文章圖片
【10億國民App絲滑升級AI應用！高德攜手通義重構的底層架構曝光】
文章圖片
文章圖片
文章圖片
一凡 發自 凹非寺
量子位 | 公眾號 QbitAI
10億用戶App轉向AI原生應用 ， 大船如何掉頭？
高德最近打了個樣 ， 用AI重構底層技術棧 ， 建立主-從Agent架構 ， 將千問大模型與空間智能結合 ， 展現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 ， 全網到處搜索需求 ， 現在動動嘴 ， 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變為了智能體 ， 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 ， 給行業轉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 ， 方便懂我會辦事 。
比如說日常市區通勤 ， 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 。 現在只需要一句話就搞定了 ， 直接就跟小高老師說：
現在我要去故宮 ， 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 ， 小高老師就會根據歷史數據 ， 結合實時路況 ， 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自動拆解多步驟用戶意圖 ， 還能自動調用各種工具 。 交互方式也從觸控變成了語音對話 。
方方面面都區別于傳統App ， 高德怎么做到的？
出行場景首個主-從Agent架構曝光App能聽得懂話、辦得成事的秘訣在于高德用AI重構了整體架構 ， 應用融入千問大模型 ， 在出行場景首創了主-從Agent架構 。
新架構主要分為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 ， 如“{“當前位置”:”家””終點”：”故宮””交通工具”：”開車”” ， 然后調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劃工具 ， 傳參到工具層并調用即可 。
工具層負責執行具體的子任務 ， 目前主要面向出行、本地生活和跨場景三大類需求 ， 接受參數執行任務后 ， 將“到故宮的地鐵線路和用時”結果返回給從Agent 。
因為還需要比對駕車子任務的結果 ， 所以這兩個子任務的返回情況會傳給服務總結Agent ， 該從Agent匯總處理后將結果交給主Agent ， 主Agent最終將結果呈現給用戶 。
在整個運行過程中 ， 還有兩個關鍵模塊起到了支柱作用：
生態數據和通信協議 。
高德通過自有生態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 ， 這些數據原本獨立 ， 如今打通整合后 ， 成為高德能提供跨場景服務的基礎 ， 也持續優化了模型 。
然后是通信協議 ， 高德在架構中沒有設置專門的交互模塊 ， 而是基于MCP和ATA協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據沉淀 ， 用AI重構底層技術 ， 融入通義大模型 ， 打造了出行場景下首個Agent協同系統、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 。
轉型AI原生應用的參考答案高德底層架構的變化 ， 可以從三個層面看待 。
技術上 ， 主-從Agent架構采用分治思想 ， 突破了單點AI模型的限制 。 主Agent高效分配資源 ， 提升了架構的靈活性 。
同時多智能體協作分工 ， 將超長多步驟任務拆解成多個子任務 ， 子Agent可以更垂直更專業地處理子任務 ， 給出更準確的結果 。 匯總后給到用戶前 ， 主Agent還能再檢查一遍結果 ， 確保對齊用戶需求 ， 提升了用戶體驗 。
應用上 ， 新架構讓高德從單純的工具轉變為智能體 ， 率先重塑軟件開發和用戶體驗 。 開發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“意圖驅動” ， 結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 ， 還是我們日常吃喝玩樂的好搭子 。
最后 ， 從行業視角來看 ， 高德為行業轉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重構底層的玩家少 ， 尤其是高德這樣用戶數超10億的國民級應用 。
10億用戶 ， 意味著覆蓋場景廣 ， 并發流量高 ， 開發難度大 。 高德推出的全新架構 ， 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 。
高德在技術架構上 ， 給行業從傳統應用轉向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品一旦行動起來 ， 確實如虎添翼 。
— 完 —
量子位 QbitAI
關注我們 ， 第一時間獲知前沿科技動態
推薦閱讀
- 蘋果app store灰度測試抖音支付，將成銀聯、支付寶、微信后第四種支付方式
- 一場AI革命，正在重塑10億人的出行
- 蘋果Siri王炸新功能曝出，AI操控一切App，又一華人AI研發跳槽Meta
- 首次虧損10億元！歐洲芯片大廠“崩了”，外媒：中企不買單了
- 金山辦公：未來三年啟動10億專項基金助力教育數智化
- 阿里繼續整合，淘寶快要成了“超級App”
- 新 Apple Watch 即將發布，新設計提前曝光
- 微信是怎么一步一步變成國民級APP的？也許2015年是一個關鍵節點
- aigo國民好物：CJ逛展，解鎖AI次元的科技狂歡
- 蘋果突然宣布：這款 Apple Watch 不再支持！