本报告来源:中国信息通信研究院和华为技术有限公司”
前 言
近年来，以大模型为代表的新一代人工智能技术迎来爆发式增长，成为推动产业升级、促进经济发展和引领社会进步的重要力量。智能体作为大模型的原生应用形态之一,能将模型各类能力转化为任务执行能力，高度贴合日益复杂的提质增效需求，加速推动行业数字化转型和智能化升级。通过梳理智能体技术和应用发展现状，呈现行业应用成效，分析当前问题挑战，可为智能体产业生态建设提供系统性参考。
本报告重点围绕智能体发展概述、关键技术、产业应用、问题挑战、发展建议五大方面，深刻剖析当前智能体发展现状及核心问题，发展概述层面,梳理了智能体的发展脉络,论述了智能体的概念演进技术及应用优势，分析了智能体的社会价值。关键技术层面，聚焦模型多维能力、“脑手”双轮驱动、通信协议以及多智能体协同等方面，深度分析了智能体的关键技术进展，推动技术创新融合。产业应用层面，阐述了智能体的平台工具应用、行业场景赋能、生态体系建设等情况，给出了智能体行业实践案例，为产学研用各方提供有效参考，加速智能体落地应用进程。问题挑战层面，论述了智能体在认知规划协同能力、应用场景创新及个性化、安全伦理及隐私保护等方面的挑战。发展建议层面，围绕夯实智能技术底座、促进多领域落地应用以及对齐人类价值偏好等维度进行了展望，为智能体的向上向阳发展提供了有力支撑。
未来，加快推进智能体技术创新和产业应用将成为推进人工智能与实体经济深度融合的重要举措。聚焦智能体核心技术研发的深度布局，加速构建智能体应用体系，有助于高效培育新质生产力，促进智能体普惠化、可持续、高质量发展。当前智能体技术正处于快速发展阶段，智能体技术和应用研究工作还将持续深化开展，报告中如有不足之处还请各方专家读者不吝指正。
一、智能体发展概述
智能体(AIAgent)作为能自主设定和实现目标的代理，其演进之路伴随着人工智能(AI)技术的持续发展，实现从自动化工具到自主性能力的升级。20 世纪 50 年代，博弈论、控制论、信息论及图灵测试等相继为智能体的研究提供了理论基础。1986年，马文·明斯基首次在 AI领域引入智能体概念。20 世纪 90 年代，随着机器学习和自然语言处理技术的突破,智能体的研究扩展至多模态感知交互和自主学习，智能体的定义演化成了能感知环境、影响环境的实体。
(一)兼具科研应用双重价值，初显通用智能雏形
1.智能体概念定义及国内外现状
智能体是指能够感知环境并利用工具采取行动以实现特定目标的代理。智能体以大模型为智能底座，具备自主感知、理解、规划、决策、记忆、行动和使用工具的能力，能够自动化执行复杂任务，具有自主性、交互性、反应性和适应性等基本特征。
目前，智能体技术特点初步显现，应用场景逐渐深化，国内外智能体产品加速涌现。智能体已渗透至电信、制造、金融、政务、能源、互联网等垂直行业，涵盖数据分析、生产管理、智能客服、智能运维等典型场景。根据 Marketsand Markets 预测2，全球智能体市场将从2024 年的 51 亿美元增长到 2030 年的 471 亿美元，年复合增长率达44.8%。国外智能体产品及市场现状上，智能体技术发展如火如茶，Google、Amazon、OpenAI、Anthropic 等均已推出智能体相关产品如 Google Agentspace、Amazon Bedrock Agents、 OpenAI Operator.OpenAIDeep Research、Claude Code 等。国内智能体产品及市场现状上，智能体技术创新活跃，产品百花齐放。国内企业积极在智能体的生态拓展和应用市场开拓方面持续探索，开发出DataAgent、OperatorAgent、扣子、MiniMaxAgent、Manus、AppBuilder、Agentar等多种产品。各大科技公司都在快速迭代智能体产品与解决方案。
国内外智能体在技术演进、产品创新、场景应用、生态建设等方面各具特点。在技术演进方面，国内外均高度重视智能体技术研发和应用，国外聚焦理论和技术创新，我国侧重技术落地和实践。国外智能体开发注重前沿技术创新与通用能力建设，在智能体理论研究、技术架构等方面具有领先优势，主导通用智能体技术创新。我国在智能体轻量化、环境适应、工具调用等技术方面取得进展。在产品创新方面，国内外均基于大模型能力构建智能体平台产品。国外积极布局一体化端侧智能体产品的开发，我国深入探索专用型、定制化的智能体产品，提供定制化、专业化的解决方案。在场景应用方面，国内外均积极推广智能体行业应用，持续探索商业模型。国外深化探索金融、医疗、电商等垂直行业应用落地需求。我国以场景驱动快速切入，智能体应用更注重客服、营销、助手等场景，并初步取得成效。在生态建设方面，国内外均在持续完善智能体生态体系建设。国外通过算法创新、开源开放等技术手段驱动生态完善。我国主要聚焦政府、市场双轮驱动促进生态发展。Deloitte 预测3，到2025年，将有25%的企业部署生成式 AI驱动的智能代理，2027 年这一比例将升至 50%。
2.人工智能及智能体发展的相关政策
