英偉達全球市值坐亞望冠之際，筆者觀察各大討論區仍充斥著估即日變化之流，真是百貨養百客。現時，雖然主流看法仍處於人工智能初期，但實際從供應鏈的觀察，只是看得清明年的需求，至於後年仍有待2025年下半年才可一探究竟。然而，近期筆者卻留意到一個算力需求或會提升的新細節。
上周，微軟宣布在Dynamics 365（CRM和ERP相關業務）中集成10個自主AI Agent，支援OpenAI最新模型01，可說明企業自動執行客服、銷售、財務、倉儲等業務。
期內，OPEN AI最強競爭對手之一Anthropic推出了升級版的Claude 3.5 Sonnet，該次的升級不僅程式設計能力更強，還帶來全新功能computer use（計算機使用），支援像人類一樣操作計算機。這不也是做AI Agent嗎？
兩則新聞的共通點是什麼？無錯，就是AI Agent。雖然現在還處於早期，但是能看到基礎模型廠商官方發布Agent的趨勢。之前，OpenAI Level3也是Agent，但是暫時還沒有類似的功能發布，可見微軟融合到旗下產品已搶先一步，漸漸官宣OpenAI推出AI Agent只是時間問題。
現在的市場著眼點當然是AI Agent又能替代多少傳統勞動力，以及對可控範圍內解決問題的效率。然而，忽視了AI Agent這種功能卻是需要更大算力的消耗。
要知道，出現AI Agent之前，稍早前，OpenAI 的o1模型強在反向推理，Gemini 1.5、Sonnet 3.5等可以做很好的正向推理。
什麼是反向推理呢，據筆者與業內人士交流所得，簡單而言，從一個問題開始，從o1模型衍生出8個解決方案，從其中選擇最好的2個並再生成4個方案，因此又變8個方案，這是反覆運算一輪的結果。接著從這8個方案中再生成2個最好的方案，並繼續各自生成4個方案，又是8個方案。
假設，此時找到一個方案，使得o1模型評分PRM到90分以上，那認為其是一個正確解決方案並輸出給使用者，此過程中，反覆運算3次，每次8個答案，總共24個答案，相當於用傳統的LLM跑了24次推理，因此個人覺得它對總算力的消耗可能在10倍以上。
AI Agent也是，給她一個問題，她可以遵循使用者的命令在計算機螢幕上移動游標，點擊相關位置，並通過虛擬鍵盤輸入信息，模擬人們與自己計算機的交互方式，最後得出答案，過程中需要衍生多少次運算才得出最佳解決方案，對算力的需求不言而喻吧。
而正向推理方面，則是像我們現時一樣，給予更清晰的各項步驟路徑給予模型去做，簡化了模型尋找解決方案的路徑，對模型要求沒有太高，當然結果也不是最理想，只是最接近使用者的想法。
現時看到不止OpenAI，連Anthropic也開始推出，然而若是to C端，暫時對這的需求不大，畢竟算力消化較高，從ROI角度，難以維皮，若收費高達50至60美元每小時，試問這樣的推理成本有什麼to C段的應用場景「食得起」。
因此，微軟此番將AI Agent放在Dynamics 365上實現商業化可謂踏實的創新，一是企業利用AI Agent自動執行客服、銷售、財務、倉儲等業務，實現「一魚幾吃」，二是有望平替傳統勞動力，初期員工幫忙標註改善AI Agent應用，後期被淘汰也是時間問題。最重要是企業覺得有節省成本的潛力，而且便於管理，畢竟AI Agent沒有情緒。
說到底，現在的美股仍是交易AI為主流策略，過於短視，美股或許不是一個好戰場。《資深投資評論員 陳萬賢》
*《經濟通》所刊的署名及/或不署名文章，相關內容屬作者個人意見，並不代表《經濟通》立場，《經濟通》所扮演的角色是提供一個自由言論平台。
【etnet 30周年】多重慶祝活動一浪接一浪，好禮連環賞！ ► 即睇詳情
