隨著Gartner 2024年新興技術成熟度曲線為不久的將來提供了路線圖，現在是時候展望2025年了。生成式人工智能已經越過了 “過高期望峰值”，正越來越接近 “幻滅低谷”。2024年是生成式人工智能的試驗之年，IT領導者們正在根據業務成果改善的實際情況，了解哪些應該、哪些不應該大規模投入生產。

與此同時，人工智能代理在沿著 “創新觸發” 斜坡上升的過程中逐漸受到關注。對于那些不清楚生成式人工智能和智能代理式人工智能區別的IT領導者來說，可以這樣理解：生成式人工智能負責創造，而智能代理式人工智能負責行動。

人類與生成式人工智能緊密合作，生成并使用外聯電子郵件、源代碼、商業計劃和營銷策略，但啟動生成式人工智能的是人類，對生成式人工智能的輸出采取行動的也是人類。

就智能代理式人工智能而言，代理可以啟動生成式人工智能，以及外部工作流程和記錄系統。代理還可以確定并執行后續步驟，這可能需要也可能不需要人類干預。

雖然生成式人工智能的商業價值可能難以評估，但智能代理式人工智能的好處則更為直接，因為存在 “待完成工作” 的人力成本，這可以與代理完成工作的成本進行比較。此外，智能代理式人工智能具有彈性，這使得人工智能代理能夠根據可預測的季節性因素（如黑色星期五促銷、報稅日支持）或意外事件（如重大服務中斷或自然災害），以經濟高效的方式進行擴展或縮減。

2025年的五項人工智能預測

人工智能領域正在迅速變化，新的進展和趨勢不斷涌現。隨著新的一年即將到來，技術領導者們必須預測并為這些變化做好準備。

以下是2025年將同樣令技術領導者們既興奮又具挑戰的五項人工智能預測：

1. 人工智能代理的成功將取決于集成

2. 大型行動模型（LAMs）

3. 小型語言模型（SLMs）

4. 能源效率

5. 多個人工智能模型環

人工智能代理的成功將取決于集成

在過去的一年里，行業領導者們一直在重復這樣一個理念：“你的人工智能戰略的好壞取決于你的數據戰略。” 這是事實，因為如果你的數據被困住，人工智能無法訪問，那么你得到的生成式人工智能結果充其量只是泛泛而令人失望，最壞的情況是會產生有害的幻覺。隨著我們的人工智能之旅擴展到代理領域，我們很快就會認識到一個推論：“你的代理戰略的好壞取決于你的集成戰略。”

為什么會這樣呢？就像一臺運轉良好的機器依賴于其各個部件之間的無縫協作一樣，人工智能代理的成功在很大程度上也將取決于它們在更廣泛的技術生態系統中的集成。

人工智能代理具有自動化任務和做出決策的能力，有望徹底改變業務運營的各個方面。然而，只有當它們與企業現有的系統和數據源無縫集成時，其真正潛力才能得以釋放。

想象一下，一個負責客戶服務的人工智能代理。為了真正發揮效力，它需要訪問客戶數據、訂單歷史、產品信息、運輸信息，甚至是實時庫存水平。如果沒有這種集成，該代理的用處將受到嚴重限制，導致更少的問題自動解決，以及更高的支持成本。

2025年IT領導者應該做的事

• 優先考慮集成：不要將人工智能代理視為獨立的解決方案。相反，應將它們視為整體IT基礎設施的重要組成部分。

• 投資強大的集成平臺：探索并實施能夠促進人工智能代理與現有系統之間無縫數據交換和通信的工具和技術。

• 打破數據孤島：確保不同部門和職能的人工智能代理都能隨時訪問數據。

通過優先考慮集成，IT領導者可以讓人工智能代理發揮出最佳性能，為他們的組織實現最大的商業價值。

大型行動模型將成為佼佼者

讓開，大語言模型（LLMs）—— 城里來了個新縮寫詞。雖然大語言模型擅長理解和生成人類語言，但大型行動模型（LAMs）更進了一步，將這種理解轉化為行動。

可以這樣想：大語言模型就像是運作的大腦，能夠處理信息并生成見解。而大型行動模型則是雙手，將這些見解付諸行動。

為什么大型行動模型對智能代理式人工智能的成功至關重要

大型行動模型有望成為智能代理式人工智能成功背后的驅動力，智能代理式人工智能專注于創建能夠自主執行任務并實現目標的人工智能代理。通過與企業內的應用程序編程接口（APIs）集成，大型行動模型可以與各種系統和應用程序進行交互，使其能夠執行復雜的行動。

