从工具应用到价值创造，AI智能体迎来iPhone时刻丨年终策划

1月15日，千问App宣布全面接入淘宝、支付宝、飞猪、高德等生态场景，在全球率先实现从点外卖到订机票的AI购物功能闭环。这种从决策到支付的全流程自主化操作，也拉开了今年AI Agent（智能体）的大戏。

过去的2025年，智能体的崛起和加速渗透，无疑是AI领域最大的创新亮点。以AI智能体为代表的新技术、以业务重构为核心的新模式，正推动行业从工具应用向价值创造的深层转型。这种势头也在2026年得到了加强和延续，政策导向与市场动态形成强劲共振，让智能体产业加速升级。

比如政策端，连日来多部门密集部署2026年重点工作，其中智能体成为政策的落脚点之一。全国工业和信息化工作会议提出，推进“人工智能+制造”专项行动，培育一批重点行业智能体、智能原生企业。国家数据局也提出，2026年将在智能体、具身智能等前沿方向布局一批数据标准。

市场端方面，日前举行的AGI-Next前沿峰会上，智谱创始人唐杰、月之暗面创始人杨植麟、阿里通义千问技术负责人林俊旸、腾讯首席AI科学家姚顺雨等都认为，今年智能体将实现重大跨越，从当前可完成人类1-2天工作量，升级为能自主承接1-2周任务流的自动化工具。

对于2026年，AI应用正从可用走向好用，而智能体作为终端的入口，将与真实物理世界交互将更为频密，有望成为AI时代的基础设施。

01

智能体正成为新一代超级入口

今天千问App的发布会上，官方称已向所有用户开放外卖、购物、机票、酒店等生活服务测试功能，阿里也在Agent式电商赛道上实现抢先布局。比如外卖场景中，用户只需输入"帮我点杯奶茶"或"帮我点两杯咖啡"，千问即可调用淘宝闪购服务能力，完成定位、商家推荐、生成订单及一键付款，实现"说一句，就送到"。据测评显示，系统可自动使用优惠券，并流畅处理凑单等复杂情况。

事实上，从去年以来，全球各大厂商就在加速推出各自优势特长的智能体产品。在国内，Monica的Manus、智谱的AutoGLM沉思、Lovart、Flowith、Genspark等通用或垂类智能体先后上线，夸克也以“AI超级框”形态打造超级智能体，在搜索、浏览器、扫描、拍题等领域具备优势。而国外的苹果、谷歌和OpenAI等也把智能体视为年度研究重点之一。

与此同时，继百度的千帆AppBuilder之后，各类智能体开发平台也争相面世。比如阿里通义实验室的新一代智能体开发框架AgentScope 1.0，核心目标是解决智能体在构建、运行和管理中的难题，提供一套覆盖“开发、部署、监控”全生命周期的生产级解决方案。腾讯优图实验室的智能体框架Youtu-Agent也正式开源；字节旗下Agent平台“扣子空间”则上架到苹果App Store应用商店和安卓商店平台。

2025年被称为“AI智能体元年”，智能体也已经从实验室正式走向应用前线，覆盖物流与制造、内容创作、客服、手机助手、办公自动化、软件开发、医疗诊断、教育培训、金融咨询、自动驾驶、工业制造等多个垂直领域，通过“决策(LLM)+记忆+规划+工具”构建智能闭环，正逐步重塑终端交互中枢，成为新一代超级入口核心。

“智能体会随应用场景而爆发。”百度集团执行副总裁沈抖认为，2026年的机会之一，在于Agent Scaling带来生产力涌现。根据百度最新公布的数据，超级智能体百度伐谋上线一个月以来，覆盖物流、制造、科学智能等领域，超2000家企业已申请试用，并已在汽车设计研发、空间站精密仪器优化等前沿领域落地。

Gartner也明确指出，代理型AI已成为今年及未来的关键技术趋势，2025年更是其走向主流化的重要节点，智能体正从简单的辅助工具，进化为能够协同运作的复杂生态系统，深刻改变企业处理复杂任务与决策的底层逻辑。

随着技术成熟度、市场需求与产业生态的共振，智能体也迎来了商业化的春天。赛迪顾问近期发布的研究报告显示，2024年中国智能体市场规模达47.5亿元，同比增长64.4%，预计2025年将达78.4亿元，增速持续超过60%，连续两年实现了翻倍的增长，到2026年将接近150亿元。

02

多场景展现价值，智能体的持续进化

当前，人工智能发展正在经历显著转变，从以内容生成为核心的生成式人工智能向以目标驱动为核心的AI智能体演进。AI智能体将不再局限于内容的识别与创造，而是具备更强大的目标导向性、自主决策规划能力以及与环境实时交互的能力。

而智能体在生产力、客户体验、业务增长、营销以及安全方面的价值，已经在制造业、金融业以及医疗健康等多个场景落地，并且正在经历从辅助到决策、从外围到核心、从局部到全局的进化。

