從概念狂歡到務(wù)實(shí)進(jìn)化。

/

文｜楊肖若  編｜張弘一

出品｜商業(yè)秀

如果說(shuō)，去年關(guān)于智能體的故事，還帶著“顛覆想象” 的性感濾鏡。今年這個(gè)故事的注腳，就變成了 “解決實(shí)際問(wèn)題” 的務(wù)實(shí)底色。

從2023年至今，智能體的發(fā)展正從概念走向?qū)嵺`。在今年的世界人工智能大會(huì)上，我們看到各大廠(chǎng)商繼續(xù)推出自己新一代的智能體產(chǎn)品。它們?cè)诟�垂直�?xì)分的領(lǐng)域比如金融、教育、文娛等領(lǐng)域落地。

有不少人把2025年稱(chēng)為“智能體元年”。實(shí)際上，智能體的概念最早可以追溯到2023年以前。

螞蟻數(shù)科CTO王維在接受「商業(yè)秀」等媒體的采訪(fǎng)時(shí)指出，2024年11月就被大家稱(chēng)作“智能體元年”，來(lái)到今年7月，元年的高峰已近尾聲。

王維的言外之意是，技術(shù)的迭代速度，如此之快，尤其是基于大模型的智能體。以ChatGPT為例，其獲得10億用戶(hù)、達(dá)成365億次查詢(xún)量的速度，比Google快了14倍。

在更具體的行業(yè)賽道，譬如智能體在金融行業(yè)的變革，也在加速。不過(guò)，智能體要迎來(lái)真正的爆發(fā)，仍面臨很多挑戰(zhàn)。至少，它還需要跨越“技術(shù)可靠、數(shù)據(jù)可控和生態(tài)協(xié)同” 的三重門(mén)檻。

01智能體狂奔三年：從概念到產(chǎn)業(yè)滲透

從2023年到2025年，智能體的進(jìn)化軌跡，幾乎是劃出了一個(gè)陡峭曲線(xiàn)。在2023年之前，智能體的發(fā)展還停留在概念萌芽階段。這個(gè)時(shí)期，智能體經(jīng)歷了從 “工具化” 到初步智能。

中國(guó)信息通信研究院副總工程師王愛(ài)華認(rèn)為，2023年之前的智能體還停留在 "代理型工具" 階段，就那些連客服機(jī)器人，也只能機(jī)械地給出一些標(biāo)準(zhǔn)化回應(yīng)，彼時(shí)的智能體連最簡(jiǎn)單的跨場(chǎng)景對(duì)話(huà)都難以完成，更談不上自主決策。

2024年，成為智能體發(fā)展的關(guān)鍵轉(zhuǎn)折點(diǎn)。大模型技術(shù)的滲透，讓智能體突然具備了"推理-記憶-行動(dòng)" 的基礎(chǔ)能力。比如2024年推出的一些初代金融智能體，已經(jīng)能在金融場(chǎng)景中完成"客戶(hù)咨詢(xún)-需求匹配-業(yè)務(wù)辦理" 的半自動(dòng)化流程。

不過(guò)，核心風(fēng)控環(huán)節(jié)上仍然需要人工來(lái) "把關(guān)"，其可靠性和場(chǎng)景適配性還需要進(jìn)一步提升。

進(jìn)入2025年，智能體則呈現(xiàn)出了完全不同的氣質(zhì)，它們開(kāi)始進(jìn)入產(chǎn)業(yè)滲透階段，垂直深耕和實(shí)現(xiàn)規(guī)�；�落地。這個(gè)階段的智能體主要呈現(xiàn)了三大核心特征。一是從“通用化” 轉(zhuǎn)向 “行業(yè)專(zhuān)用化”。比如金融、能源、工業(yè)等領(lǐng)域出現(xiàn)了很多深度定制的智能體。比如螞蟻數(shù)科推出了Agentar全棧企業(yè)級(jí)智能體平臺(tái)。該平臺(tái)通過(guò)知識(shí)工程、評(píng)測(cè)、安全風(fēng)控、MCP、金融大模型等能力，聯(lián)合行業(yè)開(kāi)發(fā)了100余種金融智能體應(yīng)用方案，在智能風(fēng)控、營(yíng)銷(xiāo)、財(cái)富管理等核心場(chǎng)景落地。

