2025 年是 AI 智能体规模应用的“拐点时刻”

2025 年，AI 领域的热议话题已经从大语言模型（LLMs）转向了 AI 智能体（AI Agent）。根据 Gartner 最新预测，企业软件中整合自主型 AI 的比例将从 2024 年的不足 1% 跃升至 2028 年的 33%；同时，超过 15% 的日常工作决策将交由 AI 智能体自主完成 [ i ] 。随着生成式 AI 的加速普及、AI 智能体的迅猛发展，以及智能流程自动化的不断突破，企业正迎来第三波人工智能助手浪潮。

专家、业界人士预测 2025 年将是 "AI 智能体（AI Agent）元年 "，媒体认为 AI 智能体是 AI 入口之争，将带来生产力提升和创新的新浪潮。今天，我们对 AI 智能体应该抱有怎样的期待？技术愿景和商业落地间又存在着哪些关键挑战？释放 AI 智能体强大潜能的关窍又是什么 ?

拐点已到：2025 年开启 AI 智能体规模应用

AI 智能体是一种能够自主理解、规划并执行复杂任务的软件程序，它由大语言模型驱动，可根据需要调用各类工具、其他模型及系统，与之交互，以实现用户的目标。AI 智能体与传统的 AI 助手（AI Assistant）不同，后者每次生成回复都需要用户提示，而智能体在理论上只需用户下达一项高层级任务，便会自主规划完成路径。

2025 年将迎来 AI 智能体的爆发，业界这一判断与大语言模型（LLM）等技术领域的突破息息相关。智能体的核心在于自主性和规划能力，它们需要具备逻辑推理、工具调用能力和执行任务的能力，而且需要实现高速、规模化的运作。

相比于两年之前，业界已经不再执着于 " 全知全能 " 的庞大模型，更多企业开始转向中小模型，理由很简单：后者速度更快、计算资源需求更小，具备更强逻辑推理、上下文理解以及外部交互能力。加上思维链（COT）训练、扩展的上下文窗口和函数调用能力，这些关键突破意味着 AI 智能体在 2025 年的爆发已经具备了技术基础。

AI 智能体的未来：全能自主还是人机博弈？

AI 智能体的发展已然势不可挡，但理想与现实之间往往存在有待跨越的鸿沟。在人们的畅想中，2025 年的智能体是一个拥有推理、决策和自主执行能力的智能实体，能够在人类完全不介入的前提下，评估并运用必要工具完成某个项目 [ ii ] 。AI 智能体确实在朝着这个方向发展，但当前的智能体产品仍处在实现这一理想的初级阶段。

目前来看，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，技术成熟度仍显不足。

要构建自主处理复杂决策的 AI 智能体，仅靠算法层的优化是不够的，还需要在上下文推理、边缘案例测试等方面取得突破。更重要的是，大多数企业没有做好迎接智能体的准备。随着智能体的应用，企业将要公开目前的应用程序接口（API），这是最具挑战性的部分，而解决这一问题的关键并不是模型是否够好，而是企业的智能化就绪程度。

同时，我们也必须用 " 以人为本 " 的思想对 " 技术至上 " 的倾向进行纠偏：智能体虽然具备自主能力，但绝不意味着人的全方位撤退。在我们讨论企业级 AI 的应用时，对 AI 影响就业市场的担忧始终存在。企业管理层应当认识到，智能体将增强而不一定是取代人类员工。如果 AI 被过度推崇，我们很可能陷入 " 人类辅佐 AI" 的本末倒置的境地，并且错失人机协同发展的黄金时期。

我倾向于认为，智能体将扮演 " 赋能 " 的角色，成为人类主导的集约化工作流中的协作者。低价值、重复性的任务将被自动化，而人类在战略规划、创意创新等高阶领域的潜力将被进一步释放。AI 智能体的未来与其说是 " 全能自主 "，不如说是 " 人机协同 "。AI 能够解放人的双手，但最终决定权永远在人的手中。

AI 智能体释放潜能的关键

我们正在见证 AI 智能体从内容生成器进化成为自主解决问题的工具。在赋予其自主性之前，我们必须在安全的模拟环境中对智能体进行严格的压力测试；尤其在医疗、金融等高风险行业，由回滚机制和审计跟踪组成的 " 安全防护网 " 是 AI 智能体规模应用的前提。

即便 AI 智能体完全进化到能够自主处理复杂问题的水平，其自主性也不能超过业务场景、伦理规范与法律要求的边界，AI 治理和合规体系建设必须贯彻始终。从一开始，企业就需要建立值得信赖并且可审计的系统，通过算法透明化设计、数据溯源机制等技术手段，建立全流程追踪机制，确保对智能体所做的每一件事都可追溯。

引领企业走向负责任、可持续的智能体应用，另一支柱在于稳健的 AI 战略。企业切忌陷入技术上的盲目跟风，而应该让业务需求引导智能体的设计和部署，将智能体整合进企业生态之中。

过去一年，许多企业完成了生成式 AI 的初步探索，包括专有数据的整理和治理、为智能体构建可随时调阅的知识库等，现在正是扩大成果、实现规模化应用的关键时刻。通过将智能体技术与现有工作流程有机结合，企业不仅能最大化 AI 投资回报，更有望打造差异化竞争优势。

IBM：构建 AI 智能体生态的伙伴之选

即便是最前沿的 AI 突破，技术本身只占一小部分，那些 " 不起眼 " 的 IT 中间件则是让 AI 在复杂企业环境中真正落地的关键所在。

这一点在 AI 智能体上体现的尤为明显，它将释放人工智能数十年来积累的巨大生产力潜能与创新势能。智能体发挥威力的关键在于其在庞杂企业系统网络中的执行能力，这些系统往往横跨数百个应用程序、供应商和混合基础设施。这意味着，集成工具、自动化系统和编排工具将成为推动 AI 智能体发展的关键纽带。

当全球还在热议智能体技术时，IBM 已悄然构建了完整的智能体全栈解决方案，支持企业在现有 IT 架构中构建、部署和管理智能体。企业级 AI 智能体平台 watsonx Orchestrate 依托 IBM Granite 等 " 小而美 " 的开源模型，能够大规模实现复杂工作流自动化。该平台已实现与 80 多种核心业务应用的 1000 多项集成，将智能体能力输送至企业流程的每个 " 神经末梢 "。

在 Think 大会上，IBM 发布助力企业级 AI 的最新技术成果，包括开箱即用的专业领域智能体、面向开发者和业务人员的自主构建工具套件，以及覆盖智能体全生命周期的管理平台。

今天的 IBM，已经成为企业构建 AI 智能体生态的伙伴之选。作为一家拥有强大咨询部门的科技企业，IBM 具备的不仅是全栈技术能力，还有深耕全球的行业专长和深厚的业务洞察，能够助推 AI 智能体在具体业务场景中高效落地。同时，IBM 依托广泛的合作伙伴生态，已经搭建起完整的价值交付链条，为客户提供一站式、定制化的服务。

AI 的规模化应用不等于庞大的通用模型。企业真正需要的是灵活、安全且具备成本效益的 AI 平台和工具，从而深度整合企业数据、自动化工作流并驱动业务增长。IBM 希望帮助企业快速构建和扩展满足自身需求的 AI 能力，确保全生命周期治理并与业务目标对齐，真正成为 AI 技术浪潮中的参与者、受益者和价值创造者。

( 作者：IBM 大中华区技术销售总经理、首席技术官翟峰）