2025年被認為是“AI智能體元年”。隨著各廠商密集發(fā)布AI智能體，Agent似乎開始廣泛走向終端落地。但熱潮背后，早期“爆款”產品也遭遇了用戶關注度下降甚至影響續(xù)費率的尷尬。

與此同時，在今年開源模型的推動下，智算一體機品類再度受到高度關注，被視為大模型落地的“最后一公里”。而使用者依然存在對其應用過程中出現(xiàn)幻覺、安全與合規(guī)等方面的深層焦慮。

Agent在今年到底落地到了什么程度？智算一體機的高關注度，又能為Agent注入怎樣的動能？產業(yè)界正在尋求更優(yōu)答案。

AI智能體疾馳

從創(chuàng)業(yè)公司立足推出AI Agent產品，到越來越多基礎大模型廠商開始發(fā)布帶有智能體功能的平臺或產品，今年Agent形態(tài)開始正式走向大眾市場。

“2025年被廣泛認為是‘AI智能體（Agent，也稱“代理AI”）元年’。行業(yè)普遍認為，代理型AI是今年及未來的關鍵技術趨勢。”Gartner研究副總裁孫鑫對21世紀經濟報道記者指出，總體來看，2025年標志著代理型AI走向主流化。這些智能體正從簡單輔助工具進化為復雜、協(xié)同的生態(tài)系統(tǒng)，將深刻改變企業(yè)自動化復雜任務和決策的方式。這需要戰(zhàn)略性投資專業(yè)AI技術，促進跨部門協(xié)作，并堅持倫理治理，以充分發(fā)揮其中潛力。

2025年Agent產品迭代正出現(xiàn)新的變化，孫鑫對記者分析，集成代理型AI的產品將提供更個性化、主動且流暢的用戶體驗，這要求產品團隊重新思考設計與開發(fā)策略，融合智能體驅動的解決方案；同時，投資重點逐漸轉向適應垂直行業(yè)和多模態(tài)輸入的專業(yè)模型，由此提升智能體表現(xiàn)。

在此支持下，企業(yè)將建立完善的監(jiān)測和反饋系統(tǒng)，推動智能體能力的不斷優(yōu)化。而面向代理型AI的開發(fā)和部署需要IT、產品管理、客戶服務及治理等多個職能部門緊密合作；也不能忽視治理、隱私與倫理問題。

然而，此前一度驚艷市場、“一碼（邀請碼）難求”的部分明星Agent產品似乎后續(xù)走入“高開低走”的困境。

在孫鑫看來，一些爆火的Agent產品用戶興趣下降和續(xù)費率低迷，主要原因要從產品能力、市場策略等方面剖析。

“比如許多廠商存在‘Agent Washing’現(xiàn)象，將一些自動化程度低的傳統(tǒng)產品簡單重新命名為AI智能體，夸大其功能。這導致用戶期待過高，但實際體驗不符，引發(fā)失望，進而降低興趣和續(xù)費意愿。”他進一步指出，此外，缺乏明晰且可預期的定價結構，讓用戶難以理解產品成本，增加了續(xù)費和長期使用的顧慮。

他還提到，如果產品帶來的效率或效果提升無法顯著優(yōu)于現(xiàn)有方案，就容易讓用戶失去興趣。而部分Agent產品在使用和集成過程中，還存在對用戶要求較高的情況，也影響了用戶采納和續(xù)訂。

針對今年各家廠商積極研發(fā)Agent產品的趨勢，孫鑫提出建議：優(yōu)先提升產品的用戶交互體驗，開發(fā)更加直觀、具備上下文感知和自然語言交互能力的智能體；同時嵌入透明的AI治理框架和安全機制；還需針對高價值場景設計專業(yè)化解決方案，從而促進采納率和續(xù)費率提升。

智算一體機驅動

除了智能體形態(tài)產品正逐漸落地之外，今年AI應用市場另一個備受關注的方向是智算一體機。尤其在年初DeepSeek持續(xù)推動開源模型降本增效背景下，借力智算一體機讓部分行業(yè)更快擁抱AI技術正成為重要趨勢。

