[ 商業場景中的智能體需要具備專業準確、高質量的交互能力，這背後，專業技能與高昂的研發投入仍必不可少。智能體的有效運作還需要豐富、精準的知識庫的無縫對接，保證輸出內容的權威性與實用性，進而滿足多元化、高要求的業務場景需求。 ]
「生成式人工智慧，我更看好的方向是什麼呢？是智能體（Agent）。」6月18日，百度方面披露了百度創始人、董事長兼執行長李彥宏近日在一次活動上的講話，他預計，智能體是AI時代的網站，將會有幾百萬、甚至更大量的智能體出現，形成龐大生態。
就在幾天前，百度前首席科學家、現Landing AI創始人兼CEO吳恩達也在一次公開場合展示了在視覺智能體方面的最新進展，他認為AI Agent正驅動下一個創新浪潮，並呼籲開發者們關注和參與AI智能體技術的發展。
而在上周末的智源大會上，智源研究院院長王仲遠在接受採訪時預計，智能體很有可能會成為爆款應用的一個方向，大模型可以讓它成為真正意義上的智能助理。「如果每個人都能擁有一個足夠智能和好用的助理，這種科技帶來的平權將催生重大的產業變革。這可能是C端應用的一個重要方向，也是令人興奮的前景。」
幾乎所有的大模型廠商都在布局智能體應用或平台，不過，在大廠紛紛開「卷」智能體的背景下，智能體何時出現爆款應用？商業化如何落地？這些問題尚未有明確答案。
業界普遍看好
簡單來說，智能體就是一個能夠感知環境、理解情境，並基於這些信息進行決策、採取行動的計算機系統。它就像是虛擬的機器人，能夠學習、適應並完成複雜的任務。
比如，在自動駕駛汽車中，智能體通過分析道路狀況、識別交通標誌和預測其他車輛的行為，從而引導人類安全地駕駛汽車；在遊戲領域，智能體可以作為對手或隊友，提供更具挑戰性和真實感的遊戲體驗。再如，近期正值高考季，有平台瞄準應屆學子群體上線類似AI志願助手的智能體，用戶提出問題如「600 分能上什麼大學」，會得到相應大學的推薦列表，也能回答學校往年分數線、專業情況、招生計劃、建議填報專業等等問題，作為考生志願參考。
去年以來，國內外科技大廠陸續布局智能體開發平台。例如OpenAI的GPT Store、谷歌DeepMind的SIMA、位元組跳動的Coze扣子、騰訊雲的騰訊元器、百度智能雲千帆AgentBuilder、阿里雲的AgentScope多智能體開發平台、科大訊飛星火智能體平台等。
在生成式人工智慧領域中，為什麼智能體成為被業界普遍看好的一個方向？
智能體的特性與生成式AI的需求非常契合。通常，智能體能夠處理和生成多種類型的數據，包括文本、圖像、聲音等，這使得智能體在多模態交互場景中表現出色。
智能體還有很強的適應性，更擅長「交流」。它們可以根據環境的變化或是用戶偏好、反饋來快速調整其策略和行為，從而生成更加準確和相關的內容。這意味著，當用戶和智能體交流時，從體驗上它更像一個真正的夥伴一樣回應你，而不是一個冷冰冰的機器，這種交互性讓智能體更加貼近用戶。
在現實世界中，情況總是不斷變化的，這就要求智能體能夠快速調整策略，應對新情況。例如，一個管理能源分配的智能體，需要實時監測電力需求，預測未來負荷，並據此優化資源分配，確保電網穩定運行。這種動態適應的能力，也正是生成式AI所追求的——在不斷變化的環境中，智能體能夠生成最適合當前情境的解決方案。
還有一個重要原因是，創建一個智能體的門檻足夠低。一些平台提供了用自然語言零代碼和低代碼方式創建智能體的選項。這意味著用戶不需要掌握程式語言，通過自然語言文字描述，就能夠完成創建一些簡單的智能體。
一些平台可以零代碼製作智能體，李彥宏分析，智能體就像網際網路時代的網站，門檻足夠低，「當時看網站是怎麼做出來的？通過瀏覽器一看原始碼，非常簡單，稍微改一點，我也可以做出來，今天做智能體跟這個很類似……起個名字，告訴它回答什麼、不回答什麼，就做成了。」他指出，智能體將會大量出現、形成生態。
