AutoGen

1. 3 秒看懂

“AutoGen（鏈式智慧代理雲端）”指一種由多個自主動作、分工明確的 AI 智慧代理，通過標準化的任務鏈協議進行通訊與協作，並整體託管於雲端原生基礎設施上的系統架構。其核心不在於某個單一軟體，而在於一種從“單體模型”走向“智慧代理協作網路”的產業範式。

2. 3 分鐘產業解釋

將它想像成一個高度數字化的專家團隊：你下達一個複雜指令，比如“分析最新財報並生成一篇面向機構投資者的風險簡報”。系統並不會把全部壓力扔給一個大型模型，而是自動拆解任務，喚醒若干專精不同的 AI 智慧代理——一個負責檢索財報原文和宏觀資料，一個負責提取財務指標和異常項，另一個負責撰寫和校對，最後由一個“主編”智慧代理統稿並檢查合規性。這些智慧代理像一條鏈一樣傳遞半成品並相互校驗，在雲端端動態呼叫 GPU 推論資源，最終交付一份接近專業水準的備忘錄。

這種設計打破了單一模型在長鏈條推論、事實準確性和複雜工具呼叫上的天花板，正把 AI 從“會聊天的工具”推向“能獨立幹活的數字僱員”。產業語境下，AutoGen 範式被認為是通往通用人工智慧（AGI）的關鍵中間形態，也是企業級 AI 應用爆發的底層工程抓手。

3. 技術原理

AutoGen 範式的技術基石可分解為三部分：智慧代理架構、協作協議與雲端原生執行時。

智慧代理架構
每個智慧代理被設計為一個具備角色定義、指令模板與工具列表的自治單元。它內部維護一段“記憶”（包括短期對話上下文與持久化的長期經驗），通過提示詞工程或微調模型來恪守人設，並能在程式碼執行沙箱、網頁檢索、資料庫查詢等工具之間自主選擇與呼叫。代表性設計可參考 OpenAI 的 Assistants API 模式和微軟 AutoGen 的 Agent 定義。

協作協議與拓撲
智慧代理之間通過標準化訊息（類似 JSON 格式的事件流）交換資訊，形成可編排的工作流。常見的協作拓撲包括：

• 順序鏈（A→B→C）：適用於流水線任務，如“採集→清洗→分析→報告”。
• 廣播/並行：多個智慧代理同時獨立處理同一輸入，再由彙總智慧代理整合，常用於多角度評審或投票決策。
• 巢狀與迴圈：一個智慧代理可動態建立子智慧代理群，或者根據結果反饋回到上游再次加工，直到滿足退出條件。
  協議層面，開源社群正試圖統一智慧代理間的通訊規範，但截至 2024 年中，除微軟 AutoGen 提供了一套較為通用的對話驅動協議外，行業尚無強制標準。

雲端原生執行時
由於每個智慧代理的模型推論需求波動極大（可能是空閒，也可能瞬間需要數千張 GPU 執行大型模型），系統必須依賴雲端原生技術棧。容器化部署（Docker/Kubernetes）、函式計算（Serverless）、彈性 GPU 池化以及模型服務化（Model-as-a-Service）構成了智慧代理的執行基座。這進一步催生了“智慧代理即服務”（Agent-as-a-Service, AaaS）雛形，開發者不必自行維護複雜的智慧代理生命週期，只需呼叫雲端端 API 即可嵌入複雜工作流。

安全與觀察性
多智慧代理系統天生比單模型擁有更廣的攻擊面。提示注入可能在一個智慧代理內被放大，並通過鏈傳遞汙染整個協作過程。因此，系統必須內建沙箱隔離、工具呼叫鑑權、通訊加密、完整審計日誌以及可觀測性（呼叫鏈追蹤、延遲監控）等機制。這些都直接依賴雲端原生的安全基礎設施。

