2025年被認為將是智能體（Agent）落地元年，客戶更看重智能體的效果，生態(tài)各方為此已在摩拳擦掌。
文｜趙艷秋 周享玥
編｜牛慧
智能體采購，正在成為市場熱點。
“如果說2023年項目中標主要圍繞智算中心、模型中臺建設，那么從今年下半年起，眾多客戶的招標內容全都轉向應用，且越來越細分。” 眾數(shù)信科聯(lián)合創(chuàng)始人汪中告訴數(shù)智前線，智能體開始走上臺前。
智能體已成為客戶、大模型企業(yè)以及各類服務商關注的核心故事。甚至一家企業(yè)能把智能體做好，就能越過大廠，成功中標。
對于大模型企業(yè)而言，智能體技術及工具鏈的支撐能力已成為基本要求。若在這方面表現(xiàn)欠佳，大概率難以與其他模型競爭。單純靠刷榜體現(xiàn)的優(yōu)勢，如今已很難得到客戶認可。
不過，業(yè)界對于智能體的定義、涵蓋的具體內容，尚未達成共識。有人認為OpenAI 推出的 GPTs 是智能體；也有人認為，只有能調用工具的才算是智能體。從形式上說，不管對話機器人還是各種形式的大模型應用，從廣義上都屬于智能體范疇。
但有一點是業(yè)界公認的，那就是智能體必須能切實解決業(yè)務問題，至少在降本增效方面要有 10 倍、20 倍的提升，才能獲得客戶認可。因為業(yè)界越發(fā)意識到，大模型模式更難實現(xiàn)商業(yè)閉環(huán)，單純的燒錢模式基本難以為繼。
而業(yè)界這種認知，不僅重構了軟件架構，甚至在促使大模型生態(tài)企業(yè)重塑了商業(yè)模式。正如王堅博士所說，AI 不應被視為工具的革命，而應被當作革命的工具。
01
“客戶要求10倍~20倍效果”
“你說電商直播數(shù)字人好，那你就幫我賣東西。一單二三十元，我分你兩元。”從事生成式AI虛擬人研發(fā)的中科深智CTO宋健告訴數(shù)智前線。在電商領域，今年客戶在購買工具時變得格外謹慎，他們更傾向于按照效果付費，采用分潤或CPS（按銷售付費）模式。宋健預測，到明年，他們的直播電商數(shù)字人客戶可能 100% 都會采用這種模式。
“國內外智能體存在很大差異。國外可能仍類似于傳統(tǒng) SaaS 模式，只是利用智能體重構了以往的軟件架構。” 宋健表示，國內的情況則更為激進一些，在一些競爭激烈的行業(yè)，比如電商領域，不僅重構了軟件架構，還重塑了商業(yè)模式。
這是因為客戶關注的是智能體能否切實解決問題。“無論是降低成本還是提高效率，綜合起來至少要有 10 倍、20 倍的提升才行。” 宋健進一步解釋道。
“客戶現(xiàn)在對大模型技術已經(jīng)祛魅了。”眾數(shù)信科汪中向數(shù)智前線坦言，這些客戶從之前單純的基礎性采購，轉變?yōu)橐詰眯Ч麨閷颍笾悄荏w在降本、提效或拓展新業(yè)務方面創(chuàng)造價值。
“客戶不關心你是怎么實現(xiàn)的，只要看效果。”汪中說。目前行業(yè)內的采購模式通常是，技術廠商先迅速為客戶進行一個 PoC（概念驗證）場景驗證，雖然語料范圍可能較小，交互形式也較為單一，但要證明能夠完成客戶場景中的業(yè)務邏輯，并運用客戶專屬的業(yè)務知識。之后，客戶才會啟動采購流程。當然，他們也愿意為這些創(chuàng)新投入一定成本。
眾數(shù)信科最近做的一個PoC是氣象部門的緊急預警方案助手。廈門每年都會遭受臺風侵襲，氣象部門預測后，需要向港務局、城管等多個部門發(fā)送應急通知。這些應急報告原來需要4個專家花費3個小時才能完成。PoC的演示效果顯示，借助助手，只需1位專家1小時就能完成，效率大約提升了12倍。
在另一個案例中，原本無法實現(xiàn)的事情，現(xiàn)在成為了可能。在高校學生培養(yǎng)計劃中，存在大量評測維度。如果依靠現(xiàn)有的編程技術，針對上萬乃至數(shù)萬學生，只能進行一些通用評測，很難實現(xiàn)個性化定制。在這個案例中，針對課堂環(huán)節(jié)，多個智能體協(xié)同合作，實現(xiàn)了創(chuàng)新。例如，有的智能體負責轉錄授課語音，有的進行授課水平的分析對比；有的生成隨堂小測試卷，有的現(xiàn)場批改試卷；還有的針對每個學生的薄弱點，進一步推薦學習材料…… 因此，在學生評價系統(tǒng)中，新增了多個評測維度。
