大模型應用落地提速，Agent的未來走向何方？

21世紀經濟報道記者駱軼琪 廣州報道

雖然OpenAI的GPT5遲遲沒有發佈，但已經初具“思考/推理”能力的o1讓大衆看到了AI大模型新的發展趨勢。由此也將影響應用端的落地。

在投資層面，近日AI應用相關A股概念股遭遇熱捧，也顯示出市場對AI落地的熱情。

近日，《Gartner十大戰略技術趨勢報告（2025）》發佈，Gartner研究副總裁高挺接受21世紀經濟報道等媒體採訪時指出，Gartner前幾年發佈的趨勢報告偏向強調技術架構變化，對明年的展望則更強調技術本身。“因爲前幾年信息技術看起來沒有很大突破，但從去年開始，由於AI不斷迭代，我們似乎又進入一個技術發展的加速期。”

其中主要涉及三類主題：AI落地趨勢和風險、計算新範式和人機協同的未來走向。“我認爲其中發展較快的是‘代理型AI’，Gartner預測未來2-3年將陸續落地；隨之要關注‘AI治理平臺’，預計2-4年；此外是‘虛假信息安全’（大約1-3年）和‘多功能機器人’（大約3-10年落地）。”他續稱，這些領域也將最早帶來經濟效益。

與消費者最爲密切的當屬“代理型AI（也稱Agentic AI）”。記者發現，多家終端廠商在今年推出AI大模型相關技術時，已經開始談到對AI Agent或AIOS的落地規劃，只是目前產業鏈間對此做出的暢想還相對單一、應用也在初級階段，距離“人人都有AI代理”的階段還有多遠？

探路個人“代理”

AI大模型演進至今，尋求殺手級應用成爲核心命題。由此，今年以來多家頭部大模型廠商宣佈token使用降價甚至部分產品免費。Agent就被普遍認爲是一大關鍵應用。

高挺分析，代理型AI也稱“AI智能體”，還包括“代理型搜索”或“多代理的系統”等含義。其通過自主規劃和採取行動實現用戶定義的目標，爲實現能夠分擔和補充人類工作的虛擬勞動力帶來了希望。

Gartner預測，到2028年，至少15%的日常工作決策將由代理型AI自主做出，而2024年這一比例還是0%。

高挺介紹，日常決策主要包括：重複性、數據密集型任務；面向內部、可提高後臺工作效率的任務；決策路徑較短、有人類參與協同的任務。“我們認爲先落地的場景有搜索、個人生活助理、客戶服務、軟件開發和測試，以及傳統RPA（機器人流程自動化）場景的拓展，代理型AI最終效果是對自動化的進一步提升。”

至於代理型AI的具體落地進展，將與AI大模型的實際能力演進相關。

OpenAI此前提出過AI五個發展階段：第一階段具備語言能力，產品多指向聊天機器人；第二階段具備推理能力，可以幫助人類解決一定問題；第三階段就是代理能力，開始幫助人類行動；第四階段AI可以融入發明創造過程，第五階段具備體系化工作能力。

目前來看，當前正處在第二階段向第三階段演進，是爲“代理”能力鋪路的過程。

高挺分析，“代理型AI”有兩個明顯特點：提供一個整體目標後，可以根據外部環境自動計劃任務並執行；需要至少有記憶、計劃、感知和調用工具這四大模塊。

“我們未來會看到人機交互模式有新變化。”他續稱，在上世紀八九十年代的交互是採用命令行界面（CLI）；此後Windows、MAC類的出現，讓人機交互進入圖形用戶界面（GUI）；未來會走向人機對話的自然語言交互界面（NLUI）。“我們認爲‘代理型AI’的終局就是人類和AI融合。”

但目前“代理”能力還相對初級。此前備受關注的某手機發佈會現場，發言人通過對手機下命令，爲現場千餘人點咖啡的場景顯然還相對簡單。

高挺對21世紀經濟報道記者分析，的確當前代理型AI還處在相對早期階段。其最重要的發展瓶頸就是錯誤率較高、推理能力還不夠強，尤其面對決策路徑長、執行任務多的複雜目標場景時。

“代理型AI的落地主要取決於模型推理能力，目前OpenAI的推理模型只發布了第一代，至少要迭代2-3個版本才具備比較高的實用性，預計2025年代理型AI仍然處於發展期。”他續稱。