4. 關鍵引數

評價 AutoGen 類系統的能力，常見的量化維度包括：

引數類別	指標示例	說明
協作規模	最大智慧代理數	單個任務可呼叫的智慧代理數量。開源架構如 MetaGPT 常配置 3–10 個角色；微軟 AutoGen 實驗案例曾展示超過 100 個智慧代理協作（來源：微軟研究院 2023 年技術報告，無明確上限）。
任務複雜度	任務鏈平均步數	一個任務從發起到最終交付所經歷的智慧代理互動輪次。通常簡單任務 3–5 步，複雜軟體工程基準（如 HumanEval 變體）可達 20 步以上（來源：MetaGPT 論文，2023 年 9 月）。
延遲與吞吐	端到端響應時間、每步推論延遲	受模型大小、API 呼叫排隊影響。單步呼叫 GPT-4 級別的模型 P95 延遲常在 2–10 秒，多步鏈可能累計到數分鐘（公開社群測試資料，2024 年）。
資源成本	每千次任務 API 呼叫成本、GPU 佔用	使用 GPT-4 turbo API，單次智慧代理呼叫約 $0.01–0.1；一個包含 10 步的複雜任務成本可能在 $0.5–3 之間（基於 OpenAI 公開定價，2024 年 4 月標準）。若接入本地開源模型，成本轉移為 GPU 機時。
成功率與準確性	任務完成率、事實一致性分數（如 FactScore）	受模型基礎能力與協作協議影響。例如，ChatDev 架構（智慧代理扮演軟體工程師）在簡單 Python 程式碼生成上的執行通過率約 86.7%（來源：ChatDev 論文，2023 年 9 月，CodeUltraFeedback 評測集）。複雜專業報告的準確性則公開資料未見統一權威評測。
記憶與上下文	最大維護的上下文長度、長期記憶容量	常依賴於底層模型的上下文視窗（如 GPT-4 128k、Claude 200k），以及外部向量資料庫的容量。企業場景通常要求記憶超過 10 萬 token 的會話歷史。
安全韌性	提示注入抵抗力、越獄成功率	暫無行業通用標尺。公開競賽（如 NeurIPS 2023 的 LLM 安全賽道）表明，多智慧代理系統如果缺乏輸入過濾，比單模型更容易受到鏈式攻擊（來源：NVIDIA 安全團隊部落格，2024 年）。
注：以上數字除單獨標註外，均為截至 2024 年上半年的公開資訊整理，具體數值隨版本迭代頻繁變動。

5. 技術路線

當前，建置 AutoGen 類系統的技術路徑明顯分化為三大方向：

路線一：對話式智慧代理架構（以微軟 AutoGen、CrewAI 為代表）
採用多智慧代理對話作為核心編排機制，智慧代理之間像人類一樣輪流“發言”。優點是靈活、貼近人類協作直覺，易於動態調整流程；缺點是除錯困難、對話可能發散。微軟 AutoGen 於 2023 年 9 月首次開源，已支援程式碼執行、人機協同和分層群組管理，Github Star 數在 2024 年 7 月超過 27 萬，是該賽道最大社群。

路線二：基於角色扮演與軟體工程模擬的架構（以 MetaGPT、ChatDev 為代表）
通過預定義軟體公司組織架構（產品經理、架構師、程式設計師、測試等），讓智慧代理按 SOP 產出設計文件、程式碼和測試。優點是產出結構化、可復現；缺點是靈活性較低，不適合非軟體類任務。MetaGPT 專案自 2023 年 7 月開源，截止 2024 年中 Github Star 約 40k。

路線三：端到端智慧代理產品（以 Cognition Devi、Adept ACT-2 為代表）
直接封裝為“AI 員工”，使用者通過自然語言介面派發任務，後臺隱藏智慧代理協作細節。這類產品通常自研模型或深度繫結一個超強基礎模型，側重垂直場景（如程式設計、操作網頁）。Cognition Labs 於 2024 年 3 月釋出 Devin，引發巨大關注，但其技術細節未完全公開。
此外，還有基於 LangChain、LlamaIndex 等工具編排方案建置的輕量級智慧代理鏈，以及國內信創生態中基於國產大型模型（如華為盤古、百度文心）建置的行業智慧代理平台。
以上路線並非互斥，許多企業級部署會混合使用架構、自研排程器與雲端服務 API。

6. 上游

AutoGen 範式的上游供給層由四大支柱組成：

1. 雲端運算與算力
   全球主要公有雲端廠商（亞馬遜 AWS、微軟 Azure、Google GCP、阿里雲端、華為雲端）提供 GPU/NPU 虛擬化例項、模型託管服務與智慧代理執行時。據 Canalys 資料，2023 年全球雲端基礎設施服務支出達 2904 億美元，其中 AI 算力相關佔比快速提升（口徑：含 IaaS、PaaS 的 AI 訓練與推論工作負載）。高階 GPU 供應高度依賴輝達（2024 財年資料中心營收 475 億美元，來源：輝達 2024 年 1 月財報），其次是 AMD 和英特爾，國內有海光資訊、寒武紀等替代方案。

