去醫院看病，從掛號、咨詢、檢查、診斷、開處方、康復到隨訪，整個流程全部由AI智能體（AI Agent）自主完成……近日，國內首家由42名人工智能醫生運營的人工智能醫院誕生，科幻照進現實。

這是大模型從技術狂歡邁向業務實干的冰山一角，在金融、汽車、教育、港口、礦山、運營、客服等領域，AI智能體正加速涌現。

多位專業人士向證券時報記者表示，技術、生態、市場、政策等多方面原因，促使當前整個AI發展重心，由大模型向智能體演進，2025年將是智能體爆發元年。但當前智能體發展仍普遍存在同質化、投入高、回報難、技術適配性不足等問題，大浪淘沙背后，各AI廠商的商業模式、技術實力、成本控制能力、對行業的理解力以及產品力等多重能力等待考驗。

AI智能體涌現

2023年年初，ChatGPT引爆大模型技術后，國內掀起“百模大戰”。如今，經過兩年多技術演練后，“百模大戰”全面升級為“智能體爭艷”。

AI智能體，是一種人工智能系統，可自主感知、思考，并執行任務、做出決策，可看作軟件世界的數字機器人。大模型則可充當智能體的“大腦”，負責邏輯決策，各類應用工具或硬件終端則可充當智能體的“手腳”，負責任務執行。連接“大腦”與“手腳”的，就有近年行業新出現的統一交互協議，如Anthropic MCP、谷歌A2A等，這些協議構建了智能體領域的新型“操作系統”，打通了大模型與外部世界的交互鏈路。

金智維董事長廖萬里告訴記者，“以前你向大模型提問，大模型完成信息反饋，但具體執行還是依賴提問者手動操作。現在智能體不同，你除了可以問它明天去北京的機票多少錢，它給出答案后，還可以自動幫你打開網站訂票，相當于你的智能助理。”

據他介紹，金智維企業級智能體Ki-AgentS深度融合了RPA（機器人流程自動化技術），目前已在政務、金融、汽車及醫療等多個關鍵行業落地應用，降本增效顯著。

中興通訊前不久也通過深度融合算網基礎設施與人工智能核心技術，推出了一站式AI服務星云智能體，該智能體已在教育、醫療、電力、政務、工業等10余個場景進行了產業實踐。

此外，今年以來，聯想、百度、字節跳動、螞蟻集團、金蝶國際、京東等企業均已推出AI智能體，螞蟻集團明確未來一年內將打造百位名醫AI智能體，形成覆蓋腫瘤、慢病等領域的智能體矩陣。不少企業已著手打造智能體生態，如華為聯合科大訊飛、拓維信息等成立了城市智能體生態聯盟。

IDC數據顯示，截至2024年9月，通義、訊飛星火、豆包等平臺的智能體數量分別超過1.6萬個、1.1萬個、9000個，到2024年12月，頭部綜合類AI原生應用智能體數量已超10萬個，2025年智能體市場將呈現爆發式增長，市場規模增速約提升260%。

“目前，智能體的提及率已超過大模型，成為科技企業CEO最關注的話題。”IDC中國副總裁鐘振山告訴記者。

近來，OpenAI首席執行官Sam Altman、華為常務董事汪濤、百度創始人兼CEO李彥宏、聯想集團董事長兼CEO楊元慶等科技界人士紛紛表示，2025年，將是智能體爆發元年。

AI發展進入2.0階段

AI智能體駛入爆發時代背后，AI發展所面對的市場、技術、政策、生態等已悄然生變。

市場方面，人工智能通用大模型市場格局已基本穩定，企業普遍希望能夠將大模型落地到實際生產中，以產生更大價值，而智能體被認為是當下大模型應用與落地的重要方式。

“AI的發展，已進入下半場，大模型性能、準確性等各方面的提升，現在已越來越難，且各大模型之間的性能差距也在不斷縮小，未來也不會有太大差距，基礎大模型市場格局已基本穩定。”IDC中國副總裁兼首席分析師武連峰對記者表示。

武連峰認為，當下企業如何把現有大模型用好，用產品思維去打磨體驗，變得更加重要。智能體作為大模型應用的主流趨勢之一，可閉環處理復雜任務（如招聘篩選、代碼生成），替代傳統重復性崗位，未來將成為企業的核心技術，貫穿企業不同的工作流與應用。

“過去兩年整個算力的投資，大概占AI市場80%左右，但如果不能把大模型落地到企業應用場景中，有再多的算力，再好的模型，也帶來不了價值。”鐘振山說。

廖萬里則把通用大模型比作發電站之類的基礎設施，他認為，其產生的“電力”只有通過電燈、電器等載體承接轉化，才能更好地服務于人類生產和生活，而智能體就是這么一個轉化載體。

