作者：翟峰，IBM大中华区技术销售总经理、技术官
2025年，AI领域的热议话题已经从大语言模型（LLMs）转向了AI智能体（AI Agent）。根据Gartner预测，企业软件中整合自主型AI的比例将从2024年的不足1%跃升至2028年的33%；同时，超过15%的日常工作决策将交由AI智能体自主完成。随着生成式AI的加速普及、AI智能体的迅猛发展，以及智能流程自动化的不断突破，企业正迎来第三波人工智能助手浪潮。
、业界人士预测2025年将是“AI智能体（AI Agent）元年”，媒体认为AI智能体是AI入口之争，将带来生产力提升和创新的新浪潮。今天，我们对AI智能体应该抱有怎样的期待？技术愿景和商业落地间又存在着哪些关键挑战？释放AI智能体强大潜能的关窍又是什么?
拐点已到：2025年开启AI智能体规模应用 AI智能体是一种能够自主理解、规划并执行复杂任务的软件程序，它由大语言模型驱动，可根据需要调用各类工具、其他模型及系统，与之交互，以实现用户的目标。AI智能体与传统的AI助手（AI Assistant）不同，后者每次生成回复都需要用户提示，而智能体在理论上只需用户下达一项高层级任务，便会自主规划完成路径。
2025年将迎来AI智能体的爆发，业界这一判断与大语言模型（LLM）等技术领域的突破息息相关。智能体的核心在于自主性和规划能力，它们需要具备逻辑推理、工具调用能力和执行任务的能力，而且需要实现高速、规模化的运作。
相比于两年之前，业界已经不再执着于“全知”的庞大模型，更多企业开始转向中小模型，理由很简单：后者速度更快、计算资源需求更小，具备更强逻辑推理、上下文理解以及外部交互能力。加上思维链（COT）训练、扩展的上下文窗口和函数调用能力，这些关键突破意味着AI智能体在2025年的爆发已经具备了技术基础。
AI智能体的未来：自主还是人机博弈？ AI智能体的发展已然势不可挡，但理想与现实之间往往存在有待跨越的鸿沟。在人们的畅想中，2025年的智能体是一个拥有推理、决策和自主执行能力的智能实体，能够在人类完全不介入的前提下，评估并运用必要工具完成某个项目。AI智能体确实在朝着这个方向发展，但当前的智能体产品仍处在实现这一理想的初级阶段。
目前来看，多数智能体还局限在为大语言模型添加基础的规划能力和工具调用（或者说函数调用）功能，使其能够将复杂任务分解为较小的、可执行的步骤。它们可以实现数据分析、趋势预测和一定程度的工作流程自动化，在简单场景中可以选择正确的工具完成任务，但面对复杂场景，技术成熟度仍显不足。
要构建自主处理复杂决策的AI智能体，仅靠算法层的优化是不够的，还需要在上下文推理、边缘测试等方面取得突破。更重要的是，大多数企业没有做好迎接智能体的准备。随着智能体的应用，企业将要公开目前的应用程序接口（API），这是挑战性的部分，而解决这一问题的关键并不是模型是否够好，而是企业的智能化就绪程度。
同时，我们也必须用“以人为本”的思想对“技术至上”的倾向进行纠偏：智能体虽然具备自主能力，但绝不意味着人的全方位撤退。在我们讨论企业级AI的应用时，对AI影响就业市场的担忧始终存在。企业管理层应当认识到，智能体将增强而不一定是取代人类员工。如果AI被过度推崇，我们很可能陷入“人类辅佐AI”的本末倒置的境地，并且错失人机协同发展的黄金时期。
我倾向于认为，智能体将扮演“赋能”的角色，成为人类主导的集约化工作流中的协作者。低价值、重复性的任务将被自动化，而人类在战略规划、创意创新等高阶领域的潜力将被进一步释放。AI智能体的未来与其说是“自主”，不如说是“人机协同”。AI能够解放人的双手，但终决定权永远在人的手中。
AI智能体释放潜能的关键 我们正在见证AI智能体从内容生成器进化成为自主解决问题的工具。在赋予其自主性之前，我们必须在安全的模拟环境中对智能体进行严格的压力测试；尤其在医疗、金融等高风险行业，由回滚机制和审计跟踪组成的“安全防护网”是AI智能体规模应用的前提。
即便AI智能体完全进化到能够自主处理复杂问题的水平，其自主性也不能超过业务场景、伦理规范与法律要求的边界，AI治理和合规体系建设必须贯彻始终。从一开始，企业就需要建立值得信赖并且可审计的系统，通过算法透明化设计、数据溯源机制等技术手段，建立全流程追踪机制，确保对智能体所做的每一件事都可追溯。
引领企业走向负责任、可持续的智能体应用，另一支柱在于稳健的AI战略。企业切忌陷入技术上的盲目跟风，而应该让业务需求引导智能体的设计和部署，将智能体整合进企业生态之中。
过去一年，许多企业完成了生成式AI的初步探索，包括专有数据的整理和治理、为智能体构建可随时调阅的知识库等，现在正是扩大成果、实现规模化应用的关键时刻。通过将智能体技术与现有工作流程有机结合，企业不仅能化AI投资回报，更有望打造差异化竞争优势。
IBM：构建AI智能体生态的伙伴之选 即便是前沿的AI突破，技术本身只占一小部分，那些“不起眼”的IT中间件则是让AI在复杂企业环境中真正落地的关键所在。
这一点在AI智能体上体现的尤为明显，它将释放人工智能数十年来积累的巨大生产力潜能与创新势能。智能体发挥威力的关键在于其在庞杂企业系统网络中的执行能力，这些系统往往横跨数百个应用程序、供应商和混合基础设施。这意味着，集成工具、自动化系统和编排工具将成为推动AI智能体发展的关键纽带。
当全球还在热议智能体技术时，IBM已悄然构建了完整的智能体全栈解决方案，支持企业在现有IT架构中构建、部署和管理智能体。企业级AI智能体平台watsonx Orchestrate依托IBM Granite等“小而美”的开源模型，能够大规模实现复杂工作流自动化。该平台已实现与80多种核心业务应用的1000多项集成，将智能体能力输送至企业流程的每个“神经末梢”。
在今天开幕的Think大会上，IBM将发布助力企业级AI的技术成果，包括开箱即用的领域智能体、面向开发者和业务人员的自主构建工具套件，以及覆盖智能体全生命周期的管理平台。
今天的IBM，已经成为企业构建AI智能体生态的伙伴之选。作为一家拥有强大咨询部门的科技企业，IBM具备的不仅是全栈技术能力，还有深耕全球的行业专长和深厚的业务洞察，能够助推AI智能体在具体业务场景中高效落地。同时，IBM依托广泛的合作伙伴生态，已经搭建起完整的价值交付链条，为客户提供一站式、定制化的服务。
AI的规模化应用不等于庞大的通用模型。企业真正需要的是灵活、安全且具备成本效益的AI平台和工具，从而深度整合企业数据、自动化工作流并驱动业务增长。IBM希望帮助企业快速构建和扩展满足自身需求的AI能力，确保全生命周期治理并与业务目标对齐，真正成为AI技术浪潮中的参与者、受益者和价值创造者。
