【联想集团】大模型应用落地提速 - Agent的未来走向何方？

　　虽然OpenAI的GPT5迟迟没有发布，但已经初具“思考/推理”能力的o1让大众看到了AI大模型新的发展趋势。由此也将影响应用端的落地。

　　在投资层面，近日AI应用相关A股概念股遭遇热捧，也显示出市场对AI落地的热情。

　　最近，《Gartner十大战略技术趋势报告（2025）》发布，Gartner研究副总裁高挺接受21世纪经济报道等媒体采访时指出，Gartner前几年发布的 势头报告偏向强调技术架构变化，对明年的展望则更强调技术本身。“因为前几年信息技术看起来没有很大突破，但从去年开始，由于AI不断迭代，我们似乎又进入一个技术发展的加速期。”

　　其中主要涉及三类主题：AI落地趋势和风险、计算新范式和人机协同的未来走向。“我认为其中发展较快的是‘代理型AI’，Gartner预测未来2-3年将逐渐落地；随之要关注‘AI治理平台’，预计2-4年；另外是‘虚假信息安全’（大约1-3年）和‘多功能 机器人 ’（大约3-十年落地）。”他续称，这些领域也将最早造成经济创收。

　　与消费者最为密切的当属“代理型AI（也称Agentic AI）”。记者发现，多家终端厂商在今年推出AI大模型相关技术时，已经开始谈到对AI Agent或AIOS的落地规划，只是目前产业链间对此做出的畅想还相对单一、应用也在初级阶段，距离“人人都有AI代理”的阶段还有多远？

　　探路个人“代理”

　　AI大模型演进直到今天，寻求杀手级应用成为核心命题。由此，今年以来多家头部大模型厂商宣布token使用降价甚至部分产品免费。Agent就被普遍认为是一大关键应用。

　　高挺分析，代理型AI也称“AI智能体”，还包含“代理型搜索”或“多代理的系统”等含义。其通过自主规划和采取行动实现用户定义的目标，为实现能够分担和补充人类工作的虚拟劳动力造成了希望。

　　Gartner预测，到2028年，至少15%的日常工作决策将由代理型AI自主做出，而2024年这一比例还是0%。

　　高挺介绍，日常决策主要包含：重复性、数据密集型任务；面向内部、可提高后台工作效率的任务；决策路径较短、有人类参与协同的任务。“我们认为先落地的场景有搜索、个人生活助理、客户服务、软件开发和测试，和传统RPA（ 机器人 流程自动化）场景的拓展，代理型AI最终效果是对自动化的进一步提高。”

　　至于代理型AI的具体落地进展，将与AI大模型的实际能力演进相关。

　　OpenAI此前提出过AI五个发展阶段：第壹阶段具备语言能力，产品多指向聊天 机器人 ；第贰阶段具备推理能力，可以助推人类解决一定问题；第叁阶段就是代理能力，开始帮助人类行动；第四阶段AI可以融入发明创造过程，第五阶段具备体系化工作能力。

　　目前来看，当前正处在第贰阶段向第叁阶段演进，是为“代理”能力铺路的过程。

　　高挺分析，“代理型AI”有两个明显特点：提供一个整体目标后，可以根据外部环境自动计划任务并执行；需要至少有记忆、计划、感知和调用工具这四大模块。

　　“我们未来会看到人机交互模式有新变化。”他续称，在上世纪八九十年代的交互是采用命令行界面（CLI）；尔后Windows、MAC类的出现，让人机交互进入图形用户界面（GUI）；未来会走向人机对话的自然语言交互界面（NLUI）。“我们认为‘代理型AI’的终局就是人类和AI融合。”

　　但目前“代理”能力还相对初级。此前备受关注的某手机发布会现场，讲话人通过对手机下命令，为现场千余人点咖啡的场景显然还相对简单。

　　高挺对21世纪经济报道记者分析，的确当前代理型AI还处在相对早期阶段。其最重要的发展瓶颈就是错误率较高、推理能力还不够强，尤其面对决策路径长、执行任务多的复杂目标场景时。

　　“代理型AI的落地主要决定于模型推理能力，目前OpenAI的推理模型只发布了第壹代，至少要迭代2-3个版本才具备相当高的实用性，预计2025年代理型AI仍然处于发展期。”他续称。

