> **来源：[研报客](https://pc.yanbaoke.cn)** # 机器人上岗、Agent接班：AI从“能说话”到“能做事”的演进与人类角色变迁 ## 核心内容概述 随着大模型技术的发展，AI正从“能聊天”逐步演进为“能做事”，标志着人工智能技术进入了一个新的阶段。这一转变主要通过两条路径实现：**具身智能**（物理世界）与**Agent系统**（数字世界）。具身智能依赖机器人执行真实动作，而Agent则通过工作流与多智能体协作完成复杂任务。本文围绕这两条路径展开，分析其技术进展、瓶颈以及人类在AI时代的新角色。 ## 主要观点与关键信息 ### 1. AI“做事”能力的两条路径 - **具身智能**：将AI能力延伸至物理世界，如机器人执行任务。 - 本体层面：机器狗、人形机器人供应链逐渐成熟，已进入年产万台阶段。 - 核心瓶颈：动作数据极度匮乏，互联网缺乏此类数据，采集的数据又与特定本体绑定，难以泛化。 - 当前状态：多数演示中动作是预先编排而非自主决策，存在过拟合问题。 - **Agent系统**：在数字世界构建具备自主任务执行能力的AI系统。 - 单点能力不惊艳，但**多Agent协作**能形成系统化突破。 - 以金融投研为例，AI可接管中低端脑力劳动，但需与人类思维结合以实现突破性发现。 - 关键要素包括：**提示词工程**、**自循环与自进化机制**、**实时数据获取工具**、**结构化反馈评估**、**知识注入与打磨**。 ### 2. 技术瓶颈与未来方向 - **具身智能**： - 动作数据的缺乏是普及家用陪伴场景的核心障碍。 - 需要大模型的泛化能力与自学习机制，但目前尚无成功案例。 - **Agent系统**： - 金融场景对AI幻觉容忍度极低，试错成本高，推动技术不断升级。 - 预期未来随着大模型算力提升，金融Agent将实现质变。 ### 3. AI是否在“思考”还是“模仿”？ - **静态维度**：AI只是记忆知识，而非真正理解。例如，AI可调用勾股定理公式，但无法从原理推导。 - **动态维度**：AI在某些层面展现出类似人类前额叶的结构，意识级现象可能在迭代中出现。 - **边界模糊**：模仿与思考之间的界限可能不如想象中清晰。 ### 4. 人类在AI时代的角色变迁 - **短期**：AI仍需人类专家调教与注入知识，人类是AI的“教练”。 - **长期**：AI将替代大部分中低强度推理任务，但无法取代需要**创造性和想象力**的突破性发现。 - **辩证视角**：技术变革前往往经历“更卷”的阶段，最终AI将解放人类，使其有更多时间从事高价值工作。 - **关键能力**：具备**工作流设计能力**的人将在AI时代更具竞争力。 ### 5. AI与人类的协同未来 - **提出正确问题**：当AI能执行所有答案时，人类最后、最珍贵的能力是**提出正确的问题**。 - **超级个体崛起**：工具革命加剧内卷，但最终将催生“超级个体”，推动社会进步。 ## 本期提到的技术与概念 - **Agent**：具备自主任务执行能力的AI，不同于传统聊天AI。 - **莫拉维克悖论**：AI对复杂任务（如围棋）处理简单，对简单任务（如叠衣服）却难以掌握。 - **RAG（检索增强生成）**：AI在回答前先检索权威资料，以减少错误。 - **Vibe Coding**：用户用自然语言提出需求，AI自动完成代码编写与网页构建。 - **“封神榜”开源大模型**：国内最早的中文开源大模型体系，截至2022年底已开源数十个模型。 - **“姜子牙”大模型**：基于LLaMA架构优化的对话模型，曾在SuperCLUE测评中位列榜首。 - **Corgi-VLA机器狗**：张家兴团队训练的四足机器人，具备“懂场景、有温度”的交互能力。 ## 人类的不可替代性 - **创造性与想象力**：AI无法替代人类在创新、策略制定与突破性发现中的作用。 - **提出问题的能力**：随着AI执行能力增强，人类的核心价值将体现在**问题提出与决策**上。 - **知识注入与系统设计**：人类在AI系统构建中仍扮演重要角色，尤其是在多Agent协作与工作流设计方面。 ## 总结 AI正从“能说话”迈向“能做事”，其发展路径分为具身智能与Agent系统。尽管技术在不断进步，但动作数据匮乏、幻觉问题与自学习机制仍是主要瓶颈。人类在AI时代仍不可替代，尤其在创造性和问题提出方面。未来，AI将更多地作为工具服务于人类，推动社会向更高价值的工作模式发展。