1月15日，千問App宣布全面接入淘寶、支付寶、飛豬、高德等生態(tài)場景，在全球率先實現從點外賣到訂機票的AI購物功能閉環(huán)。這種從決策到支付的全流程自主化操作，也拉開了今年AI Agent（智能體）的大戲。

過去的2025年，智能體的崛起和加速滲透，無疑是AI領域最大的創(chuàng)新亮點。以AI智能體為代表的新技術、以業(yè)務重構為核心的新模式，正推動行業(yè)從工具應用向價值創(chuàng)造的深層轉型。這種勢頭也在2026年得到了加強和延續(xù)，政策導向與市場動態(tài)形成強勁共振，讓智能體產業(yè)加速升級。

比如政策端，連日來多部門密集部署2026年重點工作，其中智能體成為政策的落腳點之一。全國工業(yè)和信息化工作會議提出，推進“人工智能+制造”專項行動，培育一批重點行業(yè)智能體、智能原生企業(yè)。國家數據局也提出，2026年將在智能體、具身智能等前沿方向布局一批數據標準。

市場端方面，日前舉行的AGI-Next前沿峰會上，智譜創(chuàng)始人唐杰、月之暗面創(chuàng)始人楊植麟、阿里通義千問技術負責人林俊旸、騰訊首席AI科學家姚順雨等都認為，今年智能體將實現重大跨越，從當前可完成人類1-2天工作量，升級為能自主承接1-2周任務流的自動化工具。

對于2026年，AI應用正從可用走向好用，而智能體作為終端的入口，將與真實物理世界交互將更為頻密，有望成為AI時代的基礎設施。

01

智能體正成為新一代超級入口

今天千問App的發(fā)布會上，官方稱已向所有用戶開放外賣、購物、機票、酒店等生活服務測試功能，阿里也在Agent式電商賽道上實現搶先布局。比如外賣場景中，用戶只需輸入"幫我點杯奶茶"或"幫我點兩杯咖啡"，千問即可調用淘寶閃購服務能力，完成定位、商家推薦、生成訂單及一鍵付款，實現"說一句，就送到"。據測評顯示，系統(tǒng)可自動使用優(yōu)惠券，并流暢處理湊單等復雜情況。

事實上，從去年以來，全球各大廠商就在加速推出各自優(yōu)勢特長的智能體產品。在國內，Monica的Manus、智譜的AutoGLM沉思、Lovart、Flowith、Genspark等通用或垂類智能體先后上線，夸克也以“AI超級框”形態(tài)打造超級智能體，在搜索、瀏覽器、掃描、拍題等領域具備優(yōu)勢。而國外的蘋果、谷歌和OpenAI等也把智能體視為年度研究重點之一。

與此同時，繼百度的千帆AppBuilder之后，各類智能體開發(fā)平臺也爭相面世。比如阿里通義實驗室的新一代智能體開發(fā)框架AgentScope 1.0，核心目標是解決智能體在構建、運行和管理中的難題，提供一套覆蓋“開發(fā)、部署、監(jiān)控”全生命周期的生產級解決方案。騰訊優(yōu)圖實驗室的智能體框架Youtu-Agent也正式開源；字節(jié)旗下Agent平臺“扣子空間”則上架到蘋果App Store應用商店和安卓商店平臺。

2025年被稱為“AI智能體元年”，智能體也已經從實驗室正式走向應用前線，覆蓋物流與制造、內容創(chuàng)作、客服、手機助手、辦公自動化、軟件開發(fā)、醫(yī)療診斷、教育培訓、金融咨詢、自動駕駛、工業(yè)制造等多個垂直領域，通過“決策(LLM)+記憶+規(guī)劃+工具”構建智能閉環(huán)，正逐步重塑終端交互中樞，成為新一代超級入口核心。