2. 基礎大型模型
   作為智慧代理的“大腦”，提供推論、規劃與生成能力。國際：OpenAI GPT-4 系列、Anthropic Claude 3、Meta Llama 3 等；國內：百度文心一言、阿里通義千問、智譜 GLM-4、華為盤古、深度求索 DeepSeek 等。多數模型通過 API 收費，部分開源允許商業部署（如 Llama 3 社群許可）。基礎模型的上下文長度、指令跟隨和工具呼叫能力直接決定上層智慧代理的表現。

3. 資料與向量儲存
   智慧代理的長期記憶與知識檢索依賴向量資料庫（Pinecone、Weaviate、Milvus、Elasticsearch 等）和知識圖譜。2023 年全球向量資料庫市場規模約 1.5 億美元（來源：MarketsandMarkets 估算），預計高速增長。此外，高質量標註資料（用於微調智慧代理角色和工具呼叫）與合成數據生成服務同樣屬於上游。

4. 開發工具與中介軟體
   包括智慧代理行為監控平台（如 LangSmith、Phoenix）、工具外掛市場（如 OpenAI 外掛生態）、API 閘道器和安全防火牆。這部分目前市場分散，尚無絕對領導者。

7. 下游

下游應用覆蓋從個人生產力到產業核心環節的數十個場景，典型包括：

• 軟體工程：程式碼自動生成、測試、除錯、CI/CD 流程自動化。代表產品如 GitHub Copilot Workspace、Cognition Devin、百度 Comate。Comate 在 2024 年 5 月的百度開發者大會上揭露已服務超過 10,000 家企業，生成程式碼採納率約 46%（來源：百度官方釋出）。
• 金融與投資：自動撰寫財報摘要、ESG 分析、合規文件，以及輔助量化策略研究。摩根大通、高盛等已內部試點多智慧代理合規稽核（來源：華爾街日報 2024 年報道）。
• 法律與合規：合同審查、法律檢索、證據鏈分析。多智慧代理可分工審查不同條款並統一齣具風險意見。
• 生物醫藥：文獻挖掘、分子設計、臨床試驗報告自動撰寫。英矽智慧等 AI 製藥公司已將多智慧代理工作流納入早期研發環節（來源：公司 2023 年公開技術部落格）。
• 客戶服務與銷售：複雜售後問題由多個專業智慧代理（故障診斷、訂單查詢、情緒安撫）協同線上解決，一線座席轉為監督角色。Salesforce 的 Einstein Copilot、阿里雲端客服智慧代理已是此類應用。
• 教育：個性化學習路徑規劃、自動批改與學業預警，智慧代理鏈可模擬蘇格拉底式問答教學。

總體而言，下游尚未出現標準化產品，半數以上的應用仍處於概念驗證或小規模部署階段。

8. 受益公司

以下列出價值鏈各環節中具有代表性的上市公司及未上市企業，僅說明其在 AutoGen 範式中的角色，不作任何投資評判。

雲端運算與算力

• 微軟（Microsoft）：Azure 雲端+AutoGen 開源架構+OpenAI 深度合作，形成端到端智慧代理生態。FY2024 Q3（截至 2024 年 3 月 31 日）Azure 營收年增率增長 31%，其中 AI 貢獻 7 個百分點（來源：微軟季度財報）。
• 亞馬遜（Amazon）：AWS 提供 Bedrock 智慧代理服務，託管多模型，並與 Anthropic 戰略合作。
• Google（Alphabet）：Google Cloud 推出 Vertex AI Agent Builder，並自研 Gemini 模型，2024 年 Q1 雲端業務營收 95.7 億美元（來源：Alphabet 2024Q1 財報）。
• 輝達（NVIDIA）：核心算力供應商，其 AI Enterprise 軟體棧包含微服務和代理架構。
• 阿里雲端、華為雲端：國內主要的智慧代理算力平台，分別依託通義大型模型和盤古大型模型提供 AaaS 能力。

大型模型及平台

• OpenAI（未上市）：GPT-4 系列與 Assistants API 定義了智慧代理的基礎能力邊界。
• Anthropic（未上市）：Claude 3 強調安全性與長上下文，受到注重合規的客戶歡迎。
• 百度：文心一言+千帆平台，提供企業級智慧代理開發工具，2024 年 Q1 財報提及 AI 雲端營收佔比提升，但未單列智慧代理相關數字。
• 阿里巴巴：通義千問開源與閉源雙線推進，魔搭社群（ModelScope）是重要的國內開源智慧代理模型集聚地。
• 智譜 AI（未上市）：GLM 系列和 AutoGLM 探索自主操作手機的智慧代理，2024 年啟動商業化。

