2025年被認(rèn)為是“AI智能體元年”。隨著各廠商密集發(fā)布AI智能體，Agent似乎開始廣泛走向終端落地。但熱潮背后，早期“爆款”產(chǎn)品也遭遇了用戶關(guān)注度下降甚至影響續(xù)費(fèi)率的尷尬。

與此同時(shí)，在今年開源模型的推動(dòng)下，智算一體機(jī)品類再度受到高度關(guān)注，被視為大模型落地的“最后一公里”。而使用者依然存在對(duì)其應(yīng)用過程中出現(xiàn)幻覺、安全與合規(guī)等方面的深層焦慮。

Agent在今年到底落地到了什么程度？智算一體機(jī)的高關(guān)注度，又能為Agent注入怎樣的動(dòng)能？產(chǎn)業(yè)界正在尋求更優(yōu)答案。

AI智能體疾馳

從創(chuàng)業(yè)公司立足推出AI Agent產(chǎn)品，到越來越多基礎(chǔ)大模型廠商開始發(fā)布帶有智能體功能的平臺(tái)或產(chǎn)品，今年Agent形態(tài)開始正式走向大眾市場(chǎng)。

“2025年被廣泛認(rèn)為是‘AI智能體（Agent，也稱“代理AI”）元年’。行業(yè)普遍認(rèn)為，代理型AI是今年及未來的關(guān)鍵技術(shù)趨勢(shì)。”Gartner研究副總裁孫鑫對(duì)21世紀(jì)經(jīng)濟(jì)報(bào)道記者指出，總體來看，2025年標(biāo)志著代理型AI走向主流化。這些智能體正從簡(jiǎn)單輔助工具進(jìn)化為復(fù)雜、協(xié)同的生態(tài)系統(tǒng)，將深刻改變企業(yè)自動(dòng)化復(fù)雜任務(wù)和決策的方式。這需要戰(zhàn)略性投資專業(yè)AI技術(shù)，促進(jìn)跨部門協(xié)作，并堅(jiān)持倫理治理，以充分發(fā)揮其中潛力。

2025年Agent產(chǎn)品迭代正出現(xiàn)新的變化，孫鑫對(duì)記者分析，集成代理型AI的產(chǎn)品將提供更個(gè)性化、主動(dòng)且流暢的用戶體驗(yàn)，這要求產(chǎn)品團(tuán)隊(duì)重新思考設(shè)計(jì)與開發(fā)策略，融合智能體驅(qū)動(dòng)的解決方案；同時(shí)，投資重點(diǎn)逐漸轉(zhuǎn)向適應(yīng)垂直行業(yè)和多模態(tài)輸入的專業(yè)模型，由此提升智能體表現(xiàn)。

在此支持下，企業(yè)將建立完善的監(jiān)測(cè)和反饋系統(tǒng)，推動(dòng)智能體能力的不斷優(yōu)化。而面向代理型AI的開發(fā)和部署需要IT、產(chǎn)品管理、客戶服務(wù)及治理等多個(gè)職能部門緊密合作；也不能忽視治理、隱私與倫理問題。

然而，此前一度驚艷市場(chǎng)、“一碼（邀請(qǐng)碼）難求”的部分明星Agent產(chǎn)品似乎后續(xù)走入“高開低走”的困境。

在孫鑫看來，一些爆火的Agent產(chǎn)品用戶興趣下降和續(xù)費(fèi)率低迷，主要原因要從產(chǎn)品能力、市場(chǎng)策略等方面剖析。

“比如許多廠商存在‘Agent Washing’現(xiàn)象，將一些自動(dòng)化程度低的傳統(tǒng)產(chǎn)品簡(jiǎn)單重新命名為AI智能體，夸大其功能。這導(dǎo)致用戶期待過高，但實(shí)際體驗(yàn)不符，引發(fā)失望，進(jìn)而降低興趣和續(xù)費(fèi)意愿。”他進(jìn)一步指出，此外，缺乏明晰且可預(yù)期的定價(jià)結(jié)構(gòu)，讓用戶難以理解產(chǎn)品成本，增加了續(xù)費(fèi)和長(zhǎng)期使用的顧慮。

他還提到，如果產(chǎn)品帶來的效率或效果提升無法顯著優(yōu)于現(xiàn)有方案，就容易讓用戶失去興趣。而部分Agent產(chǎn)品在使用和集成過程中，還存在對(duì)用戶要求較高的情況，也影響了用戶采納和續(xù)訂。

