在近期于北京举行的AICon全球人工智能开发与应用大会上，行业领袖们一致指出，人工智能的进化正加速从单一的大模型能力迈向具备自主决策和执行能力的智能体（AI Agent）。这一转变不仅预示着AI在企业内部应用中的深刻范式革新，更将通过AI原生基础设施和数据整合，驱动各行各业的智能化跃迁与全球商业化突破。
6月27日至28日，AICon全球人工智能开发与应用大会在北京汇聚了逾50家顶尖科技企业、学术机构及开源社区的专家代表，共同探讨人工智能从“大模型”向“智能体”演进的深层逻辑与实践路径。此次大会的讨论核心，清晰地描绘了AI技术如何在软件研发、数据分析、业务运营及智能硬件等多元场景中，从辅助工具升级为自主解决复杂问题的“数字员工”，标志着AI应用进入了“价值落地期”。
智能体的崛起：从辅助到自主
大会上，一种共识正在形成：AI的未来在于其“行动力”。阿里云智能集团研发副总裁丁宇（叔同）在题为《从 Copilot 到 Agent：AI 编程的范式革新》的演讲中指出，AI编程工具正从早期的代码补全（Copilot）逐步演进到任务级编程（Agent）。他预测，未来高达80%的开发需求可能由AI自主完成，Agent模式将成为AI编程的核心范式，能够处理缺陷修复、架构升级等更复杂的开发任务。这种从“辅助”向“自主”的转变，是AI技术深入企业业务流程的关键。
这种“自主”能力的构建，可被概括为一个“感知-推理-规划-执行-进化”的闭环。正如36氪对金融智能体的分析，这类智能体能够感知金融环境，基于内部模型或知识进行推理和决策，规划并执行复杂任务，并根据结果进行反馈和调整1。这远超传统“数字员工”的概念，更像是一个拥有学习和适应能力的“数字大脑”。
具体实践中，这种进化已初见成效。昆仑万维等公司已推出了“天工超级智能体”（Skywork Super Agents），通过整合多个专家AI Agent和一个通用AI Agent，实现了从生成文档、PPT到表格的“一站式”内容创作能力，并强调信息可溯源，有效解决了此前Agent“通而不专”和“需求不清”的痛点2。这种能够直接“交付结果”的智能体，正在推动AI从实验性产品走向可信赖的业务引擎。
驱动落地：AI原生基础设施与数据新范式
AI智能体的广泛应用，对底层基础设施提出了全新的要求。Linux基金会AI与基础设施总经理Mark Collier强调，AI原生时代的基础设施需围绕“训练、推理、代理”三大支柱构建，并预测未来的基础设施将实现“自我演化、自治，且训练是连续的”3。尤其值得关注的是推理环节，它被视为AI技术进入市场的关键，但当前该领域在成本、效率和延迟方面仍面临诸多挑战。
在此背景下，“AI原生云”的概念应运而生。硅基流动创始人兼CEO袁进辉指出，大语言模型及生成式AI的发展促使云基础设施与AI技术栈重塑，催生了如AI Native Cloud这类新需求。面对国内算力供应链的挑战，硅基流动与华为合作，基于CloudMatrix 384硬件基础设施，实现了大模型的稳定服务，并通过资源池化和高效通信，提升了算力利用效率3。昆仑万维也正通过自研AI算力芯片，旨在降低对外部芯片厂商的依赖，实现算力供应的自主可控，构建“算力基础设施—大模型算法—AI应用”的整套闭环2。
数据作为AI的“燃料”，其处理和整合方式也正经历范式革新。腾讯云在推动产业智能化转型中，提出通过构建多模态数据湖来理解非结构化数据，打造智能生产线实现数据与AI的无缝流转，并强调数据处理的高性能和高质量，以确保AI决策的可信可靠性。其发布的《Data + AI，下一代数智平台建设指南》白皮书，描绘了一个从被动数据仓库向主动“知识母体”转变的未来数据平台愿景3。然而，挑战依然存在，麦肯锡的报告指出，40%的企业存在50个以上的数据孤岛，这可能导致大模型精度下降20%-30%1，凸显了数据整合的紧迫性。
此外，开源在AI原生时代扮演着至关重要的角色。Mark Collier强调了“开放设计、开放社区、开放治理和开放代码”的“4开”原则，认为开源社区是解决复杂问题的最佳途径。昆仑万维也积极拥抱开源，将其自研的AI模型及框架向全球开发者开放，通过协作推动技术共享与外部生态网络的构建2。
场景深耕与商业化破局
极客邦科技发布的《中国大模型落地应用研究报告 2025》显示，中国大模型市场正从“合规投入期”迈入“价值落地期”，并逐步进入“场景应用扩散期”。尽管2023年有12.3%的大模型产品消失，但2024年新增产品高达65%，表明市场在经历洗牌后，正加速探索商业化路径。金融和汽车领域因其数据治理的成熟度，已成为大模型落地的领先行业。
商业化的曙光在特定场景中尤其明显。昆仑万维的财报显示，其在AI音乐（Mureka）、AI短剧（SkyReels）和AI社交（Linky）等娱乐消费场景中实现了显著的商业突破。例如，Mureka凭借其多语言支持和“音乐+社交”的融合路径，在2025年3月全球访问量达333万，月流水收入约100万美元2。这种以强感官刺激和传播属性切入市场的方式，使得用户获取成本低、粘性高，付费意愿明确，为AI产品的快速变现提供了有效路径。
然而，技术与商业化的融合并非坦途。丁宇提到，尽管全球62%的开发者已在使用AI编程工具，但中国仅为30%，仍有巨大的提升空间，这既是挑战也是机遇。同时，AI人才的短缺也日益凸显。麦肯锡预测，到2030年，中国AI人才缺口将达到500万，而兼具算法和金融业务能力的复合型人才更是不足15%1。这些结构性问题，成为AI技术从实验室走向广泛应用、从模型能力转化为实际生产力的关键瓶颈。
AICon北京2025的洞察表明，人工智能的演进已不再是单纯的技术竞赛，而是技术与产业深度融合的系统工程。从“大模型”到“智能体”的范式转变，正将AI推向更深层次的自动化和自主化，使其成为企业实现智能化跃迁的核心驱动力。尽管挑战犹存，但清晰的落地路径和日益成熟的商业模式，正加速AI对社会、经济乃至人类工作方式的深远重塑。随着AI智能体在各行各业的渗透，我们正站在一个由智能代理主导的全新时代的门槛上，它们将不仅是工具，更是未来业务逻辑和生活方式的基石。
引文
-
零帧起手AI Agent，一文看懂「金融智能体」·36氪·洪偌馨（2025/6/28）·检索日期2025/6/30 ↩︎ ↩︎ ↩︎
-
这家公司已在全球收割AI红利，做"真正能交付结果的"Super Agents·量子位·杰西卡（2025/5/27）·检索日期2025/6/30 ↩︎ ↩︎ ↩︎ ↩︎
-
让Agent 进化Agent：企业自动化的新范式构想｜AICon北京·InfoQ·（2025/6/28）·检索日期2025/6/30 ↩︎ ↩︎ ↩︎