芝能智芯出品

軟銀集團(tuán)正在嘗試用一種新的方式改造公司的運(yùn)營(yíng)方式，那就是引入大規(guī)模的人工智能代理（AI Agent）。

智能體不只是工具，而是能完成任務(wù)、協(xié)同工作、甚至創(chuàng)造新Agent的“數(shù)字員工”，目標(biāo)是替代重復(fù)性的工作，讓企業(yè)的運(yùn)作更加高效。

在孫正義的設(shè)想中，未來(lái)軟銀內(nèi)部將運(yùn)行10億個(gè)這樣的智能體，但這背后也伴隨著對(duì)算力、能源和硬件資源的巨大考驗(yàn)。

Part 1  從自動(dòng)化到自主化：軟銀AI Agent的三步部署

軟銀的AI Agent不是單一的機(jī)器人，而是能在電腦中運(yùn)行、獨(dú)立完成工作任務(wù)的“虛擬助手”。

這些Agent不是統(tǒng)一形態(tài)的工具，而是根據(jù)工作需求不斷演化，有的處理客服問(wèn)題，有的分析數(shù)據(jù)，有的甚至能開(kāi)發(fā)出新的Agent來(lái)分擔(dān)復(fù)雜任務(wù)。

軟銀規(guī)劃將這些Agent分為三個(gè)階段部署：

◎ 第一階段（2025年第三季度），部署3.2億個(gè)智能體，主要負(fù)責(zé)流程標(biāo)準(zhǔn)、規(guī)則清晰的任務(wù)，比如財(cái)務(wù)審計(jì)、客服問(wèn)題處理等。

這些Agent按照固定規(guī)則運(yùn)行，類(lèi)似流水線工人，但速度更快、效率更高。例如，在軟銀移動(dòng)的客服系統(tǒng)中，AI Agent已承擔(dān)了超過(guò)八成的用戶問(wèn)題解答，平均回復(fù)時(shí)間只有幾秒。

◎ 第二階段（2025年第四季度），部署4.1億個(gè)智能體，開(kāi)始具備跨系統(tǒng)工作的能力，能夠處理涉及多部門(mén)、多系統(tǒng)的數(shù)據(jù)，比如供應(yīng)鏈管理或風(fēng)險(xiǎn)分析。

這時(shí)候的Agent需要掌握更多上下文信息，也開(kāi)始具備一定的判斷能力，能在不同系統(tǒng)之間協(xié)作。

◎ 第三階段（2026年第一季度），部署2.7億個(gè)更高級(jí)的智能體，具備“創(chuàng)造新Agent”的能力。

這意味著，當(dāng)一個(gè)Agent發(fā)現(xiàn)問(wèn)題后，不需要等待人類(lèi)處理，而是能自己分解問(wèn)題、生成新的Agent來(lái)解決。例如，在倉(cāng)庫(kù)管理中，當(dāng)某個(gè)Agent發(fā)現(xiàn)分揀效率下降，它可以自己創(chuàng)建幾個(gè)小Agent，分別負(fù)責(zé)調(diào)整路徑、檢測(cè)誤差和調(diào)度工作，以提升整體效率。

從L2（規(guī)則執(zhí)行）、L3（協(xié)同工作）到L4（創(chuàng)造與優(yōu)化），軟銀正逐步讓這些AI Agent具備更高層級(jí)的自主性。這種分層部署的方式，既降低了初期試錯(cuò)成本，又為后期復(fù)雜任務(wù)的處理鋪路。

Part 2  AI Agent背后的壓力：算力、能源與芯片資源

要讓10億個(gè)Agent順利運(yùn)行，不只是軟件問(wèn)題，更大的挑戰(zhàn)來(lái)自底層資源：算力、能源和硬件。

◎ AI系統(tǒng)的計(jì)算需求正在快速膨脹。按照公開(kāi)數(shù)據(jù)，AI所需的計(jì)算能力每3.4個(gè)月就會(huì)翻一倍。以最新的大模型為例，GPT-6單次訓(xùn)練就要耗費(fèi)75吉瓦時(shí)的電力，這已經(jīng)超過(guò)很多國(guó)家一天的總用電量。如果要讓10億個(gè)Agent持續(xù)工作，這種電力需求將非常驚人。

◎ 軟銀顯然意識(shí)到了這個(gè)問(wèn)題。為了給Agent計(jì)劃提供穩(wěn)定能源，他們正在挪威開(kāi)發(fā)一個(gè)“浮動(dòng)數(shù)據(jù)中心”項(xiàng)目，利用當(dāng)?shù)氐乃�冷系統(tǒng)和小型核電來(lái)支持?jǐn)?shù)據(jù)中心運(yùn)行。這不只是為了省電，更是為了避免未來(lái)AI系統(tǒng)因電力不足而停滯。

◎ 與此同時(shí)，硬件也成了瓶頸。目前市面上最先進(jìn)的AI芯片——英偉達(dá)H100，交貨周期仍長(zhǎng)達(dá)36周，很多企業(yè)即使出高價(jià)也買(mǎi)不到充足的芯片。雖然AI單次運(yùn)算的成本有所下降，但總體需求卻迅速上漲，反而讓總成本水漲船高。

面對(duì)這些限制，軟銀采取了“中心+邊緣”混合部署的策略。

◎ 一些Agent在大型數(shù)據(jù)中心運(yùn)行，處理高復(fù)雜度任務(wù)；

◎ 而另一些輕量化Agent則部署在本地邊緣設(shè)備上，減少對(duì)中心算力的依賴。

這種結(jié)構(gòu)也有助于降低延遲，提高反應(yīng)速度。

小結(jié)

軟銀試圖用AI Agent重構(gòu)企業(yè)的基本運(yùn)作邏輯，在構(gòu)建一種“可以自己進(jìn)化”的企業(yè)系統(tǒng)。每個(gè)Agent既能完成任務(wù)，也能適應(yīng)環(huán)境變化，自我優(yōu)化。這讓企業(yè)可以用更少的資源管理更復(fù)雜的系統(tǒng)，提升整體效率。

       原文標(biāo)題 : 軟銀的10億AI Agent計(jì)劃