例如，一個由大型行動模型驅動的人工智能代理可以實現新員工入職流程的自動化。它可以收集必要的信息，創建賬戶，授予對相關系統的訪問權限，甚至安排入職會議。

將大型行動模型與應用程序編程接口集成

釋放大型行動模型全部潛力的關鍵在于它們與應用程序編程接口的集成。應用程序編程接口就像是不同軟件應用程序之間的連接組織，使它們能夠相互通信和交換數據。

通過將大型行動模型與應用程序編程接口集成，企業可以讓人工智能代理與廣泛的基于云的和本地部署的系統和服務進行交互，從客戶關系管理（CRM）系統和企業資源規劃（ERP）系統到營銷自動化平臺和電子商務平臺。這種集成開啟了自動化任務、簡化流程和提高效率的無限可能。

2025年IT領導者應該做的事

• 探索大型行動模型的潛力：了解大型行動模型與大語言模型的區別，以及它們如何用于推動智能代理式人工智能計劃。

• 制定應用程序編程接口戰略：確保你的組織有一個明確的應用程序編程接口戰略，以促進大型行動模型與現有系統的集成。

• 投資應用程序編程接口管理工具：實施能夠幫助你有效管理和監控應用程序編程接口的工具，確保與大型行動模型的無縫集成。

通過接納大型行動模型并優先考慮它們與應用程序編程接口的集成，IT領導者可以讓他們的組織充分收獲智能代理式人工智能的好處，實現新的自動化和效率水平。

小型語言模型：規模真的重要嗎？

雖然大語言模型憑借其令人印象深刻的能力主導了人工智能領域，但一個新趨勢正在興起：小型語言模型（SLMs）。隨著企業認識到這些緊湊高效模型的優勢，它們正逐漸受到關注。

小型語言模型是大語言模型的精簡版本。它們的參數數量明顯更少，這帶來了幾個優點：

• 成本效益高：小型語言模型需要的計算能力和內存更少，因此訓練和部署的成本更低。

• 速度和延遲：它們較小的規模使其能夠更快地處理數據，延遲更低，非常適合實時應用。

• 占用空間小：小型語言模型可以部署在更小的設備和邊緣計算環境中，將其應用范圍擴展到資源受限的環境。

• 增強隱私性：小型語言模型可以在設備上完成所有處理，最大限度地減少了將敏感數據發送給第三方或通過網絡傳輸的需求。

• 可用性更高：小型語言模型可以部署在網絡連接有限的環境中，適用于遠程或離線應用。

小型語言模型的創建方式

研究人員采用各種技術來創建在減小規模的同時仍能保持性能的小型語言模型：

• 師生訓練：一個更大的 “教師” 模型指導一個較小的 “學生” 模型的訓練，有效地傳遞知識。

• 模型剪枝：從更大的模型中去除不必要的參數，簡化其架構。

• 大語言模型量化：用更低的精度表示模型參數，減少內存需求。

對公共部門的好處

小型語言模型對公共部門尤其有前景，特別是對于那些需要在設備上運行的應用程序。這對于前沿部署場景或在沒有網絡連接到基于云的前沿大語言模型的系統上運行的機密應用程序至關重要。

2025年IT領導者應該做的事

• 針對特定用例評估小型語言模型：確定小型語言模型能夠在提供足夠性能的同時實現更高效率的任務和應用程序。

• 通過集成提高小型語言模型的質量：將組織數據轉換并統一為一致的格式，以便小型語言模型能夠輕松理解和使用。

• 監控、優化和管理小型語言模型的采用：使用應用程序編程接口管理來管理和控制小型語言模型的訪問，并監控其使用情況，以便與其他小型語言模型和基于云的前沿大語言模型進行性能對比。

小就是大。通過接受 “精簡即時尚” 的理念并利用小型語言模型的優勢，IT領導者可以優化他們的人工智能計劃，以實現成本效益、速度、隱私和可訪問性的目標。

能源效率將與性能同等重要

隨著生成式人工智能進入主流，其對環境的影響受到越來越多的審視。企業意識到，大語言模型的廣泛使用會顯著影響其環境可持續性指標和目標。

這些強大模型的能源消耗是一個日益嚴重的問題。訓練和運行大語言模型需要巨大的計算能力，這意味著會產生大量的碳足跡。這引發了對人工智能環境成本的更高透明度和問責制的呼吁。