“每一步背后都有智能體的支撐。” 汪中總結道，隨著基礎模型能力的發(fā)展，智能體的能力和形態(tài)更為豐富，已經(jīng)初步具備協(xié)同的基礎。汪中說，他們在實踐中認識到，每個智能體都要扮演一個人類的社會角色，進行社會化分工并有產出，進而有可能形成群體智慧。智能體不再是單一的工具，未來也不僅僅是單個超級智能體的出現(xiàn)。
為了達到這樣的狀態(tài)，智能體需要具備三個主要特征：能夠進行交流和理解；依據(jù)反饋和結果進行反思和自我規(guī)劃；與外部能力單元，如業(yè)務系統(tǒng)、其他智能體、工具級應用等進行互動和協(xié)同。
在智能體落地應用過程中，客戶從購買產品向購買服務的轉變趨勢愈發(fā)顯著。智能體與以往信息技術的不同之處在于，它需要持續(xù)優(yōu)化和調整，而目前客戶完全依靠自身力量實現(xiàn)這一點，還存在難度。汪中發(fā)現(xiàn)，以規(guī)模在200萬元左右的項目為例，后續(xù)每年服務費的占比已從傳統(tǒng)信息化項目的 10%~15% 提升到 25%~30%。
而在競爭更為激烈的電商領域，變化更是翻天覆地。宋健注意到，電商直播數(shù)字人的迭代速度已經(jīng)以天計。一旦從銷售工具轉變?yōu)樘峁┓⻊�，涉及的環(huán)節(jié)會變得極為繁雜。例如，需要密切關注平臺的各種規(guī)則及其調整變化；之前那種研發(fā)、產品和業(yè)務相互分離的模式已經(jīng)行不通了，現(xiàn)在必須協(xié)同作戰(zhàn)，技術人員要深入一線，每天查看數(shù)據(jù)、分析運營情況，進行優(yōu)化迭代；當優(yōu)化措施不再奏效時，要果斷更換產品、調整客戶群體。“CPS 模式的優(yōu)勢就在于，各方更容易達成共識。”
02
生態(tài)全都動起來了
在智能體的落地巨變中，雖然大廠仍是當下的主要推動者，但人們認為，由于智能體更看重對客戶需求的響應，未來行業(yè)智能體的產出來源主要將是兩類玩家：
一類是有AI原生能力的服務商。另一類則是行業(yè)傳統(tǒng)信息化服務商。智能體的落地并非易事，核心技能有業(yè)務場景遴選、知識萃取、智能體訓練和編排。如果不了解業(yè)務場景以及大模型的能力邊界，那么在技術響應、經(jīng)驗和效率上就會非常低。這需要人工智能人士和業(yè)務人士的雙向奔赴。
而大廠在這一過程中，將扮演生態(tài)鏈普及角色。百度、阿里、字節(jié)、騰訊等大廠均推出了一站式智能體開發(fā)平臺。他們走的是標準路線，目的是降低智能體落地門檻、應用廣度和深度。比如，無論百度、智譜還是浪潮云，最近發(fā)布的新品，都在關注用智能體接管手機等設備的能力，實現(xiàn)一些擬人化操作。
“大家目前都在基于自身大模型，構建整體的智能體生態(tài)。”IDC中國高級分析師楊雯告訴數(shù)智前線，差異在于各家應用場景、數(shù)據(jù)積累不同，發(fā)力的優(yōu)先場景和方向選擇也有所不同。業(yè)界觀察，這些企業(yè)在智能體支撐策略上差異也較大：
業(yè)界反饋，百度生態(tài)布局上覆蓋較全，有基礎模型，APP builder、Agent builder平臺，也有對應的硬件如一體機，可直接在客戶機房中部署。百度也支撐聯(lián)合方案開發(fā)，定制化產品適配。業(yè)界分析，這與李彥宏號召業(yè)界不卷模型、卷應用有關。
一些人士建議，千帆平臺可以加強除文心之外的商業(yè)化模型納管，并支持更多常見互聯(lián)網(wǎng)服務的插件開發(fā)。
