對著手機說出會議需求，系統迅速完成會議室預訂及郵件通知；下達“買咖啡”任務指令，智能體可以拆解購買咖啡的步驟、調用外賣App完成下單支付；在工業生產車間，AI智能體讓產能調度速度提升數倍……當下，智能體正從技術驗證邁向規模化落地階段，國內外科技企業紛紛加碼布局應用，加速推動智能體規模化應用落地。

受訪人士認為，從“用起來”到“用得好”，智能體需突破技術和數據瓶頸、打通垂直領域壁壘、激活場景創新潛能，構建開放合作的產業生態，實現智能體技術與產業需求的深度融合。

智能體應用加速滲透

當前，智能體技術創新活躍，產品百花齊放。國內外科技公司紛紛推出AI智能體相關產品，并在智能體生態拓展和應用市場開拓方面展開積極探索。

“你好，我想裝一條寬帶。”“根據套餐以及消費情況，已為您推薦3檔適配方案，確認后可直接生成訂單。”——眼下在上海聯通，AI智能體在客服領域得到應用，語音交互、智能填充、智能推薦等能力全面縮短了復雜業務的辦理時間。

產業端的落地應用進程也在加速。在汽車領域，中國一汽基于阿里通義大模型構建企業智能體OpenMind，可以實現業務智能辦理與決策輔助，提升企業運營效率。在智慧城市領域，聯想集團近期在武夷山、宜昌、呼和浩特等城市落地“城市超級智能體”，超級智能體可以與文旅、交通、醫療、教育等多個領域智能體協同工作，推動實現從政務到民生及產業的全面智能化。

通常認為，AI智能體是以大模型為智能底座，具備自主感知、理解、規劃、決策、記憶、行動和使用工具的能力，能夠自動化執行復雜任務的智能實體。目前，AI智能體已滲透至電信、制造、金融、政務、能源、互聯網等垂直行業。

“AI智能體憑借其環境感知、任務編排靈活性和復雜任務自動化處理能力，在多個領域展現出廣闊應用前景。”中國信息通信研究院云計算與大數據研究所副所長栗蔚對記者表示，隨著大模型技術更新逐漸放緩，產業重心加速向落地應用遷移，2025年成為智能體大規模商業化落地的關鍵節點。

具體而言，栗蔚認為，一方面，客服、營銷、辦公助手、商業智能、代碼助手、知識助手等通用場景的任務重復性高、流程規則性強，具有明顯的數據驅動性特征，在這些領域智能體可低成本實現任務自動化精準處理；另一方面，由于智能體在各行業的滲透受數字化基礎影響顯著，因此在數字化程度高、數據質量優的行業，如金融、零售、教育、醫療等行業，智能體落地的進程將更為迅速。

根據德勤預測，到2025年，將有25%的企業部署生成式AI驅動的智能代理；到2027年，這一比例將升至50%。

浪潮云總經理助理尹萍表示，AI智能體的發展被視為實現AGI（通用人工智能）的重要途徑之一，通過多智能體協同等技術，智能體正逐步向更接近人類智能的方向發展。未來，AI智能體將更多地作為人類的輔助工具，與人類協作完成復雜任務，推動人機關系進一步融合。

規模應用需邁多道坎

不過，整體來看，AI智能體正從技術探索邁向場景深耕階段，因此從“用起來”到“用得好”仍需多方進一步努力。

首先，產業發展面臨技術和數據瓶頸。栗蔚表示，AI智能體基于大語言模型構建，易出現“幻覺問題”，而在智能體鏈式調用中，微小的錯誤會不斷被后續步驟引用并放大，導致生成的內容難以滿足企業級用戶的需求，特別是在金融報告生成、合同審核、醫學問診等對準確性要求高的場景中。同時，AI智能體的智能決策依賴大規模數據，但高質量數據難獲取、多模態數據難轉換仍是當前行業面臨的主要挑戰。

其次，產業協作有待進一步加強。尹萍認為，目前AI智能體開發生態還不成熟，不同企業、廠商的組件兼容性不一，導致開發效率較低。同時，受到不同平臺和系統之間的數據壁壘等因素限制，智能體難以實時獲取數據或執行跨域操作。此外，智能體項目的研發與運營成本仍偏高，有待進一步降低。

栗蔚表示，智能體標準規范待統一，當前，單智能體應用領域存在工具調用壁壘，外部工具技術架構與接口協議不兼容，導致智能體跨工具調用成本高。

此外，AI智能體的穩健發展需要防范惡意攻擊、保障數據隱私安全。安恒信息董事長范淵認為，AI智能體在提供服務時會收集用戶數據信息，企業數據或因技術漏洞、管理流程等方面的原因存在暴露風險，因此需要確保企業數據安全，防止隱私泄露。同時，在AI智能體應用過程中，產業也面臨著多種網絡安全攻擊風險，因此需要制定合理的安全保障機制，從不同維度設立安全屏障，增強智能體的信任度和控制力。

價值潛力持續釋放

受訪人士表示，隨著行業對智能體本質特征的認知不斷深化，AI智能體市場有望進一步向規范化、成熟化方向發展。

“我國智能體產業要實現規模化發展，還需統一市場和產業認知，規范服務邊界與能力要求，推動標準體系建設，強化技術指引與協同機制，加快構建開放共贏的產業生態。”栗蔚說，一方面，需加強核心技術攻關與算力支撐，聚焦多模態感知、長期記憶推理、工具調用及多智能體協同等關鍵技術，減少智能體“幻覺”；強化算力基建升級，為復雜任務調度提供支撐；另一方面，需加快標準體系建設，激活多智能體協同效能。

尹萍表示，可進一步探索新型商業模式，比如，按任務量付費、服務訂閱制等模式，以降低企業使用成本。通過分布式智能云等新型架構，可運營私有云等運營運維托管，實現高效低成本算力調用。

針對AI智能體在發展應用過程中面臨的潛在安全風險，范淵認為，智能體安全防護必須突破單點思維，探索覆蓋智能體技術研發、隱私安全保護、標準制定等全鏈條的安全解決方案。例如，在研發環節，建立貫穿智能體研發、訓練、推理等全生命周期的安全防護機制，針對非結構化數據處理等場景部署專項安全策略；在使用環節，提升公眾對技術應用邊界、風險挑戰的認知。

“長遠來看，智能體還有很大的增長空間，隨著行業規范與標準化體系的逐步建立，AI智能體加速落地賦能產業，釋放出強大能量，推動人工智能邁向新高度。”栗蔚說。

（記者 郭倩）