一凡 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

10億用戶App轉(zhuǎn)向AI原生應(yīng)用，大船如何掉頭？

高德最近打了個(gè)樣，用AI重構(gòu)底層技術(shù)棧，建立主-從Agent架構(gòu)，將千問(wèn)大模型與空間智能結(jié)合，展現(xiàn)出了新范式的強(qiáng)大威力，給用戶帶去了極大便利。

一條最快的通勤路線，一份詳細(xì)的全家旅游攻略……過(guò)去需要一系列操作，全網(wǎng)到處搜索需求，現(xiàn)在動(dòng)動(dòng)嘴，一句話就搞定了。出行和生活，有AI Agent加持以后，原來(lái)可以這么簡(jiǎn)單。

這也意味著高德地圖從出行工具轉(zhuǎn)變?yōu)榱酥悄荏w，重塑了人機(jī)交互方式，猜得懂人心，辦得了實(shí)事。應(yīng)用不再是被動(dòng)等待，而是主動(dòng)出擊，全程自主拆解用戶需求，智能體自主決策和執(zhí)行任務(wù)。

出行場(chǎng)景下首個(gè)AI原生應(yīng)用就此誕生，用戶超10億的高德率先全面AI化，給行業(yè)轉(zhuǎn)型提供了新的參考范式。

輸入一句話，秒辦一堆事

自從高德更新智能體后，已經(jīng)離不開主智能體小高老師了，打開App就是嘮，空間智能直接調(diào)，方便懂我會(huì)辦事。

比如說(shuō)日常市區(qū)通勤，開車不一定是最快方式，坐地鐵可能更快。以前如果想知道哪種方式更好，需要填好地點(diǎn)，然后選擇開車記下通勤時(shí)間，接著再選公共交通，對(duì)比兩條路線哪條花的時(shí)間更短，最后自己決定是開車還是坐地鐵。

一通操作又慢又繁瑣。現(xiàn)在只需要一句話就搞定了，直接就跟小高老師說(shuō)：

現(xiàn)在我要去故宮，開車和地鐵哪個(gè)更快。

小高老師就會(huì)主動(dòng)對(duì)比路線的時(shí)間差別，然后給到咱們最快的路線，不需要自己手動(dòng)輸入地點(diǎn)和切換了。

不僅如此，小高老師在給結(jié)果的同時(shí)還會(huì)提供預(yù)見(jiàn)性服務(wù)。比如說(shuō)早上6點(diǎn)起來(lái)趕飛機(jī)，告訴他要去首都機(jī)場(chǎng)，小高老師就會(huì)根據(jù)歷史數(shù)據(jù)，結(jié)合實(shí)時(shí)路況，提醒你7點(diǎn)20開始可能會(huì)擁堵，提前做好準(zhǔn)備。

除了個(gè)人城區(qū)出行好用，如果全家想出趟遠(yuǎn)門，也可以找小高老師幫忙，仍然只需要一句話：

我要帶爸媽和老婆孩子去蘇州，請(qǐng)給我制定一個(gè)旅行計(jì)劃。

小高老師立即安排，交通助手、景點(diǎn)達(dá)人和美食達(dá)人等多個(gè)智能體協(xié)作，很快檢索了多條路線和多個(gè)景點(diǎn)。

最終形成了一個(gè)完整的計(jì)劃，3天逛完14個(gè)景點(diǎn)。

總得來(lái)看，空間智能加持的小高老師，既看得懂大千世界，也看得透復(fù)雜人心，在出行場(chǎng)景下首次實(shí)現(xiàn)自動(dòng)拆解多步驟用戶意圖，還能自動(dòng)調(diào)用各種工具。交互方式也從觸控變成了語(yǔ)音對(duì)話。

方方面面都區(qū)別于傳統(tǒng)App，高德怎么做到的？

出行場(chǎng)景首個(gè)主-從Agent架構(gòu)曝光

App能聽(tīng)得懂話、辦得成事的秘訣在于高德用AI重構(gòu)了整體架構(gòu)，應(yīng)用融入千問(wèn)大模型，在出行場(chǎng)景首創(chuàng)了主-從Agent架構(gòu)。

新架構(gòu)主要分為Agent層、模型層和工具層三層，高德分享了背后清晰的運(yùn)行邏輯。

以前面提到的“開車和坐地鐵去故宮”問(wèn)題為例，用戶輸入的這句話就是一條查詢，首先會(huì)進(jìn)入Agent層給到主Agent小高老師。

小高老師并不是一個(gè)簡(jiǎn)單的路由，他會(huì)先調(diào)用模型層的意圖理解模型（源自千問(wèn)大模型），對(duì)用戶這句話進(jìn)行初步的意圖分析并拆分為3個(gè)子任務(wù)，同時(shí)重寫查詢，然后將子任務(wù)下發(fā)給對(duì)應(yīng)的從Agent。

從Agent再對(duì)分配的子任務(wù)做最終意圖理解，比如“規(guī)劃到故宮的路線和用時(shí)”這個(gè)子任務(wù)，就對(duì)應(yīng)導(dǎo)航出行從Agent