業界對智能體充滿期待。中信證券近日研報指出， AI Agent作為當前語言模型應用落地的最佳形式，預計將迎來技術轉折，距離AI Agents應用落地或需6~12個月時間。
李彥宏則預計，「未來，在各行各業、各個領域都會依據自己具體的場景，根據自己特有的經驗、規則、數據，做出來這些智能體。」
智能體不僅能對話，還具備反思和規劃能力，「如果說得不對，它能自己想想哪兒錯了；它還有規劃能力，為了實現目的，能規劃要調用什麼工具。」李彥宏表示，智能體的這些能力正在逐步完善、門檻也足夠低，隨著基礎大模型能力增強，將誕生更多有價值的應用。
爆款應用還沒出現
儘管大廠們都在積極布局智能體開發，已經在搜索服務、內容生成、工業製造、遊戲開發、物聯網決策，以及智能終端融合等多個領域展現出應用價值。但到目前為止，智能體領域還沒有出現一款真正的爆款應用。
背後的原因，在於智能體要想從概念驗證走向大眾市場，還需要在提升用戶體驗、深化內容價值及優化交互模式等方面做出實質性的突破。
從第一財經記者的體驗來看，儘管部分智能體在特定場景下展現了一定實用性，但不少智能體的應用場景僅停留在新穎性層面，與傳統的App應用或者小程序對比來看，並未展現出壓倒性的優勢，更無法形成持久的用戶黏性。還有一些面向垂直領域的智能體，其內容深度和互動質量仍有待提高。
一位AI從業人士對第一財經記者表示，雖然智能體的基礎技術如機器學習、深度學習和自然語言處理等取得了顯著進展，但實現高度複雜和個性化交互方面仍有限制。而且，儘管一些平台提供了低代碼或無代碼的智能體開發工具，但對企業開發者而言，「一鍵式生成」遠遠不能滿足需求。
商業場景中的智能體需要具備專業準確、高質量的交互能力，這背後，專業技能與高昂的研發投入仍必不可少。智能體的有效運作還需要豐富、精準的知識庫的無縫對接，保證輸出內容的權威性與實用性，進而滿足多元化、高要求的業務場景需求。
此外，智能體更是一項系統工程，需要深諳市場需求與用戶心理，目前在精準匹配開發者需求、提供自然流暢的交互體驗以及創造獨特價值方面還存在挑戰。也因此，智能體市場競爭激烈，許多公司都在探索智能體的應用，但大多數應用尚未形成明顯的競爭優勢。
在商業化落地上，大模型廠商在構建智能體的生態系統和商業閉環方面仍在探索中。當前業界的主要精力放在技術研發和生態培育、拓展應用場景等方面，產業價值的釋放還需時間。一位從業者表示，未來如能通過百度、騰訊等官方插件和知識庫，並能將這些智能體一鍵分發到比如搜索、微信公眾號等渠道，或將找到商業化的機會。
不過，智能體的智能化程度與其學習能力、數據積累、技術疊代和用戶參與度緊密相關，隨著這些方面的不斷積累與進步，智能體也將變得越來越聰明。吳恩達也在演講中表示，雖然目前技術依舊有缺陷，但AI智能體工作流已經開始從一種新奇的「玩具」過渡到真正的實用階段，未來必將為開發者帶來前所未有的高效創新體驗。他相信，通過開源和社區合作，這些技術將不斷進步，顯著提升開發者的能力。
如何讓智能體真正用起來？
李彥宏預計，未來智能體或許將具備協作能力。「有些複雜的任務，可以通過多個智能體來完成，就像公司里有CEO，還有財務、技術、銷售主管，他們協作起來，就能完成一個非常複雜的任務。」
除了虛擬的智能體外，另一個方向是數字智能體與智能硬體結合。英偉達今年宣布成立GEAR實驗室，主要用於研究和布局具身智能、AI智能體等下一代AI與機器人結合的創新技術。
王仲遠也預計，大模型將以數字智能體的形態與智能硬體融合，以具身智能的形態從數字世界進入物理世界，同時，大模型這一技術手段可為科學研究提供新的知識表達範式，加速人類對微觀物理世界規律的探索與研究突破，不斷趨近通用人工智慧的終極目標。
不過他也提醒，硬體的發展速度比不上大模型的疊代速度，業界要保持客觀理性來看待具身智能大模型，包括人形機器人的技術發展周期，要能夠接受它在未來幾年內可能進入低谷，直到它跨越周期迎來真正的爆發。