Page 61 - 《党政研究》2026年第5期

心多采用基于深度学习模型的注意力机制，能够动态刻画输入序列中不同元素之间的依赖
关系，从而精准预测后续词或序列 。大语言模型的生成历史最早可以追溯至 ２０１７ 年谷
〔 １４〕
歌推出的 ｔｒａｎｓｆｏｒｍｅｒ 模型，并历经多次训练升级，当下主流的大语言模型大致分为 ＧＰＴ －
３ （ ＯｐｅｎＡＩ）、Ｂｅｒｔ （谷歌）、Ｔ５ （谷歌）等。当下的生成式人工智能大多以问答的方式生
成内容，主要原因局限于四大核心能力：对复杂任务的拆解能力、对 “可靠工具”的调
用能力、对自我反思的纠错能力、对持续稳定的效用能力。四大核心问题的破局点，在于
大语言模型能力的跃迁升级及相关程序的扩展。词元 （ Ｔｏｋｅｎ）是模型理解和生成内容的
最小单位，随着人类技术的不断推进，以及人工智能训练的不断深入，以 ＧＰＴ － ５． ４ 为例
的人工智能已经能调用 １００ 万单位上下文的词元 （ Ｔｏｋｅｎ）进行深度思考 ，其对复杂任
〔 １５〕
务的处理能力得到极大程度的提高。Ｔｏｏｌ Ｃａｌｌｉｎｇ （大模型的一种技术机制）与 Ｆｕｎｃｔｉｏｎ
Ｃａｌｌ （大模型执行操作的能力）的逐步完善，也使得基于大语言模型下的调用能力获得层
级提升，即对文件、系统、程序的调用能力显著提升。“持久记忆”记住用户过往的需求、
偏好、细节；“热插拔记忆”可以记住并联系上下文。“记忆能力”的出现，让人工智能
拥有反馈过往信息、动态纠错的可能性。模型的升级、程序的适配、应用的扩展，三者的
出现推动了生成式人工智能向代理式人工智能演进的可能性，“ ＯｐｅｎＣｌａｗ”是人工智能的
新形态，其建立在大语言模型迭代的基础条件下，直指未来人工智能发展的新方向。
（三）产业模式重构下的商业动因
商业动因是驱动 “ ＯｐｅｎＣｌａｗ”实现价值逻辑嬗变的核心底层诱因。从商业发展的底层
逻辑看，市场竞争失衡、通用产品价值同质化、传统变现模式受限等三重因素，共同催生
了 “ ＯｐｅｎＣｌａｗ”代理式人工智能范式的商业变革需求。以 ＣｈａｔＧＰＴ 为代表的生成式人工
智能，其商业模式的收费标准大致分为两类：其一，订阅式服务，用户根据个人的职业需
求或者使用的频次，选择是否按月购买服务；其二，调用次数服务，按照用户询问问题的
次数及对 Ｔｏｋｅｎ 的占用为收费标准。该套变现体系存在根本性短板。其一，产品研发目的
锚定 “通用智能”，产品可替代属性突出。其二，技术落地门槛持续向下，具有可替代
性，因此人工智能产业开始逐渐出现内卷式竞争现象 。上述缺陷衍生双重负面商业效
〔 １６〕
果：一方面市场供给充足带来多元产品选择，产品用户黏性持续走低；另一方面同质化竞
争严重压缩议价空间，行业整体盈利水平持续下行。增长动能的持续枯竭，亟需全新智能
形态与商业模式突破发展瓶颈，这是代理式人工智能诞生的外部市场诱因。代理式人工智
能 “ ＯｐｅｎＣｌａｗ”输出的方式则是以大语言模型为初始大脑，生成后的内容信息再交予代
理编排平台 （ ＡａａＳ），最后生成 “数字员工”“数字助理”等拥有自主性的智能协作主体。
其商业模式也相应转化为 ＡａａＳ 订阅及座位授权 （ Ｓｅａｔ － ｂａｓｅｄ），延伸至下游甚至可以在对
应的 ＣｌａｗＨｕｂ （技能商店）出售 “技能”，该模式有效解决了上述痛点。第一，产品具备
领域专精化的特征，不同用户输入差异化业务数据、行业场景信息后，可生成适配专属需
求的定制化产品。第二，定制化智能主体与用户业务流程深度绑定，用户完成长期适配调
试后，更换其他智能产品的迁移成本大幅提升，用户黏性强。相较于生成式人工智能，代
理式人工智能依托专精性形成更高的产业价值，其可持续盈利空间、稳定用户留存能力具
备显著投资吸引力，进而持续吸引资本倾斜布局，资本的资源加持又反向推动技术迭代与
商业模式完善，最终持续倒逼代理式人工智能 “ ＯｐｅｎＣｌａｗ”完成自身价值逻辑的迭代与
嬗变。

四、代理式人工智能 “ ＯｐｅｎＣｌａｗ”价值逻辑嬗变的风险挑战

代理式人工智能 “ ＯｐｅｎＣｌａｗ”的价值逻辑嬗变在推动能力扩展与价值跃迁的同时，
也会带来一定的风险挑战，其主要涉及四个方面：伦理规范的偏差、主体能力的淡化、商
０ · ·
６