導(dǎo)航出行從Agent接到兩個(gè)子任務(wù)后，分別提取出關(guān)鍵參數(shù)，如“{“當(dāng)前位置”:”家”,”終點(diǎn)”：”故宮”,”交通工具”：”開車”}”，然后調(diào)用模型層的工具匹配模型，從工具層中找出匹配的工具。這里匹配到的工具是出行路線規(guī)劃工具，傳參到工具層并調(diào)用即可。

工具層負(fù)責(zé)執(zhí)行具體的子任務(wù)，目前主要面向出行、本地生活和跨場(chǎng)景三大類需求，接受參數(shù)執(zhí)行任務(wù)后，將“到故宮的地鐵線路和用時(shí)”結(jié)果返回給從Agent。

因?yàn)檫€需要比對(duì)駕車子任務(wù)的結(jié)果，所以這兩個(gè)子任務(wù)的返回情況會(huì)傳給服務(wù)總結(jié)Agent，該從Agent匯總處理后將結(jié)果交給主Agent，主Agent最終將結(jié)果呈現(xiàn)給用戶。

在整個(gè)運(yùn)行過(guò)程中，還有兩個(gè)關(guān)鍵模塊起到了支柱作用：

生態(tài)數(shù)據(jù)和通信協(xié)議

高德通過(guò)自有生態(tài)沉淀了海量的多樣化需求，包括時(shí)空信息、餐飲評(píng)價(jià)、文娛信息等，這些數(shù)據(jù)原本獨(dú)立，如今打通整合后，成為高德能提供跨場(chǎng)景服務(wù)的基礎(chǔ)，也持續(xù)優(yōu)化了模型。

然后是通信協(xié)議，高德在架構(gòu)中沒(méi)有設(shè)置專門的交互模塊，而是基于MCP和ATA協(xié)議定義了各個(gè)模塊間的標(biāo)準(zhǔn)化接口，還支持第三方服務(wù)接入。

高德利用二十年物理世界數(shù)據(jù)沉淀，用AI重構(gòu)底層技術(shù)，融入通義大模型，打造了出行場(chǎng)景下首個(gè)Agent協(xié)同系統(tǒng)、AI原生應(yīng)用

這讓高德地圖不再是簡(jiǎn)單的出行App，還是懂你的生活好搭子。

轉(zhuǎn)型AI原生應(yīng)用的參考答案

高德底層架構(gòu)的變化，可以從三個(gè)層面看待。

技術(shù)上，主-從Agent架構(gòu)采用分治思想，突破了單點(diǎn)AI模型的限制。主Agent高效分配資源，提升了架構(gòu)的靈活性。

同時(shí)多智能體協(xié)作分工，將超長(zhǎng)多步驟任務(wù)拆解成多個(gè)子任務(wù)，子Agent可以更垂直更專業(yè)地處理子任務(wù)，給出更準(zhǔn)確的結(jié)果。匯總后給到用戶前，主Agent還能再檢查一遍結(jié)果，確保對(duì)齊用戶需求，提升了用戶體驗(yàn)。

應(yīng)用上，新架構(gòu)讓高德從單純的工具轉(zhuǎn)變?yōu)橹悄荏w，率先重塑軟件開發(fā)和用戶體驗(yàn)。開發(fā)者不需要再設(shè)置大量的功能按鈕，用戶不用再四處找入口，只需要?jiǎng)觿?dòng)口，從“功能響應(yīng)”躍遷至“意圖驅(qū)動(dòng)”，結(jié)束了按鈕與邏輯功能綁定的時(shí)代，引領(lǐng)地圖服務(wù)進(jìn)入自主決策時(shí)代

App不再是被動(dòng)響應(yīng)用戶請(qǐng)求，而是主動(dòng)去匹配用戶需求，打通了過(guò)去割裂的場(chǎng)景，讓高德不僅限于出行場(chǎng)景，還是我們?nèi)粘３院韧鏄?lè)的好搭子。

最后，從行業(yè)視角來(lái)看，高德為行業(yè)轉(zhuǎn)型提供了可復(fù)用的技術(shù)范式

大模型重塑一切的當(dāng)下，將AI作為模塊集成的應(yīng)用多，敢于用AI重構(gòu)底層的玩家少，尤其是高德這樣用戶數(shù)超10億的國(guó)民級(jí)應(yīng)用。

10億用戶，意味著覆蓋場(chǎng)景廣，并發(fā)流量高，開發(fā)難度大。高德推出的全新架構(gòu)，扛得住10億用戶訪問(wèn)，能滿足10億用戶的各種需求，其他體量的應(yīng)用自然可以參考著來(lái)。

高德在技術(shù)架構(gòu)上，給行業(yè)從傳統(tǒng)應(yīng)用轉(zhuǎn)向AI原生應(yīng)用打了個(gè)樣，提供了參考答案。

另外，這也是一種信心。

AI時(shí)代確實(shí)在帶來(lái)技術(shù)重塑，但有場(chǎng)景有用戶的產(chǎn)品一旦行動(dòng)起來(lái)，確實(shí)如虎添翼。