用戶隻需給出一句話的簡單指令，就能自動打開手機上的美團、小紅書等相關 App，并根據指令自動完成外賣下單、撰寫文案、制作視頻等具體工作。8 月底，AI 獨角獸公司智譜發布了全球首個通用手機 Agent(智能體)，展示了智能體給用戶使用手機帶來的最新變革。
AI 智能體是今年最火的人工智能賽道之一。年初，一款名為 Manus 的通用 AI 智能體一經發布，便迅速吸引全球目光。Manus 能夠處理簡曆自動篩選、房産信息調研、股票分析等任務，成為繼 DeepSeek 之後今年 AI 圈的又一現象級産品。OpenAI、谷歌、字節跳動、阿裡等全球人工智能頭部企業更是無一不在智能體産品開發上持續加碼，讓這一賽道的競争日趨白熱化。
智能體蹿紅的背後，是全球人工智能行業對大模型落地應用的加速推進。依托智能體，大模型正加快深入各行各業的具體業務場景中，幫助解決越來越多實際問題。在青島，就有一批聚焦細分行業領域的企業，正圍繞智能體應用開展積極探索和實踐。
大模型 “長出手腳”
在業界，智能體并非一個新概念。早在 2023 年初，ChatGPT 剛上線不久，OpenAI 就參照自動駕駛 L1 到 L5 的進階圖，發布了一張通用人工智能的進階路線圖。
在這張路線圖中，“智能體” 被定義為通用人工智能發展的 L3 階段，特征是能夠自主使用工具，進行任務規劃、決策、行動。而此前的 L1 和 L2 階段分别為聊天機器人階段和 AI 推理階段。
顯然，智能體是 AI 大模型能力發展到一定水平的産物，核心理念是讓大模型自主調用各類工具去執行更加複雜的任務。“大模型像是大腦，它負責認知、理解，各種智能體就像是手和腳，按照大腦的指令完成各項任務。” 華正信息技術股份有限公司技術開發副總經理李然說。
從 ChatGPT 到 DeepSeek，近幾年全球通用大模型的能力以幾何級速度躍升。與之形成鮮明對比的是大模型的商業化進程仍不算快。如何将訓練大模型所耗費的巨大投入在市場中實現商業變現，是幾乎所有人工智能企業面臨的共同課題。而這在很大程度上取決于大模型在具體業務場景中幫助各行各業解決實際問題的能力。智能體正是解決了大模型的 “專業” 問題，通過給大模型工具，讓大模型能夠得心應手地處理用戶或企業的個性化需求。
創新奇智在制造業中的實踐頗具代表性。公司 CTO 張發恩以數據管理為例介紹，過去基于大模型的數據管理應用是直接把數據拿過來分析，升級為智能體後，相當于給大模型下指令的同時告訴它還有很多工具可以用，比如可以調用生産數據、營銷數據、售後數據。
“當我讓它做一個完整的分析表，它會理解我的需求以後去調用各種工具，拿回數據以後進行整理。與過去不給它工具相比，能力更加強大。所以智能體的本質是讓大模型能夠把人類的需求翻譯成它自己能做的和一系列工具調用，最終産生一個混合的結果。” 張發恩說。
不難看出，智能體讓大模型不再是簡單的對話或搜索工具，而是能夠在越來越多産業場景中創造價值。某種意義上，智能體浪潮的來襲标志着大模型商業化時代的全面到來。正如特斯拉前 AI 總監、OpenAI 創始團隊中的明星研究員安德烈・卡帕斯曾說過的那樣：2025 年并非智能體之年，而是智能體十年的第一年。
發力企業級 AI 智能體
種種迹象表明，智能體已經成為大模型之後，企業繼續留在 AI “牌桌” 上的重要籌碼。
今年以來，全球科技 “大廠” 在智能體布局上的不斷提速有目共睹。OpenAI 推出 ChatGPT 智能體，OpenAI 稱該智能體能夠智能調用浏覽器工具、深度信息整合能力與語言生成能力，完成包括在線購物、訂餐預約、撰寫研究報告、制作 PPT 和财務分析在内的多步驟複雜任務;谷歌針對 AI 編程市場的持續升溫，發布了開源 AI 智能體 Gemini CLI(命令行界面);百度在電腦端搜索頁面測試開放智能體應用入口，智能體來自文心智能體平台、外部優質 AI 應用以及部分百度自研應用……
不僅如此，頭部企業更是加速構建智能體生态。字節跳動旗下火山引擎 6 月發布新版豆包大模型的同時，發布了 12 款面向 AI 智能體開發和應用的工具産品;阿裡雲百煉上線業内首個全生命周期 MCP(模型上下文協議)服務，支持通過無代碼方式快速構建智能體應用;騰訊全面升級面向企業用戶的騰訊雲智能體開發平台，以及面向個人用戶的 “騰訊元器” 等兩大智能體開發平台……
與在消費級市場以及通用應用市場上具有明顯優勢的互聯網巨頭不同，AI 中小企業則将焦點更多放在以企業級市場為代表的垂直領域。這也正是當下青島企業布局發展智能體的主要路徑。
相較 “大廠”，這些長期深入各行各業一線為企業提供 AI 服務的中小企業，更直接感受到了應用端對智能體的需求。
就以人工智能目前在工業中十分典型的應用領域 AI 質檢為例，企業需要的不隻是發現問題，更是解決問題，而要做到這一步就離不開智能體。華正的李然介紹，他們公司就正将解決方案升級為 “大模型 + 智能體”，不是單純地檢測缺陷，智能體可以調用生産過程中的運行數據并結合工藝參數、曆史問題及案例庫等數據，幫助判定缺陷産生的原因和應對缺陷的方法，後續避免缺陷再次發生，實現從 “識别” 走向 “診斷” 與 “決策輔助”。
