对着手机说出会议需求，系统迅速完成会议室预订及邮件通知；下达“买咖啡”任务指令，智能体可以拆解购买咖啡的步骤、调用外卖App完成下单支付；在工业生产车间，AI智能体让产能调度速度提升数倍……当下，智能体正从技术验证迈向规模化落地阶段，国内外科技企业纷纷加码布局应用，加速推动智能体规模化应用落地。

受访人士认为，从“用起来”到“用得好”，智能体需突破技术和数据瓶颈、打通垂直领域壁垒、激活场景创新潜能，构建开放合作的产业生态，实现智能体技术与产业需求的深度融合。

智能体应用加速渗透

当前，智能体技术创新活跃，产品百花齐放。国内外科技公司纷纷推出AI智能体相关产品，并在智能体生态拓展和应用市场开拓方面展开积极探索。

“你好，我想装一条宽带。”“根据套餐以及消费情况，已为您推荐3档适配方案，确认后可直接生成订单。”——眼下在上海联通，AI智能体在客服领域得到应用，语音交互、智能填充、智能推荐等能力全面缩短了复杂业务的办理时间。

产业端的落地应用进程也在加速。在汽车领域，中国一汽基于阿里通义大模型构建企业智能体OpenMind，可以实现业务智能办理与决策辅助，提升企业运营效率。在智慧城市领域，联想集团近期在武夷山、宜昌、呼和浩特等城市落地“城市超级智能体”，超级智能体可以与文旅、交通、医疗、教育等多个领域智能体协同工作，推动实现从政务到民生及产业的全面智能化。

通常认为，AI智能体是以大模型为智能底座，具备自主感知、理解、规划、决策、记忆、行动和使用工具的能力，能够自动化执行复杂任务的智能实体。目前，AI智能体已渗透至电信、制造、金融、政务、能源、互联网等垂直行业。

“AI智能体凭借其环境感知、任务编排灵活性和复杂任务自动化处理能力，在多个领域展现出广阔应用前景。”中国信息通信研究院云计算与大数据研究所副所长栗蔚对记者表示，随着大模型技术更新逐渐放缓，产业重心加速向落地应用迁移，2025年成为智能体大规模商业化落地的关键节点。

具体而言，栗蔚认为，一方面，客服、营销、办公助手、商业智能、代码助手、知识助手等通用场景的任务重复性高、流程规则性强，具有明显的数据驱动性特征，在这些领域智能体可低成本实现任务自动化精准处理；另一方面，由于智能体在各行业的渗透受数字化基础影响显著，因此在数字化程度高、数据质量优的行业，如金融、零售、教育、医疗等行业，智能体落地的进程将更为迅速。

根据德勤预测，到2025年，将有25%的企业部署生成式AI驱动的智能代理；到2027年，这一比例将升至50%。

浪潮云总经理助理尹萍表示，AI智能体的发展被视为实现AGI（通用人工智能）的重要途径之一，通过多智能体协同等技术，智能体正逐步向更接近人类智能的方向发展。未来，AI智能体将更多地作为人类的辅助工具，与人类协作完成复杂任务，推动人机关系进一步融合。

规模应用需迈多道坎

不过，整体来看，AI智能体正从技术探索迈向场景深耕阶段，因此从“用起来”到“用得好”仍需多方进一步努力。

首先，产业发展面临技术和数据瓶颈。栗蔚表示，AI智能体基于大语言模型构建，易出现“幻觉问题”，而在智能体链式调用中，微小的错误会不断被后续步骤引用并放大，导致生成的内容难以满足企业级用户的需求，特别是在金融报告生成、合同审核、医学问诊等对准确性要求高的场景中。同时，AI智能体的智能决策依赖大规模数据，但高质量数据难获取、多模态数据难转换仍是当前行业面临的主要挑战。

其次，产业协作有待进一步加强。尹萍认为，目前AI智能体开发生态还不成熟，不同企业、厂商的组件兼容性不一，导致开发效率较低。同时，受到不同平台和系统之间的数据壁垒等因素限制，智能体难以实时获取数据或执行跨域操作。此外，智能体项目的研发与运营成本仍偏高，有待进一步降低。

栗蔚表示，智能体标准规范待统一，当前，单智能体应用领域存在工具调用壁垒，外部工具技术架构与接口协议不兼容，导致智能体跨工具调用成本高。

此外，AI智能体的稳健发展需要防范恶意攻击、保障数据隐私安全。安恒信息董事长范渊认为，AI智能体在提供服务时会收集用户数据信息，企业数据或因技术漏洞、管理流程等方面的原因存在暴露风险，因此需要确保企业数据安全，防止隐私泄露。同时，在AI智能体应用过程中，产业也面临着多种网络安全攻击风险，因此需要制定合理的安全保障机制，从不同维度设立安全屏障，增强智能体的信任度和控制力。

价值潜力持续释放

受访人士表示，随着行业对智能体本质特征的认知不断深化，AI智能体市场有望进一步向规范化、成熟化方向发展。

“我国智能体产业要实现规模化发展，还需统一市场和产业认知，规范服务边界与能力要求，推动标准体系建设，强化技术指引与协同机制，加快构建开放共赢的产业生态。”栗蔚说，一方面，需加强核心技术攻关与算力支撑，聚焦多模态感知、长期记忆推理、工具调用及多智能体协同等关键技术，减少智能体“幻觉”；强化算力基建升级，为复杂任务调度提供支撑；另一方面，需加快标准体系建设，激活多智能体协同效能。

尹萍表示，可进一步探索新型商业模式，比如，按任务量付费、服务订阅制等模式，以降低企业使用成本。通过分布式智能云等新型架构，可运营私有云等运营运维托管，实现高效低成本算力调用。

针对AI智能体在发展应用过程中面临的潜在安全风险，范渊认为，智能体安全防护必须突破单点思维，探索覆盖智能体技术研发、隐私安全保护、标准制定等全链条的安全解决方案。例如，在研发环节，建立贯穿智能体研发、训练、推理等全生命周期的安全防护机制，针对非结构化数据处理等场景部署专项安全策略；在使用环节，提升公众对技术应用边界、风险挑战的认知。

“长远来看，智能体还有很大的增长空间，随着行业规范与标准化体系的逐步建立，AI智能体加速落地赋能产业，释放出强大能量，推动人工智能迈向新高度。”栗蔚说。