長遠來看，一體機的落地迭代也有望進一步促成Agent產品的更好優(yōu)化。

孫鑫對21世紀經濟報道記者分析，隨著智能計算機與邊緣側全棧生成式AI（All-in-One GenAI Stack）的集成，智算一體機在邊緣的快速發(fā)展將顯著加快AI智能體的發(fā)展與迭代。

具體來說，他對記者指出，在智能計算機具備先進的處理能力，可在本地完成復雜計算，減少延遲、提升Agent的響應速度和實時決策能力，支持更快功能迭代。同時，邊緣設備的獨立運行能力使Agent能夠自主完成任務，實時從環(huán)境中學習并調整行為。

“全棧GenAI能支持多種數(shù)據類型，如文本、音頻、視頻等，由此可以增強Agent對上下文的理解和交互能力。而且，智能計算機可以為Agent提供持續(xù)的環(huán)境數(shù)據，進而形成反饋閉環(huán)。”孫鑫補充道，而在開發(fā)過程中，集成的GenAI開發(fā)工具將降低開發(fā)難度，推動Agent快速進行原型設計和迭代。

不僅是Agent單體能力提升，讓多個Agent進行協(xié)同工作，最終統(tǒng)一輸出答案也是當前落地趨勢之一。邊緣智算一體機就能支持多個Agent協(xié)作，形成更強大、有效的多智能體系統(tǒng)，進一步提升Agent處理復雜任務的能力。

“整體來看，邊緣側智能計算設備與全棧生成式AI的集成，為Agent的快速發(fā)展和迭代創(chuàng)造了理想環(huán)境，將推動更強大、自主、高效的智能體系統(tǒng)，顯著提升企業(yè)業(yè)務流程和用戶體驗。”孫鑫總結道。

對于備受詬病的模型幻覺問題，他對記者分析，當前行業(yè)已經在落地階段性解決方案。這包括多個維度，例如構建負責任的AI框架，制定開發(fā)和部署AI規(guī)范、提升透明度和問責性等；而促使幻覺產生的一個重要原因是數(shù)據質量不佳，AI廠商也在注重提升相關能力；還可采用“人機閉環(huán)”機制，由人工審查模型輸出結果，尤其在高風險場景中幫助發(fā)現(xiàn)和糾正錯誤內容，提高整體準確率。

從未來演進策略角度，他進一步告訴記者，未來模型迭代預計將引入更先進的訓練技術，降低幻覺率，包括使用更豐富、高質量和多樣化的數(shù)據集，增強模型理解和生成能力等。當然，針對特定行業(yè)或任務定制領域專用模型將越來越多，這也可以提高性能并減少幻覺。

“隨著AI使用法規(guī)趨嚴，組織需要采納安全部署措施，推動針對幻覺管理和倫理使用的標準化流程建立。”孫鑫補充道，AI服務交付在未來將依靠技術供應商、數(shù)據工程師、監(jiān)管機構等多方協(xié)作，以此來提升AI系統(tǒng)整體安全性和可靠性。

金融+AI的攻與守

從具體行業(yè)實踐來看，在AI大模型技術快速迭代過程中，金融被認為是極具潛力的落地行業(yè)之一。但同時，該行業(yè)的特殊屬性，令其應用AI技術過程中也面臨大量挑戰(zhàn)。

Gartner全球金融行業(yè)分析師顏晶分析指出，銀行確實嘗到了采用AI的“甜頭”，但更大范圍的規(guī)模化價值兌現(xiàn)仍面臨三道高墻——預算、人才與規(guī)劃。同時，智能體（Agentic AI）的演進正打開下一幕：從被動問答到主動決策，銀行服務的底層邏輯將被重塑。

從金融行業(yè)目前部署AI的進展來看，Gartner認為，到2026年，全球銀行業(yè)至少30%的生成式人工智能項目將在概念驗證（POC）后因數(shù)據質量差、預算限制、缺乏專業(yè)知識或商業(yè)價值不明而被放棄。

目前，銀行在核心業(yè)務部署生成式AI的腳步仍然緩慢，據Gartner統(tǒng)計僅10%，相比之下，非核心業(yè)務部門的部署率相對高很多。這反映出，銀行業(yè)更希望在見效快、風險低或易標準化的部門，率先部署AI。

