智能体技术加快多场景应用

来源：经济日报

城市超级智能体实现城市治理与社会服务的智能化升级，医疗智能体高效处理复杂的医疗卫生业务工作……今年以来，智能体加速迈向产业化应用，逐渐成为引领产业智能化转型的重要驱动力。受访专家认为，随着行业规范与标准化体系逐步建立，智能体将加速落地赋能产业升级，有望推动人工智能与实体经济深度融合。

技术赋能效率提升

智能体凭借环境感知、任务编排灵活性以及复杂任务自动化处理能力，和云计算、大数据等技术结合，在多个领域展现出广阔应用前景。

中国信息通信研究院云计算与大数据研究所副所长栗蔚分析，一方面，客服、营销、办公助手、商业智能、代码助手、知识助手等通用场景的任务重复性高、流程规则性强，在这些领域，智能体可低成本实现任务自动化精准处理；另一方面，在数字化程度高的行业如金融、零售、教育、医疗等，智能体落地进程将更为迅速。

中国电子信息产业发展研究院人工智能研究中心执行副主任、信软所所长韩健认为，智能体技术不仅是现有技术的简单升级，更是一次范式转移。智能体让机器从简单的“脚本执行器”，进化成能独立思考和解决问题的“任务执行官”，完成了从工具到伙伴的关键跃迁。智能体将过去只有人类才能完成的、需要理解和判断的非结构化任务纳入了机器执行的范畴，极大扩展了机器能力的边界。

同时，智能体将企业内外部孤立的系统和任务，整合成一个高效协同、自我调节的“数字有机体”，大幅提升流程效率。传统企业拥有大量独立的软件系统，它们之间的数据和流程往往是割裂的，需要人工作为“中间件”来回切换和操作。智能体可以作为“超级连接器”，通过工具调用与所有系统交互，将原本分散的功能聚合起来，形成一个统一的、由意图驱动的操作层。多个智能体可以像一个团队一样，进行协商、分工、合作甚至竞争，系统整体表现出的智能将远超单个智能体的总和。智能体作为“数字员工”加入组织，将企业员工从重复、繁琐的工作中解放出来，实现组织运营效率的指数级提升。

“人工智能正从大模型阶段迈入智能体新阶段。传统大模型虽有强大的知识储备和语言能力，但不会分解和规划任务，不能使用工具。为了弥补大模型的不足，智能体应运而生。智能体具有分解和规划任务的能力、记忆和知识传承的能力、使用工具的能力，以及分工协作的能力。当4项能力全部具备，智能体就可以和人一样，从头到尾执行完成一个复杂任务。”360集团创始人周鸿祎说。

应用场景逐步拓展

今年被视为智能体产业化元年。当前，行业企业不断加大智能体应用力度，各领域应用场景逐步拓展。

在山东大学齐鲁医院临床技能培训中心，87位住院医师的年度考核中迎来了数十位虚拟化的“数字病人”。浪潮企业云打造的数字病人智能体通过构建多模态交互训练与人工智能辅助考核体系，打破了实体病例与线下教学的时空限制，为医学生带来了更加灵活的学习体验；还能完整留存训练过程数据并智能分析学生的知识薄弱点，提供定制化训练方案。“数字病人智能体一定程度上缓解了医疗实操资源不足和罕见病例缺失的情况，让医学生能随时随地进行实操训练，也方便医学院进行考核。”浪潮企业云负责云帆数字病人智能体的产品经理王思颖说。

在上海虹口，联想城市超级智能体实现全领域智能覆盖，深度介入城市管理全流程；在湖北宜昌，联想通过整合交通、能源、政务等全域数据资源，推动城市精细化运营与可持续发展。此外，联想还与福建武夷山、内蒙古呼和浩特等城市达成战略合作，陆续赋能文旅、交通、医疗、能源等多个领域。

国际数据公司IDC预测，到2026年，约有50%的中国500强数据团队将使用智能体实现数据准备和分析。韩健表示，部分跨行业通用智能体产品已开始规模化应用，聚焦客户支持、软件开发、销售和通用企业工作流程等领域。垂类专业智能体产品商业化起步，有望成为产业数智化转型重要抓手。智能体的爆发式发展是一系列技术、市场和生态因素同频共振的结果。大模型强大的逻辑推理、任务分解、长期记忆以及代码生成能力为智能体发展提供了技术基础；开发与应用门槛降低为智能体迅速发展提供了生态保障；清晰的商业需求与资本市场的推动为智能体提供了发展沃土。

规模化落地待突破

智能体产业化应用仍面临一些瓶颈。韩健分析，从技术看，模型性能、高质量数据集成为制约智能体性能提升的关键卡点。模型能力仍有待提升。从应用看，决策质量不确定、跨场景协作能力不足等仍是阻碍规模化落地的主要因素。从生态看，存在安全防护、不正当竞争、科技伦理、成熟度评价等风险挑战。

“智能体互联标准规范待统一。”栗蔚表示，当前，多智能体应用领域存在工具调用不畅、云和算力调用不灵活等挑战。

推动智能体从“实验品”走向“产品”再走向“商品”，需要在技术、信任和生态3个层面同时发力。韩健建议，在技术层面着力提升智能体的可靠性与协同性。在信任与治理层面，加快构建人机协同的“安全带”。在生态层面，持续降低开发门槛。

周鸿祎认为，企业要把智能体当人来用，明确角色定位。优先选择流程明确、人力密集的岗位进行试点，如合同审核、市场调研等。构建虚拟团队，通过多智能体分工协作处理复杂任务。由懂业务的骨干设计流程，人工智能团队提供技术支持。关键决策保留人类监督，确保可控可管。

“应持续完善智能体开发开源框架，并由云厂商提供一站式开发、托管和管理平台，让开发者能更便捷创建和部署智能体。构建行业级基准与数据集。建立标准测试平台和高质量行业数据集，用于训练和评估行业智能体的专业能力，加速其在垂直领域的应用。”韩健说。

本报记者 黄 鑫