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。
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。
（文章来源：证券时报）