在智能體方面，今年11月，百度推出工具流Agent。“Agent去年一出來特別火，但很快一盆冷水潑下來，大家發(fā)現(xiàn)很難用起來。我們的客戶里，90%是RAG，10%是Agent。”千帆AppBuilder產品負責人朱廣翔告訴數(shù)智前線。因為要完成一個企業(yè)級任務，可能需要幾步甚至更多，如果每一步準確率是95%，多步驟下來，衰減將非�？臁Ｋ鼪]辦法支撐長思考和推理。采用工作流方式，專家把流程描述好，Agent就會穩(wěn)定很多，會更加落地。
阿里的通義千問模型能力在國內較強、反饋好，其開源模型在業(yè)界應用較多。阿里更多通過云端形態(tài)支撐應用，私有化支撐較少。這可能與阿里云的“AI驅動、公共云優(yōu)先”戰(zhàn)略有關。在智能體產品方面，阿里通義實驗室新推出了自適應規(guī)劃的多模態(tài)檢索智能體OmniSearch，能模擬人類，將復雜問題逐步拆解進行智能檢索規(guī)劃。
字節(jié)目前在大力推廣扣子私有化部署產品，即今年8月推出的HiAgent企業(yè)專屬AI應用創(chuàng)新平臺。與年初打響大模型價格戰(zhàn)異曲同工，這次仍通過價格戰(zhàn)，搶占市場。不過，它目前還不搭配模型，即字節(jié)豆包模型還沒有私有化；不做應用，沒有硬件，嘗試基于HiAgent平臺教會客戶去搭建Agent應用。它的打法和支撐條件還有待體系化，這與其剛剛啟動大模型私有化業(yè)務線不無關系。
而騰訊在智能體上的布局，也和其在大模型落地上優(yōu)先賦能自身產品矩陣的“全家桶”策略類似，更加關注與自身擁有龐大流量的自家產品的結合。比如今年9月，騰訊元器上線的新功能，就支持公眾號運營者自主打造專屬智能體應用，在公眾號內提供陪伴、互動、答疑、知識交流等智能化功能，目的是提升用戶體驗和公私域運營效率。
除了大廠，“AI六小虎”的智譜AI最近不斷更新智能體技術。智譜的優(yōu)勢在于科研能力較強，一些開發(fā)者反饋，其模型的某些性能，超過了通義千問。但目前生態(tài)方面的支持還有待加強。
在前不久召開的智譜Agent OpenDay上，智譜CEO張鵬表示，Agent可以看作是大模型通用操作系統(tǒng)的雛形，理論上，可以將其推廣到手機端、PC端、車端等各類智能設備上，實現(xiàn)基于大模型的互聯(lián)互通。
“將來的智能體，一定是跨系統(tǒng)操作的，這是0跟1的區(qū)別，而不是60分和70分的區(qū)別。”一位資深行業(yè)人士觀察，跨系統(tǒng)、跨App的能力，目前已成為兵家必爭之地。
中國電信在今年9月開始智能體平臺的開發(fā)，近期展出了星辰智能體應用平臺。中國電信相關人士告訴數(shù)智前線，目前針對政企的標桿項目正在打造之中。
雖然大廠動作不斷，但業(yè)界期望他們支撐智能體的速度要更快。“目前的速度無法跟上廣泛的客戶需求。更多業(yè)務邏輯沒有充分體現(xiàn)，也就是客戶專屬知識與大模型技術的結合問題，這也是業(yè)界在落地上非常關注的。這側面說明，大模型企業(yè)向客戶方向靠攏，尚需一個過程。
03
智能體，何時爆發(fā)？
智能體的大方向已成，但何時能夠真正爆發(fā)？
多位行業(yè)人士均向數(shù)智前線表示，這很大程度取決于模型能力的發(fā)展及市場教育進程。
“我們有一個簡單判斷，GPT5什么時候能出來，會是一個很直觀的對標時間點。”眾數(shù)信科聯(lián)合創(chuàng)始人汪中說。
智譜AutoGLM 技術負責人劉瀟也告訴數(shù)智前線，去年智能體還只能滿足用戶10%-20%的預期，用戶就不太愿意買賬，今年達到了50%-60%，一些用戶開始意識到這件事情有用，而當智能體能滿足用戶70%-80%的預期時，應用鋪開的速度將非�？�。他判斷大模型能力達標大概還需半年。
中科深智CTO宋健則表達了不一樣的觀點。他認為，Agent要真正爆發(fā)，必須真的滲透到行業(yè)里頭，但To b鏈條的爆發(fā)，“明年應該還到不了特別大的規(guī)模”。
