大模型戰爭：智慧體成關鍵，刷榜風光不在

2025年被認為將是智慧體（Agent）落地元年，客戶更看重智慧體的效果，生態各方為此已在摩拳擦掌。

文｜趙豔秋 周享玥‍‍‍

‍‍‍

編｜牛慧‍‍‍

智慧體採購，正在成為市場熱點。

“如果說2023年專案中標主要圍繞智算中心、模型中臺建設，那麼從今年下半年起，眾多客戶的招標內容全都轉向應用，且越來越細分。” 眾數信科聯合創始人汪中告訴數智前線，智慧體開始走上臺前。

智慧體已成為客戶、大模型企業以及各類服務商關注的核心故事。甚至一家企業能把智慧體做好，就能越過大廠，成功中標。

對於大模型企業而言，智慧體技術及工具鏈的支撐能力已成為基本要求。若在這方面表現欠佳，大機率難以與其他模型競爭。單純靠刷榜體現的優勢，如今已很難得到客戶認可。

不過，業界對於智慧體的定義、涵蓋的具體內容，尚未達成共識。有人認為OpenAI 推出的 GPTs 是智慧體；也有人認為，只有能呼叫工具的才算是智慧體。從形式上說，不管對話機器人還是各種形式的大模型應用，從廣義上都屬於智慧體範疇。

但有一點是業界公認的，那就是智慧體必須能切實解決業務問題，至少在降本增效方面要有 10 倍、20 倍的提升，才能獲得客戶認可。因為業界越發意識到，大模型模式更難實現商業閉環，單純的燒錢模式基本難以為繼。

而業界這種認知，不僅重構了軟體架構，甚至在促使大模型生態企業重塑了商業模式。正如王堅博士所說，AI 不應被視為工具的革命，而應被當作革命的工具。

01

“客戶要求10倍~20倍效果”

“你說電商直播數字人好，那你就幫我賣東西。一單二三十元，我分你兩元。”從事生成式AI虛擬人研發的中科深智CTO宋健告訴數智前線。在電商領域，今年客戶在購買工具時變得格外謹慎，他們更傾向於按照效果付費，採用分潤或CPS（按銷售付費）模式。宋健預測，到明年，他們的直播電商數字人客戶可能 100% 都會採用這種模式。

“國內外智慧體存在很大差異。國外可能仍類似於傳統 SaaS 模式，只是利用智慧體重構了以往的軟體架構。” 宋健表示，國內的情況則更為激進一些，在一些競爭激烈的行業，比如電商領域，不僅重構了軟體架構，還重塑了商業模式。

這是因為客戶關注的是智慧體能否切實解決問題。“無論是降低成本還是提高效率，綜合起來至少要有 10 倍、20 倍的提升才行。” 宋健進一步解釋道。

“客戶現在對大模型技術已經祛魅了。”眾數信科汪中向數智前線坦言，這些客戶從之前單純的基礎性採購，轉變為以應用效果為導向，要求智慧體在降本、提效或拓展新業務方面創造價值。

“客戶不關心你是怎麼實現的，只要看效果。”汪中說。目前行業內的採購模式通常是，技術廠商先迅速為客戶進行一個 PoC（概念驗證）場景驗證，雖然語料範圍可能較小，互動形式也較為單一，但要證明能夠完成客戶場景中的業務邏輯，並運用客戶專屬的業務知識。之後，客戶才會啟動採購流程。當然，他們也願意為這些創新投入一定成本。

眾數信科最近做的一個PoC是氣象部門的緊急預警方案助手。廈門每年都會遭受颱風侵襲，氣象部門預測後，需要向港務局、城管等多個部門傳送應急通知。這些應急報告原來需要4個專家花費3個小時才能完成。PoC的演示效果顯示，藉助助手，只需1位專家1小時就能完成，效率大約提升了12倍。