計算多元化

支撐AI發展的底層基礎設施之一就是計算能力，尤其在數字化、智能化的當下，計算正無處不在滲透到生活中，也意味着對計算的需求走向多元化。

Gartner認爲的2025年十大戰略技術中就包括多類型計算，如混合計算、節能計算、空間計算等。

在芯片領域發展多年的異構計算（如GPU+CPU）就屬於混合計算的其中一個分支，只是後者邊界更廣泛。

高挺介紹，混合型計算是指結合不同計算、存儲、網絡基礎來解決計算問題，比如結合神經形態、量子計算、光計算、生物和碳計算技術，最終願景是把不同的計算範式融合，通過一個編排系統讓其發揮各自優勢。“比如量子計算在藥物發現和材料科學領域表現出獨特能力。但難點是其中涉及諸多新興技術，它的成熟至少需要3-10年。”

伴隨AI計算火熱的是，多家國際科技巨頭先後重啓旗下核電站，顯示出背後驚人的耗電量，因此後續如何節能也尤爲重要。

高挺分析，在2024年，碳足跡是大多數IT組織的首要考慮因素。尤其涉及計算密集型應用，例如AI訓練、模擬、優化和媒體渲染等由於能耗最高而可能成爲企業碳足跡“大戶”。節能計算的需求就應運而生。

“這並不是一蹴而就的。短期策略，可以使用綠色能源，降低能效比或者提高計算利用率的方式，比如把一些工作負載轉移到碳排放更低的雲區域。中期策略，可以用更高效的編碼架構和算法提高能效比，並且把專門的計算任務移植到特定、高效的硬件上去。長期策略方面，我們預計在2030年之前將出現光學計算或光計算系統用於特殊任務（比如AI優化），其能耗效率可能比硅基芯片高100倍甚至更多。從更長遠角度看，DNA存儲、陶瓷存儲、量子計算等技術對能耗的需求也比傳統計算低得多。”他進一步指出。

空間計算偏向AI能力的應用層面，此前蘋果發佈旗下首款XR眼鏡Vision Pro時也談到了這一趨勢，即將物理空間與數字空間融合交互。

雖然XR眼鏡在今年遭遇發展瓶頸期，但更輕量級、功能精簡的AI眼鏡出乎意料快速衝破100萬臺出貨大關，引發市場關注。有從業者對21世紀經濟報道記者指出，未來AI眼鏡的增量空間或許是取代傳統近視眼鏡或墨鏡類產品，爲其豐富功能屬性。

高挺對21世紀經濟報道記者分析，未來AI眼鏡與AR眼鏡將是並行發展的關係，前者是在傳統眼鏡中增添AI功能，後者則是增強現實，二者並不衝突。

“我認爲蘋果提出的空間計算仍然有機會成爲下一代移動終端中心。只是短期來說，蘋果此前發佈的Vision Pro被認爲體驗令人驚豔，但難題是現有硬件條件下較難以精進。這背後涉及成本、硬件產業鏈技術等多維度命題，導致目前的頭戴式顯示設備價格昂貴、重量難以妥協、續航時間不足、操作界面複雜、設備整體碎片化等。最核心是尚未出現殺手級應用。”他續稱。

Gartner預計在未來五到七年內，空間計算的使用將通過簡化工作流程和增強協作能力來提高企業效率；到2033年，空間計算市場將從2023年的1100億美元增長至1.7萬億美元。

警惕伴生風險

在推進AI技術和應用落地的同時，風險也伴隨而生，當前階段已經不能忽視由此可能產生的隱患。

高挺分析，生成式AI的出現大幅增加了人類可能面臨技術失控的風險，很多企業開始關注用AI治理平臺去解決這一擔憂。

AI治理平臺是指可以從法律、倫理道德方面幫助組織管理和監督AI系統的技術解決方案。其主要能力包括模型生命週期管理、模型透明度和可解釋性、模型驗證、AI系統監控、AI系統相關的法律、政策合規管理等。

Gartner預測到2028年，採用綜合AI治理平臺的企業將比沒有這類系統的企業減少40%與AI相關的倫理事件。

虛假信息則是伴隨互聯網誕生便存在，只是AI技術的出現可能會令挑戰加碼。

“AI和機器學習工具的廣泛可用性令其一旦被用於惡意目的，預計將增加針對企業的虛假信息事件數量。如果這種趨勢不被加以控制，那麼虛假信息可能會對企業造成重大且持久的損害。”高挺分析道，“虛假信息安全”是應用在信息傳播中，確保其完整性、評估真實性，防止冒充和追蹤有害信息傳播的一系列技術，例如採用大語言模型驅動的監控系統。

“已經有廠商在提供相應解決方案。例如，一些社交媒體平臺和新聞網站開始實施自動化虛假信息檢測系統，能夠實時監測用戶生成的內容，並及時標記或刪除虛假信息。”他續稱，但目前仍有缺點，包括面臨較高的計算成本、泛化能力不足、有數據依賴性可能會存在偏見等。

Gartner預測，到2028年將有50%的企業開始採用專爲應對虛假信息安全用例而設計的產品、服務或功能，目前這一比例還不到5%。