L63_从大模型到智能体的全面突破

发表于 分类于 阅读次数： Waline：

从大模型到智能体的全面突破

封面设计 by 宇宙特工

在技术层面，GPT-4o 的图像生成能力大幅提升，MCP 协议推动 AI 模型无缝协作，DeepSeek 在医疗等领域的应用不断深化，这些都为 AI 技术的发展注入了新的动力。

在应用层面，AI 技术在零售、金融、医疗、能源等多个行业实现了广泛落地，推动了这些行业的数字化转型和智能化升级。同时，随着 AI 技术的不断发展和应用场景的不断拓展，我们可以期待看到更多创新应用的出现，进一步推动 AI 技术的发展和应用。

在学术研究方面，ICLR 2025 会议汇聚了众多关于大语言模型和智能体的前沿研究，这些研究为 AI 技术的发展提供了重要的理论基础和实践指导。通过解决多智能体协作系统的扩展性问题，赋予 LLM 代理个性化特征，研究人员可以开发出更强大、更灵活的 AI 系统，为各种应用场景提供更丰富、更自然的交互体验。

GPT-4o 图像生成能力大幅提升，多指令优化全面升级

OpenAI 于 3 月 28 日宣布对 ChatGPT 的基座模型 GPT-4o 进行重大升级，并对所有付费用户开放使用。这次更新主要聚焦四大核心部分：多指令解析优化、技术问题处理增强、逻辑推理与决策能力提升 [1]。更新后的 GPT-4o 在图像生成能力方面表现尤为突出：

  1. 更好的文本集成：与过去那些难以生成清晰、恰当位置文字的 AI 模型不同，GPT-4o 现在可以准确地将文字嵌入图像中 [2]；
  2. 增强的上下文理解：GPT-4o 通过利用聊天历史，能够生成更加符合上下文场景的图像 [2]；
  3. 场景适应能力提升：例如，当被要求将课堂场景转换为山洞场景时，GPT-4o 能够保留前景中老师的衣服和本子等元素的原有风格，同时根据新的场景进行适应性调整 [3]；
  4. 更精准的指令遵循：OpenAI 对 GPT-4o 进行了优化，使其能够更准确地理解和执行用户指令 [1]。
    这次升级不仅提升了 GPT-4o 的技术能力，也为生成式 AI 的应用场景拓展提供了更多可能性。根据媒体预测，受这些更新影响，OpenAI 的 ChatGPT 付费用户已突破 2000 万，年化营收三个月增长 30%，若维持这一增长率，OpenAI 2025 年全年营收有望冲击 127 亿美元 [4]。

智谱发布 “ 边想边干 “ 的 AI 智能体，智能体进入新阶段

2025 年 3 月 31 日，智谱在北京中关村论坛上正式发布了其最新智能体产品 “AutoGLM 沉思 “。这一全新智能体不仅具备深度研究能力（Deep Research），还能实现实际操作（Operator），真正推动 AI 智能体进入 “ 边想边干 “ 的新阶段 [5]。
AutoGLM 沉思的发布标志着 AI 智能体技术的重大突破，它能够同时处理复杂的研究任务和实际操作，大大扩展了智能体的应用场景和能力范围。这一进展与 2025 年可能成为 AI 智能体爆发元年的预测相符，正如百度李彦宏所言：”2025 年可能会成为 AI 智能体爆发的元年。推理大模型涌现出让人惊叹的深度思考能力，这将推动人工智能的一个重要应用方向，即 ‘AI 智能体 ‘ 的落地。”[6]
这一智能体技术的突破性进展将为多个行业带来变革，从医疗健康到金融服务，从零售业到制造业 [7]。随着智能体技术的不断发展，我们可以期待看到更多创新应用的出现，进一步推动 AI 技术与人类社会的深度融合。

MCP 协议推动 AI 模型无缝协作，效率翻倍

2024 年 11 月，Anthropic 推出了 MCP（可能是 Multi-Channel Processing 或多智能体协作平台）协议，这一开放标准在 2025 年因 Anthropic 的 Claude、Cursor 等工具的广泛应用而迅速走红 [8]。
MCP 协议被视为 AI 时代的 “ 万能转接头 “，它能够解决 AI 模型在实际应用中的局限性，实现不同 AI 模型之间的无缝协作，将效率提升一倍 [9]。通过 MCP，不同的 AI 模型可以轻松地共享和整合数据，从而实现更精准的决策 [10]。
MCP 协议的标准化特性让 AI 突破 “ 数据孤岛 “，实现与本地文件、数据库、Web 服务的无缝交互 [8]。这为多智能体系统的协作提供了重要基础，催生出更多创新应用。
Spring AI 结合 MCP 协议，进一步增强了其在智能体开发中的表现力。两者的协同作用体现在多个方面：首先，Spring AI 能够快速解析并利用 MCP 协议传输的数据，实现更高效的信息处理和决策；其次，MCP 协议为 Spring AI 提供了标准化的接口，使其能够与各种服务和系统无缝集成 [11]。

