2025 年被视为大模型智能体元年，智能体正以前所未有的速度崛起，改变着商业和个人生活的交互方式。Gartner 预测，到 2028 年，20% 的人类可读数字界面交互将由 AI 智能体完成，15% 的日常业务决策可由其自主完成。本文深入探讨了智能体的定义、与传统聊天机器人的区别、其在各领域的应用，以及面临的挑战，如准确性、成本效益和人机协同关系的转变，揭示了未来人类与智能体共存的新模式。

2024年，被称为是“大语言模型（LLM）元年”，然而，2025年，聚光灯正迅速转向。

“毫无疑问，2025年是大模型智能体元年。”近日，Gartner研究副总裁孙志勇在接受包括《IT时报》在内的媒体采访时表示，智能体已成为全球最热门的科技话题，其热度甚至超越了炙手可热的大模型本身，一个由智能体驱动的商业模式创新时代正加速到来。

孙志勇认为，2025年标志着“大模型驱动的AI智能体元年”和“生成式AI的变现元年”。这一转变意味着从基础模型开发转向实际的、可创收的应用，而AI智能体正是LLM能力的主要“出口”。

Gartner预测，到2028年，人类可读的数字界面交互中将有20%由AI智能体完成，约15%的日常业务决策可由AI智能体自主完成，预计三分之一的企业级软件将集成AI智能体。

01 从“辅助”到“执行”的跃迁

到底什么是智能体？尽管智能体似乎已经成为2025年人人必谈的AI名词，但这个概念在市场中，显然仍有“泡沫”。

“智能体并非横空出世，严格意义上讲，世界上第一个智能体诞生于1960年。”孙志勇指出，“之所以现在智能体突然爆火，是因为大模型智能体，也就是大模型驱动的智能体，让智能体变得更加聪明了”。

对于大模型智能体，Gartner给出一个清晰的定义：基于AI技术产生的自动化或半自动化的软件，可利用大模型、领域模型等AI技术，在数字和物理世界中感知、决策、行动并最终实现目标。

孙志勇强调，智能体与传统聊天机器人有着本质区别。“聊天机器人给你提供辅助信息，智能体最终帮你实现目标或者采取行动。”他举例说明，当用户向聊天机器人提出“帮我点一杯咖啡”时，它会提供周边咖啡店信息；而智能体则会进一步调用地图、外卖、支付等工具，直至完成“要咖啡”的目标。

这种从“信息辅助”到“目标执行”的跨越，是智能体赋能企业实现深层变革的关键，且今年已有初步应用。

以比亚迪的智能助手为例，以往消费者想看车，需要自己上官网或者去4S店，但现在可以通过比亚迪的“官方助手”输入个性化需求，比如预算20万元，家有几口人，然后由智能助手进行车型推荐。

孙志勇认为，未来手机App的“九宫格”填充方式或许不再是主流，到2028年，前端客户交互将有五分之一由智能体完成。

支付宝智能助理

02 “人在回环”消除智能体幻觉

尽管AI智能体发展迅速，但孙志勇依然强调，当前的产品仍处于早期阶段，主要障碍是准确性，特别是在多智能体系统中，错误可能累积，导致产生“幻觉”或“偏差性输出”，使其不能真正进入核心生产环节，“即使一个智能体能达到80%的精度，但如果三个80%精度的智能体叠加，精度会呈乘数级下降，只有50%左右”。

解决之道的关键之一，是确定智能体角色的单一性，“你要确定智能体的行业属性，尽可能让其决策单一化。”简而言之，如果想要一个大而全的财务智能体，基于复杂的财务流程，精度不足的问题便可能凸显，从而导致错误决策；但如果是一个任务垂直的“报销智能体”，便可能实现高精度的决策。

联想智能体

孙志勇甚至认为，基于此，未来可能不太会出现能够“通吃”银行、保险、零售和制造等不同行业的通用型人工智能体公司，而是会产生大量基于小型特定模型生成的深度内嵌式的行业智能体“隐形冠军”，比如专门为保险公司生成定制化保单的特定智能体公司。

另一条路则是“人在回环”。近年来，关于“机器替代人”的讨论甚嚣尘上，仿佛人工智能的每一次进步都意味着人类工作岗位的缩减。然而，孙志勇却强调，最新趋势表明，尤其是海外的金融公司，已经开始考虑将人“领回来”，重新融入智能决策的“回环”之中。这标志着一个重要的理念转变：机器完全替代人并非易事，至少在初期，人类的参与对确保AI决策精准度至关重要。

“人在回环”的概念，正是为了让智能体能够真正采取决策并最终进入生产环境而提出的。但同时，人们也必须接受一个核心概念正在悄然发生变化，“以前我们说‘机器辅助人’，有了AI，其实是‘人在辅助机器’。”孙志勇表示，未来，人的职责不再是主导，而是帮助和辅助智能体，人机协同关系将发生根本性转变。

03 落地仍需提升“绝对性价比”

除了精度仍有待提升之外，AI智能体进入核心生产环境的另一个挑战是成本效益。

“一个AI智能体就一定比人性价比高吗？”当老板问出这个“灵魂之问”时，意味着智能体的投资回报必须是一串串准确的数字。

当然，一些创新趋势已经出现。比如在营销领域，统计显示，人类销售BD（商业代表）仅有14%的时间用于商机开发，大部分精力耗费在内部流程上，但一个销售发展代表智能体（AISDR）则可以24小时不间断工作，而且能利用CRM数据，分析潜在客户，生成定制化邮件进行商机挖掘，并在客户回复后安排与人类销售员的对接，大大节约了BD的重复性工作，提高了工作效率。

“从数据上看，一个人类BD覆盖50个客户已近极限，但一个AISDR能服务数千名客户。”孙志勇透露，国外已有成熟的AI SDR产品，年费大致在4万元人民币左右，性价比远高于国内高阶BD。

Gartner预计，到2028年，三分之一的企业级软件应用将包含智能体，而去年这一比例还不到1%。

但并不是所有智能体公司都能有同类产品，或者遇到同类场景。至少在当前，智能体的成本并不低。

一个高精度AI智能体在设计和部署上的复杂性，仍然具有很高的技术门槛。比如，为提升精度需引入复杂机制，如思维链提示、程序限制或人在回环，这些都涉及很多开发、编程技巧，以及额外的人力成本和实时数据处理，都会增加不少开发和运营费用。

同时，AI智能体与大模型的交互，也进一步推高了算力需求。无论是调用大模型API（应用程序编程接口），引入MCP（模型上下文协议）架构，或是利用A2A（Agent-to-Agent）进行多智能体协作，都需要强大的计算资源支持。

孙志勇认为，AI智能体公司必须证明自己的产品相对于雇佣人类员工，有着明确且显著的投资回报，否则“还是很难存活”。

因此他强烈建议，这些公司应采取“零号客户”策略，也即在向客户提供AI智能体解决方案之前，先在自己内部试用，从而让那些对采用尖端技术持谨慎态度的客户，看到实际效果，并坚定转型的信心。