業(yè)內(nèi)認(rèn)為，行業(yè)場(chǎng)景對(duì)智能體的“專(zhuān)業(yè)性”“可靠性” 要求遠(yuǎn)高于通用能力，比如金融領(lǐng)域需嚴(yán)格規(guī)避 “模型幻覺(jué)”，工業(yè)領(lǐng)域需適配高溫、高壓等極端環(huán)境。

二是多智能體協(xié)同成為主流模式。通過(guò)多智能體協(xié)同，解決單智能體的“能力邊界” 問(wèn)題，適配復(fù)雜產(chǎn)業(yè)場(chǎng)景的多元需求，比如金融領(lǐng)域的 “營(yíng)銷(xiāo)智能體+風(fēng)控智能體+合規(guī)智能體” 協(xié)同，這樣一來(lái)，就可以覆蓋到業(yè)務(wù)全鏈條。三是從“輔助工具”升級(jí)為“生產(chǎn)力引擎”。據(jù)悉，一些銀已部署超1000個(gè)智能體，其中信用風(fēng)險(xiǎn)識(shí)別智能體，能將中小客戶(hù)授信效率提升10倍，數(shù)據(jù)動(dòng)態(tài)智能體實(shí)現(xiàn) “一句話(huà)調(diào)用全行數(shù)據(jù)”，推動(dòng)業(yè)務(wù)模式從 “人找服務(wù)” 轉(zhuǎn)向 “服務(wù)找人”。也就是說(shuō)，這個(gè)階段的智能體不再局限于“降本增效”，而是通過(guò)數(shù)據(jù)洞察和流程重構(gòu)，正在創(chuàng)造更多新的價(jià)值。02 金融與能源：智能體落地的必爭(zhēng)之地

在今年WAIC的產(chǎn)業(yè)圖譜中，金融和能源領(lǐng)域的智能體應(yīng)用最為突出。

背后的核心邏輯是什么？

王維認(rèn)為，因?yàn)檫@兩個(gè)行業(yè)數(shù)字化程度最高、數(shù)據(jù)密度最大，且對(duì)效率提升的需求最迫切。

以金融為例，日均千萬(wàn)級(jí)的交易數(shù)據(jù)和多層級(jí)風(fēng)控規(guī)則，傳統(tǒng)人工處理的誤差率超3%，而智能體可將這一數(shù)字壓縮到0.5%以?xún)?nèi)。

但落地過(guò)程并非坦途。比如80%的金融機(jī)構(gòu)僅在客服等非核心場(chǎng)景測(cè)試智能體，清算、風(fēng)控等核心環(huán)節(jié)依然依賴(lài)人工。

這種謹(jǐn)慎源于雙重焦慮——它們既擔(dān)心錯(cuò)失AI紅利，又害怕技術(shù)不成熟引發(fā)安全風(fēng)險(xiǎn)。

也就是說(shuō)，很多機(jī)構(gòu)之所以焦慮，并非源于排斥AI，而是發(fā)愁如何將這項(xiàng)新技術(shù)安全、有效地應(yīng)用到自己的業(yè)務(wù)場(chǎng)景中，真正解決問(wèn)題。與此同時(shí)，他們看到同行用AI對(duì)業(yè)務(wù)有效果，內(nèi)心也期待能通過(guò)智能體來(lái)實(shí)現(xiàn)“彎道超車(chē)”。

但無(wú)論金融機(jī)構(gòu)和銀行等金融客戶(hù)做哪種選擇，都繞不開(kāi)金融場(chǎng)景的復(fù)雜性。

對(duì)此，螞蟻數(shù)科是如何應(yīng)對(duì)的呢？它的策略是3個(gè)“E”。

一是Expertise（專(zhuān)業(yè)）。不沿用通用大模型路徑，基于長(zhǎng)期金融經(jīng)驗(yàn)制定覆蓋銀行、證券等全場(chǎng)景的6大類(lèi)66小類(lèi)金融任務(wù)體系，以此為框架從千億級(jí)數(shù)據(jù)中構(gòu)建專(zhuān)業(yè)訓(xùn)練數(shù)據(jù)集，加入原則類(lèi)合成數(shù)據(jù)保障合規(guī)，使模型 “出廠(chǎng)即專(zhuān)家”。