AI 智能体将在零售业实现高效人机交互和自主决策

AI 智能体在零售业的应用前景广阔，预计将实现更高效的人机交互和自主决策 [7]。随着 AI 技术的不断发展，智能体将在自然语言处理、计算机视觉、深度学习等方面取得显著进展，为零售业带来革命性的变化。
在零售场景中，AI 智能体可以应用于多个方面，如智能导购、库存管理、客户关系管理等。通过自然语言处理技术，智能体可以与顾客进行流畅的对话，提供个性化的购物建议和服务；通过计算机视觉技术，智能体可以实时监控货架状态，自动识别缺货情况并触发补货流程；通过深度学习技术，智能体可以分析销售数据，预测市场需求，优化库存管理。
这些应用将大大提高零售业的运营效率，提升顾客体验，降低运营成本，为零售企业带来显著的商业价值。随着 AI 技术的不断成熟和应用场景的不断拓展，AI 智能体在零售业的应用前景将更加广阔。

ICLR 2025 收录多篇 LLM Agent 相关论文，探索多智能体协作系统扩展性问题

ICLR 2025 会议汇聚了众多关于大语言模型（LLM）和智能体（Agent）的前沿研究。其中，有多篇论文探讨了大语言模型驱动的多智能体协作系统的扩展性问题，探索了如何使这些系统更加高效、可靠和可扩展 [12]。
这些研究对于推动 AI 技术的发展和应用具有重要意义。通过解决多智能体协作系统的扩展性问题，研究人员可以开发出更强大、更灵活的 AI 系统，这些系统能够在更复杂、更动态的环境中工作，处理更复杂、更多样化的问题。
ICLR 2025 会议的这些论文为 AI 研究者和从业者提供了宝贵的知识和见解，推动了 LLM Agent 领域的研究和应用。随着这些研究的不断深入和应用场景的不断拓展，我们可以期待看到更多创新成果的出现，进一步推动 AI 技术的发展和应用。

2025 AI Agent 技术栈全景图发布，聚焦大模型技术栈及现状

一份名为 “2025 AI Agent 技术栈全景图 “ 的报告深入解析了 2025 年 AI Agent 技术栈的全景，聚焦大模型技术栈及现状 [13]。
该报告揭示了智能体技术在存储、模型服务等层面的独特之处，如 RAG（检索增强生成）等技术的应用。通过这些技术，智能体能够更有效地处理和利用知识，提供更准确、更相关的信息和建议。
这一全景图的发布为 AI 研究者和从业者提供了宝贵的参考，帮助他们更好地理解 AI Agent 技术栈的现状和发展趋势。随着技术的不断发展和应用场景的不断拓展，AI Agent 技术栈将不断完善和丰富，为各种应用场景提供更强大、更灵活的支持。

Reference

  1. 1.OpenAI 重磅升级 GPT-4o：指令更准、代码更强，超越 GPT-4.5？ 原创. https://blog.csdn.net/weixin_40774379/article/details/146590833 ↩
  2. 2.最新实测，新版 GPT-4o 生图功能太强了（附一些使用方式） - 知乎. https://zhuanlan.zhihu.com/p/1889071688152483794 ↩
  3. 3.ChatGPT 4o 更新了图像能力，效果怎么样？ - 少数派. https://sspai.com/post/97797 ↩
  4. 4.AI 人工智能. https://www.cnbeta.com.tw/topics/468.htm ↩
  5. 5.AI 能边想边干活了？智谱发布最新 AI 智能体 - 中国日报网. https://cn.chinadaily.com.cn/a/202504/01/WS67ebc2e4a310e29a7c4a737b.html ↩
  6. 6.百度李彦宏：2025 年或成 AI 智能体爆发元年 " 智能经济 " 将跑出加速度. http://stcn.com/article/detail/1571397.html ↩
  7. 7.AI 智能体：它来了 - 证券时报. https://www.stcn.com/article/detail/1487819.html ↩
  8. 8.MCP 协议引爆 AI 交互：智能体突破数字边界，物理 AI 如何被重构？. https://www.163.com/dy/article/JRGB1HSO055691TB.html ↩
  9. 9.MCP：AI 时代的 " 万能转接头 " 来了！ - 53AI-AI 知识库. https://www.53ai.com/news/LargeLanguageModel/2025032017389.html ↩
  10. 10.MCP：智能体协作路径与 AI 网络融合设想 - 网易. https://www.163.com/dy/article/JS2FPTIG055691TB.html ↩
  11. 11.王炸创新：Spring AI 结合 MCP 协议，三步迈入智能体开发新纪元. https://www.showapi.com/news/article/67edf3824ddd79013c15955e ↩
  12. 12.LLM Agent 前沿研究速览（含 ICLR2025 收录 Agent 论文） - 知乎专栏. https://zhuanlan.zhihu.com/p/1888564058556461727 ↩
  13. 13.2025 AI Agent 技术栈全景图 - 53AI. https://www.53ai.com/news/LargeLanguageModel/2025032420694.html ↩

The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.

由WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证。

本文首发于Why·Liam·Blog (https://blog.naaln.com)，版权所有，侵权必究。

本文永久链接：https://blog.naaln.com/2025/04/newsletter-63/