IDC中國高級分析師楊雯也告訴數(shù)智前線，于B端來說，若無法徹底解決大模型的幻覺問題，達到100%的精準度，大規(guī)模應用仍然難以實現(xiàn)。智能體爆發(fā)，預計可能要1至1.5年時間。
“目前而言，智能體仍處于市場混戰(zhàn)階段，距離成為終極入口標準還有一定的路程。”楊雯說。
但不可否認的是，面向這一確定的方向，處在智能體爆發(fā)前夕的玩家們，無一例外，都在通過各種工程化的能力和一系列技術，彌補模型能力不足，提前搶占先機。
“我們測試過大量基礎模型，它們的Function Call能力在10個工具里去選，還是比較準的，一旦超過10個，準確度就大幅衰減，但在實際的應用場景中，執(zhí)行步驟大概率都超過了10個，為了更好的實現(xiàn)業(yè)務可控性，我們首創(chuàng)了基于狀態(tài)機的智能體workflow（工作流），在保證智能體自規(guī)劃、自治性能力不受影響的前提下，實現(xiàn)業(yè)務的精準可控。”汪中說。
智譜劉瀟也透露，他們正通過更好的強化學習策略，讓智能體能夠執(zhí)行更長的步驟操作。
業(yè)界目前也都在研究工作流。“正因為有了工作流，我們發(fā)現(xiàn)雖然只增加了一層，但是Agent的落地增長就非�？�，能看到很快到兩成。”百度朱廣翔說，預測明后兩年，Agent會逐漸超過RAG應用，因為RAG場景較少，只是問答；但Agent可以實現(xiàn)客服、營銷、企業(yè)調度、一站式平臺，天花板更高。
有行業(yè)人士認為，智能體的應用可以至少分為從低到高三個應用層級，目前市場上已經(jīng)出現(xiàn)不少初級應用和中級應用，高級應用則還需進一步實現(xiàn)。
比如豆包、kimi、文小言等，被認為可以看作是最為初級的智能體。它們具備簡單的語言交互和任務理解能力，聽得懂人話，能夠根據(jù)指令，去執(zhí)行一些簡單的操作。“目前絕大多數(shù)的智能體是單智能體的初級應用，包括很多GPTs，能夠簡單的做問答等任務執(zhí)行。”IDC楊雯說。
中級應用還要更深一層，展現(xiàn)形式已經(jīng)脫離單純的Chatbot形態(tài)，不再僅僅是對話框模式，規(guī)劃能力和復雜度也進一步提升，使用的工具不再是聯(lián)網(wǎng)搜索、天氣查詢等簡單插件，而是需要有對應場景內的專業(yè)插件和能力，能完成更復雜的場景任務。
“比如智能客服，就是非常典型的一個Agent應用，比以前可能會有10倍甚至20倍的一個變化，現(xiàn)在我們接到的很多電話，其實都是新的Agent打出來的，你跟它聊半天，可能還以為它是個真人。”宋健說，而且，與傳統(tǒng)客服相比，軟件設計也變得更加簡便。
“第三個級別，也是我們現(xiàn)在在努力去實現(xiàn)的。它除了更豐富的交互形態(tài)，能夠完成復雜任務，還會額外再增加兩個標簽。”汪中告訴數(shù)智前線。
其一是能夠了解場景背后的業(yè)務邏輯和知識脈絡。“它可能不再那么通用，但它的專業(yè)性更強。而如果沒有，它還會主動去尋求這些行業(yè)知識的支撐。”
其二，從插件和工具的使用能力上來說，它能夠讀懂現(xiàn)有的業(yè)務系統(tǒng)，將現(xiàn)有的業(yè)務系統(tǒng)作為其能力插件來源的一部分，而不再只能使用為它定制的插件。
汪中舉例說，他們正在與船舶貨運公司進行港務調度助手的研發(fā)試點，在他看來就是一種高級應用。
一艘船靠岸后，往往需要進行卸貨、轉運、洗艙、船員登記、物資補給等大量工作，原來這些工作主要靠人工去安排和調度，再登記進入車輛管理系統(tǒng)、補給管理系統(tǒng)等對應的若干個系統(tǒng)里，給到對應的執(zhí)行單位執(zhí)行。而現(xiàn)在，客戶提出，希望用AI智能體來幫助現(xiàn)場員工，在繁雜的信息流和工作流中，由智能體進行初步的信息收集、分析、業(yè)務建議，成為現(xiàn)場員工的“數(shù)字同事”。
當然，更高級的應用，仍然有賴于模型能力和工程化能力的提升。
分享
