去医院看病，从挂号、咨询、检查、诊断、开处方、康复到随访，整个流程全部由AI智能体（AI Agent）自主完成……近期，国内首家由42名人工智能医生运营的人工智能医院诞生，科幻照进现实。 这是大模型从技术狂欢迈向业务实干的冰山一角，在金融、汽车、教育、港口、矿山、运营、客服等领域，AI智能体正加速涌现。 多位专业人士向证券时报记者表示，技术、生态、市场、政策等多方面原因，促使当前整个AI开展重心，由大模型向智能体演进，2025年将是智能体爆发元年。但当前智能体开展仍普遍存在同质化、投入高、回报难、技术适配性不足等问题，大浪淘沙背后，各AI厂商的商业模式、技术实力、成本控制能力、对行业的理解力以及产品力等多重能力等待考验。 AI智能体涌现 2023年年初，ChatGPT引爆大模型技术后，国内掀起“百模大战”。如今，经过两年多技术演练后，“百模大战”全面升级为“智能体争艳”。 AI智能体，是一种人工智能系统，可自主感知、思考，并执行任务、做出决策，可看作软件世界的数字机器人。大模型则可充当智能体的“大脑”，负责逻辑决策，各类应用工具或硬件终端则可充当智能体的“手脚”，负责任务执行。连接“大脑”与“手脚”的，就有近年行业新出现的统一交互协议，如Anthropic MCP、谷歌A2A等，这些协议构建了智能体领域的新型“操作系统”，打通了大模型与外部世界的交互链路。 金智维董事长廖万里告诉记者，“以前你向大模型提问，大模型完成信息反馈，但具体执行还是依赖提问者手动操作。现在智能体不同，你除了可以问它明天去北京的机票多少钱，它给出答案后，还可以自动帮你打开网站订票，相当于你的智能助理。” 据他介绍，金智维企业级智能体Ki-AgentS深度融合了RPA，现在已在政务、金融、汽车及医疗等多个关键行业落地应用，降本增效显著。 中兴通讯前不久也顺利获得深度融合算网基础设施与人工智能核心技术，推出了一站式AI服务星云智能体，该智能体已在教育、医疗、电力、政务、工业等10余个场景进行了产业实践。 此外，今年以来，联想、百度、字节跳动、蚂蚁集团、金蝶国际、京东等企业均已推出AI智能体，蚂蚁集团明确未来一年内将打造百位名医AI智能体，形成覆盖肿瘤、慢病等领域的智能体矩阵。不少企业已着手打造智能体生态，如华为联合科大讯飞、拓维信息等创建了城市智能体生态联盟。 IDC数据显示，截至2024年9月，通义、讯飞星火、豆包等平台的智能体数量分别超过1.6万个、1.1万个、9000个，到2024年12月，头部综合类AI原生应用智能体数量已超10万个，2025年智能体市场将呈现爆发式增长，市场规模增速约提升260%。 “现在，智能体的提及率已超过大模型，成为科技企业CEO最关注的话题。”IDC中国副总裁钟振山告诉记者。 近来，OpenAI首席执行官Sam Altman、华为常务董事汪涛、百度创始人兼CEO李彦宏、联想集团董事长兼CEO杨元庆等科技界人士纷纷表示，2025年，将是智能体爆发元年。 AI开展进入2.0阶段 AI智能体驶入爆发时代背后，AI开展所面对的市场、技术、政策、生态等已悄然生变。 市场方面，人工智能通用大模型市场格局已基本稳定，企业普遍希望能够将大模型落地到实际生产中，以产生更大价值，而智能体被认为是当下大模型应用与落地的重要方式。 “AI的开展，已进入下半场，大模型性能、准确性等各方面的提升，现在已越来越难，且各大模型之间的性能差距也在不断缩小，未来也不会有太大差距，基础大模型市场格局已基本稳定。”IDC中国副总裁兼首席分析师武连峰对记者表示。 武连峰认为，当下企业如何把现有大模型用好，用产品思维去打磨体验，变得更加重要。智能体作为大模型应用的主流趋势之一，可闭环处理复杂任务（如招聘筛选、代码生成），替代传统重复性岗位，未来将成为企业的核心技术，贯穿企业不同的工作流与应用。 “过去两年整个算力的投资，大概占AI市场80%左右，但如果不能把大模型落地到企业应用场景中，有再多的算力，再好的模型，也带来不了价值。”钟振山说。 廖万里则把通用大模型比作发电站之类的基础设施，他认为，其产生的“电力”只有顺利获得电灯、电器等载体承接转化，才能更好地服务于人类生产和生活，而智能体就是这么一个转化载体。 