吴恩达最近发表评论，认为AI最大的机会点在于构建好的应用方案，“层层解构 AI 产业链，从打下基础的半导体，向上到云端和模型开发，都是受到瞩目的技术层面，但如何应用AI其实涵盖更多机会”。

其实说的也是AI代理的概念，他在 AI 产业链上新增了“Agentic Orchestration Layer”概念，代表公司之一就是LangChain，提供的服务便是“多AI Agent合作”的趋势，通过下达不同的复杂指令，将不同功能的AI Agent 整合为一个能完成大型任务的Agentic AI 生态体系。

类似于kubernetes编排容器，在大模型领域他提出了“代理编排”的概念，有别于普遍“一个口令一个动作”的AI，AI 代理能为生成式 AI 的发展立下一道分水岭，仰赖的是它自主决策和行动的能力。

实现AI 代理的方法则是建立代理工作流程（Agentic Workflow），简单来说，可以在同一个大型语言模型（LLM）中，建立不同任务的 AI 代理，交由他们互相协作。

举个例子，当负责写程序的AI 运行时，另外能有一个AI 监督各个动作的正确度，并给予反馈，让程序做出对应更正，形成“思考、修正再思考”的循环作业过程，直至完善。人类只要一开始分配好任务，就可以退场，让AI 代理们各司其职，合力完成工作。

再举个例子，AI代理电话给餐厅为家庭聚餐订位，而餐厅端接电话的也是 AI，能依照客人用餐频率、饮食习惯、人数等，迅速安排最合适的订位，“这是一个‘agent to agent’的沟通。”

最后吴恩达分析了五个AI 趋势。

1：不断增加的 AI 算力需求，突显更快速和便宜的 token 重要性，半导体产业能继续贡献力量。

2：构建以 AI 为本的产品与服务原型变得非常高效，这正在改变企业创新流程。

“现在很容易生成 20 个点子，其中 19 个不好用，丢掉就好。。

3：当前 AI 已经大量运用文字技术，未来 AI 将走向多模态（Multimodal）形式，从文字往图像分析发展，可以关注制造、自动驾驶和安全等领域的视觉 AI 应用技术。

4：数据引力正在下降，也就是说数据“移动”的成本变低，这个观点很新颖，代表未来的云服务的迁移成本会小很多。

5：数据工程的重要性正在上升，特别是在非结构化数据，例如文本和影像的管理方面。

随着生成式 AI 向“代理”的方向迈进，B2C和B2B都会出现很多创新应用。