從ChatGPT到多智能體協(xié)作：AI新形態(tài)崛起

2022年底，ChatGPT的出現(xiàn)讓AI助手進(jìn)入大眾視野，它能夠記住用戶(hù)的上下文，持續(xù)回答問(wèn)題，甚至創(chuàng)作內(nèi)容。然而，智能體的發(fā)展遠(yuǎn)不止于此。

進(jìn)入2024年后，多個(gè)由企業(yè)、開(kāi)源社區(qū)開(kāi)發(fā)的“多智能體系統(tǒng)”相繼亮相。Manus、ChatDev、AutoGen、MetaGPT等項(xiàng)目通過(guò)配置一組智能體，在軟件開(kāi)發(fā)、自動(dòng)流程控制、項(xiàng)目管理、任務(wù)執(zhí)行等領(lǐng)域展開(kāi)協(xié)作，模擬人類(lèi)團(tuán)隊(duì)工作模式。

這些系統(tǒng)中的每一個(gè)Agent都承擔(dān)不同角色，比如CEO負(fù)責(zé)設(shè)定目標(biāo)，CTO制定技術(shù)路線(xiàn)，工程師編寫(xiě)代碼，測(cè)試人員自動(dòng)測(cè)試。這類(lèi)系統(tǒng)的工作方式發(fā)生了根本性轉(zhuǎn)變——從人類(lèi)驅(qū)動(dòng)AI到AI自行協(xié)作決策執(zhí)行。智能體不再是“工具”，而是“合作者”。

這一趨勢(shì)的背后，對(duì)計(jì)算資源的需求變得持續(xù)且動(dòng)態(tài)，但更關(guān)鍵的是：智能體離不開(kāi)數(shù)據(jù)。

智能體的運(yùn)行并不僅僅依靠算力。隨著其功能變得更復(fù)雜、運(yùn)行時(shí)間更長(zhǎng)、對(duì)話(huà)更持續(xù)，它們對(duì)于“數(shù)據(jù)”的依賴(lài)程度急劇上升：

1、智能體往往基于長(zhǎng)上下文記憶執(zhí)行任務(wù)。像GPT-4、Claude等模型已支持超長(zhǎng)Token窗口，但這只是第一步。為了更高效的記憶調(diào)取，系統(tǒng)需要使用KV Cache（鍵值緩存）或外部向量數(shù)據(jù)庫(kù)來(lái)訪(fǎng)問(wèn)。存儲(chǔ)系統(tǒng)必須提供極低延遲、高并發(fā)的訪(fǎng)問(wèn)能力。

2、智能體會(huì)持續(xù)對(duì)任務(wù)進(jìn)行調(diào)整優(yōu)化，需要頻繁讀寫(xiě)臨時(shí)數(shù)據(jù)，生成中間步驟結(jié)果、緩存用戶(hù)狀態(tài)、存儲(chǔ)反饋結(jié)果。這對(duì)存儲(chǔ)系統(tǒng)的實(shí)時(shí)響應(yīng)和一致性提出挑戰(zhàn)。

3、當(dāng)多個(gè)Agent需要共享某一任務(wù)狀態(tài)或數(shù)據(jù)時(shí)，網(wǎng)絡(luò)通信之外，底層存儲(chǔ)必須支持高效的數(shù)據(jù)復(fù)制、共享緩存、跨節(jié)點(diǎn)一致性。

簡(jiǎn)言之，智能體需要的不只是“記憶”更多，而是“更聰明的記憶系統(tǒng)”。

面向智能體的存儲(chǔ)演進(jìn)趨勢(shì)

智能體的落地推進(jìn)了AI基礎(chǔ)設(shè)施的再定義，也讓“存儲(chǔ)”從幕后走到臺(tái)前。全球范圍內(nèi)，多家企業(yè)和機(jī)構(gòu)正在對(duì)“智能體時(shí)代的存儲(chǔ)”展開(kāi)布局，呈現(xiàn)以下趨勢(shì)：

趨勢(shì)一：從通用存儲(chǔ)向“AI原生存儲(chǔ)”演進(jìn)

以曙光FlashNexus、華為OceanStor、HPE Alletra Storage MP為代表的新一代AI存儲(chǔ)系統(tǒng)，將AI算力適配作為設(shè)計(jì)起點(diǎn)：支持NVMe高并發(fā)協(xié)議、內(nèi)置KV Cache、向量檢索優(yōu)化、算存分離等。

趨勢(shì)二：存儲(chǔ)系統(tǒng)智能化，實(shí)現(xiàn)“自主服務(wù)”

現(xiàn)代AI存儲(chǔ)系統(tǒng)開(kāi)始集成AIOps能力。比如，Alletra系統(tǒng)結(jié)合HPE InfoSight智能平臺(tái)，可以自動(dòng)分析負(fù)載、預(yù)測(cè)故障、建議調(diào)優(yōu)配置。這種“智能存儲(chǔ)”不再需要人來(lái)“調(diào)”，而是能感知智能體需求，主動(dòng)服務(wù)。

趨勢(shì)三：融合高速網(wǎng)絡(luò)，打通數(shù)據(jù)通路

隨著數(shù)據(jù)通路成為瓶頸，光纖通道（FC）、RDMA、NVMe over Fabric（NVMe-oF）等高速互聯(lián)技術(shù)成為智能體系統(tǒng)的“輸血管道”。HPE B系列光纖交換機(jī)、英偉達(dá)GDPS系統(tǒng)等產(chǎn)品正加速?gòu)摹按鎯?chǔ)網(wǎng)”向“AI網(wǎng)”升級(jí)。

當(dāng)智能體協(xié)同系統(tǒng)橫跨數(shù)據(jù)中心部署時(shí)，存儲(chǔ)+網(wǎng)絡(luò)協(xié)同優(yōu)化就是不可或缺的底座。

最后

從AI助手到超級(jí)Agent、從單點(diǎn)智能到多體協(xié)作，AI智能體的出現(xiàn)不是一個(gè)“模型升級(jí)”的問(wèn)題，而是一次“系統(tǒng)進(jìn)化”的開(kāi)始。而作為數(shù)據(jù)承載、管理、調(diào)配的中樞，存儲(chǔ)系統(tǒng)正從后臺(tái)“管家”，轉(zhuǎn)型為AI智能體的“智能搭子”。

崔歡歡