各国政府纷纷出台相关政策和战略规划，以推动人工智能及智能体的发展。国际方面，欧盟通过《人工智能法案》，对高风险智能体实施严格准入审查。英国发布《生成式人工智能框架》，推动人工智能的负责任使用和创新。美国推出《人工智能创新未来法案》，强调了国际标准的制定、数据共享和安全性研究的重要性。国内方面，我国智能体发展深度嵌入“数字中国”战略，政策层面形成“中央定调-地方试点-行业标准”三级推进体系。国家政策以顶层战略为指引，多部门联合构建全面政策框架，统筹人工智能发展战略方向、技术路径与安全治理;地方政策以国家政策为导向，结合本地资源禀赋和产业基础，围绕产业发展关键环节出台配套措施。工业和信息化部、国家发展和改革委员会等四部门联合编制发布了《国家人工智能产业综合标准化体系建设指南(2024 版)》，强调到2026年将新制定国家标准和行业标准 50 项以上，引领人工智能产业高质量发展的标准体系加快形成。将参与制定国际标准20项以上，促进人工智能产业全球化发展。
3.智能体具备科研及应用价值
随着智能体技术的不断发展，其科研和应用价值逐渐清晰，为探索通用人工智能提供了关键路径。科研价值方面，智能体的科研价值主要是作为人工智能研究的核心载体,能够推动基础理论创新并促进跨学科融合。智能体研究催生了新型强化学习算法和多智能体协作机制，并支持大规模并行实验和可重复验证，显著加速科研进程，并已在天文发现、材料研发等科学领域取得成果。应用价值方面，智能体的应用价值主要是其作为智能化解决方案的核心载体，能够显著提升各行业效率并创造新服务模式。智能体已在基础科学、金融、工业、教育、医疗、政务等行业得到应用，并赋能智慧办公、研发设计、生产制造、经营管理、客户服务等多种应用场景。通过持续的技术迭代,不断拓展人类能力的边界，推动社会向智能化时代加速迈进。根据Gartner 预测5，到 2028年，至少 15%的日常工作决策将通过人工智能代理自主完成。
4.智能体加速通用人工智能实现步伐
通用人工智能的实现是一个长期且复杂的过程，智能体被看作是实现通用人工智能的重要手段，主要体现在以下几个方面。环境交互方面，智能体能够通过不同传感器感知和理解周围环境的多模态信息包括文本、声音、图像等，并能够以多种方式与环境、用户、其他智能体进行交互，实现更加智能、自然和人性化的交互体验。持续学习方面，智能体在与环境交互的过程中可以不断获取新的任务和数据，通过持续演进不断提高自身的性能和功能，逐步接近或超越人类的智能水平。决策推理方面，智能体能够根据感知到的信息和自身储备的知识，进行推理和决策，选择最优的行动方案。动态适应方面，智能体能够在面对不同环境和任务时，灵活调整自己的行为和策略，以适应新的情况和要求。自主规划方面，智能体能够在一定程度上独立地进行思考、决策和行动，而不是完全受限于外部指令或固定程序。智能体能够通过复杂的规划和优化算法，自主地从经验中学习，并根据学习到的知识和经验高效执行新任务。
(二)破解模型有脑无手困局，释放智能应用潜力
智能体作为大模型的重要应用形态，与大模型相辅相成。智能体为大模型提供实际场景的具体应用，大模型为智能体提供强大的问题处理能力和运算能力，进而使得智能体在多种环境下完成复杂操作，智能体可以有效地克服大模型“有脑无手”的问题，助力大模型在实际场景的落地应用。
1.大模型感知和认知能力显著提升
大模型在多维度表现出卓越的感知和认知能力，逐步接近人类水平。感知能力方面，大模型具有强大的单任务识别分类能力，能根据不同类别之间的特征表示准确识别出不同的对象。大模型具有强大的多模态融合能力，可凭借强大的表征和泛化能力同时处理大量文本、图像、视频、音频等不同模态的信息。认知能力方面，大模型具有强大的理解和生成能力，结合跨领域知识图谱、上下文学习等技术可实现复杂问题的理解，通过序列到序列模型、扩散模型等技术实现生成创造。大模型具有强大的推理和决策能力，可以通过思维链、提示学习、强化学习等技术挖掘数据之间的关联关系实现推理和决策。大型具有自主学习和适应能力，可以根据环境和任务的变化自动调整自身参数和结构。
2.大模型“有脑无手”应用落地困难
当前，大模型已经成为 AI行业的代名词，蓬勃发展的各类大模型赋能千行百业。尽管大模型在感知和认知能力方面获得了巨大提升但却缺乏直接的行动能力。交互方面，大模型通常在服务器或云端中运行，缺乏物理接口和感知物理世界变化的传感器，不具备与物理世界直接交互的能力。执行方面，大模型本身无法执行物理动作，需要与机器人、自动化设备等外部系统集成才能实现动作执行。实时性方面，大模型通常需要较长的时间来进行推理并生成输出，不能适应需要快速响应的任务。可扩展性方面，大模型在扩展到新的任务时，通常依赖大量的数据和重新训练。
3.智能体加速大模型应用落地
智能体进一步释放大模型潜力，将模型能力转化为实际问题的解决能力，打通业务场景和人类交互的桥梁。智能体构建框架方面，智能体框架具备高度的定制化和集成能力，极大地扩展了应用场景及可能性。多智能体协同方面，通过对任务的合理分解、共享知识、执行子任务和对齐目标，进而优化资源配置，显著提高对复杂任务的执行和问题解决能力。智能体工作流方面，通过合理的任务规划、多次迭代及优化技术，可以实现更高质量的输出，助力模型性能大幅提升，确保任务顺利高效完成。端侧智能方面，通过模型压缩和硬件加速实现性能与效率的平衡，减少对云端的依赖，提高响应速度和隐私保护能力。