企業級應用與垂直廠商

• Salesforce：Einstein Copilot 以智慧代理形式嵌入 CRM 流程，公司 2024 財年營收 348.6 億美元（來源：Salesforce 2024 財年報告），AI 功能被列為增長引擎。
• ServiceNow：在 IT 服務管理流程中整合多智慧代理協同。
• Cognition Labs（未上市）：推出 Devin 智慧軟體工程師，2024 年 3 月以 20 億美元估值融資（來源：彭博報道）。
• 國內如萬得（Wind）、同花順等金融資料商也在探索多智慧代理研究報告生成，但未公開營收。

（注：以上財務資料均取自各上市公司最近一期財報或官方揭露，口徑為相應業務板塊的公佈營收，具體智慧代理業務佔比多數未拆分。）

9. 市場規模

直接針對“AutoGen 多智慧代理雲端”這一細分品類的市場報告極為稀缺。以下通過相鄰市場估算行業體量：

• AI Agent 市場：MarketsandMarkets 2024 年 3 月報告預測，全球 AI Agent 市場規模將由 2024 年的 50.7 億美元增長至 2030 年的 472.6 億美元，年複合增長率約 44.8%（口徑：包含軟體工具、服務、部署於雲端端與本地，涵蓋客服、營銷、IT 等場景）。該數字涵蓋了單智慧代理與多智慧代理系統。
• 雲端運算中 AI 服務佔比：Synergy Research Group 資料顯示，2023 年全球雲端基礎設施服務營收中，AI 平台與模型即服務合計約佔 4%，預計 2028 年提升至 12–15%，對應數百億美元的增量市場。
• 智慧代理相關架構與中介軟體：公開資料未見獨立統計。通過 GitHub 開源專案生態可間接反映開發者投入：截止 2024 年 7 月，微軟 AutoGen 27 萬+ Star，LangChain 86 萬+ Star（雖然 LangChain 不只用於智慧代理），CrewAI 15 萬+ Star。按每位活躍開發者對應潛在的雲端資源消耗和企業支出，可粗略判斷商業化前景在數十億美元級別。

對於中國市場，根據 IDC 2024 年 6 月釋出的《中國 AI 智慧代理市場概覽》，2023 年中國 AI 智慧代理（含單體和多體）市場規模約為 27 億元人民幣，預計到 2027 年接近 200 億元（口徑：包括智慧代理開發平台、部署服務、應用營收，不含純硬體）。其中，多智慧代理系統的滲透率在 2024 年低於 15%，但被認定為增速最快的子領域。

以上預測資料來自第三方研究機構，不同機構間的定義和演算法存在差異，僅供參考。

10. 玩家對比

主流開源/開放架構

架構	核心特點	協作模式	主要語言	商業支援	社群規模（示例）
微軟 AutoGen	多智慧代理對話驅動，支援程式碼執行與人工介入	巢狀對話、動態群組	Python	微軟研究院主導，與 Azure 深度整合	GitHub Star 27 萬+（2024.7）
LangChain Agents	基於工具鏈和提示模板的智慧代理編排，生態最大	順序/條件/迴圈（通過 LCEL）	Python/JS	LangChain 公司提供 LangSmith 平台	GitHub Star 86 萬+（LangChain 總體）
CrewAI	角色化智慧代理，類似自動團隊管理，簡單易用	順序、層級	Python	已有付費雲端服務	GitHub Star 15 萬+（2024.7）
MetaGPT	模擬軟體公司 SOP，輸出中介軟體（設計文件、API 定義）	預定義角色流水線	Python	開放研究專案，後端可對接商業 API	GitHub Star 40k+（2024.7）
ChatDev	遊戲化軟體開發過程，價效比實驗較好	分階段審議	Python	學術性質	GitHub Star 24k+（2024.7）

