隨著人工智能技術(shù)進(jìn)入規(guī)模化應(yīng)用新階段，智能體（AI Agent）作為具備自主感知、決策與執(zhí)行能力的核心載體，正通過終端設(shè)備創(chuàng)新與技術(shù)架構(gòu)升級加速落地。近日，豆包手機(jī)（豆包手機(jī)助手技術(shù)預(yù)覽版）的推出，推動具備自主操作能力的AI Agent從技術(shù)原型走向先導(dǎo)應(yīng)用；智譜AI開源AutoGLM1，為開發(fā)者低成本復(fù)現(xiàn)個性化AI手機(jī)助手提供底層技術(shù)支撐，進(jìn)一步激活產(chǎn)業(yè)創(chuàng)新生態(tài)。然而，行業(yè)發(fā)展仍面臨基礎(chǔ)模型自主決策精度不足、企業(yè)定制化開發(fā)成本高企、跨場景數(shù)據(jù)安全與隱私保護(hù)風(fēng)險凸顯等多重現(xiàn)實(shí)挑戰(zhàn)。上期介紹了智能體的基本情況、技術(shù)架構(gòu)以及行業(yè)發(fā)展現(xiàn)狀，本期將聚焦智能體未來演進(jìn)趨勢，深度剖析核心瓶頸問題，提出針對性對策建議，為搶占智能體產(chǎn)業(yè)發(fā)展制高點(diǎn)、推動產(chǎn)業(yè)高質(zhì)量發(fā)展提供決策參考。
一、智能體發(fā)展趨勢
（一）大模型驅(qū)動智能體閉環(huán)能力構(gòu)建與架構(gòu)演進(jìn)，邁向群體智能與具身執(zhí)行
大模型作為智能體的核心思考引擎，其性能優(yōu)劣直接決定了智能體在復(fù)雜任務(wù)中的表現(xiàn)水平，預(yù)計(jì)兩方面能力突破將為智能體能力躍遷提供重要支撐。一是關(guān)鍵能力閉環(huán)構(gòu)建，通過任務(wù)分解規(guī)劃、工具調(diào)用及強(qiáng)化學(xué)習(xí)自主決策，提升“從頭到尾”辦理復(fù)雜事項(xiàng)的能力。二是技術(shù)架構(gòu)向多智能體系統(tǒng)演進(jìn)，通過角色分工協(xié)作實(shí)現(xiàn)“單體智能”到“群體智能”升級，從“單打獨(dú)斗”變成“團(tuán)隊(duì)協(xié)作”；同時，端到端大模型與世界模型融合推動具身智能突破，使智能體具備物理世界任務(wù)執(zhí)行能力，如操控設(shè)備、處理實(shí)物等。
（二）通信協(xié)議引領(lǐng)工具調(diào)用標(biāo)準(zhǔn)化，重塑決策執(zhí)行鏈路
智能體要完成復(fù)雜任務(wù)，離不開調(diào)用各種軟件、服務(wù)（即“工具”），而“標(biāo)準(zhǔn)化通信協(xié)議”就像智能體和工具之間的“通用語言”，讓它們能高效配合。其中，Anthropic推出的MCP2因兼容性強(qiáng)、靈活性高形成先發(fā)優(yōu)勢，成為沿用度最高的協(xié)議，受到OpenAI、阿里云等相繼支持以及Cursor、Winsurf等平臺的接連接入。此外，谷歌推出的A2A協(xié)議3助力多智能體通信協(xié)作，一定程度上與MCP形成“互補(bǔ)”。
（三）行業(yè)專用智能體進(jìn)化為“專業(yè)伙伴”，深度嵌入場景業(yè)務(wù)
智能體正加速擺脫通用化工具屬性，以垂直領(lǐng)域需求為錨點(diǎn)深度嵌入行業(yè)場景，從功能輔助者進(jìn)化為懂業(yè)務(wù)、能協(xié)同、善解決復(fù)雜問題的“專業(yè)伙伴”。如，智譜AutoGLM?2.0可跨接40余個高頻APP，47秒完成餐飲預(yù)訂，效率為人工的5倍；金融行業(yè)則依托智能體實(shí)現(xiàn)合同審查、投資分析等專業(yè)任務(wù)的自動化升級，某頭部券商應(yīng)用后將投研報告生成時間從3天壓縮至4小時。
（四）大廠基于底座模型優(yōu)勢引領(lǐng)智能體生態(tài)，小廠依靠產(chǎn)品創(chuàng)新加速搶占“先發(fā)紅利”