提高透明度的努力

幸運的是，人們正在努力解決這個問題。研究人員和行業領導者正在致力于開發一種類似于 “能源之星” 的人工智能模型評估標準，提供明確的指標來評估其對環境的影響。這將使企業能夠在選擇模型時做出明智的決策，在性能和可持續性之間取得平衡。

優化大語言模型的選擇

企業將不再默認在每個應用程序中都使用最先進、資源消耗最大的前沿模型，而是越來越多地根據自身特定需求優先選擇最適合的大語言模型。就像他們考慮價格和性能等因素一樣，他們也會將模型對環境的影響納入考量。

這種向能源效率的轉變將有助于鼓勵創新和開發更可持續的人工智能模型。研究人員將專注于創建既能提供高性能又具有較低碳足跡的模型，采用模型壓縮、量化和高效訓練方法等技術。

2025年IT領導者應該做的事

• 評估人工智能計劃對環境的影響：評估你當前使用的人工智能模型的能源消耗和碳足跡。

• 優先選擇能源效率高的模型：在選擇大語言模型時，除了考慮性能和成本外，還要考慮其對環境的影響。

• 支持可持續的人工智能開發：鼓勵使用能源效率高的訓練方法和模型優化技術。

• 倡導透明度：要求提供明確、標準化的指標來評估人工智能模型對環境的影響。

通過在關注性能的同時優先考慮能源效率，IT領導者可以確保他們的人工智能計劃與組織的可持續發展目標保持一致，為更綠色的未來做出貢獻。

多個人工智能模型環將統領一切

隨著企業越來越依賴大語言模型來驅動其人工智能應用程序，高效且經濟高效地管理大語言模型變得至關重要。這就是大語言模型路由器作為大語言模型請求的智能流量導向器發揮作用的地方。

大語言模型路由器通過分析傳入的提示，并根據復雜度、性能要求和成本將它們路由到最合適的模型，從而優化大語言模型的使用。這確保了較簡單的任務由成本較低的模型處理，而更復雜的任務則被導向最強大的模型。

RouteLLM：大語言模型路由的一個實際例子

大語言模型路由器的一個例子是RouteLLM，這是一個旨在優化大語言模型服務的開源框架。RouteLLM會分析傳入的查詢，并動態選擇最適合處理每個請求的模型，同時考慮成本和性能等因素。這種方法不僅可以在保持前沿模型95% 性能的同時將成本降低多達85%，還可以提高整體效率和響應時間。

擴展大語言模型路由器的作用

雖然目前的大語言模型路由器主要側重于在價格和性能方面進行優化，但其潛力遠不止于此。隨著人們對大語言模型環境影響的認識不斷提高，大語言模型路由器可以在促進可持續性方面發揮關鍵作用。

想象一下，一個大語言模型路由器不僅考慮價格和性能，還考慮每個模型對環境的影響。這將使企業能夠為可持續性優化其大語言模型的使用，為每個提示選擇最節能的模型。

2025年IT領導者應該做的事

• 探索大語言模型路由解決方案：研究大語言模型路由器在改善大語言模型使用和降低成本方面的好處。

• 在大語言模型路由中考慮可持續性：倡導開發在考慮價格和性能的同時也考慮環境影響的大語言模型路由器。

• 將大語言模型路由器集成到人工智能基礎設施中：實施大語言模型路由器來管理和優化組織的大語言模型部署。

• 從一開始就建立人工智能靈活性：采用以應用程序編程接口為主導的連接方式，以便開發人員現在可以使用最好的人工智能模型和路由器，并且明天能夠快速輕松地切換到更好的模型和路由器。

通過接納大語言模型路由器并將其功能擴展到包括可持續性考量，IT領導者可以確保他們的人工智能計劃既高效又環保。

人工智能的未來今非昔比

人工智能的未來充滿了令人興奮的可能性，這五項預測讓我們得以一窺2025年技術領導者們將面臨的趨勢和挑戰。通過保持消息靈通并做好準備，企業能夠在這個不斷發展的領域中航行，利用人工智能的力量推動創新、實現業務目標，成為顛覆者而非被顛覆者。