在另一個案例中，原本無法實現的事情，現在成為了可能。在高校學生培養計劃中，存在大量評測維度。如果依靠現有的程式設計技術，針對上萬乃至數萬學生，只能進行一些通用評測，很難實現個性化定製。在這個案例中，針對課堂環節，多個智慧體協同合作，實現了創新。例如，有的智慧體負責轉錄授課語音，有的進行授課水平的分析對比；有的生成隨堂小測試卷，有的現場批改試卷；還有的針對每個學生的薄弱點，進一步推薦學習材料…… 因此，在學生評價系統中，新增了多個評測維度。

“每一步背後都有智慧體的支撐。” 汪中總結道，隨著基礎模型能力的發展，智慧體的能力和形態更為豐富，已經初步具備協同的基礎。汪中說，他們在實踐中認識到，每個智慧體都要扮演一個人類的社會角色，進行社會化分工並有產出，進而有可能形成群體智慧。智慧體不再是單一的工具，未來也不僅僅是單個超級智慧體的出現。

為了達到這樣的狀態，智慧體需要具備三個主要特徵：能夠進行交流和理解；依據反饋和結果進行反思和自我規劃；與外部能力單元，如業務系統、其他智慧體、工具級應用等進行互動和協同。

在智慧體落地應用過程中，客戶從購買產品向購買服務的轉變趨勢愈發顯著。智慧體與以往資訊科技的不同之處在於，它需要持續最佳化和調整，而目前客戶完全依靠自身力量實現這一點，還存在難度。汪中發現，以規模在200萬元左右的專案為例，後續每年服務費的佔比已從傳統資訊化專案的 10%~15% 提升到 25%~30%。

而在競爭更為激烈的電商領域，變化更是翻天覆地。宋健注意到，電商直播數字人的迭代速度已經以天計。一旦從銷售工具轉變為提供服務，涉及的環節會變得極為繁雜。例如，需要密切關注平臺的各種規則及其調整變化；之前那種研發、產品和業務相互分離的模式已經行不通了，現在必須協同作戰，技術人員要深入一線，每天檢視資料、分析運營情況，進行最佳化迭代；當最佳化措施不再奏效時，要果斷更換產品、調整客戶群體。“CPS 模式的優勢就在於，各方更容易達成共識。”

02

生態全都動起來了

在智慧體的落地鉅變中，雖然大廠仍是當下的主要推動者，但人們認為，由於智慧體更看重對客戶需求的響應，未來行業智慧體的產出來源主要將是兩類玩家：

一類是有AI原生能力的服務商。另一類則是行業傳統資訊化服務商。智慧體的落地並非易事，核心技能有業務場景遴選、知識萃取、智慧體訓練和編排。如果不瞭解業務場景以及大模型的能力邊界，那麼在技術響應、經驗和效率上就會非常低。這需要人工智慧人士和業務人士的雙向奔赴。

而大廠在這一過程中，將扮演生態鏈普及角色。百度、阿里、位元組、騰訊等大廠均推出了一站式智慧體開發平臺。他們走的是標準路線，目的是降低智慧體落地門檻、應用廣度和深度。比如，無論百度、智譜還是浪潮雲，最近釋出的新品，都在關注用智慧體接管手機等裝置的能力，實現一些擬人化操作。

“大家目前都在基於自身大模型，構建整體的智慧體生態。”IDC中國高階分析師楊雯告訴數智前線，差異在於各家應用場景、資料積累不同，發力的優先場景和方向選擇也有所不同。業界觀察，這些企業在智慧體支撐策略上差異也較大：

業界反饋，百度生態佈局上覆蓋較全，有基礎模型，APP builder、Agent builder平臺，也有對應的硬體如一體機，可直接在客戶機房中部署。百度也支撐聯合方案開發，定製化產品適配。業界分析，這與李彥宏號召業界不卷模型、卷應用有關。

