问题——从对话工具到任务执行者，产业进入“智能体时代” 近期，能够既定目标下自主规划、调用工具并完成复杂流程的智能体应用加速扩散，推动人工智能从“回答问题”走向“完成工作”。多地开发者社区对开源智能体的关注持续升温，对应的工具在开源平台短期内获得大量反馈与参与，显示此形态正从概念验证迈向可规模化使用。与传统聊天机器人相比，智能体不仅要求更强的推理与工具使用能力，还需要跨应用协同、长期任务管理以及对外部环境的感知与操作能力。这些能力把人工智能的应用边界更推开，也让其更直接进入办公生产、内容制作、软件开发、客服运维等场景。 原因——模型能力、软件栈与生态协同叠加，推动“会做事”的系统成型 智能体快速落地，主要由三上共同推动：一是大模型能力持续提升，尤其在代码生成、任务分解、函数调用与多模态理解等环节更为成熟，使模型能将自然语言指令转化为可执行步骤；二是软件工具链与部署框架加快完善，围绕智能体开发、评测、权限控制、日志审计等形成更工程化方案，降低企业与个人的使用门槛；三是硬件与平台型企业推动生态协同，通过软件栈、开发套件与算力支持，把智能体从“单点能力”推向“系统能力”。在这一过程中，“词元”成为衡量调用规模与成本的关键指标。业内平台数据显示，模型调用的词元总量较年初明显增长，反映应用侧需求加速扩大，也意味着算力与能耗压力将同步上升。 影响——算力与数据中心扩容提速，产业竞争从“模型比拼”转向“体系能力” 随着智能体普及，产业竞争重心正在从单一模型性能转向“模型+工具+数据+算力+场景”的体系化能力。多国近期密集推出或调整相关政策：有的强调以“人工智能+”带动重点行业规模化应用，培育新业态新模式；有的通过设立投资基金、强化国际合作吸引初创企业与关键技术落地；也有地区推动优化监管框架、降低企业合规成本，以提升创新效率。 此外，算力基础设施扩容成为普遍选择。例如，部分欧洲国家提出到2030年大幅提升通用数据中心算力，并增加面向人工智能的专用算力供给；企业侧也在加大芯片制造与先进封装测试能力布局，试图以更稳定的供应链与产能支撑未来算力需求增长。 智能体带来的另一项直接影响，是行业数字化路径出现变化：过去更多依赖系统建设与流程重构，如今可能通过“人机协作+自动化执行”更快嵌入业务环节，提高效率，并改变岗位分工结构。移动通信、终端设备、机器人等领域也在加速引入相关能力，通信网络从“提供连接”向“云、算、数、智融合”的底座演进趋势更为清晰。 对策——以安全可控为底线，推动技术应用“可用、可管、可信” 智能体扩张也放大了风险：一是滥用风险上升，智能体具备调用工具与执行操作能力，一旦被恶意利用，可能带来更高效率的诈骗、攻击与信息操纵；二是数据与隐私风险更突出，跨应用执行任务往往涉及账号权限、敏感数据读取与外部接口调用；三是伦理与责任边界更复杂，执行链条变长后，错误、偏差或误操作可能造成实际损失，责任认定与追溯难度上升。 应对这些问题，需要形成“技术治理+制度规则+行业自律”的协同机制：在技术层面，强化权限分级、可审计日志、关键操作二次确认、敏感数据脱敏与隔离、模型输出水印与溯源等能力；在制度层面，完善风险分级与合规指引，明确不同场景的安全标准与责任边界，兼顾创新效率与底线要求；在产业层面，推动可信评测体系建设，鼓励平台方、开发者与应用方共同建立透明的安全响应机制，提升全链条治理能力。 前景——“智能体+行业”将进入规模化试点期，算力与治理将成为决定性变量 综合研判，下一阶段智能体应用将从开发者圈层进一步走向企业核心业务，率先在标准化程度高、流程可量化、工具接口完善的场景实现规模化，例如软件工程、办公自动化、运维监控、营销与客服等。与此同时，算力供给、能源成本与芯片制造能力将影响扩张速度；安全治理、合规体系与公众信任度将决定扩张上限。可以预见，全球人工智能竞争将更突出“基础设施能力”和“治理能力”的双重较量：既要跑得快，也要跑得稳。
智能技术的快速发展为全球经济带来新动能，也对现有治理方式提出新要求。未来，各国需要在技术创新与风险防控之间找到平衡，通过国际合作构建更包容、更安全的智能生态，才能更充分释放技术的普惠价值。