在他看来，当前，个人端大模型相关应用能力更多集中在“你问我答”式的场景交互，而企业核心业务需要的，是从“对话响应”到“精准执行”的能力跃迁，只有加速大模型能力从个人端到企业端应用的迁移，才能实现智能体应用从个人端“好玩”，到企业端“好用”的进化和蜕变，真正将技术转化为新质生产力，为企业带来实际价值。 “只有这样，才能真正有助于大模型从技术狂欢迈向业务实干。”廖万里说。 技术突破，往往是行业转折的核心，AI也不例外。IDC中国高级分析师杨雯对记者表示，过去一年多来，智能体规划、长记忆（如百万级上下文窗口技术）和工具调用（顺利获得MCP协议标准化接口）能力实现了突破，解决了以往跨任务执行中的记忆断裂和工具适配问题，A2A、MCP等标准化协议已逐渐成为“AI界的USB接口”。 同时，开源技术加速了行业生态开展，如清华智谱的AutoGLM“沉思”模型支持深度研究与实际操作结合，有助于了模型升级。此外，大模型训练与推理成本，因硬件优化和算法提升而有所下降，企业算力成本下降。 政策支持同样功不可没。国家《新一代人工智能开展规划》明确智能体为关键方向，北京、上海、武汉等多地也已出台专项政策，对通用智能体给予支持。 “2024年智能体多以技术演示为主，2025年则聚焦商业化场景，并且今年智能体在垂直行业领域渗透加速，金融领域出现智能风控体、智能投研助手；制造业推出工业大脑、预测性维护系统等，智能体或大模型正从‘辅助工具’跃升至‘核心生产力’。”杨雯说。 多重挑战待突围 不过，当下智能体开展仍存多重挑战。 在中国信息通信研究院云计算与大数据研究所副所长栗蔚看来，当下智能体开展，需要警惕“伪智能体”。栗蔚说，随着智能体概念热度攀升，市场涌现出一批打着智能体旗号的“伪智能体”，不少公司将传统技术、现有产品，包装或贴牌成智能体，顺利获得营销策略进行宣传，误导用户。 杨雯认为，当前智能体商业化闭环不足。一方面，企业级智能体开发需经历数据精调、场景适配等复杂环节，算力与人力投入远超预期（如单场景开发成本普遍超百万元），而收益依赖长期调用量积累，多数项目停留在试点阶段难以回款。 另一方面，同质化与平台依赖加剧变现难。“智能体集中在客服、审批等通用场景，功能高度重复；中小企业依赖云平台开发智能体，但流量分配向头部倾斜。”杨雯说，破圈需依赖场景独特性（如深度行业适配），而非通用功能堆叠。 技术适配问题，以及行业认知差距与人才挑战也不容忽视。杨雯表示，技术适配方面，一是重工业场景中非标设备数据难以集成，导致智能体执行效果打折；二是传统行业依赖人工经验（如航空件装配），难以顺利获得数据显性化；三是智能体在复杂任务中，可能因算法局限产生错误决策。 “部分企业对智能体价值认知不足，以及顶尖人才稀缺，也在一定程度上会阻碍智能体的开展。”杨雯说。 对于前述智能体问题，廖万里表示，这些都是一项新技术从诞生到规模应用必然经历的过程，互联网时代也如此，但最终行业会大浪淘沙，因此这个阶段非常考验行业企业的多方面能力，比如商业模式的创新能力、技术创新能力、产品力等。 “看似现在整个行业环境、AI技术都发生了变化，很多技术在AI平权之下门槛进一步降低。但实际上，做得到并非代表做得好。比如企业级智能体，其需要解决某个行业具体场景的业务问题，且必须保证高精准执行、高效率执行、系统安全可靠。因此，拥有大量的垂直场景、数据支撑以及业务经验积累，就成了实行企业级智能体的必然要求。”廖万里说。 廖万里认为，过去一些已经实现标准化运作的场景，流程明确、不易出错，可能会是智能体最先落地应用的场景，此外智能体应用会进一步拓展至更多复杂场景，会出现一个场景由多个智能体协作完成的情况。“智能体应用场景十分广泛，因此市场空间足够大。”他说。 多位行业人士也如此认为，未来智能体在企业端场景中落地，将不局限于单个智能体落地，可能一个公司会推出多个智能体，一个场景由多个智能体协同作业。 “未来企业客户的AI应用场景，一定是以异构算力为基础，共存多种模型，充分整合企业内部数据或者知识，同时搭载海量智能体活跃应用为最终形态。但要达到最终形态，会有很长的路要走。”神州数码董事长郭为向记者表示，当AI深度融入企业流程后，不仅是效率提升，这种融合创新，正重新定义企业核心竞争力。 至于投入回报，郭为表示：“AI应用肯定需要很大投资，但比投资更重要的是人才以及公司AI转型，所以公司会坚定投入。” “企业应用AI大模型产生价值至少是10年的旅程，如果还没开始做，现在还来得及，持续慢慢往前迭代还不晚。”武连峰说。 （文章来源：证券时报）