二是Efficiency（效率）。訓(xùn)練中動(dòng)態(tài)分配資源，提升復(fù)雜金融任務(wù)性能與學(xué)習(xí)效率，實(shí)現(xiàn) “淺調(diào)高能”，保障通用能力不退化，減少后續(xù)業(yè)務(wù)應(yīng)用的二次微調(diào)數(shù)據(jù)與算力消耗，降低企業(yè)落地門(mén)檻。

三是Evolution（進(jìn)化）。建立高頻敏捷迭代機(jī)制，持續(xù)吸收金融政策、市場(chǎng)動(dòng)態(tài)等信息，快速修復(fù)模型問(wèn)題，確保知識(shí)、能力與合規(guī)性緊跟行業(yè)變化，在真實(shí)業(yè)務(wù)中不斷進(jìn)化。

能源領(lǐng)域的突破，也同樣依賴(lài)場(chǎng)景適配。據(jù)中控技術(shù)工業(yè)AI技術(shù)管理總經(jīng)理王寬心介紹，其工業(yè)智能體通過(guò)"時(shí)序大模型+邊緣控制" 組合，已實(shí)現(xiàn)煉化裝置的無(wú)人值守：九個(gè)智能體分工協(xié)作，能支撐裝置自主運(yùn)行一周以上，這在高溫高壓的工業(yè)環(huán)境中是一大突破。

據(jù)悉，目前螞蟻數(shù)科已聯(lián)合金融行業(yè)伙伴推出超百個(gè)金融智能體解決方案，覆蓋銀行、證券、保險(xiǎn)、通用金融等四大領(lǐng)域，金融機(jī)構(gòu)可以“即插即用”，提升一線(xiàn)員工工作效率超80%。

03 三重門(mén)檻：技術(shù)、數(shù)據(jù)與生態(tài)的硬仗

盡管發(fā)展勢(shì)頭迅猛，但如今智能體的規(guī)模化落地，仍需跨越三道硬門(mén)檻。

算力仍是懸在行業(yè)頭上的一把“利劍”。清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系教授鄭緯民直指“痛點(diǎn)”——大模型推理依賴(lài)GPU集群，目前大模型的推理算力成本還是很高。

他解釋到，“不管是推理也好，訓(xùn)練也好，算力成本還是很貴。推理成本里頭，人力占3%，數(shù)據(jù)占2%，算力占95%，錢(qián)主要是花在算力上面了。ChatGPT的推理開(kāi)銷(xiāo)是每天70萬(wàn)美元。DeepSeek V3推理開(kāi)銷(xiāo)大概每天8.7萬(wàn)美元。

業(yè)內(nèi)認(rèn)為，大模型本身成本較高，雖然相關(guān)硬件和技術(shù)在發(fā)展，但相比過(guò)去的軟件售賣(mài)，成本仍然是金融機(jī)構(gòu)需要考量的重要因素。

一張卡的推理效率可能很慢，但調(diào)用多次對(duì)底層算力要求極高，如何平衡技術(shù)投入成本與商業(yè)價(jià)值，成為金融機(jī)構(gòu)和技術(shù)提供方需要解決的問(wèn)題。

模型的"幻覺(jué)" 問(wèn)題更讓金融機(jī)構(gòu)頭疼。尤其是在一些信貸審批等場(chǎng)景，智能體偶爾會(huì)給出錯(cuò)誤信息，而客戶(hù)一般要求"每個(gè)決策，你都要說(shuō)清理由"，這種可解釋性需求，單靠Prompt技術(shù)難以滿(mǎn)足。

螞蟻數(shù)科AI算法技術(shù)部總經(jīng)理章鵬解釋道，客戶(hù)需要知道大模型回答的思考過(guò)程，要求可解釋性，這就需要推理模型來(lái)解決，而在此之前，只能通過(guò)Prompt強(qiáng)制模型思考，但效果并不理想。