國外大型科技公司如Open AI、Anthropic和谷歌正通過構(gòu)建開放平臺搶占市場先機(jī)。國內(nèi)阿里云等也提出Agent Store相關(guān)概念，打造類似APP應(yīng)用商城的“智能體商城”，提供更高效的AI基礎(chǔ)設(shè)施、降低開發(fā)門檻，加速智能體在各個領(lǐng)域的落地。相比之下，行業(yè)應(yīng)用型中小型企業(yè)等則聚焦于專用智能體的開發(fā)，依托產(chǎn)品創(chuàng)新和場景優(yōu)化，加速搶占細(xì)分市場的“先發(fā)紅利”。如迪安診斷“微生物檢驗(yàn)智能體”針對微生物檢驗(yàn)領(lǐng)域?qū)崿F(xiàn)了自主理解任務(wù)意圖、調(diào)用多源數(shù)據(jù)等功能。
二、現(xiàn)存問題
（一）基礎(chǔ)能力短板掣肘智能體應(yīng)用突破
當(dāng)前業(yè)界大模型幻覺率較高，領(lǐng)域知識儲備有待提升，多模態(tài)融合能力不足，長期記憶機(jī)制存在缺陷，致使能力建于其上的智能體難以處理長期規(guī)劃、多步驟推理的復(fù)雜任務(wù)，還需依賴預(yù)設(shè)提示詞與固定工具路徑（如Manus）。此外，在新知識掌握、內(nèi)核編程及任務(wù)持續(xù)執(zhí)行能力、開放性專業(yè)場景的泛化能力上處于薄弱地位。
（二）數(shù)據(jù)隱私安全與標(biāo)準(zhǔn)化問題凸顯
智能體執(zhí)行任務(wù)時頻繁調(diào)用外部數(shù)據(jù)，存在采集隱私、數(shù)據(jù)泄露風(fēng)險，且尚未形成成熟有效的信息安全保護(hù)機(jī)制。同時，國內(nèi)智能體開發(fā)工具依賴國外且標(biāo)準(zhǔn)化滯后，數(shù)據(jù)格式與傳輸協(xié)議等技術(shù)標(biāo)準(zhǔn)體系缺失導(dǎo)致互通性不足。開發(fā)環(huán)境不成熟拖慢技術(shù)更新，主流APP為了保住自己的流量和地位，不愿開放API接口，限制了智能體的功能拓展（如豆包手機(jī)助手就面臨超級App的“高墻”）。
（三）商業(yè)化落地閉環(huán)仍待探索
一方面，國內(nèi)用戶對智能體的付費(fèi)意愿普遍較低，企業(yè)只能靠免費(fèi)策略培育市場；B端用戶主要依賴API調(diào)用付費(fèi)，但相關(guān)協(xié)議不完善，無法形成“技術(shù)-應(yīng)用-數(shù)據(jù)”的良性閉環(huán)，行業(yè)盈利難。另一方面，不同于關(guān)注通用能力的大語言模型，智能體則需要與場景深度適配，定制化需求強(qiáng)，導(dǎo)致開發(fā)成本居高不下。此外，很多智能體只是單點(diǎn)應(yīng)用（比如只負(fù)責(zé)預(yù)訂或查詢），沒能覆蓋全業(yè)務(wù)流程，難以體現(xiàn)核心價值，進(jìn)一步降低了客戶付費(fèi)動力。
（四）評估體系與測試機(jī)制滯后
當(dāng)前智能體行業(yè)缺乏統(tǒng)一、科學(xué)的評估標(biāo)準(zhǔn)，形成了“效能黑箱”，即企業(yè)不知道該怎么選合適的智能體，使用之后也無法量化實(shí)際價值，后續(xù)優(yōu)化方向也難提出，陷入“選型難、驗(yàn)收難、迭代難”的困境。同時，部分測試機(jī)制存在漏洞，其中“無行動得分”現(xiàn)象尤為突出（智能體僅執(zhí)行與指令任務(wù)無關(guān)的行動，也能在測試中得分），一定程度上影響了智能體能力評測的公平性。
三、下一步工作建議
一是加大核心技術(shù)攻關(guān)，突破智能體發(fā)展瓶頸。夯實(shí)基礎(chǔ)模型的支撐能力，突破感知算法、推理引擎等關(guān)鍵技術(shù)，為智能體開發(fā)提供精準(zhǔn)感知、快速決策的輕量支撐。鼓勵以場景智能化為導(dǎo)向開展聯(lián)合攻關(guān)，支持企業(yè)與科研機(jī)構(gòu)圍繞高契合度場景開展以智能體為產(chǎn)出目標(biāo)的聯(lián)合攻關(guān)，并設(shè)置技術(shù)與業(yè)務(wù)考核指標(biāo)。支持多模態(tài)、多智能體系統(tǒng)研發(fā)，探索構(gòu)建涵蓋視覺認(rèn)知等能力的組件庫，推動知識蒸餾與經(jīng)驗(yàn)遷移，實(shí)現(xiàn)跨領(lǐng)域智能融合。
