就在几天前，前百度首席科学家、现Landing AI创始人兼CEO吴恩达也在一次公开场合展示了在视觉智能体方面的最新进展，他认为AI Agent正驱动下一个创新浪潮，并呼吁开发者们关注和参与AI智能体技术的发展。

而在上周末的智源大会上，智源研究院院长王仲远在接受采访时预计，智能体（Agent）很有可能会成为爆款应用的一个方向，大模型可以让它成为真正意义上的智能助理。“如果每个人都能拥有一个足够智能和好用的助理，这种科技带来的平权将催生重大的产业变革。这可能是C端应用的一个重要方向，也是令人兴奋的前景。”

几乎所有的大模型厂商都在布局智能体应用或平台，不过，在大厂纷纷开“卷”智能体的背景下，智能体何时出现爆款应用？商业化如何落地？这些问题尚未有明确答案。

万物皆可智能体?

简单来说，智能体（Agent）就是一个能够感知环境、理解情境，并基于这些信息进行决策、采取行动的计算机系统。它就像是虚拟的机器人，能够学习、适应并完成复杂的任务。

比如，在自动驾驶汽车中，智能体通过分析道路状况、识别交通标志和预测其他车辆的行为，从而引导人类安全地驾驶汽车；在游戏领域，智能体可以作为对手或队友，提供更具挑战性和真实感的游戏体验。再如，近期正值高考季，有平台瞄准应届学子群体上线类似Ai 志愿助手的智能体，用户提出问题如“600 分能上什么大学”，会得到相应大学的推荐列表，也能回答学校往年分数线、专业情况、招生计划、建议填报专业等等问题，作为考生志愿参考。

去年以来，国内外科技大厂陆续布局智能体开发平台。例如 OpenAI的GPT Store、谷歌DeepMind的SIMA、字节跳动的Coze扣子、腾讯云的腾讯元器、百度智能云千帆AgentBuilder、阿里云的AgentScope多智能体开发平台、科大讯飞星火智能体平台等。

在生成式人工智能领域中，为什么智能体成为被业界普遍看好的一个方向？

智能体的特性与生成式AI的需求非常契合。通常，智能体能够处理和生成多种类型的数据，包括文本、图像、声音等，这使得智能体在多模态交互场景中表现出色。

智能体还有很强的适应性，更擅长“交流”。它们可以根据环境的变化或是用户偏好、反馈来快速调整其策略和行为，从而生成更加准确和相关的内容。这意味着，当用户和智能体交流时，从体验上它更像一个真正的伙伴一样回应你，而不是一个冷冰冰的机器，这种交互性让智能体更加贴近用户。

在现实世界中，情况总是不断变化，这就要求智能体能够快速调整策略，应对新情况。例如，一个管理能源分配的智能体，需要实时监测电力需求，预测未来负荷，并据此优化资源分配，确保电网稳定运行。这种动态适应的能力，也正是生成式AI所追求的——在不断变化的环境中，智能体能够生成最适合当前情境的解决方案。

还有一个重要原因是，创建一个智能体的门槛足够低。一些平台提供了用自然语言零代码和低代码方式创建智能体的选项。这意味着用户不需要掌握编程语言，通过自然语言文字描述，就能够完成创建一些简单的智能体。

李彦宏分析，智能体就像互联网时代的网站，门槛足够低，“当时看网站是怎么做出来的？通过浏览器一看源代码，非常简单，稍微改一点，我也可以做出来，今天做智能体跟这个很类似……起个名字，告诉它回答什么、不回答什么，就做成了。”他指出，智能体将会大量出现、形成生态。

业界对智能体充满期待。中信证券近日研报指出， AI Agent（智能体）作为当前语言模型应用落地的最佳形式，预计将迎来技术转折，距离AI Agents应用落地或需6~12个月时间。

李彦宏则预计，“未来，在各行各业、各个领域都会依据自己具体的场景，根据自己特有的经验、规则、数据，做出来这些智能体。”

智能体不仅能对话，还具备反思和规划能力，“如果说得不对，它能自己想想哪儿错了；它还有规划能力，为了实现目的，能规划要调用什么工具。”李彦宏表示，智能体的这些能力正在逐步完善、门槛也足够低，随着基础大模型能力增强，将诞生更多有价值的应用。

