" 下一輪 AI，賣的不是工具，而是收益。" ——紅杉資本合伙人 Pat Grady 把這句話稱為 " 萬億美元機會 "，而 OpenAI 首席執行官 Sam Altman 和谷歌首席科學家 Jeff Dean 也點頭表示贊同。
當大模型風浪逐漸趨于平息后，智能體接過了大模型的交接棒，將 AI 帶到了另一個新時代。英偉達具身智能研究主管 Jim Fan 在上述觀點的基礎上，又補上一句—— " 當機器人能通過物理圖靈測試時，收益 = 自動化的現金流。"
近日，筆者在與 IBM 大中華區技術銷售總經理、首席技術官翟峰的對話中，他也提出了同樣的觀點。在此基礎上，翟峰還認為，AI 的試驗階段已經結束，企業核心競爭力將取決于定制化 AI 應用和可量化的業務成果方面。
在前不久舉辦的 IBM Think 大會上，IBM 董事長兼首席執行官（CEO）阿溫德 · 克里希納（Arvind Krishna）曾指出，當前的 AI 需要聚焦四個層面，分別是：智能體、數據、集成、基礎設施。
在翟峰看來，企業想要通過 AI 獲得收益的過程中，首先需要面對三個問題：第一，高質量的數據有沒有？第二，有沒有在用？第三，有沒有發揮作用？" 企業級 AI 落地最重要的因素是數據，這是核心生產力，沒有數據一切都是空談，" 翟峰進一步指出，" 現在大家在談的大模型，可能有很多互聯網數據，但是企業最核心的數據有沒有整合出來？這是最關鍵的因素。"
另一方面，在 AI 技術風潮步入智能體時代的背景下，AI 技術如何與傳統自動化技術融合，成為接下來 AI 技術發展的關鍵點。
以制造業為例，在生產制造過程中，原本工廠就已經應用上了諸如自動化流水線、自動化機器臂等自動化設備，在 AI 時代，這些傳統的自動化設備如何與 AI 智能體融合，產生更大的力量是個值得關注的方向。
從 AI 技術層面上看，視覺識別類的技術其實已經得以在制造業工廠中應用，比如，通過 AI 技術的加持，企業已經可以實現對生產零部件的自動識別優良，從而提升檢測效率，提高檢測準確度；通過動態捕捉和識別技術，可以對員工的操作流程進行規范化監控，降低生產過程中人為因素導致的設備故障及安全事故的發生概率。
通過安裝傳感器等設備，可以對大型制造設備進行實時監測，并基于一些運行數據，進行 AI 智能分析，對設備的維修進行預警。這些應用已經實實在在的 " 跑 " 在了智能化工廠中。
回到智能體上，在翟峰看來，當下企業更為關心的是智能體能否真正發揮作用、AI 技術在場景下的復用性，以及 ROI 這三個方面。
Agent落地按下加速鍵
智能體的火熱不僅是甲方企業對于技術賦能的追求，更是乙方服務商的一場 " 狂歡。這點從今年初各個廠商的大會上分享的內容不難看出—智能體已經接下來各個廠商重點布局的方向。
4 月 17 日，OpenAI 推出了具備更強 Agent 能力的推理模型 o3 和 o4-mini，并預測至 2029 年，AI Agent 及其他新產品的銷售額將超越 ChatGPT，將總營收提升至 1250 億美元，2030 年總營收有望達到 1740 億美元。
4 月 24 日，阿里巴巴旗下 AI 智能體 " 心流 " 開啟了高級研究模式公測，用戶可填寫問卷等待邀請，該智能體宣傳稱能像人類專家一樣，自動幫做研究、寫報告、寫代碼。
4 月 25 日，在 Create2025 百度 AI 開發者大會上，百度發布文心大模型 4.5 Turbo 和深度思考模型 X1 Turbo 兩款新模型之外，還發布了多款 AI 應用產品，其中就包括官方定位為通用超級智能體的心響 APP。
5 月 7 日，在 2025 聯想創新科技大會上，聯想集團董事長兼 CEO 楊元慶發布了包括聯想天禧個人超級智能體、聯想樂享企業超級智能體、聯想城市超級智能體，及新一代聯想推理加速引擎在內的超級智能體矩陣。
騰訊總裁劉熾平曾在今年一季度業績會上表示，"" 在微信生態系統內，我認為我們有機會創造一個非常獨特的 Agent，即 AI 與微信生態系統特有的內容相連接，包括社交、通信和社區能力以及內容生態系統，比如公眾號和視頻號，以及數以百萬計的小程序。實際上你可以接入各種信息，以及許多不同垂直應用程序的交易和操作能力。"