“智能體會隨應用場景而爆發(fā)?！卑俣燃瘓F執(zhí)行副總裁沈抖認為，2026年的機會之一，在于Agent Scaling帶來生產力涌現。根據百度最新公布的數據，超級智能體百度伐謀上線一個月以來，覆蓋物流、制造、科學智能等領域，超2000家企業(yè)已申請試用，并已在汽車設計研發(fā)、空間站精密儀器優(yōu)化等前沿領域落地。

Gartner也明確指出，代理型AI已成為今年及未來的關鍵技術趨勢，2025年更是其走向主流化的重要節(jié)點，智能體正從簡單的輔助工具，進化為能夠協同運作的復雜生態(tài)系統(tǒng)，深刻改變企業(yè)處理復雜任務與決策的底層邏輯。

隨著技術成熟度、市場需求與產業(yè)生態(tài)的共振，智能體也迎來了商業(yè)化的春天。賽迪顧問近期發(fā)布的研究報告顯示，2024年中國智能體市場規(guī)模達47.5億元，同比增長64.4%，預計2025年將達78.4億元，增速持續(xù)超過60%，連續(xù)兩年實現了翻倍的增長，到2026年將接近150億元。

02

多場景展現價值，智能體的持續(xù)進化

當前，人工智能發(fā)展正在經歷顯著轉變，從以內容生成為核心的生成式人工智能向以目標驅動為核心的AI智能體演進。AI智能體將不再局限于內容的識別與創(chuàng)造，而是具備更強大的目標導向性、自主決策規(guī)劃能力以及與環(huán)境實時交互的能力。

而智能體在生產力、客戶體驗、業(yè)務增長、營銷以及安全方面的價值，已經在制造業(yè)、金融業(yè)以及醫(yī)療健康等多個場景落地，并且正在經歷從輔助到決策、從外圍到核心、從局部到全局的進化。

比如制造行業(yè)的核心痛點是“生產中斷”，因為一旦設備出現故障會導致生產線停工，造成巨大損失。而智能體通過實時監(jiān)測設備運行數據，能在故障發(fā)生前提前預警，把傳統(tǒng)的“事后維修”變成“事前預判”。有事例顯示，某頭部制造企業(yè)開發(fā)的預測性維護智能體，通過實時監(jiān)測設備數據、提前預警故障風險，將生產停機時間降低50%，為企業(yè)減少巨額經濟損失。此外，生產調度智能體還能根據訂單需求、原材料庫存、設備狀態(tài)等數據，動態(tài)調整生產計劃。

金融行業(yè)也是智能體最適合介入的，主要集中在客服運營、風險控制、營銷支持、信貸審批、保險理賠等重復性高、規(guī)則相對清晰的場景。在這些領域，智能體的核心作用并非替代決策，而是提升整體運行效率。中國銀行業(yè)協會發(fā)布《中國銀行業(yè)客服中心與遠程銀行發(fā)展報告（2024）》顯示，銀行AI智能客服開通率超60%、31%完成大模型部署。

在國內金融市場中，不同類型玩家也逐漸形成差異化路徑。像螞蟻數科、騰訊云等大廠型玩家，更多依托集團算力、模型和平臺能力，將智能體平臺切入金融場景；部分垂類金融科技公司則選擇聚焦單一業(yè)務場景，例如奇富科技圍繞信貸環(huán)節(jié)推出智能體，采用LangGraph多智能體協同框架，整合了問數、知識問答、洞察、報表等多個智能模塊，讓復雜的數據分析流程變得自動化，解決了溝通、審批以及合規(guī)監(jiān)管等銀行零售信貸的常見痛點。度小滿在去年也發(fā)布了“原力AI平臺”，通過大模型結合數據智能重塑風控體系，構建起“貸前更精準、貸后更透明、策略更靈活”的AI智能化風控閉環(huán)。