二是構(gòu)建行業(yè)共性平臺，降低開發(fā)適配成本。推廣低代碼開發(fā)平臺，內(nèi)置多領(lǐng)域通用模板，通過可視化拖拽組件實(shí)現(xiàn)快速配置。針對零售、制造、政務(wù)等垂直領(lǐng)域，推出輕量化行業(yè)解決方案，精準(zhǔn)匹配中小微企業(yè)需求，簡化定制環(huán)節(jié)，僅保留核心功能模塊，降低企業(yè)決策風(fēng)險與初始投入門檻。
三是統(tǒng)一定義與標(biāo)準(zhǔn)，推動行業(yè)規(guī)范化發(fā)展。推動建立智能體定義及技術(shù)架構(gòu)指引，聯(lián)合高校院所與領(lǐng)軍企業(yè)從系統(tǒng)架構(gòu)、最小功能集等方面提供技術(shù)指導(dǎo)和操作依據(jù)。主動布局搶占智能體協(xié)議話語權(quán)，鼓勵頭部企業(yè)聯(lián)合智庫、高校院所等成立智能體通信聯(lián)盟，加強(qiáng)協(xié)議及配套安全規(guī)范的制定。推動智能體評測和認(rèn)證體系建設(shè)，構(gòu)建涵蓋技術(shù)性能、場景適配的多維度評測體系，配套多模態(tài)評測數(shù)據(jù)集，打造全周期可信智能體生態(tài)。
四是培育產(chǎn)業(yè)生態(tài)，推動產(chǎn)業(yè)可持續(xù)發(fā)展。構(gòu)建“價值量化+生態(tài)聯(lián)動”付費(fèi)體系，通過效果可視化、按效果付費(fèi)模式，聯(lián)動大平臺與SaaS廠商，搭配政府補(bǔ)貼及標(biāo)準(zhǔn)化協(xié)議，探索多樣付費(fèi)路徑。對接政企轉(zhuǎn)型需求，以需求為牽引，依靠標(biāo)桿案例、用戶教育、開放試點(diǎn)等手段，加速市場滲透、培育付費(fèi)習(xí)慣。
注釋及參考文獻(xiàn)
注釋： 1 2024年10月，AutoGLM 發(fā)布了全球首個能自動操作手機(jī)的 Agent，被視為第一個具備Phone Use 能力的AI Agent 2 Model-Component Protocol，Anthropic推出的模型上下文協(xié)議 3 Agent-to-Agent Protocol
參考文獻(xiàn)：
[1] 《智能體技術(shù)和應(yīng)用研究報告》，中國信通院人工智能研究所、華為技術(shù)有限公司，2025
[2] 《AI Agent Bible: The ultimate guide to agent disruption》，CB Insights，2025
[3] 《國家人工智能產(chǎn)業(yè)綜合標(biāo)準(zhǔn)化體系建設(shè)指南（征求意見稿）》，工信部，2024
[4] 《成果｜大模型驅(qū)動的自主智能體與群體智能》，AIGC最前線，2024
[5] 《AI Agent發(fā)展現(xiàn)狀、行業(yè)結(jié)構(gòu)與趨勢分析》，天翼智庫，2024
[6] 作者介紹
彭照康
中級經(jīng)濟(jì)師、咨詢工程師（投資）
長期專注研究人工智能領(lǐng)域，深度參與北京市人工智能產(chǎn)業(yè)研究和政策規(guī)劃，參與完成《新一代信息技術(shù)領(lǐng)域發(fā)展態(tài)勢跟蹤》《智能算力中心組網(wǎng)成本研究》《人工智能對固定資產(chǎn)投資的影響》等多項(xiàng)咨詢工作。
李俊瑩
咨詢師
長期專注研究人工智能領(lǐng)域，深度參與北京市人工智能產(chǎn)業(yè)研究和政策規(guī)劃，參與完成《智算產(chǎn)業(yè)鏈發(fā)展研究》《大模型發(fā)展情況與形勢研究》《關(guān)稅政策對人工智能企業(yè)的影響》等多項(xiàng)咨詢工作。
編輯：張 華
審核：蘭國威