針對(duì)今年各家廠商積極研發(fā)Agent產(chǎn)品的趨勢(shì)，孫鑫提出建議：優(yōu)先提升產(chǎn)品的用戶交互體驗(yàn)，開發(fā)更加直觀、具備上下文感知和自然語言交互能力的智能體；同時(shí)嵌入透明的AI治理框架和安全機(jī)制；還需針對(duì)高價(jià)值場(chǎng)景設(shè)計(jì)專業(yè)化解決方案，從而促進(jìn)采納率和續(xù)費(fèi)率提升。

智算一體機(jī)驅(qū)動(dòng)

除了智能體形態(tài)產(chǎn)品正逐漸落地之外，今年AI應(yīng)用市場(chǎng)另一個(gè)備受關(guān)注的方向是智算一體機(jī)。尤其在年初DeepSeek持續(xù)推動(dòng)開源模型降本增效背景下，借力智算一體機(jī)讓部分行業(yè)更快擁抱AI技術(shù)正成為重要趨勢(shì)。

長(zhǎng)遠(yuǎn)來看，一體機(jī)的落地迭代也有望進(jìn)一步促成Agent產(chǎn)品的更好優(yōu)化。

孫鑫對(duì)21世紀(jì)經(jīng)濟(jì)報(bào)道記者分析，隨著智能計(jì)算機(jī)與邊緣側(cè)全棧生成式AI（All-in-One GenAI Stack）的集成，智算一體機(jī)在邊緣的快速發(fā)展將顯著加快AI智能體的發(fā)展與迭代。

具體來說，他對(duì)記者指出，在智能計(jì)算機(jī)具備先進(jìn)的處理能力，可在本地完成復(fù)雜計(jì)算，減少延遲、提升Agent的響應(yīng)速度和實(shí)時(shí)決策能力，支持更快功能迭代。同時(shí)，邊緣設(shè)備的獨(dú)立運(yùn)行能力使Agent能夠自主完成任務(wù)，實(shí)時(shí)從環(huán)境中學(xué)習(xí)并調(diào)整行為。

“全棧GenAI能支持多種數(shù)據(jù)類型，如文本、音頻、視頻等，由此可以增強(qiáng)Agent對(duì)上下文的理解和交互能力。而且，智能計(jì)算機(jī)可以為Agent提供持續(xù)的環(huán)境數(shù)據(jù)，進(jìn)而形成反饋閉環(huán)。”孫鑫補(bǔ)充道，而在開發(fā)過程中，集成的GenAI開發(fā)工具將降低開發(fā)難度，推動(dòng)Agent快速進(jìn)行原型設(shè)計(jì)和迭代。

不僅是Agent單體能力提升，讓多個(gè)Agent進(jìn)行協(xié)同工作，最終統(tǒng)一輸出答案也是當(dāng)前落地趨勢(shì)之一。邊緣智算一體機(jī)就能支持多個(gè)Agent協(xié)作，形成更強(qiáng)大、有效的多智能體系統(tǒng)，進(jìn)一步提升Agent處理復(fù)雜任務(wù)的能力。

“整體來看，邊緣側(cè)智能計(jì)算設(shè)備與全棧生成式AI的集成，為Agent的快速發(fā)展和迭代創(chuàng)造了理想環(huán)境，將推動(dòng)更強(qiáng)大、自主、高效的智能體系統(tǒng)，顯著提升企業(yè)業(yè)務(wù)流程和用戶體驗(yàn)。”孫鑫總結(jié)道。

對(duì)于備受詬病的模型幻覺問題，他對(duì)記者分析，當(dāng)前行業(yè)已經(jīng)在落地階段性解決方案。這包括多個(gè)維度，例如構(gòu)建負(fù)責(zé)任的AI框架，制定開發(fā)和部署AI規(guī)范、提升透明度和問責(zé)性等；而促使幻覺產(chǎn)生的一個(gè)重要原因是數(shù)據(jù)質(zhì)量不佳，AI廠商也在注重提升相關(guān)能力；還可采用“人機(jī)閉環(huán)”機(jī)制，由人工審查模型輸出結(jié)果，尤其在高風(fēng)險(xiǎn)場(chǎng)景中幫助發(fā)現(xiàn)和糾正錯(cuò)誤內(nèi)容，提高整體準(zhǔn)確率。