還有醫(yī)療健康行業(yè)，其多個場景均已出現智能體的身影。在院內，無論是患者服務、輔助診療還是醫(yī)院管理，都已有醫(yī)療機構和企業(yè)聯合發(fā)布相應的智能體；在院外，以互聯網醫(yī)療、健康管理為主的企業(yè)推出了AI家庭醫(yī)生、AI健管師、AI心理咨詢師等智能體；此外，智能體還覆蓋科研與教學、藥物研發(fā)等領域，甚至能作為企業(yè)數字員工，在不同企業(yè)的職能崗位上發(fā)揮作用。

Gartner還預判，未來三到六年內，專家型智能體將加速興起，這類聚焦特定復雜領域工作流程的智能體，將進一步提升行業(yè)運營效率與決策精準度。

03

多智能體協同成趨勢，三個問題待解

對智能體的發(fā)展規(guī)劃，已經進入國家最高決策層。在國務院印發(fā)《關于深入實施“人工智能+”行動的意見》中，首次以國家戰(zhàn)略形式明確人工智能發(fā)展的未來時間節(jié)點：2027年實現與六大重點領域深度融合，智能終端普及率突破70%；2030年完成全面賦能，智能經濟成為核心增長極；到2035年，我國將全面步入智能經濟和智能社會發(fā)展新階段。

但不可否認，我國的智能體應用當前仍尚處于起步階段，而且各自為戰(zhàn)難以構建協同，未來有三個方面的問題需要得到解決。

一是警惕市場上的“偽智能體”。去年來，隨著智能體概念熱度的攀升，市場上也涌現出一批打著智能體旗號的“偽智能體”或者說是“套殼智能體”，不少公司將傳統(tǒng)的技術、現有的產品包裝或貼牌成智能體，通過營銷策略進行宣傳，誤導用戶。這些產品看似搭載了AI功能，實則只是大模型與RPA的簡單線性組合——大模型負責生成操作指令，RPA負責執(zhí)行預設流程。大模型與RPA之間缺乏深度協同與動態(tài)適配能力，本質上仍未擺脫傳統(tǒng)自動化工具的局限，并非真正意義上的智能體。

二是要突破技術瓶頸，推動高質量數據集建設，以提升智能體解決復雜場景的專業(yè)能力。目前多數智能體，還局限在為大語言模型添加基礎的規(guī)劃能力和工具調用（或者說函數調用）功能，使其能夠將復雜任務分解為較小的、可執(zhí)行的步驟。它們可以實現數據分析、趨勢預測和一定程度的工作流程自動化，在簡單場景中可以選擇正確的工具完成任務，但面對復雜場景，其決策質量、專業(yè)深度以及技術上還是不夠。

比如在數據集的建設上，一方面是打破“數據孤島”和“生態(tài)壁壘”，實現全局的連接；另一方面，如何把企業(yè)內部多來源、多形態(tài)、多格式的各種數據，轉化成能夠支持AI模型后續(xù)訓練和智能體應用的數據資產，尤其是對企業(yè)應用中的術語、黑話、業(yè)務邏輯等，通過挖掘其隱含規(guī)律與價值轉化為知識，以更好的適配專業(yè)化場景。

三是關注技術生態(tài)與協作標準化問題。AI技術應用加速落地，但生態(tài)建設尚未成熟，尤其是單智能體的安全風險缺乏統(tǒng)一的全鏈路安全測試標準，導致潛在的等問題難以被量化和規(guī)避，也阻礙了未來多智能體的協同和共治。比如豆包手機的曇花一現，就引起了業(yè)內的極大爭議，帶來了安全、隱私和倫理，以及協作標準、商業(yè)模式等問題的討論。

總得來說，在技術發(fā)展和行業(yè)需求的推動下，行業(yè)企業(yè)會不斷加大智能體應用力度，各領域應用場景也會進一步拓展，而面對這些更復雜的業(yè)務場景，單一智能體難以應對所有任務，這也會帶動智能體朝著“更自主、更智能、更協同”的方向發(fā)展。與此同時，智能體生態(tài)逐漸形成，也會重構AI時代的商業(yè)模式和治理體系。