硅谷AI代理技术遇瓶颈：算力浪费与系统混乱成主要挑战

在硅谷举办的两场AI峰会上，多家科技公司高管与工程师指出，尽管AI代理被视为继ChatGPT之后的下一个技术风口，但其实际应用仍面临算力浪费、系统复杂和成本失控等问题。

Meibel公司CEO Kevin McGrath在会上表示，当前AI领域最大的问题在于“误以为所有任务都应由大语言模型（LLM）处理”，这种思维会导致“数百万token被浪费”，并强调企业需更审慎地选择适合AI代理的任务。

自OpenClaw这一“AI代理框架”兴起以来，科技行业普遍看好AI代理的潜力。英伟达CEO黄仁勋此前曾称其“绝对是下一个ChatGPT”。然而，在旧金山圣何塞举行的“生成式AI与代理AI峰会”上，谷歌、亚马逊、微软和Meta的技术人员透露，大规模部署AI代理并非易事。

谷歌软件工程师Deep Shah在会上介绍，多代理系统部署面临的主要挑战之一是“推理成本”，即运行AI代理所需算力的高昂费用。若系统设计不当，反而可能造成资金浪费而非节省。

Synchtron公司CEO Ravi Bulusu则指出，AI代理涉及数据架构、技术平台、软件开发和人力组织等多个维度，各环节相互依赖，导致系统“极其复杂，甚至混乱”。

周四在加州山景城举行的另一场AI活动中，中国AI企业ThinkingAI与MiniMax也参与讨论。ThinkingAI原为移动游戏数据分析公司（曾用名ThinkingData），近期转型为AI代理管理平台，并与MiniMax建立合作。MiniMax于今年1月在香港上市，是中国主要AI实验室之一，其模型已开源，被称作“AI老虎”之一。

ThinkingAI联合创始人Chris Han表示，公司正拓展至非游戏行业，帮助缺乏AI技术经验的企业部署代理系统。他指出，尽管OpenClaw在个人用户中流行，但因其复杂性和安全缺陷“无法达到企业级标准”，企业需自行解决记忆管理、代理协同和团队通信等问题。

Han未就中国AI模型可能引发的国家安全担忧发表评论，但强调其平台支持OpenAI、Google等模型。若美国政府禁止中国开源AI模型，Han幽默回应：“若真如此，也许说明我们成功了。”