從未來演進(jìn)策略角度，他進(jìn)一步告訴記者，未來模型迭代預(yù)計(jì)將引入更先進(jìn)的訓(xùn)練技術(shù)，降低幻覺率，包括使用更豐富、高質(zhì)量和多樣化的數(shù)據(jù)集，增強(qiáng)模型理解和生成能力等。當(dāng)然，針對(duì)特定行業(yè)或任務(wù)定制領(lǐng)域?qū)Ｓ媚Ｐ蛯⒃絹碓蕉啵@也可以提高性能并減少幻覺。

“隨著AI使用法規(guī)趨嚴(yán)，組織需要采納安全部署措施，推動(dòng)針對(duì)幻覺管理和倫理使用的標(biāo)準(zhǔn)化流程建立。”孫鑫補(bǔ)充道，AI服務(wù)交付在未來將依靠技術(shù)供應(yīng)商、數(shù)據(jù)工程師、監(jiān)管機(jī)構(gòu)等多方協(xié)作，以此來提升AI系統(tǒng)整體安全性和可靠性。

金融+AI的攻與守

從具體行業(yè)實(shí)踐來看，在AI大模型技術(shù)快速迭代過程中，金融被認(rèn)為是極具潛力的落地行業(yè)之一。但同時(shí)，該行業(yè)的特殊屬性，令其應(yīng)用AI技術(shù)過程中也面臨大量挑戰(zhàn)。

Gartner全球金融行業(yè)分析師顏晶分析指出，銀行確實(shí)嘗到了采用AI的“甜頭”，但更大范圍的規(guī)模化價(jià)值兌現(xiàn)仍面臨三道高墻——預(yù)算、人才與規(guī)劃。同時(shí)，智能體（Agentic AI）的演進(jìn)正打開下一幕：從被動(dòng)問答到主動(dòng)決策，銀行服務(wù)的底層邏輯將被重塑。

從金融行業(yè)目前部署AI的進(jìn)展來看，Gartner認(rèn)為，到2026年，全球銀行業(yè)至少30%的生成式人工智能項(xiàng)目將在概念驗(yàn)證（POC）后因數(shù)據(jù)質(zhì)量差、預(yù)算限制、缺乏專業(yè)知識(shí)或商業(yè)價(jià)值不明而被放棄。

目前，銀行在核心業(yè)務(wù)部署生成式AI的腳步仍然緩慢，據(jù)Gartner統(tǒng)計(jì)僅10%，相比之下，非核心業(yè)務(wù)部門的部署率相對(duì)高很多。這反映出，銀行業(yè)更希望在見效快、風(fēng)險(xiǎn)低或易標(biāo)準(zhǔn)化的部門，率先部署AI。

總結(jié)目前的掣肘，顏晶指出，根據(jù)Gartner統(tǒng)計(jì)，2024年金融機(jī)構(gòu)為AI相關(guān)技術(shù)投入的預(yù)算僅占總支出的4%。這背后是考慮到合規(guī)和監(jiān)管壁壘、開發(fā)AI產(chǎn)品高昂的研發(fā)成本、風(fēng)險(xiǎn)收益不成正比等因素。“根據(jù)VISA實(shí)驗(yàn)室公布的一項(xiàng)數(shù)據(jù)，如果想降低反欺詐AI的誤報(bào)率，每降低1%，VISA就要增加300%的算力投入。因此目前對(duì)很多金融機(jī)構(gòu)來說，這是一件性價(jià)比不太高的事。他們更希望等到‘技術(shù)、法規(guī)和市場(chǎng)’這三角都成熟之后，才更愿意對(duì)AI投入加速。”

人才缺乏是傳統(tǒng)行業(yè)迎接新技術(shù)時(shí)都會(huì)面臨的挑戰(zhàn)。相比之下，AI初創(chuàng)公司或科技巨頭無論從企業(yè)文化還是薪資等方面都更具吸引力。