近日，在 IBM Think2025 大會上，IBM 也推出了一套完整的、企業就緒的 AI 智能體解決方案，該解決方案以 IBM watsonx Orchestrate 為核心，據翟峰介紹，IBM watsonx Orchestrate 作為集監控、規劃和編排于一體的企業級智能體解決方案，可以確保智能體（無論是來自 IBM、第三方平臺還是開源社區）之間的高效協作，并與企業的現有 IT 資產（傳統自動化、AI 助手、API、數據存儲和應用程序）進行協同。它預集成了 80 多個行業領先的企業級應用，是企業應用智能體技術的理想網關，而無需擔心被單一供應商鎖定。
不過從技術角度出發，IBM 大中華區科技事業部數據與人工智能資深技術專家吳敏達告訴筆者，面向 C 端用戶的智能體與面向企業級應用的智能體 " 完全不是一個概念 "。" 企業級 AI 最核心的要求就是：智能體也好，大模型也好，不能存在‘幻覺’的問題，" 吳敏達進一步指出，" 與 C 端需要大參數，通用類的大模型不同的是，企業級 AI 并不需要太大參數，但是需要經過針對性的專有數據訓練，來確保智能體給出的答案是準確無誤的。"
與此同時，談及目前業內議論的 " 當前還沒有一家廠商能做出真正的智能體 " 的觀點時，吳敏達表示，如果從通用智能體的角度出發，目前確實不存在能有一個解決各種各樣的問題的通用智能體。但在垂直業務領域，針對特定場景的智能體已經有不少應用落地。
以 HR 場景為例，IBM 在全球范圍內引入了 AskHR 智能助手，已經能夠處理 94% 的 HR 問詢，減少了 40% 的運營成本，同時還提升了員工的整體體驗。在今年 Think 大會期間，IBM 發布了三款預構建的專業領域智能體，其中就包括 HR 智能體。
在此基礎上，原先數字化做得好的企業肯定在智能體落地方面有著先發優勢。對此，吳敏達表示，
以制造業為例，目前來看，制造業企業的數據有質量好的部分，也有質量不好的部分，" 大家知道在 ERP 里面的數據，相對質量比較好一些，跟 ERP 聯動的場景更加容易落地，因為數據質量相對比較好，但是脫離 ERP，其他的系統相對來說沒有那么好，數據質量相對差一點。" 吳敏達指出。
" 從點及面 "，才能獲得更大收益
從場景角度出發，翟峰認為，企業側比較容易落地 Agent 的場景主要是 " 兩端 "，一個是客服端，通過智能體打造數字人或智能客服；另一個是研發。
以研發垂類領域為例，在研發領域中的代碼編程細分場景，IBM 曾推出一款智能代碼助手—— watsonx Code Assistant。這是一款能夠幫助企業完成代碼編寫的企業級 AI 代碼助手，它集生成式 AI 的強大功能與高級自動化于一身，能讓企業的研發團隊在生成式 AI 的助力下，更快、更智能、更好地完成代碼開發環節。
除此之外，在研發方面，基于生成式 AI，企業還可以通過建立專有的知識庫，打造一套專屬于自身的 " 問答系統 "，讓企業的研發團隊在研發時的效率更高。
智能體就是軟件工具，需要真正能解決企業最核心的業務問題。往往企業需要從一個小的細分場景出發，進行 " 試驗 "，進而再將效果得以復用。
IBM 大中華區科技事業部車庫創新團隊經理張珣與筆者分享了一個 IBM 汽車行業用戶的案例，她介紹到，在該車企內部，IBM 推薦了用戶從某一個部門入手。
具體來看，IBM 與該車企經過商討，選擇了從維修部門入手，構建一個 AI 助手級別的維修助手，將維修手冊、老員工的維修知識構建起知識庫，用以提升所有員工的維修水平，" 當維修助手跑通以后，我們又一起將 AI 的能力復用到了客服、財務、HR、銷售等部門，" 張珣進一步指出，" 在接到用戶訴求的時候，我們會首先從用戶角度出發，尋找切實的痛點與需求，進而以典型場景做 POC，最后驗證了 ROI 之后，我們再與用戶商討大規模部署的訂單。"
當 AI 步入成熟階段，智能體成為企業重點發展方向，企業已經不滿足于 " 畫大餅 "，也不單單希望獲得一個簡單的 AI 工具。企業已經開始更多 ROI，希望能通過 AI Agent 獲得更大的收益。對于企業級服務商而言，真正腳踏實地的讓智能體能以更高的性價比落地將成為服務商們 AI 下半場主要角逐方向。
來源：鈦媒體