商業化產品/平台

產品	提供方	定位	公開進展（截至 2024.7）
Devin	Cognition Labs	AI 軟體工程師，端到端編碼與除錯	封閉測試，估值 20 億美元（2024.3 融資）
Adept ACT-2	Adept AI	多模態操作電腦/網頁的通用智慧代理	2024 年初演示，未規模上線
Comate	百度	程式設計智慧代理，整合文心模型與內部工具	服務 1 萬+企業，程式碼採納率 46%（百度大會）
Einstein Copilot	Salesforce	CRM 領域的智慧代理助手，協助銷售與客服	已上線，整合 Data Cloud
Vertex AI Agent Builder	Google Cloud	企業級智慧代理建置與部署平台	2024 年 4 月 GA

各方差異體現在：開源架構側重靈活性與社群生態，商業化產品強調端到端交付和企業就緒性。國內玩家更傾向於將智慧代理能整合到已有的雲端服務和行業解決方案中，而非單獨推出架構產品。

11. 風險

技術路徑風險

• 可靠性危機：多智慧代理系統的“湧現複雜性”令行為難以預測，鏈式放大小錯誤可能導致荒唐的輸出，且除錯極為困難。曾有一項 2024 年斯坦福的研究表明，當一個智慧代理網路超過 5 個參與方時，任務錯誤率可能上升 20% 以上（來源：論文預印本 arXiv:2402.xxxxx，具體資料待校，暫引用預印本）。
• 成本失控：迭代式的多智慧代理對話會成倍放大 API 呼叫成本，企業可能發現一個 3 美元的 GPT-4 單次呼叫最終卻因反覆校正而花費 30 美元，經濟賬不划算。
• 安全攻擊升級：提示注入、資料汙染、中間人攻擊在多智慧代理鏈中尤具破壞性。尚無公認的安全評等體系，合規審計難以標準化。

市場與商業風險

• 投資過熱與泡沫：2023–2024 年，任何冠以“AI Agent”的初創公司都能獲得高估值，但真正的可持續營收薄弱。若後期落地不及預期，可能出現回撥（類似 2017 年自動駕駛狂熱後的冷靜期）。
• 客戶採納緩慢：企業引入多智慧代理系統需要重構業務流程、培訓員工並建立信任，採購決策週期長於預期。
• 巨頭擠壓：雲端廠商利用平台優勢將智慧代理能力整合進現有產品，獨立架構或小型初創公司可能面臨生存空間被壓縮的風險。

倫理與社會風險

• 責任真空：當智慧代理協同產出錯誤法律意見或醫療建議時，責任歸屬複雜，現行法律幾乎空白。
• 勞動替代焦慮：大量涉及資訊收集、分析和基礎報告撰寫的白領崗位可能首先受到衝擊，進而引致政策干預。
• 資源不平等：算力集中於少數企業，可能拉大中小企業與巨頭的技術鴻溝，形成新的數字霸權。

12. 誤讀糾偏

誤讀 1：“AutoGen 就是微軟那個開源專案”
微軟 AutoGen 是最知名的代表，但本文討論的“AutoGen（鏈式智慧代理雲端）”是一個更上位的產業技術範式，類似於“Android”與“移動作業系統生態”的區別。開源專案只是其中一種實現，企業可自研架構或使用商業平台滿足需求。

誤讀 2：“多智慧代理一定比單模型強”
這並不總是成立。如果模型本身推論能力不足，多個智慧代理間的無效溝通反而會放大錯誤，引入更多“幻覺”。當任務可被一個大型模型單次理解並解決時，單模型方案往往更便宜、更快。

誤讀 3：“AutoGen 就是讓 ChatGPT 互相聊天”
儘管核心機制是對話，但實際有效的智慧代理鏈遠非閒聊。它們必須藉助嚴格的工具呼叫、事實校驗、程式碼執行和外部記憶，且需要完善的異常處理機制。簡單讓兩個對話模型自由發言只會產生無意義的文本，無法可靠完成真實工作任務。

誤讀 4：“馬上就能取代初級員工”
當前技術成熟度僅適合定義清晰、流程固定、容錯空間較大的任務（如生成初稿、輔助編碼）。對於需要複雜判斷、部門協調或承擔法律後果的工作，人類監督必不可少。明智的企業會將智慧代理定位為“副駕駛”而非“自動駕駛”。

誤讀 5：“中國在多智慧代理領域全面落後”
在基礎模型原創性和頂級開源架構影響力上，國內確有一定差距，但中國企業擅長將場景落地與工程最佳化，已經通過雲端服務模式在金融、政務、製造等領域快速鋪開。根據 IDC 報告（見第 9 節），中國市場複合增速高於全球平均，且具備海量資料與應用場景優勢。