比如制造行业的核心痛点是“生产中断”，因为一旦设备出现故障会导致生产线停工，造成巨大损失。而智能体通过实时监测设备运行数据，能在故障发生前提前预警，把传统的“事后维修”变成“事前预判”。有事例显示，某头部制造企业开发的预测性维护智能体，通过实时监测设备数据、提前预警故障风险，将生产停机时间降低50%，为企业减少巨额经济损失。此外，生产调度智能体还能根据订单需求、原材料库存、设备状态等数据，动态调整生产计划。

金融行业也是智能体最适合介入的，主要集中在客服运营、风险控制、营销支持、信贷审批、保险理赔等重复性高、规则相对清晰的场景。在这些领域，智能体的核心作用并非替代决策，而是提升整体运行效率。中国银行业协会发布《中国银行业客服中心与远程银行发展报告（2024）》显示，银行AI智能客服开通率超60%、31%完成大模型部署。

在国内金融市场中，不同类型玩家也逐渐形成差异化路径。像蚂蚁数科、腾讯云等大厂型玩家，更多依托集团算力、模型和平台能力，将智能体平台切入金融场景；部分垂类金融科技公司则选择聚焦单一业务场景，例如奇富科技围绕信贷环节推出智能体，采用LangGraph多智能体协同框架，整合了问数、知识问答、洞察、报表等多个智能模块，让复杂的数据分析流程变得自动化，解决了沟通、审批以及合规监管等银行零售信贷的常见痛点。度小满在去年也发布了“原力AI平台”，通过大模型结合数据智能重塑风控体系，构建起“贷前更精准、贷后更透明、策略更灵活”的AI智能化风控闭环。

还有医疗健康行业，其多个场景均已出现智能体的身影。在院内，无论是患者服务、辅助诊疗还是医院管理，都已有医疗机构和企业联合发布相应的智能体；在院外，以互联网医疗、健康管理为主的企业推出了AI家庭医生、AI健管师、AI心理咨询师等智能体；此外，智能体还覆盖科研与教学、药物研发等领域，甚至能作为企业数字员工，在不同企业的职能岗位上发挥作用。

Gartner还预判，未来三到六年内，专家型智能体将加速兴起，这类聚焦特定复杂领域工作流程的智能体，将进一步提升行业运营效率与决策精准度。

03

多智能体协同成趋势，三个问题待解

对智能体的发展规划，已经进入国家最高决策层。在国务院印发《关于深入实施“人工智能+”行动的意见》中，首次以国家战略形式明确人工智能发展的未来时间节点：2027年实现与六大重点领域深度融合，智能终端普及率突破70%；2030年完成全面赋能，智能经济成为核心增长极；到2035年，我国将全面步入智能经济和智能社会发展新阶段。

但不可否认，我国的智能体应用当前仍尚处于起步阶段，而且各自为战难以构建协同，未来有三个方面的问题需要得到解决。

一是警惕市场上的“伪智能体”。去年来，随着智能体概念热度的攀升，市场上也涌现出一批打着智能体旗号的“伪智能体”或者说是“套壳智能体”，不少公司将传统的技术、现有的产品包装或贴牌成智能体，通过营销策略进行宣传，误导用户。这些产品看似搭载了AI功能，实则只是大模型与RPA的简单线性组合——大模型负责生成操作指令，RPA负责执行预设流程。大模型与RPA之间缺乏深度协同与动态适配能力，本质上仍未摆脱传统自动化工具的局限，并非真正意义上的智能体。

二是要突破技术瓶颈，推动高质量数据集建设，以提升智能体解决复杂场景的专业能力。目前多数智能体，还局限在为大语言模型添加基础的规划能力和工具调用（或者说函数调用）功能，使其能够将复杂任务分解为较小的、可执行的步骤。它们可以实现数据分析、趋势预测和一定程度的工作流程自动化，在简单场景中可以选择正确的工具完成任务，但面对复杂场景，其决策质量、专业深度以及技术上还是不够。

比如在数据集的建设上，一方面是打破“数据孤岛”和“生态壁垒”，实现全局的连接；另一方面，如何把企业内部多来源、多形态、多格式的各种数据，转化成能够支持AI模型后续训练和智能体应用的数据资产，尤其是对企业应用中的术语、黑话、业务逻辑等，通过挖掘其隐含规律与价值转化为知识，以更好的适配专业化场景。

三是关注技术生态与协作标准化问题。AI技术应用加速落地，但生态建设尚未成熟，尤其是单智能体的安全风险缺乏统一的全链路安全测试标准，导致潜在的等问题难以被量化和规避，也阻碍了未来多智能体的协同和共治。比如豆包手机的昙花一现，就引起了业内的极大争议，带来了安全、隐私和伦理，以及协作标准、商业模式等问题的讨论。

总得来说，在技术发展和行业需求的推动下，行业企业会不断加大智能体应用力度，各领域应用场景也会进一步拓展，而面对这些更复杂的业务场景，单一智能体难以应对所有任务，这也会带动智能体朝着“更自主、更智能、更协同”的方向发展。与此同时，智能体生态逐渐形成，也会重构AI时代的商业模式和治理体系。