AI智能体-潮涌-大浪淘沙考验开发企业多重能力 (ai智能体是什么)

文章编号：13990 / 更新时间：2025-06-01 01:59:19 / 浏览：次

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……近日，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。

20250601015920_45152.jpg" alt="AI智能体潮涌大浪淘沙考验开发企业多重能" loading="lazy">

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发展重心，由大模型向智能体演进，2025年将是智能体爆发元年。但当前智能体发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，目前已在政务、金融、汽车及医疗等多个关键行业落地应用，降本增效显著。

中兴通讯前不久也通过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、拓维信息等成立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%。

“目前，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发展进入2.0阶段

AI智能体驶入爆发时代背后，AI发展所面对的市场、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的发展，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”只有通过电灯、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，才能真正推动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（通过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发展，如清华智谱的AutoGLM“沉思”模型支持深度研究与实际操作结合，推动了模型升级。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《新一代人工智能发展规划》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，当下智能体发展仍存多重挑战。

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，当下智能体发展，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，通过营销策略进行宣传，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），难以通过数据显性化；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发展。”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，就成了做好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。

海量资讯、精准解读，尽在新浪财经APP

某工厂的车床、钻床、磨床和刨床的台数之比为9：3：2：1，它们在一定时间内需要修理的概率之比为1：2：3

设A1={某机床为车床}，P(A1)＝9 15 ；A2={某机床为钻床}，P(A2)＝1 5 ；A3={某机床为磨床}，P(A3)＝2 15 ；A4={某机床为刨床}，P(A4)＝1 15 ；B={需要修理}，P(B|A1)＝1 7 ，P(B|A2)＝2 7 ，P(B|A3)＝3 7 ，P(B|A4)＝1 7 ，则P(B)＝4 i＝1 P(Ai)P(B|Ai)＝22 105 P(A1|B)＝P(A1)P(B|A1) P(B) ＝9 22 ．

gdbai 是英语吗是什么意思

不是，应该是goodbye,,再见

人工智能未来的发展前景怎么样？

未来人工智能将有可能进入到我们生活的方方面面，协助人类完成此前被认为必须由人完成的智能任务。

随着各种智能终端的普及和互联互通，在不远的未来，人们将不仅生活在真实的物理空间，同样生活在一个数字化、虚拟化的网络空间。在这个网络空间中，人和机器之间的界限将被空前淡化，换言之，网络空间中的每个个体既有可能是人，也有可能是一个人工智能。另外，在真实的物理世界中，人工智能又不必具有类人的形态，这使得人工智能将有可能从更多的角度进入到我们生活的方方面面，协助人类完成此前被认为必须由人完成的智能任务。

在生产方面，随着我国城镇化建设的不断推进，未来人工智能有望在传统农业转型中发挥重要作用。例如，通过遥感卫星、无人机等监测我国耕地的宏观和微观情况，由人工智能自动决定（或向管理员推荐）最合适的种植方案，并综合调度各类农用机械、设备完成方案的执行，从而最大限度解放农业生产力。在制造业中，人工智能将可以协助设计人员完成产品的设计，在理想情况下，可以很大程度上弥补中高端设计人员短缺的现状，从而大大提高制造业的产品设计能力。同时，通过挖掘、学习大量的生产和供应链数据，人工智能还可望推动资源的优化配置，提升企业效率。在理想情况下，企业里人工智能将从产品设计、原材料购买方案、原材料分配、生产制造、用户反馈数据采集与分析等方面为企业提供全流程支持，推动我国制造业转型和升级。

在生活服务方面，人工智能同样有望在教育、医疗、金融、出行、物流等领域发挥巨大作用。例如，客服机器人可协助医务人员完成患者病情的初步筛查与分诊；医疗数据智能分析或智能的医疗影像处理技术可帮助医生制定治疗方案，并通过可穿戴式设备等传感器实时了解患者各项身体指征，观察治疗效果。在教育方面，一个教育类人工智能系统可以承担知识性教育的任务，从而使教师能将精力更多地集中于对学生系统思维能力、创新实践能力的培养。对金融而言，人工智能将能协助银行建立更全面的征信和审核制度，从全局角度监测金融系统状态，抑制各类金融欺诈行为，同时为贷款等金融业务提供科学依据，为维护机构与个人的金融安全提供保障。在出行方面，无人驾驶（或自动驾驶）已经取得了相当进展。在物流方面，物流机器人已可以很大程度替代手工分拣，而仓储选址和管理、配送路线规划、用户需求分析等也将（或已经）走向智能化。

