城市超級智能體實現城市治理與社會服務的智能化升級，醫療智能體高效處理複雜的醫療衞生業務工作……今年以來，智能體加速邁向産業化應用，逐漸成為引領産業智能化轉型的重要驅動力。受訪專家認為，隨着行業規範與標準化體系逐步建立，智能體將加速落地賦能産業升級，有望推動人工智能與實體經濟深度融合。

  技術賦能效率提升

  智能體憑藉環境感知、任務編排靈活性以及複雜任務自動化處理能力，和雲計算、大數據等技術結合，在多個領域展現出廣闊應用前景。

  中國信息通信研究院雲計算與大數據研究所副所長栗蔚分析，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，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，在數字化程度高的行業如金融、零售、教育、醫療等，智能體落地進程將更為迅速。

  中國電子信息産業發展研究院人工智能研究中心執行副主任、信軟所所長韓健認為，智能體技術不僅是現有技術的簡單升級，更是一次範式轉移。智能體讓機器從簡單的“腳本執行器”，進化成能獨立思考和解決問題的“任務執行官”，完成了從工具到夥伴的關鍵躍遷。智能體將過去只有人類才能完成的、需要理解和判斷的非結構化任務納入了機器執行的範疇，極大擴展了機器能力的邊界。

  同時，智能體將企業內外部孤立的系統和任務，整合成一個高效協同、自我調節的“數字有機體”，大幅提升流程效率。傳統企業擁有大量獨立的軟體系統，它們之間的數據和流程往往是割裂的，需要人工作為“中間件”來回切換和操作。智能體可以作為“超級連接器”，通過工具調用與所有系統交互，將原本分散的功能聚合起來，形成一個統一的、由意圖驅動的操作層。多個智能體可以像一個團隊一樣，進行協商、分工、合作甚至競爭，系統整體表現出的智能將遠超單個智能體的總和。智能體作為“數字員工”加入組織，將企業員工從重復、繁瑣的工作中解放出來，實現組織運營效率的指數級提升。

  “人工智能正從大模型階段邁入智能體新階段。傳統大模型雖有強大的知識儲備和語言能力，但不會分解和規劃任務，不能使用工具。為了彌補大模型的不足，智能體應運而生。智能體具有分解和規劃任務的能力、記憶和知識傳承的能力、使用工具的能力，以及分工協作的能力。當4項能力全部具備，智能體就可以和人一樣，從頭到尾執行完成一個複雜任務。”360集團創始人周鴻祎説。

  應用場景逐步拓展

  今年被視為智能體産業化元年。當前，行業企業不斷加大智能體應用力度，各領域應用場景逐步拓展。

  在山東大學齊魯醫院臨床技能培訓中心，87位住院醫師的年度考核中迎來了數十位虛擬化的“數字病人”。浪潮企業雲打造的數字病人智能體通過構建多模態交互訓練與人工智能輔助考核體系，打破了實體病例與線下教學的時空限制，為醫學生帶來了更加靈活的學習體驗；還能完整留存訓練過程數據並智能分析學生的知識薄弱點，提供定制化訓練方案。“數字病人智能體一定程度上緩解了醫療實操資源不足和罕見病例缺失的情況，讓醫學生能隨時隨地進行實操訓練，也方便醫學院進行考核。”浪潮企業雲負責雲帆數字病人智能體的産品經理王思穎説。

  在上海虹口，聯想城市超級智能體實現全領域智能覆蓋，深度介入城市管理全流程；在湖北宜昌，聯想通過整合交通、能源、政務等全域數據資源，推動城市精細化運營與可持續發展。此外，聯想還與福建武夷山、內蒙古呼和浩特等城市達成戰略合作，陸續賦能文旅、交通、醫療、能源等多個領域。

  國際數據公司IDC預測，到2026年，約有50%的中國500強數據團隊將使用智能體實現數據準備和分析。韓健&&，部分跨行業通用智能體産品已開始規模化應用，聚焦客戶支持、軟體開發、銷售和通用企業工作流程等領域。垂類專業智能體産品商業化起步，有望成為産業數智化轉型重要抓手。智能體的爆發式發展是一系列技術、市場和生態因素同頻共振的結果。大模型強大的邏輯推理、任務分解、長期記憶以及代碼生成能力為智能體發展提供了技術基礎；開發與應用門檻降低為智能體迅速發展提供了生態保障；清晰的商業需求與資本市場的推動為智能體提供了發展沃土。

  規模化落地待突破

  智能體産業化應用仍面臨一些瓶頸。韓健分析，從技術看，模型性能、高質量數據集成為制約智能體性能提升的關鍵卡點。模型能力仍有待提升。從應用看，決策質量不確定、跨場景協作能力不足等仍是阻礙規模化落地的主要因素。從生態看，存在安全防護、不正當競爭、科技倫理、成熟度評價等風險挑戰。

  “智能體互聯標準規範待統一。”栗蔚&&，當前，多智能體應用領域存在工具調用不暢、雲和算力調用不靈活等挑戰。

  推動智能體從“實驗品”走向“産品”再走向“商品”，需要在技術、信任和生態3個層面同時發力。韓健建議，在技術層面着力提升智能體的可靠性與協同性。在信任與治理層面，加快構建人機協同的“安全帶”。在生態層面，持續降低開發門檻。

  周鴻祎認為，企業要把智能體當人來用，明確角色定位。優先選擇流程明確、人力密集的崗位進行試點，如合同審核、市場調研等。構建虛擬團隊，通過多智能體分工協作處理複雜任務。由懂業務的骨幹設計流程，人工智能團隊提供技術支持。關鍵決策保留人類監督，確保可控可管。

  “應持續完善智能體開發開源框架，並由雲廠商提供一站式開發、託管和管理&&，讓開發者能更便捷創建和部署智能體。構建行業級基準與數據集。建立標準測試&&和高質量行業數據集，用於訓練和評估行業智能體的專業能力，加速其在垂直領域的應用。”韓健説。（記者 黃 鑫）