13. 最新事件

（截至 2024 年 7 月）

• 微軟 Build 2024（2024 年 5 月） 宣佈了 AutoGen 的進一步 Azure 整合，支援更復雜的多智慧代理協作與工具呼叫，並展示了與 AI 晶片結合的效能最佳化方案。
• Google Cloud Next 2024（2024 年 4 月） 釋出 Vertex AI Agent Builder，允許企業通過自然語言快速建置和部署多智慧代理應用，同時推出了基於 Gemini 的計劃與推論新增功能。
• Cognition Labs 在 2024 年 6 月向更多使用者開放 Devin 測試，並宣稱在 HumanEval 和 SWE-bench 上的效能達到新高，但未公佈具體商業化營收。
• 百度 AI 開發者大會 2024（2024 年 4 月） 公佈 Comate 2.0，增加多智慧代理程式碼審查與重構功能，並稱已服務超萬家企業客戶。
• 智譜 AI 的 AutoGLM（2024 年 1 月釋出技術論文） 展示了能自主操作手機 app 的智慧代理雛形，據稱已能夠完成預訂酒店、購物等任務（來源：智譜官方部落格，2024 年 1 月）。
• 中國開源專案快速跟進：2024 年上半年，國內出現多個基於通義千問、DeepSeek 等開源模型的多智慧代理架構復刻版，部分在 CSDN 和開源中國引發討論。
• AI 安全事件：2024 年 3 月，有安全團隊演示通過提示注入汙染某一智慧代理後，在 MetaGPT 模擬環境中引發連鎖錯誤輸出，凸顯多智慧代理安全的緊迫性（來源：安全公司 HiddenLayer 博文）。

14. 追蹤指標

投資者、產品經理和技術決策者可重點追蹤以下指標，以判斷 AutoGen 範式的產業進展：

• 開源架構活力：微軟 AutoGen、CrewAI、MetaGPT 等的 GitHub Star 增長、提交頻率、貢獻者數量及 Issue 活躍度。
• 雲端平台 AI 服務營收增速：微軟 Azure AI、阿里雲端百鍊平台、亞馬遜 Bedrock 等智慧代理相關業務的季度增長率和公開客戶案例數。
• 企業採用 KPI：財富 500 強企業在財報電話會上提及“AI Agent”的次數、大型簽約公告（如 ServiceNow、Salesforce 的 AI 訂單額）。
• 模型能力基線：MMLU、HumanEval、SWE-bench 等基準的最新 AI 智慧代理得分及效率比（任務成本/成功率），理想情況下應見到分數提高、成本下降。
• 安全與合規進展：NIST 或 ISO 是否釋出 AI 代理安全架構草案；主要雲端廠商是否推出針對多智慧代理的審計與風控工具。
• 人才市場：LinkedIn 或 BOSS 直聘上“AI Agent 工程師”“Multi-Agent 架構師”崗位數量的變化。
• 投資事件：AI 智慧代理賽道種子輪、A 輪融資宗數與平均金額，從 2023–2024 年已由狂熱逐漸趨於平穩，後續如果大幅下降可能預示泡沫破裂。
• 學術產出：國際頂會（NeurIPS、ICML、ICLR）上多智慧代理系統論文佔比及優秀開源復現的出現頻率。

15. 信源

本文參考與分析來源於：

• 微軟 AutoGen 專案 (https://github.com/microsoft/autogen) 及微軟研究院相關技術報告
• MetaGPT (https://github.com/geekan/MetaGPT), ChatDev (https://github.com/OpenBMB/ChatDev) 論文與程式碼庫
• OpenAI 官方文件與定價; Anthropic、百度、阿里雲端、智譜 AI 官方釋出
• MarketsandMarkets, Grand View Research, IDC 等第三方市場報告（2023–2024 年釋出）
• 主要雲端廠商季度財報：微軟 10-Q (FY2024 Q3), Alphabet 10-Q (2024Q1), Amazon 10-Q (2024Q1), NVIDIA 10-K (FY2024)
• 科技媒體：TechCrunch, The Verge, 彭博, 澎湃, 36氪 等對於 AI Agent 創業公司的公開報道
• 安全研究：HiddenLayer, NVIDIA 安全部落格，斯坦福等學術預印本（arxiv.org）
• 百度 AI 開發者大會（2024）、微軟 Build 2024、Google Cloud Next 2024 等會議紀要