“First

点击上方蓝字关注我们

昨天开始，OpenAI分批对chatGPT Plus用户推送更新，发布全新功能。这次的主要更新包括两个新特性：

• 丰富文档对话与分析：支持上传更多类型的文档进行对话与分析，比如PDF等类型的多模态文档。
  

• GPT-4 All Tools：在一次对话中无缝平滑的自动使用工具，包括ChatGPT目前已有的Web搜索、高级数据分析（原代码解释器）、Dall.E3，以及最新的GPT-4V视觉智能。我们都知道在此之前chatGPT-4中使用这些工具需要手工选择后使用，而随着本次更新，ChatGPT会自行选择适当的工具来完成人类任务，无需人工切换。

  
  

个人认为，本次更新貌似常规升级，实则暗藏玄机，特别是第二点的All Tools，其实是一次重要能力的突破：使用者可以更简单的“一站式”的通过GPT来完成任务，而无需关注背后的工具。这恰恰是最近火热的AI Agent，即一体化的人工智能体必须实现的基本能力之一。联系到之前OpenAI公司关于AI Agent的公开论文与相关演讲，未必不是OpenAI迈向未来的一次尝试（尽管本次更新尚局限于有限的几个工具），如果未来OpenAI把这个能力扩展到插件，那么有ChatGPT生态内的众多第三方开发商支持的庞大插件库，将会带来更多的Agent形态的应用可能性。

未来的OpenAI不会满足于一个基础的大模型提供商，有着更丰富应用场景的Agent领域或许更能展示其强大的AI价值。当然，这也给目前如火如荼的孕育发展中的AI Agent产业带来了一定的变数，我们不妨从这次更新延伸出去，做个头脑风暴，深度思考一下。

先来体验下本次更新在实际使用上的变化，GPT4 Plus用户将会优先体验到本次更新的便利之处。比如：

• 你可以和你的PDF进行对话：早先时候你可以需要购买一些创业公司的类似chatPDF这样的产品，而现在，你只需要直接交给chatGPT即可。

 你可以轻松的让GPT-4帮助你：

• 总结你的论文核心内容，生成论文摘要

• 对文档的某个部分进行修改润色与扩写

• 智能搜索你所关注的文档区域

重要的是，ChatGPT现在会自动组合使用其工具，协作完成一项任务。

• 自动使用GPT最新的多模态视觉智能GPT4-V与DALL.E3：根据你上传的图片来生成新的图片，实现Image-Image的提示能力。比如：

• 根据上传的图片，创作一个皮克斯风格的动画图片

• 提供一个滑板图片，要求创作拿着这个滑板的小熊

• 提供两张图片，要求对这两张图片中的形象进行合并

• 自动组合Bing搜索与Dall.E3创作：查询某个地方的天气状态，然后根据它创作图片。甚至有网友让ChatGPT「搜索查询 2023 年大西洋飓风季的数据并生成关于飓风等级的可视化信息图表」。

• 自动组合GPT4-V、Dall.E3、高级数据分析：让chatGPT识别你提供的图片中的食物，并根据图片创建内容更丰富的相似图片（这里是食物）；然后要求其根据图片信息生成一个表格，列出这个图片中所有食物的信息，比如名称、卡路里、脂肪含量等。

类似于OpenAI这样的AI领头企业的每次更新，都会引来一些市场解读。比如这次更新，很自然的就有网友担心起一些像ChatPDF这样的一些围绕ChatGPT展开的“外挂”型产品的小型创业企业，随着在新的ChatGPT中变成一项基本功能，很可能会面临着生死存亡的问题。

具体来到AI Agent（AI Agent的入门可以参考本号之前系列文章），已经得到了无论是OpenAI、Meta这样的AI领头企业，还是众多的小型初创型企业或者科技极客的空前关注，可谓是当前AI领域的香馍馍。从最早的AutoGPT，到最近的xAgent、openAgents等，也已经有了大量的实验性的产品、原型、开源项目推出，原因是大家都普遍认可AI Agent是未来实现终极的AGI（通用人工智能）形态的必经之路，而且越来越多的人认识到：大模型只有在真正的应用层面走进千家万户，才能展示其真正的价值，而AI Agent就是最好的应用形式。

