C114讯 7月19日消息（艾斯）毫无疑问，智能体（Agent）已成为当前人工智能（AI）赋能千行百业最确定、最核心的落地形态。 如果说大模型定义了智能的智商，智能体则定义了智能的去向与行动力。那么，如何迈过从“能用”到“好用”的稳定生产力鸿沟，智能体发展的下一步将走向何方呢？
在由中国信通院承办的2026世界人工智能大会（WAIC）“从大模型到智能体：迈向自主智能新纪元”论坛上，通过数十位产学研用领军人物对智能体产业发展的核心趋势与未来方向的共同勾勒，C114得以捕捉到一些关键信号。
发展速度远超预期，智能体成为AI价值交付的“操作系统”
论坛最强烈的共识在于，AI的发展重心已从“理解世界”转向“改变世界”。
同时，“超出预期”是多位嘉宾对过去一年智能体发展的共同体感。从对话到行动，从单次问答到长期自主协作，智能体正在完成质的跃迁。
工业和信息化部副司长甘小斌在论坛致辞中指出，智能体已成为培育新质生产力的核心变量，国内产业正从单点验证迈向系统协同与规模化应用。
中国信通院院长余晓晖则表示，AI正经历从模型能力向系统能力、从静态学习向动态进化、从单点智能向协同智能的三大演进。智能体不再是简单的问答工具，而是融合了规划、记忆、工具调用与反馈优化的复杂系统。
这一观点得到了产业界的呼应。蚂蚁集团副总裁陈亮和云知声创始人兼CEO黄伟不约而同地将智能体比作“AI时代的操作系统（OS）”。黄伟将大模型比作CPU，智能体比作OS——只有通过OS的封装，才能将大模型的智能转化为稳定可靠的生产力。迈富时AI首席科学家梁铮进一步指出，智能体的开发正在从高代码、提示词工程转向自然语言和Markdown文件开发，IDE被聊天框取代，“AI基建的能力边界，意味着我们智能的边界”。
加拿大工程院外籍院士、智象未来创始人梅涛则从技术路径上描绘了这一进程：从大语言模型到多模态，再到理解物理规律的“世界模型”，AI的认知边界正在不断拓展，而智能体则是将这种认知转化为行动的“执行单元”，智能体很好地弥补了大模型和应用之间的鸿沟。
上海人工智能实验室领军科学家，上海创智学院副院长乔宇教授则强调，尽管Harness工程至关重要，基础模型仍是核心驱动力。“基模的进展仍是AGI发展的核心要素。更强模型将催生更强智能体，智能体在复杂任务中产生的数据反哺下一代模型训练——模型与智能体协同演进，才是通往自进化AI的正循环。”
严肃场景的“人机共舞”：智能体走进医疗、制药与太空
本次论坛的一大亮点，是多位顶尖学者分享了智能体在医疗、生物医药、太空计算等前沿领域的最新探索。这些实践揭示了AI从“理解世界”走向“改变世界”时所面临的最真实考验——极低的容错率与极高的责任要求。
中国科学院院士、复旦大学附属中山医院心内科主任葛均波在与中国信通院人工智能研究所所长魏凯的对话中直言，智能体必须定位为医生的“助手”而非“决策者”。葛均波院士分享了其团队“观心”（CardioMind）大模型的实践，指出AI在整合信息、提示风险方面优势明显，但“医疗不是造沙发，腿短了可以锯。人不行，你多缝一毫米、少缝一毫米都可能致命。”他呼吁建立可追溯、可解释的伦理体系，确保技术有温度、有责任。他认为，“能够掌握人工智能的医生不会被取代，但不会使用人工智能的医生一定会被取代。”
“人机协同”的理念在药物研发领域同样得到印证。清华大学万国数据教授、水木分子首席科学家聂再清表示，AI能从“不可成药”的靶点中发现新机会，其团队开发的ChatDD智能体在抗体设计中已达到21%的湿实验验证成功率，但“这背后离不开老法师（资深专家）的紧密协作”。阿里巴巴达摩院科学智能负责人荣钰则展示了科研智能体的产业化路径——在药物发现和超导材料筛选中，通过端到端自动编排，将大量人工试错环节交由AI完成，显著降低探索成本。
中国科学院院士、国科大杭州高等研究院院长、中科院上海技术物理研究所研究员王建宇则带来了极具想象力的“太空视角”。他指出，随着卫星数量激增、遥感数据量爆炸式增长，星上实时计算与智能体管理将成为商业航天的必由之路。未来的卫星将不再是简单的数据中继站，而是具备自主决策能力的“太空智能体”。王建宇院士表示，“卫星要便宜，必须是规模化生产；要管理成千上万颗卫星，必须让卫星像智能体一样接收‘任务’而非‘指令’。”
可信安全是根本底线：AI要成为“可靠伙伴”
这些前沿实践在令人倍感振奋的同时，也暴露了一个深层问题：当AI进入手术室、药厂实验室乃至太空轨道，谁来为它的决策负责？
