

AIAgent是一种能自主感知周遭环境，通过内在的智能处理进行决策，并执行相应行动以达成特定目的，基于

AIAgent是一种能自主感知周遭环境，通过内在的智能处理进行决

策，并执行相应行动以达成特定目的，基于LLM，集成规划、记忆

工具和行动能力；AIAgent可分为5类

AIAgent行业定义与分类

?AIAgent是一种能自主感知周遭环境，通过内在的智能处理进行决策，并执行相应行动以达成特定目的。AIAgent的特点在于其自主性，能不依赖持续的人为指令，并依据任务需求自我调整策略。AIAgent接收到一个目标指令，即可启动一系列复杂逻辑，包括但不限于自我学习、工具利用等，来独立推进行动计划直至任务成功完成。AIAgent的构建主要依赖于大型语言模型和交互能力两大核心要素。

人AI底层框架LLM 人与AIAgent合作模式图 AIAgent生态框架图

人

AI

底层框架

LLM

规划记忆实用工具采取行动决策及内容生成分解任务选择工具监控进度

规划

记忆

实用工具

采取行动

决策及内容生成

分解任务

选择工具

监控进度

? AI完全代理

软件、硬件提供商AgentStore分配资源

软件、硬件提供商

AgentStore

监管成果

? AI自助结束

云侧、端侧

AIAgent

简单反射智能体

基于模型智能体基于目标智能体

基于实用程序智能体

学习型智能体

一种基本的代理类型依赖于即时感知信息，而不是依赖于过去的感知记录。该代理面临的挑战包括有限的智能，对环境的不完全了解，需处理和存储大量数据，以及难以适应环境变化。

该类型的代理通过应用条件操作规则来执行任务，以上规则基于当前情况和条件来确定规则可被满足，并包含两个关键要素：模型和内部状态。

该类型的代理会根据其目标或理想状态来做出决策，选择能帮助其达成目标的行动。

该类型实用程序通常是基于智能体的设计目的和环境反馈来定义，并根据预设的实用程序或目标函数来做出决策和行动。

该智能体具有从过去的经验中学习的能力，并根据学习能力采取行动或做出决定。其从过去获得基础知识，并利用这些学习来自动行动和适应，主要包括学习元素、批评者、性能元素和问题生成器。

中国AI

中国AIAgent行业经历两个阶段，分别为前期铺垫阶段和起步探索

阶段，未来行业将逐渐向产品化和市场化发展

2018-2022年2018年，谷歌推出基于Transformer架构的BERT模型，标志着大型语言模型时代的开启。2019