一凡 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

10億用戶App轉(zhuǎn)向AI原生應用，大船如何掉頭？

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

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

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

出行場景下首個AI原生應用就此誕生，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)，方便懂我會辦事。

比如說日常市區(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，然后選擇開車記下通勤時間，接著再選公共交通，對比兩條路線哪條花的時間更短，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：

現(xiàn)在我要去故宮，開車和地鐵哪個更快。

小高老師就會主動對比路線的時間差別，然后給到咱們最快的路線，不需要自己手動輸入地點和切換了。

不僅如此，小高老師在給結(jié)果的同時還會提供預見性服務。比如說早上6點起來趕飛機，告訴他要去首都機場，小高老師就會根據(jù)歷史數(shù)據(jù)，結(jié)合實時路況，提醒你7點20開始可能會擁堵，提前做好準備。

除了個人城區(qū)出行好用，如果全家想出趟遠門，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，請給我制定一個旅行計劃。

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

最終形成了一個完整的計劃，3天逛完14個景點。

總得來看，空間智能加持的小高老師，既看得懂大千世界，也看得透復雜人心，在出行場景下首次實現(xiàn)自動拆解多步驟用戶意圖，還能自動調(diào)用各種工具。交互方式也從觸控變成了語音對話。

方方面面都區(qū)別于傳統(tǒng)App，高德怎么做到的？

出行場景首個主-從Agent架構(gòu)曝光

App能聽得懂話、辦得成事的秘訣在于高德用AI重構(gòu)了整體架構(gòu)，應用融入千問大模型，在出行場景首創(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行邏輯。

以前面提到的“開車和坐地鐵去故宮”問題為例，用戶輸入的這句話就是一條查詢，首先會進入Agent層給到主Agent小高老師。

小高老師并不是一個簡單的路由，他會先調(diào)用模型層的意圖理解模型（源自千問大模型），對用戶這句話進行初步的意圖分析并拆分為3個子任務，同時重寫查詢，然后將子任務下發(fā)給對應的從Agent。

從Agent再對分配的子任務做最終意圖理解，比如“規(guī)劃到故宮的路線和用時”這個子任務，就對應導航出行從Agent。

導航出行從Agent接到兩個子任務后，分別提取出關鍵參數(shù)，如“{“當前位置”:”家”,”終點”：”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。

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

因為還需要比對駕車子任務的結(jié)果，所以這兩個子任務的返回情況會傳給服務總結(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。

在整個運行過程中，還有兩個關鍵模塊起到了支柱作用：

生態(tài)數(shù)據(jù)和通信協(xié)議。

高德通過自有生態(tài)沉淀了海量的多樣化需求，包括時空信息、餐飲評價、文娛信息等，這些數(shù)據(jù)原本獨立，如今打通整合后，成為高德能提供跨場景服務的基礎，也持續(xù)優(yōu)化了模型。

然后是通信協(xié)議，高德在架構(gòu)中沒有設置專門的交互模塊，而是基于MCP和ATA協(xié)議定義了各個模塊間的標準化接口，還支持第三方服務接入。

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，融入通義大模型，打造了出行場景下首個Agent協(xié)同系統(tǒng)、AI原生應用。

這讓高德地圖不再是簡單的出行App，還是懂你的生活好搭子。

轉(zhuǎn)型AI原生應用的參考答案

高德底層架構(gòu)的變化，可以從三個層面看待。

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

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

應用上，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。開發(fā)者不需要再設置大量的功能按鈕，用戶不用再四處找入口，只需要動動口，從“功能響應”躍遷至“意圖驅(qū)動”，結(jié)束了按鈕與邏輯功能綁定的時代，引領地圖服務進入自主決策時代。

App不再是被動響應用戶請求，而是主動去匹配用戶需求，打通了過去割裂的場景，讓高德不僅限于出行場景，還是我們?nèi)粘３院韧鏄返暮么钭印?/p>

最后，從行業(yè)視角來看，高德為行業(yè)轉(zhuǎn)型提供了可復用的技術范式。

大模型重塑一切的當下，將AI作為模塊集成的應用多，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10億的國民級應用。

10億用戶，意味著覆蓋場景廣，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，能滿足10億用戶的各種需求，其他體量的應用自然可以參考著來。

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

另外，這也是一種信心。

AI時代確實在帶來技術重塑，但有場景有用戶的產(chǎn)品一旦行動起來，確實如虎添翼。