總結目前的掣肘，顏晶指出，根據Gartner統(tǒng)計，2024年金融機構為AI相關技術投入的預算僅占總支出的4%。這背后是考慮到合規(guī)和監(jiān)管壁壘、開發(fā)AI產品高昂的研發(fā)成本、風險收益不成正比等因素。“根據VISA實驗室公布的一項數(shù)據，如果想降低反欺詐AI的誤報率，每降低1%，VISA就要增加300%的算力投入。因此目前對很多金融機構來說，這是一件性價比不太高的事。他們更希望等到‘技術、法規(guī)和市場’這三角都成熟之后，才更愿意對AI投入加速。”

人才缺乏是傳統(tǒng)行業(yè)迎接新技術時都會面臨的挑戰(zhàn)。相比之下，AI初創(chuàng)公司或科技巨頭無論從企業(yè)文化還是薪資等方面都更具吸引力。

更隱蔽卻重要的是潛在的“失敗規(guī)劃”：數(shù)據孤島、成本估算不合理、POC陷阱，讓大量項目倒在從實驗階段到落地的“死亡谷”中——許多銀行用理想化的小數(shù)據集跑出95%精準度，一旦切回真實環(huán)境，性能驟降20%以上；前期預算只考慮到GPU訓練費用，上線后才發(fā)現(xiàn)在持續(xù)運維、數(shù)據更新方面仍要進行投入。

當然金融機構正著手應對。顏晶舉例道，在技術層面，可通過采用MoE混合專家模型、模型蒸餾等技術，將大模型的能力下沉到更適合特定場景的小模型中，在保證性能的同時控制成本。在數(shù)據治理方面，需要打破部門墻，建立企業(yè)級的高質量、高合規(guī)數(shù)據底座。同時應積極參與監(jiān)管沙盒，在合規(guī)框架內創(chuàng)新。

現(xiàn)階段來說，AI技術已經在銀行業(yè)多個領域創(chuàng)造了可量化的價值：AI自動化了大量重復性高、規(guī)則性強的任務，如報告自動生成、單據審核等；結合OCR圖像識別與生成式AI技術，能智能化處理大量文件，縮短業(yè)務辦理時間；AI模型還能實時分析交易行為識別異常模式，在消費行為發(fā)生顯著偏離時及時預警。

在今年“智能體元年”的背景下，AI技術在金融領域的應用也逐漸從“工具”向“代理”演進。Gartner認為，其發(fā)展可分為四個階段。

最初是基于規(guī)則引擎或自然語言處理，處理簡單的問答任務，可稱之為“對話智能體”，其應用也面臨較大局限性；到2024年演進到“AI助手”階段，可以幫助銀行內部員工處理更復雜的對話，甚至幫助撰寫部分報告；進入2025年正在見證“自主AI智能體”的興起，其能在極少人工干預下，做簡單的決策如貸款初審，但最終仍需人工復核。

銀行業(yè)當前正探索的是下一階段的“代理體AI”，未來其有望改變銀行的服務模式，甚至創(chuàng)造出新產品或商業(yè)模式。

“Agentic AI是未來最有變革影響力的一種技術，而且它在未來兩年內，就非常有可能實現(xiàn)市場化。”顏晶分析道，成功的Agentic AI部署需要從模型架構、數(shù)據、硬件協(xié)同三方面共同推進，建議金融界可以從“短期落地、長期探索”兩個維度探索，短期可聚焦對低風險場景的自動化；長期隨著模型能力提升，可探索構建全面的風險傳導鏈分析模型。

從整體趨勢來說，孫鑫對記者表示，Gartner預計到2028年，約33%的企業(yè)軟件應用將內嵌代理型AI，而2024年這一比例不足1%。此外，15%的日常工作決策將由這些智能體自主完成，2024年幾乎為零。這表明AI系統(tǒng)正向具備獨立決策、規(guī)劃和執(zhí)行能力的方向演進，應用于各行各業(yè)。而代理型AI市場預計將經歷重大變革，包括市場整合和大規(guī)模部署。

“未來三到六年內，專家型智能體將興起，其專注于面向復雜的領域特定工作流程，提升運營效率和決策能力。”他續(xù)稱。