這也是螞蟻數(shù)科聯(lián)合中國(guó)工商銀行、寧波銀行、北京前沿金融監(jiān)管科技研究院、上海人工智能行業(yè)協(xié)會(huì)等機(jī)構(gòu)，聯(lián)合推出Finova大模型金融應(yīng)用評(píng)測(cè)基準(zhǔn)的原因。

也就是，用更嚴(yán)苛的測(cè)試倒逼模型的可靠性提升。“客戶(hù)的需求在倒逼技術(shù)進(jìn)化，從最初的‘你們?yōu)槭裁礇](méi)有推理模型’，到現(xiàn)在的‘我憑什么相信你的回答’，市場(chǎng)的要求越來(lái)越具體，也越來(lái)越嚴(yán)苛。”章鵬說(shuō)。

數(shù)據(jù)層面的挑戰(zhàn)同樣棘手。格創(chuàng)東智副總裁李楠吐槽道，"制造業(yè)的數(shù)據(jù)標(biāo)準(zhǔn)，亂得像一鍋粥，同個(gè)產(chǎn)品的合格率計(jì)算，A工廠(chǎng)和B 工廠(chǎng)能差出三個(gè)版本。" 這種混亂導(dǎo)致70%的精力都耗在數(shù)據(jù)治理上，嚴(yán)重拖慢了智能體的落地節(jié)奏。

最后是產(chǎn)業(yè)落地層面，也面臨著信任建立與生態(tài)協(xié)同難題。一是行業(yè)觀(guān)望情緒濃厚，金融機(jī)構(gòu)僅在非核心場(chǎng)景（如客服）測(cè)試智能體，核心業(yè)務(wù)（如清算、風(fēng)控）仍依賴(lài)人工。一些機(jī)構(gòu)擔(dān)憂(yōu)， “技術(shù)成熟度不足”“責(zé)任界定模糊”，如智能體決策失誤導(dǎo)致?lián)p失時(shí)，責(zé)任歸屬難以明確。

生態(tài)協(xié)同的碎片化，則是另一重阻礙。因?yàn)橹悄荏w產(chǎn)業(yè)鏈涉及硬件、模型、應(yīng)用等多環(huán)節(jié)，單一企業(yè)難以覆蓋全鏈條能力。例如，銀行部署智能體需協(xié)調(diào)模型提供商、系統(tǒng)集成商、監(jiān)管機(jī)構(gòu)等多方，協(xié)同成本高企。

為了降低成本，螞蟻數(shù)科推出了全尺寸模型家族，也給客戶(hù)提供了不同規(guī)格的模型，比如32B和8B版本的金融推理大模型Agentar-Fin-R1，以及基于百靈大模型的MOE架構(gòu)模型，讓客戶(hù)可以根據(jù)自身算力和場(chǎng)景需求選擇，平衡成本與效果。

結(jié)語(yǔ)

目前智能體仍處于快速發(fā)展階段，但要實(shí)現(xiàn)真正的爆發(fā)，還需要在技術(shù)完善、成本控制、滿(mǎn)足差異化需求等方面突破。

中信智庫(kù)發(fā)布的研究報(bào)告指出，2025年AI大模型向更強(qiáng)、更高效、更可靠方向發(fā)展，呈現(xiàn)推理模型深化、智能體模型爆發(fā)的格局。

今年也是AI應(yīng)用加速落地之年，但今年以來(lái)的智能體故事，少了些“性感”，多了些“硬仗”。這或許正是技術(shù)改變世界的必經(jīng)之路。

正如上海新金融研究院理事長(zhǎng)、上海市原常務(wù)副市長(zhǎng)屠光紹在2025年世界人工智能大會(huì)的論壇上所言——“智能體的真正價(jià)值，不在于概念多吸引人，而在于能否成為推動(dòng)產(chǎn)業(yè)變革的‘可行生產(chǎn)力’。”

當(dāng)行業(yè)不再熱衷于討論“智能體能做什么”，而是聚焦“智能體該如何解決場(chǎng)景問(wèn)題”時(shí)，智能體的產(chǎn)業(yè)價(jià)值，才真正開(kāi)始釋放�！竿辍�

       原文標(biāo)題 : 狂奔三年，AI智能體祛魅