AI智能体的商业叙事远比技术精彩

　　、字节跳动等全球科技巨头纷纷加码布局，推动智能体从实验室走向应用前线，覆盖内容创作、客服、手机助手、办公自动化、软件开发、教育培训、金融咨询、工业制造等多个垂直领域。

　　元器等，以构建新的AI生态；另一方面，这些大厂也在开发智能体的超级应用，并且将智能体融入各自的业务体系中，实现功能体验的升级以及对外赋能，争抢新一轮应用入口。

　　的智能体开发平台在多个行业落地的同时，马化腾还在今年一季度财报电话会上提到，可以围绕微信生态打造一个差异化的智能体AI，它与微信生态系统的独特组成部分相连接，包括社交图谱、通信和社区能力、内容生态系统，以及微信内数百万个小程序。

　　国外方面，谷歌在今年举行的年度I/O开发者大会上，重磅推出了AI智能体、Gemini 2.5 Pro深度思考模型，Veo 3模型首次实现音画同步，业务全面接入AI。其中在AI智能体方面，谷歌正在将智能代理能力整合到全线产品中，包括Chrome浏览器、引擎和Gemini应用等。Open AI也陆续发布了Operator、云端AI编程等智能体。

　　可以说，AI智能体已经有一定的入口形态。第一类是像OpenAI的GPT，包括智谱的AutoGLM这样的原生大模型作为入口，来做一些执行和操作。第二类是互联网大厂已有的super ，比如微信、支付宝的嵌入式入口，以及更多垂类智能体。还有一个新的入口就是操作系统和智能终端的结合，比如AI手机、智能耳机或者智能眼镜等硬件体系。

　　东吴证券的研报指出，AI智能体通过“决策+记忆+规划+工具”构建智能闭环，正逐步重塑终端交互中枢，成为新一代超级入口核心。其发展沿着“数字助理型”与“具身/社会型”两条技术路径演化，并加速落地于PC、手机与可穿戴设备等多元终端。各大厂商围绕端侧部署与云端协同展开技术布局，推动智能体从功能演示走向系统集成。手机、PC等终端正采用“端优先”策略强化本地推理能力，而可穿戴设备则通过“端-近端-云”架构解决算力瓶颈，构建多模态数据驱动的个性化体验闭环。

　　根据Gartner测算，2024年仅约1%的企业软件内置AI智能体功能，但到2028年，这一比例有望飙升至33%，届时约15%的日常业务决策将可由AI自动完成。高盛预测，到2030年，AI智能体将创造约7万亿美元的经济效益，其中相当一部分对于未来，中国工程院院士邬贺铨近期也表示，在6G应用中，智能体有着广泛的前景，例如，在人与机器人的互动场景中，智能体可赋能机器人，使其成为具身智能的代表。并且，未来真正发挥作用的将是多个智能体之间的群智协作，全息通信、脑机接口、虚拟现实等沉浸式交互应用更依赖智能体协作来实现。

　　智能体的爆发和走量，不仅解决了人工智能在落地应用方面的难题，也有效突破了大模型“有脑无手”的瓶颈，真正能够走入现实生活，实现更广泛的互动和功能扩展。

　　但客观来看，多数智能体的发展还处于初级阶段，局限在为大语言模型添加基础的规划能力和工具调用功能，使其能够将复杂任务分解为较小的、可执行的步骤。智能体可以实现数据分析、趋势预测和一定程度的工作流程自动化，在简单场景中可以选择正确的工具完成任务，但面对更复杂、更个性化的场景，技术成熟度仍显不足，尤其是缺乏性、颠覆性的技术突破，还面临着一定的困难和挑战。

　　一是安全合规下的幻觉累加和数据泄露问题。AI Agent往往基于大语言模型构建，而大模型存在“幻觉”问题，即生成内容时缺乏事实依据，可能输出不真实或错误的信息。在智能体链式调用中，若某一环节产生错误，其结果会被后续步骤继续引用，导致错误在任务链条中被不断放大，造成“幻觉累加”。这对依赖高度准确性的场景构成严重挑战。

　　根据二是如何解决智能体的工具调用与场景适应能力。当前智能体虽具备调用外部工具的能力，但在多个工具的组合调度、异常处理、上下文状态保持等方面缺乏“智能”。智能体缺乏“执行记忆”，在面对状态变化或非预期中断时难以自我恢复，也难以应对“动态交互”场景，这大大限制了其在流程复杂的企业级应用中的稳定性和鲁棒性。

　　另外，尽管预训练大模型具备强大的语言生成能力，但智能体在陌生任务上的泛化能力仍有限。当前大多数Agent仍属于“精调+特定场景设定”下的窄域应用，难以跨任务、跨领域灵活迁移。尤其在面对非结构化问题、模糊需求和多目标优化时，与业务流程深度融合难度大，且存在可解释性问题，导致在关键领域的应用受到限制，因此智能体仍需依赖大量人工干预和工程支持。