在他看來，當前，個人端大模型相關應用能力更多集中在“你問我答”式的場景交互，而企業核心業務需要的，是從“對話響應”到“精準執行”的能力躍遷，只有加速大模型能力從個人端到企業端應用的遷移，才能實現智能體應用從個人端“好玩”，到企業端“好用”的進化和蛻變，真正將技術轉化為新質生產力，為企業帶來實際價值。

“只有這樣，才能真正推動大模型從技術狂歡邁向業務實干。”廖萬里說。

技術突破，往往是行業轉折的核心，AI也不例外。IDC中國高級分析師楊雯對記者表示，過去一年多來，智能體規劃、長記憶（如百萬級上下文窗口技術）和工具調用（通過MCP協議標準化接口）能力實現了突破，解決了以往跨任務執行中的記憶斷裂和工具適配問題，A2A、MCP等標準化協議已逐漸成為“AI界的USB接口”。

同時，開源技術加速了行業生態發展，如清華智譜的AutoGLM“沉思”模型支持深度研究與實際操作結合，推動了模型升級。此外，大模型訓練與推理成本，因硬件優化和算法提升而有所下降，企業算力成本下降。

政策支持同樣功不可沒。國家《新一代人工智能發展規劃》明確智能體為關鍵方向，北京、上海、武漢等多地也已出臺專項政策，對通用智能體給予支持。

“2024年智能體多以技術演示為主，2025年則聚焦商業化場景，并且今年智能體在垂直行業領域滲透加速，金融領域出現智能風控體、智能投研助手；制造業推出工業大腦、預測性維護系統等，智能體或大模型正從‘輔助工具’躍升至‘核心生產力’。”楊雯說。

多重挑戰待突圍

不過，當下智能體發展仍存多重挑戰。

在中國信息通信研究院云計算與大數據研究所副所長栗蔚看來，當下智能體發展，需要警惕“偽智能體”。栗蔚說，隨著智能體概念熱度攀升，市場涌現出一批打著智能體旗號的“偽智能體”，不少公司將傳統技術、現有產品，包裝或貼牌成智能體，通過營銷策略進行宣傳，誤導用戶。

楊雯認為，當前智能體商業化閉環不足。一方面，企業級智能體開發需經歷數據精調、場景適配等復雜環節，算力與人力投入遠超預期（如單場景開發成本普遍超百萬元），而收益依賴長期調用量積累，多數項目停留在試點階段難以回款。

另一方面，同質化與平臺依賴加劇變現難。“智能體集中在客服、審批等通用場景，功能高度重復；中小企業依賴云平臺開發智能體，但流量分配向頭部傾斜。”楊雯說，破圈需依賴場景獨特性（如深度行業適配），而非通用功能堆疊。

技術適配問題，以及行業認知差距與人才挑戰也不容忽視。楊雯表示，技術適配方面，一是重工業場景中非標設備數據難以集成，導致智能體執行效果打折；二是傳統行業依賴人工經驗（如航空件裝配），難以通過數據顯性化；三是智能體在復雜任務中，可能因算法局限產生錯誤決策。

“部分企業對智能體價值認知不足，以及頂尖人才稀缺，也在一定程度上會阻礙智能體的發展。”楊雯說。

對于前述智能體問題，廖萬里表示，這些都是一項新技術從誕生到規模應用必然經歷的過程，互聯網時代也如此，但最終行業會大浪淘沙，因此這個階段非常考驗行業企業的多方面能力，比如商業模式的創新能力、技術創新能力、產品力等。

“看似現在整個行業環境、AI技術都發生了變化，很多技術在AI平權之下門檻進一步降低。但實際上，做得到并非代表做得好。比如企業級智能體，其需要解決某個行業具體場景的業務問題，且必須保證高精準執行、高效率執行、系統安全可靠。因此，擁有大量的垂直場景、數據支撐以及業務經驗積累，就成了做好企業級智能體的必然要求。”廖萬里說。

廖萬里認為，過去一些已經實現標準化運作的場景，流程明確、不易出錯，可能會是智能體最先落地應用的場景，此外智能體應用會進一步拓展至更多復雜場景，會出現一個場景由多個智能體協作完成的情況。“智能體應用場景十分廣泛，因此市場空間足夠大。”他說。

多位行業人士也如此認為，未來智能體在企業端場景中落地，將不局限于單個智能體落地，可能一個公司會推出多個智能體，一個場景由多個智能體協同作業。

“未來企業客戶的AI應用場景，一定是以異構算力為基礎，共存多種模型，充分整合企業內部數據或者知識，同時搭載海量智能體活躍應用為最終形態。但要達到最終形態，會有很長的路要走。”神州數碼董事長郭為向記者表示，當AI深度融入企業流程后，不僅是效率提升，這種融合創新，正重新定義企業核心競爭力。

至于投入回報，郭為表示：“AI應用肯定需要很大投資，但比投資更重要的是人才以及公司AI轉型，所以公司會堅定投入。”

“企業應用AI大模型產生價值至少是10年的旅程，如果還沒開始做，現在還來得及，持續慢慢往前迭代還不晚。”武連峰說。