　　计算多元化

　　支撑AI发展的底层基础设施之一就是计算能力，尤其在数字化、智能化的当下，计算正无处不在渗透到生活中，也意味着对计算的切实需求走向多元化。

　　Gartner认为的2025年十大战略技术中就包含多类型计算，如混合计算、节能计算、 空间计算 等。

　　在芯片领域发展多年的异构计算（如GPU+CPU）就属于混合计算的其中一个分支，只是后者界限更广泛。

　　高挺介绍，混合型计算是指结合不同计算、存储、网络基础来处理计算问题，好比结合神经形态、量子计算、光计算、生物和碳计算技术，最终愿景是把不一样的计算范式融合，通过一个编排系统让其施展各自优势。“好比量子计算在药物发现和材料科学领域表现出独特能力。但难点是其中涉及诸多新兴技术，它的成熟至少需要3-十年。”

　　随同AI计算火热的是，多家国际科技巨头先后重启旗下核电站，显示出背后惊人的耗电量，因尔后续如何节能也尤为重要。

　　高挺分析，在2024年，碳足迹是大多数IT组织的首要考虑因素。尤其涉及计算密集型应用，例如AI训练、模拟、优化和媒体渲染等由于能耗最高而可能成为企业碳足迹“大户”。节能计算的切实需求就应运而生。

　　“这其实不是一挥而就的。短时间策略，可以使用绿色能源，降低能效比或提高计算利用率的形式，好比把一些工作负载转移到碳排放更低的云区域。中期策略，可以用更高效的编码架构和算法提高能效比，并且把专门的计算任务移植到特定、高效的硬件上去。长期策略方面，我们预计在2030年之前将出现光学计算或光计算系统用于特殊任务（好比AI优化），其能耗效率可能比硅基芯片高100倍甚至更多。从更长远角度看，DNA存储、陶瓷存储、量子计算等技术对能耗的切实需求也比传统计算低得多。”他进一步指出。

　　 空间计算 偏向AI能力的应用层面，此前苹果发布旗下首款XR眼镜Vision Pro时也谈到了这一趋势，即将物理空间与数字空间融合交互。

　　虽然XR眼镜在今年遭遇发展瓶颈期，但更轻量级、功能精简的AI眼镜出乎意料快速打破100万台出货大关，引发市场关注。有从业者对21世纪经济报道记者指出，未来AI眼镜的增量空间或许是取代传统近视眼镜或墨镜类产品，为其丰富功能属性。

　　高挺对21世纪经济报道记者分析，未来AI眼镜与AR眼镜将是并行发展的关系，前者是在传统眼镜中增添AI功能，后者则是 增强现实 ，二者其实不冲突。

　　“我认为苹果提出的 空间计算 仍然有机会成为下一代移动终端中心。只是短时间而言，苹果此前发布的Vision Pro被认为体验令人惊艳，但难题是现有硬件条件下较难以精进。这背后涉及成本、硬件产业链技术等多维度命题，造成当前的头戴式显示设备价格高昂、重量难以妥协、续航时间不足、操作界面复杂、设备整体碎片化等。最核心是尚未出现杀手级应用。”他续称。

　　Gartner预计在未来五到七年内， 空间计算 的使用将通过简化工作流程和增强协作能力来提高企业效率；到2033年， 空间计算 市场将从2023年的1100亿美元增长至1.7万亿美元。

　　警惕伴生风险

　　在推进AI技术和应用落地的同时，风险也随同而生，当前阶段已经不能忽视由此可能引发的定 时炸弹。

　　高挺分析，生成式AI的出现大幅增加了人类可能面临技术失控的危险，很多企业开始关注用AI治理平台去解决这一担忧。

　　AI治理平台是指可以从法律、伦理道德方面帮助组织管理和监督AI全面的技术解决方案。其主要能力包含模型生命周期管理、模型透明度和可解释性、模型验证、AI系统监控、AI系统相关的法律、政策合规管理等。

　　Gartner预测到2028年，采用综合AI治理平台的企业将比没有该类全面的企业减少40%与AI相关的伦理事件。

　　虚假信息则是随同互联网诞生便存在，只是AI技术的出现可能会令挑战加码。

　　“AI和机器学习工具的广泛可用性令其一旦被用于恶意目的，预计将增加针对企业的虚假信息事件数量。如果这种趋势不被加以控制，那么虚假信息可能会对企业造成重大且持久的损害。”高挺分析道，“虚假信息安全”是应用在信息流传中，确保其完整性、评估可靠性，防止冒充和追踪有害信息流传的一系列技术，例如采用大语言模型驱动的监控系统。

　　“已经有厂商在提供相应解决方案。例如，一些社交媒体平台和新闻网站开始实施自动化虚假信息检测系统，能够实时监测用户生成的内容，并及时标记或删除虚假信息。”他续称，但目前仍有缺点，包含面临较高的计算成本、泛化能力不足、有数据依赖性可能会存在偏见等。

　　Gartner预测，到2028年将有50%的企业开始采用专为应对虚假信息安全用例而设计的产品、服务或功能，目前这一比例还不到5%。