　　三是大规模使用下，如何实现智能体的技术生态与协作标准化问题。AI智能体要扩大市场渗透，就需要进行规模化落地以及提升跨场景协同能力，但这其中，技术生态与协作标准化问题将会是关键。但当前协议标准“多强混战”，比如模型上下文协议、智能体通信协议、智能体到智能体协议、智能体网络协议等，不同的智能体通常由不同的架构、协议和技术栈构建，尚未形成统一标准，导致系统之间难以直接交互，协同效率未能有效提升。

　　今年4月，谷歌宣布开源首个标准智能体交互协议A2A，允许不同框架、供应商开发的智能体实现无缝通信与协作，希望借此打破企业间智能体的交互壁垒，实现跨平台、多模态的协作。6月，中国信息通信研究院发布的《智能体技术和应用研究报告》也提到，随着多智能体系统正逐步成为构建智能生态的重要支撑形态，以MCP、 A2A等为代表的大模型和智能体通信协议，为信息孤岛和通信兼容性问题提供了有效的技术解决方案，降低了智能体系统集成复杂性，进一步拓宽了智能体能力边界。

　　科技大厂们竞逐智能体，无疑是看重其背后的商业价值。

　　亚马逊云科技CEO Matt Garman此前指出，Al智能体有机会成为亚马逊云科技下一个数十亿美元规模的业务。而根据Markets and Markets预测，全球AI智能体市场规模预计从2025年的76.3亿美元飙升至2030年的503.1亿美元，年均增速高达45.8%，远超AI整体市场35.9%的增速。

　　但对企业来说，除了预期的业务营收和新的技术叙事外，智能体在商业生态上引发的系列变革也更应值得关注。

　　其一是商业生态所带来的迭代，会冲击中心化的平台型结构。正如App是移动互联网时代的入口，国内的人口红利催生出微信、淘宝、支付宝、滴滴、携程等超级App，每个垂直行业的头部App，其核心价值已从单一功能工具演变为数字经济时代的“基础设施平台”，成为连接物理世界与数字空间的关键枢纽。那么在AI时代，智能体有望率先成为其中的重要入口。

　　众所周知，智能体的核心在于自主性和规划能力，在逻辑推理、工具调用和执行任务等能力方面会变得更加主动和智能，并且能够根据用户的行为、偏好和上下文来预测需求，更高效主动提供相关的信息或服务，而且可以进行实现跨应用、跨平台无缝对接，无需经过不断的切换和跳转。比如，当AI手机发展成熟之后，现有的App可能会发展为“一个一个的服务”，智能助手作为用户的“AI代理”，在接到语音指令后，将会进行决策，并对各种应用的服务能力进行自动筛查、执行。

　　这种使用行为的变化，会带来两个方面的影响：一是当超级智能体诞生后，我们的手机是否还需要装载那么多App；二是那些大的头部App可能出于某些原因独自发展智能体，但是一些腰部App，通过接入超级智能体能够带来更多商业的机会。当然，智能体要实现各种服务的连接，确实也取决于各软件之间的互联互通，这其中就涉及到不同软件的调用授权，这也会是未来最大的难点。

　　其二是商业模式和营收结构的变化。广告和电商是互联网行业两大最主流的商业变现模式，对淘天、京东和拼多多等这样电商平台来说，来自客户管理服务这样的广告费用，也是其重要收入因为对AI来说，其检索与筛选能力远超人类，商品位于结果第一页还是最后一页，对它来说差异不大。届时，商家再也无需为醒目位置支付溢价，拍卖式广告位的价值将大幅缩水。同样，千人千面“可能感兴趣”的推荐算法，也会遇到同样的挑战。像智能体可作为个人助手，用户只需提出需求，它便能跨App、跨平台快速检索并整合所需内容。由此，信息获取逻辑将从“你推给我看”转向“AI找给我看”。用户不再被局限在单一App的“信息茧房”，而依赖推荐算法攫取注意力并进行商业化“收割”的模式，也可能走向终结。

　　与此同时，随着端侧AI引入，订阅变现这种商业模式也会趁势兴起，这会让一些终端厂商，从一次性销售走向“硬件+服务”并重，带动云推理、模型部署等产业链环节需求增长，具备高订阅贡献与留存率的厂商有望获得互联网估值溢价。

　　AI智能体对一些公司来说，会是一把双刃剑，有的需要“革自己的命”，走出现有的舒适区，比如AI对、广告的颠覆，有的会对业务实现重构升级，比如电商、金融等行业，但商业世界本身也是复杂多变的，唯有应对变化才能抓住机遇。