人工智能（AI）正迎來從技術(shù)突破到價值落地的關(guān)鍵拐點。當前，大模型技術(shù)在參數(shù)規(guī)模、多模態(tài)能力和工程效率上持續(xù)迭代突破，千行百業(yè)展現(xiàn)出AI應(yīng)用的豐富場景，但AI技術(shù)的規(guī)模價值仍未得到充分釋放。

在此背景下，國務(wù)院印發(fā)《關(guān)于深入實施“人工智能+”行動的意見》（以下簡稱《意見》），明確提出普及智能體應(yīng)用，錨定以AI技術(shù)跨越價值落地鴻溝的目標，旨在通過AI深度重構(gòu)生產(chǎn)要素，進而發(fā)展智能經(jīng)濟，構(gòu)建智能社會。這一部署不僅符合技術(shù)演進的內(nèi)在規(guī)律，更切中了產(chǎn)業(yè)智能化的核心需求。

從應(yīng)用基礎(chǔ)來看，AI技術(shù)已具備規(guī)模化落地的用戶基礎(chǔ)。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心統(tǒng)計，截至2024年底，使用AI技術(shù)和產(chǎn)品的中國網(wǎng)民占比達17.7%；而2021年至2024年的寬帶流量數(shù)據(jù)顯示，2024年近半數(shù)流量增速由AI應(yīng)用貢獻。由此可見，AI已積累可觀的用戶基礎(chǔ)與實際使用規(guī)模。

但需注意的是，當前AI應(yīng)用服務(wù)仍難形成商業(yè)閉環(huán)。核心癥結(jié)在于，生成式AI雖能根據(jù)提示詞生成內(nèi)容，卻因缺乏長期目標、無主動發(fā)起任務(wù)的能力，無法感知物理世界，僅能作為“被動助手”存在，最終導(dǎo)致推廣受阻。而整合大模型（基礎(chǔ)認知）、記憶系統(tǒng)（長期目標支撐）、工具調(diào)用（物理世界交互）、規(guī)劃能力（主動任務(wù)發(fā)起）的智能體，正是破解這一困局的關(guān)鍵路徑，為AI從“內(nèi)容生成”轉(zhuǎn)向“任務(wù)執(zhí)行”提供了應(yīng)用范式。

智能體的核心價值在于主動執(zhí)行與動態(tài)優(yōu)化。它不僅具備任務(wù)執(zhí)行能力，還能基于反饋對執(zhí)行結(jié)果進行反思優(yōu)化；能調(diào)用數(shù)據(jù)庫查詢等軟件工具，也能連接外部傳感器、具身智能等硬件設(shè)備，承擔起“智能代理”的角色。但單一智能體（AI Agent）仍存在明顯短板，一是缺乏核心的因果推理能力，面對包含復(fù)雜時間變量與關(guān)系的問題時穩(wěn)定性不足；二是其輸出質(zhì)量高度依賴用戶提問的精準度，難以主動挖掘潛在需求。這種局限決定了單一智能體難以應(yīng)對產(chǎn)業(yè)場景中的復(fù)雜任務(wù)，需進一步向協(xié)同化方向演進。

為補齊這些短板，需從“單一智能體”向“智能體協(xié)同群（Agentic AI）”升級。通過新增中心化編排層，在封閉系統(tǒng)內(nèi)實現(xiàn)統(tǒng)一目標下的多智能體協(xié)作。這一模式如同“群策群力”，將多個智能體整合為“超級代理”。依托共享記憶庫，協(xié)同群可實現(xiàn)知識的集成、沉淀與集體反思，進而構(gòu)建多智能體協(xié)作生態(tài)。相比單一智能體，其應(yīng)用場景更豐富，能覆蓋多領(lǐng)域知識融合、復(fù)雜環(huán)境動態(tài)響應(yīng)及長周期任務(wù)接力等需求。

智能體協(xié)同群在封閉環(huán)境下應(yīng)用高效，但不適于在開放生態(tài)系統(tǒng)和異構(gòu)平臺集成應(yīng)用，下一步需依托區(qū)塊鏈、聯(lián)邦學(xué)習(xí)等分布式技術(shù)協(xié)議，開發(fā)開放環(huán)境下智能體互聯(lián)即智聯(lián)網(wǎng)（IoA），打造“智能體即服務(wù)”和“網(wǎng)絡(luò)即協(xié)作平臺”的生態(tài)，實現(xiàn)開放式異構(gòu)智能體的跨域協(xié)作。IoA可廣泛落地于智慧城市、智慧制造等領(lǐng)域，為各類場景提供“數(shù)字化身”式的智能支撐；不過，如何實現(xiàn)智聯(lián)網(wǎng)下異構(gòu)智能體的高效協(xié)同、責任邊界劃分與風(fēng)險管控，仍需進一步探索。總體而言，智能體協(xié)同群與智聯(lián)網(wǎng)是現(xiàn)階段推動AI從技術(shù)走向落地的關(guān)鍵環(huán)節(jié)，二者的發(fā)展成熟將成為未來向通用AI過渡的必要前提。

大語言模型作為智能體生成的關(guān)鍵，經(jīng)訓(xùn)練優(yōu)化可提供強大自然語言處理能力、知識庫及豐富信息，助其更好理解和回應(yīng)用戶指令、滿足需求。近期，OpenAI推出GPT-5，DeepSeek官方發(fā)布DeepSeek-V3.1版本，百度推出文心大模型4.5 Turbo和文心大模型X1 Turbo等。全球頭部廠商不斷提升模型基礎(chǔ)能力，在算法優(yōu)化、數(shù)據(jù)處理、多模態(tài)融合等關(guān)鍵領(lǐng)域持續(xù)突破，推動大語言模型向更高性能、更廣泛應(yīng)用的方向邁進。

值得一提的是開源生態(tài)。開源模式不僅能促進技術(shù)的快速傳播與交流，讓更多開發(fā)者能夠基于先進模型進行二次創(chuàng)新，還能吸引全球范圍內(nèi)優(yōu)秀人才共同參與模型改進和完善，形成良性技術(shù)迭代循環(huán)。

無論是智能體迭代，還是智聯(lián)網(wǎng)構(gòu)建，都離不開底層算力的支持。過去一年，行業(yè)雖然持續(xù)探索大模型技術(shù)創(chuàng)新以降低對算力的需求，但算力緊張的局面仍然制約AI的應(yīng)用。國產(chǎn)算力技術(shù)的突破尤為迫切。近年來，國內(nèi)一些企業(yè)取得了很有影響力的進展。昆侖芯早前點亮了三代萬卡集群，通過超大規(guī)模并行計算能力，大幅縮短了千億參數(shù)模型的訓(xùn)練周期，顯著提升了AI原生應(yīng)用的迭代效率，為多模態(tài)數(shù)據(jù)與復(fù)雜任務(wù)的開發(fā)奠定了堅實基礎(chǔ)。

產(chǎn)業(yè)智能化的深入推進，最終依賴人才這一核心動力。人才培養(yǎng)是培育AI創(chuàng)新生態(tài)的重要一環(huán)，頭部企業(yè)也在這方面做了富有成效的探索。

從智能體的技術(shù)突破到智聯(lián)網(wǎng)的未來探索，從算力基座的夯實到產(chǎn)業(yè)應(yīng)用的落地，這一進程的背后需要政策發(fā)揮領(lǐng)航作用。隨著《意見》的深入實施，我們定能加速進入智能體時代，讓AI成為社會高質(zhì)量發(fā)展的強勁動能。