芝能智芯出品

软银集团正在尝试用一种新的方式改造公司的运营方式，那就是引入大规模的人工智能代理（AI Agent）。

智能体不只是工具，而是能完成任务、协同工作、甚至创造新Agent的“数字员工”，目标是替代重复性的工作，让企业的运作更加高效。

在孙正义的设想中，未来软银内部将运行10亿个这样的智能体，但这背后也伴随着对算力、能源和硬件资源的巨大考验。

Part 1  从自动化到自主化：软银AI Agent的三步部署

软银的AI Agent不是单一的机器人，而是能在电脑中运行、独立完成工作任务的“虚拟助手”。

这些Agent不是统一形态的工具，而是根据工作需求不断演化，有的处理客服问题，有的分析数据，有的甚至能开发出新的Agent来分担复杂任务。

软银规划将这些Agent分为三个阶段部署：

◎ 第一阶段（2025年第三季度），部署3.2亿个智能体，主要负责流程标准、规则清晰的任务，比如财务审计、客服问题处理等。

这些Agent按照固定规则运行，类似流水线工人，但速度更快、效率更高。例如，在软银移动的客服系统中，AI Agent已承担了超过八成的用户问题解答，平均回复时间只有几秒。

◎ 第二阶段（2025年第四季度），部署4.1亿个智能体，开始具备跨系统工作的能力，能够处理涉及多部门、多系统的数据，比如供应链管理或风险分析。

这时候的Agent需要掌握更多上下文信息，也开始具备一定的判断能力，能在不同系统之间协作。

◎ 第三阶段（2026年第一季度），部署2.7亿个更高级的智能体，具备“创造新Agent”的能力。

这意味着，当一个Agent发现问题后，不需要等待人类处理，而是能自己分解问题、生成新的Agent来解决。例如，在仓库管理中，当某个Agent发现分拣效率下降，它可以自己创建几个小Agent，分别负责调整路径、检测误差和调度工作，以提升整体效率。

从L2（规则执行）、L3（协同工作）到L4（创造与优化），软银正逐步让这些AI Agent具备更高层级的自主性。这种分层部署的方式，既降低了初期试错成本，又为后期复杂任务的处理铺路。

Part 2  AI Agent背后的压力：算力、能源与芯片资源

要让10亿个Agent顺利运行，不只是软件问题，更大的挑战来自底层资源：算力、能源和硬件。

◎ AI系统的计算需求正在快速膨胀。按照公开数据，AI所需的计算能力每3.4个月就会翻一倍。以最新的大模型为例，GPT-6单次训练就要耗费75吉瓦时的电力，这已经超过很多国家一天的总用电量。如果要让10亿个Agent持续工作，这种电力需求将非常惊人。

◎ 软银显然意识到了这个问题。为了给Agent计划提供稳定能源，他们正在挪威开发一个“浮动数据中心”项目，利用当地的水冷系统和小型核电来支持数据中心运行。这不只是为了省电，更是为了避免未来AI系统因电力不足而停滞。

◎ 与此同时，硬件也成了瓶颈。目前市面上最先进的AI芯片——英伟达H100，交货周期仍长达36周，很多企业即使出高价也买不到充足的芯片。虽然AI单次运算的成本有所下降，但总体需求却迅速上涨，反而让总成本水涨船高。

面对这些限制，软银采取了“中心+边缘”混合部署的策略。

◎ 一些Agent在大型数据中心运行，处理高复杂度任务；

◎ 而另一些轻量化Agent则部署在本地边缘设备上，减少对中心算力的依赖。

这种结构也有助于降低延迟，提高反应速度。

小结

软银试图用AI Agent重构企业的基本运作逻辑，在构建一种“可以自己进化”的企业系统。每个Agent既能完成任务，也能适应环境变化，自我优化。这让企业可以用更少的资源管理更复杂的系统，提升整体效率。

       原文标题 : 软银的10亿AI Agent计划