AWS准备指挥一支人工智能特工大军

AWS实验室的多代理Orchestor开源项目重新思考分布式计算，使其更容易构建复杂、高效和具有成本效益的人工智能系统。

根据SNSInsider最近的一份报告，2023年全球人工智能代理市场价值为37亿美元。预计到2032年，该市场将增长到1036亿美元，在2024年至2032年的预测期内，复合年增长率为44.9%。这一轨迹表明，我们处理分布式计算和自动化的方式发生了根本性转变，特别是在云环境中。在90年代，我是这种转变的早期倡导者，很高兴看到它终于获得一些牵引力。

AWSLabs最近在GitHub上发布了多代理Orchestor框架，代表了这一演变的一个重要里程碑，展示了主要云提供商如何通过现代人工智能功能的视角重新构想传统分布式系统。这是对旧思想的复兴，但也是一种根本性的重新思考。

什么是人工智能代理？

人工智能代理是自主人工智能系统的一部分，该系统可以在没有人为干预的情况下理解、解释和响应客户的询问。该行业正在见证向人工智能驱动的云管理的急剧转变，预测分析和自动化成为资源优化的核心。

AWS实验室多代理编排器旨在协调和管理多个人工智能代理一起工作。它代表了云提供商开发人工智能代理管理和编排工具以满足特定需求的更广泛趋势。该项目侧重于代理编排、集成大型语言模型（LLM）和实现云原生人工智能。

作为不断增长的人工智能开发生态系统的一部分，该工具帮助组织管理和协调多种类型的人工智能代理。随着行业走向更复杂的人工智能编排解决方案，这是我看到的众多趋势之一。

多代理编排器框架建立在存在了几十年的分布式计算原则之上。然而，生成性人工智能的整合通过增强的智能改变了这些概念。现代代理商利用时尚的人工智能模型进行决策，从而提高他们的自主性和有效性。事实上，代理是分开的，因为它们是自主的，运行代理组形成一个系统。

整合LLM可以实现更直观的代理对代理和人对代理的自然语言交互。与此同时，自适应学习允许代理根据操作模式和结果来发展他们的行为。如果您想获得基于代理的系统更完整的教育，我提供几门课程。

我们需要新东西吗？

关于这一新一波人工智能代理技术，特别有趣的是它对传统云计算模型的潜在影响。边缘计算与云服务集成的兴起预示着未来计算资源将更加分散和高效利用。这对低延迟处理和实时分析越来越重要。

当人工智能代理在边缘执行复杂任务时，这种架构减少了集中处理，最大限度地减少了向中央云服务的数据传输。它通过利用低功率处理器和分布式处理来提高资源效率。分布式人工智能代理网络允许组织优化云支出，同时增强弹性、提高容错性并提高系统可靠性。

向基于人工智能代理的架构的转变可能会对云经济性产生重大影响。随着组织采用这些技术，我们看到人工智能驱动的代理对资源分配做出更明智的决策。通过本地处理降低数据传输成本可以减少对广泛云数据传输的需求，从而通过更高效的资源利用来降低整体云支出。

云提供商可以推广减少整体资源消耗的技术，但长期来看，这会让他们的钱更少。我们会假设他们已经知道这件事了。如果实施得有效，企业的云账单应该会下降，允许他们为不同项目扩展云运营。因此，这是双赢或输赢的情况，取决于你如何记分。

人工智能代理开发的未来

市场的主要目标应该是使这些技术更容易获得和高效。更大的云提供商将主要促进这一介绍，但企业也对此感兴趣。

人工智能作为一种服务的出现表明，基于人工智能代理的系统将变得越来越复杂，更容易实现。当然，一些小门可能会像其他云服务（无服务器）一样被曝光。我会留意那些。

云平台工程师正在增强他们的平台，以支持这些新范式，专注于与专业工具和框架的无缝集成。这种转变强调了编排能力的重要性，AWS的多代理编排器框架通过其代理管理和协调方法直接解决了这一问题。

随着这些系统的发展，供应商越来越强调安全和治理框架，特别是在人工智能操作的背景下。这包括对分布式代理网络加强安全措施和合规性考虑，确保基于代理的计算的好处不会以牺牲安全性为代价。当东西到处运行时，安全性变得更加复杂。

云计算中finops文化的出现与基于代理的方法完全一致。这些系统可以被编程为自动优化资源使用和成本，提供更好的问责制和控制。成本优化和基于代理的架构之间的这种自然一致性表明，随着组织寻求更有效地管理其云支出，我们将看到采用率增加。

我很高兴看到云计算的这种演变。向基于代理的架构的转变建立在既定的分布式计算原则和现代实现的基础上，这些实现利用生成式人工智能来创建更智能、更高效和更具成本效益的系统——假设我们对此很聪明，并且它不会被过度销售到无法提供优化业务价值的领域。

随着该市场继续爆炸性增长，我们预计基于人工智能代理的解决方案将越来越复杂。我们将看到更多项目和更多企业的兴趣。如果你问我，是时候了。