更隱蔽卻重要的是潛在的“失敗規(guī)劃”：數(shù)據(jù)孤島、成本估算不合理、POC陷阱，讓大量項(xiàng)目倒在從實(shí)驗(yàn)階段到落地的“死亡谷”中——許多銀行用理想化的小數(shù)據(jù)集跑出95%精準(zhǔn)度，一旦切回真實(shí)環(huán)境，性能驟降20%以上；前期預(yù)算只考慮到GPU訓(xùn)練費(fèi)用，上線后才發(fā)現(xiàn)在持續(xù)運(yùn)維、數(shù)據(jù)更新方面仍要進(jìn)行投入。

當(dāng)然金融機(jī)構(gòu)正著手應(yīng)對(duì)。顏晶舉例道，在技術(shù)層面，可通過采用MoE混合專家模型、模型蒸餾等技術(shù)，將大模型的能力下沉到更適合特定場(chǎng)景的小模型中，在保證性能的同時(shí)控制成本。在數(shù)據(jù)治理方面，需要打破部門墻，建立企業(yè)級(jí)的高質(zhì)量、高合規(guī)數(shù)據(jù)底座。同時(shí)應(yīng)積極參與監(jiān)管沙盒，在合規(guī)框架內(nèi)創(chuàng)新。

現(xiàn)階段來說，AI技術(shù)已經(jīng)在銀行業(yè)多個(gè)領(lǐng)域創(chuàng)造了可量化的價(jià)值：AI自動(dòng)化了大量重復(fù)性高、規(guī)則性強(qiáng)的任務(wù)，如報(bào)告自動(dòng)生成、單據(jù)審核等；結(jié)合OCR圖像識(shí)別與生成式AI技術(shù)，能智能化處理大量文件，縮短業(yè)務(wù)辦理時(shí)間；AI模型還能實(shí)時(shí)分析交易行為識(shí)別異常模式，在消費(fèi)行為發(fā)生顯著偏離時(shí)及時(shí)預(yù)警。

在今年“智能體元年”的背景下，AI技術(shù)在金融領(lǐng)域的應(yīng)用也逐漸從“工具”向“代理”演進(jìn)。Gartner認(rèn)為，其發(fā)展可分為四個(gè)階段。

最初是基于規(guī)則引擎或自然語言處理，處理簡(jiǎn)單的問答任務(wù)，可稱之為“對(duì)話智能體”，其應(yīng)用也面臨較大局限性；到2024年演進(jìn)到“AI助手”階段，可以幫助銀行內(nèi)部員工處理更復(fù)雜的對(duì)話，甚至幫助撰寫部分報(bào)告；進(jìn)入2025年正在見證“自主AI智能體”的興起，其能在極少人工干預(yù)下，做簡(jiǎn)單的決策如貸款初審，但最終仍需人工復(fù)核。

銀行業(yè)當(dāng)前正探索的是下一階段的“代理體AI”，未來其有望改變銀行的服務(wù)模式，甚至創(chuàng)造出新產(chǎn)品或商業(yè)模式。

“Agentic AI是未來最有變革影響力的一種技術(shù)，而且它在未來兩年內(nèi)，就非常有可能實(shí)現(xiàn)市場(chǎng)化。”顏晶分析道，成功的Agentic AI部署需要從模型架構(gòu)、數(shù)據(jù)、硬件協(xié)同三方面共同推進(jìn)，建議金融界可以從“短期落地、長(zhǎng)期探索”兩個(gè)維度探索，短期可聚焦對(duì)低風(fēng)險(xiǎn)場(chǎng)景的自動(dòng)化；長(zhǎng)期隨著模型能力提升，可探索構(gòu)建全面的風(fēng)險(xiǎn)傳導(dǎo)鏈分析模型。

從整體趨勢(shì)來說，孫鑫對(duì)記者表示，Gartner預(yù)計(jì)到2028年，約33%的企業(yè)軟件應(yīng)用將內(nèi)嵌代理型AI，而2024年這一比例不足1%。此外，15%的日常工作決策將由這些智能體自主完成，2024年幾乎為零。這表明AI系統(tǒng)正向具備獨(dú)立決策、規(guī)劃和執(zhí)行能力的方向演進(jìn)，應(yīng)用于各行各業(yè)。而代理型AI市場(chǎng)預(yù)計(jì)將經(jīng)歷重大變革，包括市場(chǎng)整合和大規(guī)模部署。

“未來三到六年內(nèi)，專家型智能體將興起，其專注于面向復(fù)雜的領(lǐng)域特定工作流程，提升運(yùn)營(yíng)效率和決策能力。”他續(xù)稱。