中国人民大学教授曾毅给出了一个令人警醒的判断：当前模型存在“善恶兼修”的特性——“AI表现出的欺骗、操纵、阿谀奉承等负面行为，全部来自人类数据的统计显著性，而非AI自身发明。”他援引哥德尔不完备定理指出，“数学上无法构建绝对安全的人工智能”，但产业必须“最大化安全水平”，通过技术手段（如推理阶段防御）防止AI被恶意利用。
这一“责任划分”难题在企业场景中同样尖锐。阿里巴巴资深技术专家谢吉宝提出，智能体要真正进入企业，不仅需要算力，更需要身份、权限与协作机制。他形象地称之为“给Agent一个工位”——这些数字员工需要有工号、有主管、有权限，成为“过程可审计、结果可回退”的责任主体，而非一个无法追责的“黑盒”。
中数睿智董事长韩涵则从技术根源上给出了另一条解题思路。她提出“因果世界模型”的概念，认为当前大模型停留在“相关性”层面，而物理世界的运行依赖“因果性”。“相关性只能告诉我们‘是什么’，因果性才能回答‘为什么’和‘怎么办’。”通过构建因果推理引擎，AI才能在医疗、能源等严谨场景中做出真正可信赖的决策。
可以看到，无论AI与智能体如何发展，可信与安全都并非附加题，而是必答题。
经济账本与普惠落地：Token成本竞速与“最后一公里”破局
当智能体开始大规模应用，Token成本成为了悬在企业头上的“达摩克利斯之剑”。如何降低推理成本，让AI用得起、用得好，是本次论坛的另一大焦点。
云天励飞董事长陈宁提出了一个“1001计划”：将百万Token的成本从当前的1元两年内降至1分钱，2030年实现百亿Token1分钱。他指出，只有当Token像水和电一样理所当然地存在，不用计算成本，才是一场真正的工业革命拐点。陈宁谈到，GPGPU并非推理时代的唯一解，融合GPGPU、NPU、3D Memory等技术的GPNPU架构才是应对多场景、高吞吐、低成本需求的黄金标准。
云知声则发布了原生智能体大模型U2，主打“高密度智能”。该公司CEO黄伟提出，产业智能价值 = 高密度智能 × 高价值Token。他表示，当前许多Agent在完成任务前的“试错过程”消耗了大量Token却未产生实际价值，企业真正需要的是“进入真实工作流并产生决策、执行或交易结果”的Token。
在探讨经济模型的同时，智能体在实体经济的落地仍面临“最后一公里”的挑战。中国联通数据科学与人工智能研究院首席科学家、联通数据智能有限公司副总经理廉士国直言，当前AI在严肃场景的试点项目中，最终能落地创造价值的不足5%。企业普遍面临成本错配、专业文档处理难、系统无API接口等痛点。中国联通推出的“元景”全栈智能体工具解决方案，旨在打通落地的堵点。
奕行智能首席AI官石贤帅从芯片研发视角提出，大模型迭代速度已远超芯片设计周期，客户要求“适配快、Time to Market短”。当工程师数量永远跟不上需求时，唯一的解是用智能体反哺芯片研发。
显然，ROI已成为企业决策核心。多位企业嘉宾一致指出，此前“不限量使用AI”的阶段已经过去，企业现在更关心的是：每一次Token调用是否真正进入了工作流，是否创造了可量化的商业价值。
标准与治理先行，中国信通院携手产业共建生态基座
智能体产业的爆发式增长，也伴随着标准缺失与评测体系空白的深层焦虑。论坛中提及的“严肃场景容错率”、“Token成本”、“数字员工权限”等痛点，本质上都是缺乏统一规则约束的体现。
正因此，中国信通院在本次论坛上联合产学研用各界，发布的五项旨在解决协议兼容性、安全可信及评测标准等关键问题的重磅成果值得高度关注。
这些最新成果包括：发起《智能体互联互通协同发展与治理倡议》，呼吁统一协作基座，筑牢安全底线；正式发布《2026智能经济新形态：智能体创新实践汇编》，收录了116个标杆实践，覆盖基础技术、行业应用等五大方向；发布《互联网智能体发展研究报告》，首次构建了可信互联网智能体评估体系，定义智能体互联网的内涵与趋势；蚂蚁集团联合信通院发布“智能体安全可信互联协议（ASL）”，为跨Agent协作建立端到端的信任链；启动“终端智能体评测平台全国首发暨生态共建计划”，构建覆盖AI PC、AI手机等终端的智能化评测体系。
这五项成果形成了对当下智能体发展核心挑战的系统性应对。它们标志着智能体产业正从“单点炫技”的野蛮生长，迈向“规则先行”的有序发展。当标准与评测成为产业基础设施，智能体才能蜕变为高效可信的生产力工具。
WAIC 2026的火爆程度前所未有，智能体的演进也在持续更新生产力定义。C114在本次论坛观察到，尽管在成本、安全和伦理上仍面临挑战，但随着标准体系的完善和基础设施的升级，一个自主智能的新纪元已经开启。智能体发展的下一步，将是追求一个更稳的底座。 