一些人士建議，千帆平臺可以加強除文心之外的商業化模型納管，並支援更多常見網際網路服務的外掛開發。

在智慧體方面，今年11月，百度推出工具流Agent。“Agent去年一出來特別火，但很快一盆冷水潑下來，大家發現很難用起來。我們的客戶裡，90%是RAG，10%是Agent。”千帆AppBuilder產品負責人朱廣翔告訴數智前線。因為要完成一個企業級任務，可能需要幾步甚至更多，如果每一步準確率是95%，多步驟下來，衰減將非常快。它沒辦法支撐長思考和推理。採用工作流方式，專家把流程描述好，Agent就會穩定很多，會更加落地。

阿里的通義千問模型能力在國內較強、反饋好，其開源模型在業界應用較多。阿里更多透過雲端形態支撐應用，私有化支撐較少。這可能與阿里雲的“AI驅動、公共雲優先”戰略有關。在智慧體產品方面，阿里通義實驗室新推出了自適應規劃的多模態檢索智慧體OmniSearch，能模擬人類，將複雜問題逐步拆解進行智慧檢索規劃。

位元組目前在大力推廣釦子私有化部署產品，即今年8月推出的HiAgent企業專屬AI應用創新平臺。與年初打響大模型價格戰異曲同工，這次仍透過價格戰，搶佔市場。不過，它目前還不搭配模型，即位元組豆包模型還沒有私有化；不做應用，沒有硬體，嘗試基於HiAgent平臺教會客戶去搭建Agent應用。它的打法和支撐條件還有待體系化，這與其剛剛啟動大模型私有化業務線不無關係。

而騰訊在智慧體上的佈局，也和其在大模型落地上優先賦能自身產品矩陣的“全家桶”策略類似，更加關注與自身擁有龐大流量的自家產品的結合。比如今年9月，騰訊元器上線的新功能，就支援公眾號運營者自主打造專屬智慧體應用，在公眾號內提供陪伴、互動、答疑、知識交流等智慧化功能，目的是提升使用者體驗和公私域運營效率。

除了大廠，“AI六小虎”的智譜AI最近不斷更新智慧體技術。智譜的優勢在於科研能力較強，一些開發者反饋，其模型的某些效能，超過了通義千問。但目前生態方面的支援還有待加強。

在前不久召開的智譜Agent OpenDay上，智譜CEO張鵬表示，Agent可以看作是大模型通用作業系統的雛形，理論上，可以將其推廣到手機端、PC端、車端等各類智慧裝置上，實現基於大模型的互聯互通。

“將來的智慧體，一定是跨系統操作的，這是0跟1的區別，而不是60分和70分的區別。”一位資深行業人士觀察，跨系統、跨App的能力，目前已成為兵家必爭之地。

中國電信在今年9月開始智慧體平臺的開發，近期展出了星辰智慧體應用平臺。中國電信相關人士告訴數智前線，目前針對政企的標杆專案正在打造之中。

雖然大廠動作不斷，但業界期望他們支撐智慧體的速度要更快。“目前的速度無法跟上廣泛的客戶需求。更多業務邏輯沒有充分體現，也就是客戶專屬知識與大模型技術的結合問題，這也是業界在落地上非常關注的。這側面說明，大模型企業向客戶方向靠攏，尚需一個過程。

03

智慧體，何時爆發？

智慧體的大方向已成，但何時能夠真正爆發？

多位行業人士均向數智前線表示，這很大程度取決於模型能力的發展及市場教育程序。

“我們有一個簡單判斷，GPT5什麼時候能出來，會是一個很直觀的對標時間點。”眾數信科聯合創始人汪中說。

智譜AutoGLM 技術負責人劉瀟也告訴數智前線，去年智慧體還只能滿足使用者10%-20%的預期，使用者就不太願意買賬，今年達到了50%-60%，一些使用者開始意識到這件事情有用，而當智慧體能滿足使用者70%-80%的預期時，應用鋪開的速度將非常快。他判斷大模型能力達標大概還需半年。