“除設備質檢外，華正還開發落地了智能問數、智能問答、人員招聘、合同審查等多款智能體産品。目前，正在與其他企業聯合開發針對化工行業的安全生産大模型及智能體應用。” 李然說。
設備運維也是當下智能體大展拳腳的領域。山東海博科技信息系統股份有限公司研發運維智能體已經 “上崗”。該公司相關業務負責人孫童童介紹，運維智能體的核心競争力在于能動态監測設備狀态，通過多維度分析精準定位故障根源，同時自動觸發修複流程。目前，從運維智能體在公司自主研發的體檢機器人與無人評測考核機器人上的應用看，在設備日常巡檢、基礎故障處理等簡單運維場景中，智能體讓工作人員數量需求直接降低 50%，更規避了人工運維存在的響應延遲、操作誤差等問題。
不隻是軟件企業和 AI 服務提供商，制造業企業憑借對業務場景的熟悉也加入了這場激戰。服裝行業的酷特智能研發了 “酷特 AI Agent 數智化企業級操作系統”，專注企業輕管理以及智能制造兩個方向。今年 6 月舉行的 2025 華為開發者大會上，酷特智能發布了企業 AI 大腦智能體、需求 AI 解析智能體、企業 AI 助理智能體等三款企業級通用智能體應用。目前，酷特 AI Agent 已在包括服裝鞋帽、機械、電子、化工、醫療等在内的 50 多個行業的 150 多家企業中進行了實踐和探索。
未來兩到三年或将成為企業通用工具
AI 智能體的應用正呈現加速度。
創新奇智首席産品官李凡早前曾表示，預計未來兩到三年，AI 智能體将成為企業通用工具，自建非關鍵 AI 智能體會十分普遍。
從市場數據來看，國際市場研究機構 Research and Markets 發布的報告指出，AI 智能體市場規模将從 2024 年的 51 億美元躍升至 2030 年預期的 471 億美元，年複合增長率達 44.8%。IDC 的研究報告則指出，到 2027 年，60% 的大型企業會采用協作型智能體系統，将業務流程效率提升 50% 以上。
不論願不願意，就像當初的互聯網大潮，智能體都将是每個企業甚至每個人不得不擁抱的 “夥伴”。
如何應對?
從技術新名詞到得心應手的生産工具，AI 智能體越是深入企業具體業務場景中，越是依賴高質量的數據，企業的 “數據能力” 成為影響智能體落地快慢的一大關鍵。
IBM 大中華區技術銷售總經理、首席技術官翟峰曾在媒體采訪中表示，企業想要通過 AI 獲得收益需要先回答三個問題：高質量的數據有沒有?有沒有在用?有沒有發揮作用?在他看來，企業級 AI 落地最重要的因素是數據，沒有數據，一切都是空談。
以工業為例，賽迪研究院信息化與軟件産業研究所人工智能研究室主任王宇霞表示，工業現場存在諸如數據孤島、數據缺失、噪聲幹擾等問題，現有數據是否足以用于訓練工業智能體，使其達到安全可靠的水平尚且存疑。有報告顯示，制造業數據中隻有 44% 被有效利用。工業知識壁壘高，構建高級别的語料庫存在非常大的難度。
青島企業在推進智能體落地過程中的實踐也印證了這一觀點。
“很多客戶不缺數據。比如有的企業在發展的過程中，積累了 1000 多個 App。怎麼打通這些 App，如何利用‘汗牛充棟’的數據?我們會幫助客戶做數據治理、應用治理和整理，讓它變成一個能随時應變的企業。” 創新奇智 CEO 徐輝說。在他看來，智能體比拼到最後一定是 “模型 + 行業場景 + 行業數據”。
在華正打造的華正雲數字化平台中，前兩層均與數據相關。第一層是物聯網平台，主要負責邊緣側的設備數據采集和智能感知;第二層是數據中台，負責彙聚、清洗和治理多源數據，打造統一數據底座，讓數據 “能管理、可互通”。高質量數據作為 AI 的 “核心燃料”，是數智融合應用的核心基石。第三層才是 AI 中台。
面對 AI 智能體落地的不斷提速，青島企業也在加快建立全方位能力，以搶抓産業寶貴的時間窗口。
“華正今年的目标是為企業提供面向财務、法務、人力、生産、供應鍊、應急安全、售後等核心業務領域的智能體産品，并通過多場景智能體的深度協同與智能調度，構建全流程 AI 智能體應用閉環，為企業核心業務的智能化升級提供一體化解決方案。” 李然表示。
創新奇智打造了面向企業級開發者的 AI 智能體開發平台，将搭建智能體所需的大模型、知識庫、工作流、工具等要素組件化，讓企業開發者以可視化、低代碼方式構建智能體應用。目前，該平台已使開發周期縮短超 60%。
海博科技也并未止步于單一智能體研發，而是同步打造了低代碼智能體開發平台。平台将複雜的底層技術開發流程轉化為可視化的 “拖拉拽” 操作，用戶或開發者即使不具備深厚的編程功底，也能快速搭建并定制專屬智能體。目前，該低代碼平台已在企業内部實現規模化落地，顯著縮短了智能體産品的開發周期。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
