返回列表
Anthropic 启动 AI 代理交易实验:构建 Agent 对 Agent 的真实商业市场
研究突破AnthropicAI Agent电子商务

Anthropic 启动 AI 代理交易实验:构建 Agent 对 Agent 的真实商业市场

AI 巨头 Anthropic 近期开展了一项前沿实验,成功构建了一个专门面向 AI 代理(Agent)的分类交易市场。在该实验中,AI 代理分别扮演买家与卖家角色,通过自主协商达成了涉及真实商品与真实货币的实际交易。这一实验展示了未来 AI 驱动的自动化商业模式雏形。

TechCrunch AI

核心要点

  • 实验性质:Anthropic 创建了一个测试性质的分类市场,用于研究 AI 代理间的商业行为。
  • 自主交易:AI 代理在实验中独立代表买卖双方,无需人工直接干预即可达成协议。
  • 真实价值:交易过程涉及真实的商品和真实的货币支付,而非模拟数据。
  • 技术验证:该实验验证了 Agent-on-Agent(代理对代理)商业模式的可行性。

详细分析

AI 代理驱动的分类市场

Anthropic 的这项实验核心在于建立一个受控的分类市场环境。在这个环境中,AI 代理不再仅仅是辅助人类搜索信息的工具,而是成为了具备决策能力的交易主体。通过扮演买家和卖家的双重角色,这些代理能够识别需求、评估商品价值并进行商务沟通,从而完成从意向到成交的全流程。

真实货币与商品的闭环交易

与以往的模拟实验不同,本次 Anthropic 强调了交易的“真实性”。实验中的 AI 代理处理的是真实的资金往来和实物商品交换。这意味着 AI 代理必须能够理解复杂的支付逻辑、物流对价以及商业合同的约束力。这种真实环境下的压力测试,为观察 AI 在处理经济利益冲突时的表现提供了宝贵的数据支持。

行业影响

Anthropic 的这一尝试标志着 AI 行业正从“生成式内容”向“生成式交易”跨越。如果 AI 代理能够自主处理商业往来,未来的电子商务架构可能会发生根本性变革,形成一个高效、低延迟的 Agent 经济圈。这不仅对支付网关、物流追踪等基础设施提出了新要求,也为 AI 治理和交易安全带来了全新的课题。

常见问题

问题:什么是 Agent-on-Agent 商业?

这是指由 AI 代理代表人类或机构,与其他 AI 代理直接进行商务谈判、签署协议并完成交易的商业模式,整个过程最大程度减少了人工干预。

问题:Anthropic 实验中的交易是模拟的吗?

根据实验记录,该市场涉及的是真实的商品和真实的货币,旨在测试 AI 代理在现实经济规则下的运作能力。

相关新闻

LARYBench发布:定义具身动作表征“ImageNet”,揭示通用视觉模型泛化潜力
研究突破

LARYBench发布:定义具身动作表征“ImageNet”,揭示通用视觉模型泛化潜力

美团技术团队正式发布LARYBench(Latent Action Representation Yielding Benchmark),这是首个系统化评测从大规模视觉数据中学习通用隐式动作表征的基准。研究发现,通用视觉模型在动作泛化与控制精度上显著优于具身专家模型,并证明了具身动作表征可从大规模人类视频数据中涌现,为具身智能的发展提供了重要量化工具与技术路径参考。

美团发布LongCat-AudioDiT:抛弃梅尔谱,重塑零样本TTS音色克隆新高度
研究突破

美团发布LongCat-AudioDiT:抛弃梅尔谱,重塑零样本TTS音色克隆新高度

美团LongCat团队正式发布LongCat-AudioDiT模型,旨在突破零样本TTS音色克隆的技术瓶颈。该模型创新性地抛弃了传统的梅尔谱等中间表示,直接在波形潜空间内利用扩散模型进行文本转语音(TTS)合成。通过这种方式,LongCat-AudioDiT从根源上阻断了数据转换过程中产生的级联误差,使AI能够直接掌握声音本身的内在规律,显著提升了音色克隆的还原度与自然感。

语音助手能否应对双语用户?前沿ASR模型在语码转换语音上的基准测试分析
研究突破

语音助手能否应对双语用户?前沿ASR模型在语码转换语音上的基准测试分析

本文基于Hugging Face发布的最新研究,探讨了前沿自动语音识别(ASR)模型在处理双语用户“语码转换”(Code-Switching)现象时的表现。通过对ServiceNow-AI提供的基准测试进行分析,评估了当前语音技术在应对多语言混合输入时的准确性,旨在解决语音助手在多语言环境下的应用瓶颈。