北京
AI正以惊人速度从云端走向现实世界——新一代AI智能体正在嵌入我们日常依赖的机器、车辆和设备之中，在现场即时思考、决策和行动。企业正竞相从被动响应式AI迈向边缘侧自主的、目标驱动的系统。这不是科幻场景，这一势头在持续增强。
随着智能体的普及，一个问题浮出水面：人们究竟愿意赋予AI智能体多大的自主权？
这正是Anthropic最新重磅研究背后的核心问题。该研究分析了数百万次人机交互，以了解人们在真实场景中究竟如何使用智能体。在大多数人关注的发现中——智能体自主运行时长可达45分钟甚至更久、用户随着经验积累赋予更多信任——有一个数据重新定义了整个讨论的框架：超过一半的智能体活动集中在软件工程领域。
这在制造业、油气和零售行业企业中的使用情况形成了鲜明对比——这些行业的智能体应用率仍停留在较低的个位数百分比。你或许会认为，这说明智能体还没有准备好进入现实世界。但事实并非如此。问题在于，它们已经适配了当今可用的软件基础设施——那里有着成熟的版本控制与回滚能力——但软件世界与物理世界之间存在一道鸿沟。
这是基础设施的差距，不是AI的差距。
物理世界产生了全球绝大多数运营数据，也承载着绝大多数企业价值。智能体终将追随数据而去。它们只是在等待水到渠成。
物理世界中的智能体
数十年来，企业软件意味着构建定制化应用。大型团队花费数年时间编写和加固僵化的、为特定目的而建的代码。如果流程变了，一切从头再来。智能体正在取代这一模式，传统行业将是受影响最深的领域。
当一名产线操作员发现产品质量出现漂移时，旧模式意味着提交工单、等上数周等来数据科学家、再花几个月拿到一个定制应用。而今天，这位操作员可以走到终端前，用日常语言描述问题，随即启动一个智能体——它拉取PLC数据和视觉输入、实时分析、并给出答案。智能体在数分钟内创建完成，任务结束后即销毁。
这对于面临代际更迭的行业至关重要。在制造业、能源和交通运输领域，熟练工人正在老去，他们所携带的专业知识也随之流失。智能体将过去需要数据科学家才能具备的能力，交到了实际运营人员的手中。
在油气行业，每口井都有自己的特性：井龄多久？位置在哪？开采方式是什么？油气行业应用机器学习已有多年，他们打包一大块数据，运送到现场，然后祈祷能用。
智能体彻底改变了这个等式。不再是用一个通用模型服务一万口井，而是部署一万个智能体，每个都针对单口井的具体条件量身定制。
当错误有了实体代价
Anthropic的研究发现，80%的智能体工具调用都有人工保障机制，只有0.8%的操作是不可逆的。这在软件世界里行得通——最坏的情况不过是一次错误提交，可以回滚。
但在物理环境中，不可逆操作的比例要高得多。一个失控的智能体可能越权、注入错误数据或造成物理伤害，其后果无法用丢失的代码来衡量，而要用停产损失（甚至更糟）来衡量。
还有知识产权层面的问题。试想一家能源服务公司，花了十年收集运营数据，打造出一个自主钻井优化智能体。这个智能体承载着无价的机构知识。一旦遭到入侵，竞争对手一夜之间就能获取多年积累的宝贵经验。
欧盟《网络韧性法案》（Cyber Resilience Act）以及不断演进的NIST框架已开始着手解决这一问题，但在边缘侧执行安全护栏的基础设施仍在建设之中。在信任基础设施与智能本身一样成熟之前，企业不会将智能体大规模部署到安全关键环境中。
再强调一次：这是基础设施的差距，不是AI的差距。
从"会说话"的智能体到"会行动"的智能体
能够编写代码、管理文件、在开发者笔记本上执行命令的AI智能体，即将跃升到工厂车间、钻井平台和零售网络之中。区别在于，物理世界的风险不允许"撤销"。
那些找到方法在实体运营场景中部署、治理和规模化智能体的公司，将定义企业技术的下一个时代。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