爆款应用还没出现

尽管大厂们都在积极布局智能体开发，已经在搜索服务、内容生成、工业制造、游戏开发、物联网决策、以及智能终端融合等多个领域展现出应用价值。但到目前为止，智能体领域还没有出现一款真正的爆款应用。

背后的原因，在于智能体要想从概念验证走向大众市场，还需要在提升用户体验、深化内容价值及优化交互模式等方面做出实质性的突破。

从第一财经记者的体验来看，尽管部分智能体在特定场景下展现了一定实用性，如辅助进行短视频创意策划、朋友圈文案、小红书种草文案等，但不少智能体的应用场景仅停留在新颖性层面，与传统的app应用或者小程序对比来看，并未展现出压倒性的优势，更无法形成持久的用户粘性。

还有一些面向垂直领域的智能体，其内容深度和互动质量仍有待提高。

一位AI从业人士对第一财经记者表示，虽然智能体的基础技术如机器学习、深度学习和自然语言处理等取得了显著进展，但实现高度复杂和个性化交互方面仍有限制。而且，尽管一些平台提供了低代码或无代码的智能体开发工具，但对企业开发者而言，“一键式生成”远远不能满足需求。

商业场景中的智能体需要具备专业准确、高质量的交互能力，这背后，专业技能与高昂的研发投入仍必不可少。智能体的有效运作还需要丰富、精准的知识库的无缝对接，保证输出内容的权威性与实用性，进而满足多元化、高要求的业务场景需求。 

此外，智能体更是一项系统工程，需要深谙市场需求与用户心理，目前在精准匹配开发者需求、提供自然流畅的交互体验以及创造独特价值方面还存在挑战。也因此，智能体市场竞争激烈，许多公司都在探索智能体的应用，但大多数应用尚未形成明显的竞争优势。

在商业化落地上，大模型厂商在构建智能体的生态系统和商业闭环方面仍在探索之中。当前业界的主要精力放在技术研发和生态培育、拓展应用场景等方面，产业价值的释放还需时间。一位从业者表示，未来如能通过百度、腾讯等官方插件和知识库，还能将这些智能体一键分发到比如搜索、微信公众号等渠道，或将找到商业化的机会。

不过，智能体的智能化程度与其学习能力、数据积累、技术迭代和用户参与度紧密相关，随着这些方面的不断积累与进步，智能体也将变得越来越聪明 。吴恩达也在演讲中表示，虽然目前技术依旧有缺陷，但AI智能体工作流已经开始从一种新奇的“玩具”过渡到真正的实用阶段，未来必将为开发者带来前所未有的高效创新体验。他相信，通过开源和社区合作，这些技术将不断进步，显著提升开发者的能力。

如何让智能体真正用起来？

在李彦宏看来，如果仅仅是针对理解、生成、逻辑和记忆等大模型基础能力做改进或集成，那么企业做智能体的价值不大；但在各个不同场景中，发挥特有的数据优势，就能逐渐积累出自身的竞争优势。

他还预计，未来智能体或许将具备协作能力。“有些复杂的任务，可以通过多个智能体来完成，就像公司里有CEO，还有财务、技术、销售主管，他们协作起来，能完成一个非常复杂的任务。”

除了虚拟的智能体外，还有另一方向是数字智能体与智能硬件结合。可以看到的是，今年英伟达正围绕具身智能加速布局。英伟达今年宣布成立GEAR实验室，主要用于研究和布局具身智能、AI 智能体等下一代 AI 与机器人结合的创新技术。

王仲远也预计，大模型将以数字智能体的形态与智能硬件融合，以具身智能的形态从数字世界进入物理世界，同时，大模型这一技术手段可为科学研究提供新的知识表达范式，加速人类对微观物理世界规律的探索与研究突破，不断趋近通用人工智能的终极目标。

不过他也提醒，硬件的发展速度比不上大模型的迭代速度，业界要保持客观理性来看待具身智能大模型，包括人形机器人的技术发展周期，要能够接受它在未来几年内可能进入到低谷，直到它跨越周期迎来真正的爆发。