中科深智CTO宋健則表達了不一樣的觀點。他認為，Agent要真正爆發，必須真的滲透到行業裡頭，但To b鏈條的爆發，“明年應該還到不了特別大的規模”。

IDC中國高階分析師楊雯也告訴數智前線，於B端來說，若無法徹底解決大模型的幻覺問題，達到100%的精準度，大規模應用仍然難以實現。智慧體爆發，預計可能要1至1.5年時間。

“目前而言，智慧體仍處於市場混戰階段，距離成為終極入口標準還有一定的路程。”楊雯說。

但不可否認的是，面向這一確定的方向，處在智慧體爆發前夕的玩家們，無一例外，都在透過各種工程化的能力和一系列技術，彌補模型能力不足，提前搶佔先機。

“我們測試過大量基礎模型，它們的Function Call能力在10個工具裡去選，還是比較準的，一旦超過10個，準確度就大幅衰減，但在實際的應用場景中，執行步驟大機率都超過了10個，為了更好的實現業務可控性，我們首創了基於狀態機的智慧體workflow（工作流），在保證智慧體自規劃、自治效能力不受影響的前提下，實現業務的精準可控。”汪中說。

智譜劉瀟也透露，他們正透過更好的強化學習策略，讓智慧體能夠執行更長的步驟操作。

業界目前也都在研究工作流。“正因為有了工作流，我們發現雖然只增加了一層，但是Agent的落地增長就非常快，能看到很快到兩成。”百度朱廣翔說，預測明後兩年，Agent會逐漸超過RAG應用，因為RAG場景較少，只是問答；但Agent可以實現客服、營銷、企業排程、一站式平臺，天花板更高。

有行業人士認為，智慧體的應用可以至少分為從低到高三個應用層級，目前市場上已經出現不少初級應用和中級應用，高階應用則還需進一步實現。

比如豆包、kimi、文小言等，被認為可以看作是最為初級的智慧體。它們具備簡單的語言互動和任務理解能力，聽得懂人話，能夠根據指令，去執行一些簡單的操作。“目前絕大多數的智慧體是單智慧體的初級應用，包括很多GPTs，能夠簡單的做問答等任務執行。”IDC楊雯說。

中級應用還要更深一層，展現形式已經脫離單純的Chatbot形態，不再僅僅是對話方塊模式，規劃能力和複雜度也進一步提升，使用的工具不再是聯網搜尋、天氣查詢等簡單外掛，而是需要有對應場景內的專業外掛和能力，能完成更復雜的場景任務。

“比如智慧客服，就是非常典型的一個Agent應用，比以前可能會有10倍甚至20倍的一個變化，現在我們接到的很多電話，其實都是新的Agent打出來的，你跟它聊半天，可能還以為它是個真人。”宋健說，而且，與傳統客服相比，軟體設計也變得更加簡便。

“第三個級別，也是我們現在在努力去實現的。它除了更豐富的互動形態，能夠完成複雜任務，還會額外再增加兩個標籤。”汪中告訴數智前線。

其一是能夠了解場景背後的業務邏輯和知識脈絡。“它可能不再那麼通用，但它的專業性更強。而如果沒有，它還會主動去尋求這些行業知識的支撐。”

其二，從外掛和工具的使用能力上來說，它能夠讀懂現有的業務系統，將現有的業務系統作為其能力外掛來源的一部分，而不再只能使用為它定製的外掛。

汪中舉例說，他們正在與船舶貨運公司進行港務排程助手的研發試點，在他看來就是一種高階應用。

一艘船靠岸後，往往需要進行卸貨、轉運、洗艙、船員登記、物資補給等大量工作，原來這些工作主要靠人工去安排和排程，再登記進入車輛管理系統、補給管理系統等對應的若干個系統裡，給到對應的執行單位執行。而現在，客戶提出，希望用AI智慧體來幫助現場員工，在繁雜的資訊流和工作流中，由智慧體進行初步的資訊收集、分析、業務建議，成為現場員工的“數字同事”。

當然，更高階的應用，仍然有賴於模型能力和工程化能力的提升。