平台、算法以及接口等核心技术的突破，将进一步推动人工智能实现跨越式发展

从核心技术的角度来看，三个层次的突破将有望进一步推动人工智能的发展，分别为平台（承载人工智能的物理设备、系统）、算法（人工智能的行为模式）以及接口（人工智能与外界的交互方式）。

在平台层面，当前大多数人工智能依赖以电子计算机为代表的计算设备加以实现。传统计算机的核心CPU（中央处理器）主要面向通用计算任务设计，虽然也可兼容人工智能所面对的所有智能任务，但效能相对较低。随着各行各业对人工智能的需求激增，研发更适合人工智能的高效能平台正成为一个日益凸显的需求，因特尔、谷歌、英伟达、寒武纪等国内外知名企业以设计新型的智能处理器为切入点，近年来取得了一系列进展。未来的人工智能将必然需要面对种类繁多且特点各异的智能任务，在各类处理器的基础上设计新的计算架构，并实现一个能服务于不同企业、不同需求的智能平台，将是未来技术发展的一大趋势。此外，当前进展迅猛的量子计算技术尤其是量子计算机的实现，也有望在将来为人工智能提供突破性的计算平台。

算法决定了人工智能的行为模式，一个人工智能系统即使有当前最先进的计算平台作为支撑，若没有配备有效的算法，只会像一个四肢发达而头脑简单的人，并不能算真正具有智能。面向典型智能任务的算法设计，从人工智能这一概念诞生时起就是该领域的核心内容之一。可以想象，智能算法在人工智能的未来发展中仍将处于中心的位置。但与过去不同的是，今天的人工智能不再仅仅是隐藏在象牙塔或各种科研机构的学术研究，而是已经以各种形式出现在我们的日常生产、生活之中，和我们真实生活的社会、物理世界产生了越来越多的联系。而无论对于作为一个整体的人类社会、国家而言，亦或是对于作为个人而言，我们的文化、语言、生活、行为习惯都是在不断演变的。能否改变过去完全由手工输入计算机程序的算法实现方式，令算法通过自身的演化，自动适应这个“唯一不变的就是变化”的物理世界？这也许是“人工”智能迈向“类人”智能的关键。

沟通是人类的一种基本行为，也是人与人之间协作的基础。在虚拟的数字化空间中，人工智能与人类的分解正变得模糊。换言之，在这样的一个空间里，一个中文聊天机器人也许比一位外国友人让我们觉得更容易沟通。因此，在一个人工智能协助人类完成大量智能任务的未来社会中，如何实现人机的高效沟通与协同将具有重要意义。语音识别、自然语言理解是实现人机交互的关键技术之一。以科大讯飞为代表的企业和科研机构已在语音识别方面实现了可商用的产品，自然语言理解则有望在一些典型应用领域，如智能客服率先取得突破，但走向全面的人机相互理解仍是当前的一个技术难点。另外，不采用自然语言，而是直接通过脑电波与机器实现沟通，即脑机接口技术，也已有相当进展，目前已经大体可以实现用脑电波直接控制外部设备（如计算机、机器手等）进行简单的任务。

人工智能无论是在核心技术，还是典型应用上都已出现爆发式的进展。随着平台、算法、交互方式的不断更新和突破，人工智能技术的发展将主要以“AI+X”(为某一具体产业或行业)的形态得以呈现。在不远的未来，智能客服（导购、导医），智能医疗诊断、智能教师、智慧物流、智能金融系统等都有望广泛出现在我们的生活中。需要指出的是，所有这些智能系统的出现，并不意味着对应行业或职业的消亡，而仅仅意味着职业模式的部分改变（如减少教师教授书本知识的时间），即由以往的只由人类完成，变为人机协同完成。因此，人工智能的进一步发展，值得大家期待。