从大模型到智能体，能干活的AI员工开始“上岗”！｜直击2025外滩大会

《科创板日报》9月12日讯（记者 黄心怡）“今年是智能体很重要的一年，不少企业都在致力于打造人机融合的新型组织。”上海交通大学安泰经济与管理学院副院长刘少轩在外滩大会期间接受《科创板日报》采访时表示。

“目前金融头部企业已在利用智能体解决实际场景的问题，甚至达到‘机智过人’（机器的智能超过人）的程度。除了金融业正在规模化推广智能体，医疗行业也有较大的应用空间。”刘少轩称。

在今年的大会外滩上，多个AI智能体相关应用相继发布。《科创板日报》从多名业内人士采访了解到，“数字员工”已开始在企业上岗，招聘、政务、销售、金融等领域成为重点拓展方向。

▍“数字员工”做招聘、干营销

蚂蚁集团旗下数字蚂力会上推出首批专家级“AI数字员工团队”，覆盖客服、营销、巡检、销售培训及研发五大业务领域。蚂蚁保发布了基于大模型技术的智能保险顾问“蚁小保”，提供保险产品解读、保险方案配置和陪伴式理赔服务，解决用户在保前、保中和保后的保险疑问和需求。

《科创板日报》注意到，AI招聘成为不少企业的发力点。比如，此次大会上支付宝数字就业团队发布AI就业助手“晓叶”，依托人工智能大模型与数字人技术，提升企业招聘与求职者找工的体验。

京东集团探索研究院副院长何晓冬此前接受《科创板日报》采访时就表示，京东正通过招聘官Agent来大量招聘外卖骑手。“光靠人不够，就结合直接大模型和agent，从从最开始触达、安排数字人面试，检查是否符合要求，最后审批入职，全套任务都可以用Agent执行。”

何晓冬透露，目前面试了超过十万人，已经入职4万人。

今日人才创始人胡伟则向《科创板日报》记者透露，其推出的聚焦招聘场景的数智员工，已服务多家行业大厂，其中一家企业通过它实现了“一年招聘1.9万人”。

“数智员工会模拟人类操作，去网站搜寻简历，和面试者聊天，然后进行邀约。数智员工非常懂企业，对公司的五险一金、一周工作时长、工作内容等都会进行回答。“

除了招聘，胡伟还看好政务和销售两大领域：“政务领域的基层减负需求迫切，数智员工能高效处理大量文字材料；中小企业难以招聘顶尖销售，而数智员工能把IBM等企业的销售经验‘复刻’过来，帮助中小企业提升业绩。”

《科创板日报》获悉，BOSS直聘也在用AI构建招聘生态。对C端求职者，推出AI面试训练工具，帮助用户模拟面试场景、提升求职技巧，还可以AI润色简历。对B端企业，AI助手可辅助进行简历筛选、候选人管理，优化招聘效率。

▍从大模型向智能体跃迁

清华大学副教授、面壁智能首席科学家刘知远认为，人工智能正在经历从大模型向智能体的关键跃迁。

他强调，专业智能体面临的核心挑战，主要是泛化性、自主性与长程性，即面对陌生环境的适应力、持续自我进化与学习的能力，以及对海量历史信息的高效管理和复用机制。

他表示，多智能体系统正成为新一代群体智能的基础设施，通过仿生分布式架构实现智能体之间的自主协作与动态演化，其影响已从学术研究扩展至产业实践。

Pokee AI创始人朱哲清指出，RLHF（人类反馈强化学习）和RLVR（带可验证奖励的强化学习）大幅提升了模型在数学、代码生成等领域的表现。他以DeepMind的Gemini “Deep Think”为例，已能解决国际数学奥林匹克竞赛（IMO）中5道题，达到金牌水平，显示智能体在复杂推理任务中已具备接近人类的性能。

朱哲清曾任Meta“应用强化学习”部门负责人，他创办的Pokee AI是以强化学习技术为核心的智能体产品。

随着AI在代码生成表现上的不断提升，CLACKYAI CEO李亚飞认为，未来将只有顶级程序员和普通人，而没有中间程序员。

“或者说，只有维护AI系统的人和使用AI系统的人，这是最终的形态。AI编程工具服务于顶级工程师，满足他们对高级编程工具的需求，这部分市场机会很大，需求也非常明确。但对于创业公司而言，现在进入该领域已经太晚了。而我们主要面向普通用户市场，这里还有很多‘最后一公里’的工作要做。”

随着智能体应用密集涌现，一些云计算厂商在为Agent应用创业者提供更多支持。比如亚马逊云科技已推出Kiro预览版，一款专为AI Agent打造的集成开发环境（agentic IDE），通过简化的开发体验，帮助开发者实现从概念构想到生产部署的全过程。

▍智能体落地面临成本与性能的平衡

尽管技术高速演进，智能体在实际落地中仍面临诸多挑战。

Ponder CEO盛思雄以AI制作PPT为例，从人机交互的角度指出，当前智能体输出内容“碎片化”问题严重，缺乏对信息的深度组织与逻辑构建能力，导致用户仍需花费大量时间整理和修改结果，真正意义上的“智能”尚未实现。

他认为应跳出“格式至上”的误区，回归以人为本、过程导向的交互设计。

成本与性能之间的平衡同样是一大现实瓶颈。Pokee AI朱哲清坦言，尽管智能体在特定场景（如编程、数学）中表现优异，但其推理成本高、扩展性差的问题限制了大规模商用。尤其在高并发环境中，如何保持系统稳定与响应速度，仍是对技术团队的极大考验。

刘少轩认为，数据是未来企业应用AI的燃料。数据的质量、数据的体量、数据流通的效率，决定了AI应用创新能够走多远。如何能够推动数据要素的合规、安全流动，是非常重要的一课题。

“要充分挖掘数据的商业价值，需要实现在确定数据安全、数据合规的情况下，实现多模态、多元的数据汇集，在跨企业之间，实现共享和协同。”刘少轩强调。