ChatGPT在AI Agent方面显然也有着明确的布局。回顾下自从GPT4发布以来的重要更新：

• Plugin（插件）：让ChatGPT能够通过插件与外部世界进行连接，更好的完成人类任务。

• Code Interpreter（代码解释器）：后更新为高级数据分析。让ChatGPT能够接受人类数据或文件，并自己编写代码完成分析与处理任务。

• Web  Browsing（联网）：不再需要借助第三方插件，ChatGPT就具备了天然连接互联网获取信息的能力。

• ChatGPT-4V（多模态）：给chatGPT增强了视觉智能，不再局限于文字处理，能够识别、理解、分析、预测图片信息。
  

• All Tools（一体化工具）：让chatGPT能够自行选择工具并使用，更加“一体化”的完成更复杂的人类任务。

我们就像看到了一个孕育中的智能体，从一个大脑（ChatGPT）逐步生长出了眼睛、耳朵与四肢等，开始接触世界，使用工具，逐渐成长为一个超级自主“智能体”的形态。

由此，我们也可以大胆预测未来OpenAI上可能会出现或者升级的能力（如有不准，纯属意外）：

• 底层大模型能力上，进一步升级GPT-4V，支持多模态的混合输入输出

• 开放在一定条件下的All Plugins功能，即无需干预的自主使用插件完成复杂任务

• 在ChatGPT Enberprise版本中，推出企业用户的Agents能力，比如私有数据管理、RAG增强等

• 配合ChatGPT-4V的视觉智能与浏览器插件，实现Web访问的自主导航、浏览与操作，即Web Agent

• ...

如果这里的全部或者部分功能成为现实，ChatGPT就不再是一个简单的基础大模型，而是至少在某些领域介入了AI Agents应用领域。那么作为新兴的缺乏护城河和足够技术壁垒的创业者来说，如果产品的定位刚好落在ChatGPT的未来规划路径上，可能会面临一定的风险与挑战。比如：类似向上述的ChatPDF的通用文档处理或内容创作助手；面向个人数据分析的Data Agent应用；借助开放Tools/API实现的个人AI助理类应用；简单的Web Agent甚至RPA等，这一类产品的初创者可能需要更加谨慎的关注行业巨头的战略与规划。

尽管如此，我们仍然认为：未来的AI市场应该有一个百花齐放，各司其职的多元化生态环境，而不是由某些巨头单一掌控。因为构建一个生态环境，远比垄断少量应用要重要的多，粘性也大的多。有大量顶级的企业证明了这一点，比如Apple，Google。所以对于大量的AI Agent已有或者准备投入的创业者来说，仍然存在巨大的机会，因为如果把基础大模型比成操作系统，那么在这个操作系统之上需要大量的开发者针对各行各业的无数领域去提炼AI的真实应用场景，进而形成有生命力的产品。从这个角度来说，基础大模型的供应商并不比深耕各个领域的应用创业者具备先发优势，在某些ToB领域，甚至是落后的。

未来的AI Agents的创业者或许可以在以下方面做探索与深耕，更容易形成自身的核心竞争力，建立起属于自身的护城河：

• 如果你专注在个人AI助理这样的ToC的通用Agent领域，除了拓展足够的应用场景以外，优秀的使用过程体验、稳定的模型输出与任务规划完成能力、支持灵活的自定义与组装Agent的能力，或许是应该加强的战略方向。而比如：通过预置的AI组件编排自定义Agent、针对任务场景的微调大模型、获得独有的第三方API工具等，都是可行的技术壁垒。

• 针对垂直的领域和场景、特定的任务、特定的使用者，做深入的、针对性的优化与Agent构建。针对某些垂直领域内相对复杂的应用场景（比如基于Agent的虚拟游戏世界、多Agent协作软件开发等），这些场景相信更容易建立起自己的独特优势；又或者针对具象机器人场景的应用；或者面向某个特殊的使用群体，深度识别他们的需求，做针对行的应用研发与持续完善，像法律工作人员、财务工作人员的AI助手等；

• 另外一个战略重点就是AI Agent在ToB领域的应用。这与ToC有着完全不同的应用场景与性能要求：

• 除了数据安全性和对私有模型的需求外，企业对AI Agent的要求是帮助企业完成自动化的任务，比如营销、咨询与服务，比如企业经营数据分析等，这些都需要结合企业自身的数据和现有应用，因此在流程、数据、部署等工程复杂度上，与ToC的AI Agent助理有较大区别，产品化难度相对较大

• ToB领域的应用不仅需要技术人员，更需懂得领域知识的业务专家，两者结合才能更好的发现AI Agent在企业应用的场景。中小初创型企业可以利用到这一点，深入到某个更具体的企业应用领域，构建特定的算法、模型与服务，建立起独特的优势

• ToB领域很难出现在ToC领域常见的赢家通吃局面，而且在ToC的市场开拓中，影响的因素更多，市场集中度也较低，给初创型企业容错空间更大，相对来说风险更可控制。当然，缺点是决策与项目周期较长，且需要真正理解与实施过企业应用的人才储备。

AI Agents是当前大模型在应用领域最重要也是最火热的焦点，也吸引了众多行业巨头的关注。客观的说，当前还没有出现特别成熟的生产级的AI Agent应用，除了底层基础大模型的能力尚在进化中外，在应用层面无论基础的技术框架，还是上层的应用场景，都有待整个生态链的壮大与成熟，这也给众多初创企业带来了更多的潜在机会。

我们期待与更多的创业者一起交流！

END