端午前琢磨事AI碰撞局搞了第二期，这期核心是基于案例碰撞什么是AI智能体，AI智能的产品定义、架构落地等方面又有那些特殊之处。
琢磨事AI碰撞局活动概述
本期的选择的案例是一个软硬融合的产品：AI电梯。然后从原始需求、产品定义、架构定义、落地问题四个方面探讨在真正落地的时候场景、产品、算法、商业模式如何交汇。
这次碰撞的主线并非是单纯的技术，而是从技术到产品的这条线，串起来探求：最终的问题变成产品是否会成功，如果不成功那为什么？这种背后的挑战是通行于所有智能之上，还是只是属于这次的案例？
关于碰撞局活动的详细参见：
琢磨事AI碰撞局活动形式的升级
上一次活动是统一完成分享然后开始讨论。这次则改成了，每个关键环节都插入讨论。
第一个碰撞点是以下面这样近10个功能点驱动的话是否值得把电梯变成电梯智能体？
投票的结果是下面这样。混沌的时候能这样其实已经很不错了。
后续形式估计还会进一步升级，让更多的同学参与碰撞，能有所获得。
碰撞点
这次还是出了一些在行业里面可能都具有领先性的碰撞点，这些碰撞点，没有标准答案，但很值得从业者思考。选取其中三个有代表性的给大家做个分享。
Co-pilot（半自动）和Auto-pilot（全自动）产品的差异
这点理解上差异最大，起点可能是分享的时候有这么个观点：
Co-pilot不创造新机会，而Auto-pilot每一个都是蓝海。
这样显然的问题就是：什么是Co-pilot什么是Auto-pilot?
比如智能音箱、Siri这类助手是Co-pilo还是Auto-pilot?
比如有一个招聘的Agent，只要和它交互它就会完成工作，那它是Auto-pilot还是Co-pilot？如果是Auto-pilot那，它也要像助手那样接受周边指令啊？
Co-Pilot 和 Auto-Pilot的核心指标又是什么呢？是智能程度么？
讨论后最终发现这问题本质在于对角色的定义。
在履行一个角色职责的时候，不需要人的介入就可以自己搞定的是Auto-pilot（全自动），否则是Co-pilot（半自动）。在履行自己职责的时候可能需要与服务对象（人）打交道，但这不关键。
比如这次案例中的电梯智能体，它的角色内涵就是听从人类指令去某个楼层，实时生成内容并显示，监控电梯内的行为做主动交互，虽然限定场景但它其实是Auto-pilot。
再比如如果一个招聘的AI智能体，它既能完成招聘的日常工作，也能在需求发到它的时候形成JD，并把招聘结果向相关人进行反馈，那它就是Auto-pilot。
而如果单纯是一个写作的助手，这个助手其实不能你给需求，它就把活干了，所以是Co-pilot。
为什么说Auto-pilot如果真的能做每一个都是蓝海呢？
因为这事没有大模型根本就做不了，现在陆续能做了，虽然当下还很少能成立的。
（上面是根据各位局里同学讨论整理而成，就不像会议记录那样，每条标注谁说的了）
AI agent现在实际落地的场景及这个未来的前景如何？
这个探讨展开不像上面那个那么多，但代表意义比较强，也可以补上前个问题的前提。
AI核心是重建了一套计算的结构，和过去50的本质不一样。
所以AI技术越成熟整个应用体系越会重构。
重构的结果就是一个个AI agent的崛起。
最早出现上面说的Co-pilot类应用，但这种应用的机会不在新人手里。
真正的机会是Auto-pilot。并且Auto-pilot彻底体现AI的以角色为中心的特征。
以角色为中心的AI如果崛起会颠覆以功能为中心的互联网的格局。
这是AI智能体的典型特征，每个AI智能体产品都会折叠周边一圈产品，很像手机折叠掉相机这个品类。
角色的边界才是AI智能体的边界，比如电梯智能体就不适合放歌，虽然它也能。
AI时代产品的定义会有什么不同？
这是一个分享过程中抛出的问题，没有完。估计需要后面陆续做更多碰撞。分享中核心提到的是，智能体的产品架构其实是定的，并且具有很大共通性。
比如：真正的智能体肯定需要更多的软硬融合，否则没有实时感知，怎么做实时的决策！（不是说必须有硬件比如NPC就没有，但方向是软硬融合）
如果软硬融合，那每一个就都是一个完备的小机器生命体，自然也就需要在他们之上的矩阵（Matrix）对他们统一进行管理，包括“生老病死”。
而一旦介入硬件的领域现实情境的复杂度就都会延展到产品里来，比如电梯智能体的WIFI信号强度。
在这个过程中会发现纯粹算法的权重没想的那么高，是必要不充分条件。
领域里面问题的处理很像放大器，放大AI算法进步的价值。
这种产品架构的共通性，甚至还会影响技术架构，这点就不展开了。
如果屏幕前的你，也有自己的观点、疑问或是经验，欢迎加入我们，一起挖掘和探讨。
往期小记：