当2024年“人工智能+”行动首次被写入政府工作报告，当大模型技术从实验室走向千万企业的生产一线，一场由智能体驱动的生产力变革正在重塑中国经济的底层逻辑。

　　2026年全国两会召开之际，智能体作为大模型落地的关键形态，成为代表委员热议焦点。从辅助聊天的工具，到能干活儿的“数字员工”；从云端调用，到本地部署——智能体正在从“回答问题”向“解决问题”跃迁。

　　智能体从“能用”到大规模“好用”还有多远？产业生态如何协同共进？安全治理如何保驾护航？人才培养如何破局突围？众多两会代表委员从技术创新、场景应用、制度建设等维度建言献策，共同探寻智能体驱动的产业新图景。他们普遍认为，智能体不仅是技术的迭代，更是生产关系的重构——当“数字员工”成为标配，产业竞争的规则将被重新书写。

　　从“工具”到“员工”

　　智能体推动生产范式重构

　　大模型能力的快速迭代，正在将一个问题推至台前：智能体如何从“试用”走向“实用”，真正嵌入产业肌理？

　　过去，人工智能是辅助决策工具，价值创造依赖于人的经验判断。随着人工智能技术的进步，智能体正从参谋进化为执行者——它能够分解复杂任务、调用工具链、自主试错迭代，直至完成目标。这一转变，意味着生产要素的重构：算力、算法与场景数据的深度融合，正在催生新型“数字劳动力”。

　　市场已敏锐捕捉到这一趋势。中商产业研究院发布的报告显示，2024年全球AI智能体的市场规模约为51亿美元。该研究院分析师预测，2030年全球AI智能体市场规模将接近500亿美元。市场快速扩容的背后，是产业界加快对“AI从会说到会做”的落地实践。

　　制造业率先迎来变革浪潮。华为提出的“制造智能体”创新理念，旨在通过“场景化+平台化+生态化”的融合，为企业提供全栈式智能解决方案。华为技术有限公司首席AI解决方案架构师王宁分享了多个落地案例：某车企应用华为工业互联网平台后，订单交付周期从14天锐减至7天，库存周转率提升25%；一家电子企业通过云化改造，IT资源利用率从30%跃升至70%；更有钢铁企业借助智能排产系统，年节省能耗成本超5000万元。“这些实实在在的价值回报，正是智能制造生命力的最好证明。”王宁表示。

　　内容生产领域也同步开启了“工业级”转型。360集团在郑州发布的“纳米漫剧流水线”，是国内首个面向漫剧行业的工业级AI智能体生产工具。基于自研的“纳米空间引擎”，该智能体通过全自动流程、智能分镜与非线性编辑技术，有效解决了传统AI制作中常见的镜头穿帮问题，实现了“3倍速出片，电影级质感”的制作效率，为快速增长的漫剧行业铺设了一条可规模化的新基建。

　　当“数字员工”规模化上岗，商业规则也在被重写。全国政协委员、360集团创始人周鸿祎对《证券日报》记者表示，当智能体成为主流用户，各电商平台可能出现“智能体商家”，这将倒逼平台重构身份认证、信用评价、交易规则等底层商业基础设施。

　　从更宏观的视角来看，这场变革的终极目标远不止于效率提升。“人工智能发展的一个重要目标是造出由价值驱动，能自主生成任务、解决各种非限定任务的通用智能体，实现通用人工智能的关键则在于深入理解何以为人。”全国政协委员、北京通用人工智能研究院院长朱松纯表示，他在今年两会将围绕人工智能产业发展、人才培养等建言献策，“人类社会正在跨入智能时代，必须探索一条符合中国国情的路径，让通用人工智能安全发展、造福人类。”

　　从“训练”到“推理”

　　算力成本成为新考题

　　当“数字员工”开始接管生产线、处理客服，甚至进行理性采购，一个新的矛盾浮出水面：这些员工的大脑——大模型，不能总待在云端进行“慢思考”，它们需要更敏捷、更经济的“小脑”和“神经末梢”去执行具体动作。而这场从“大脑”到“神经”的进化，正在引发一场算力基础设施的“重心转移”，也带来一系列技术挑战。

　　智能体的核心在于“执行”。当AI从“说话”转向“干活”，其对算力的消耗逻辑发生了根本性改变。周鸿祎给记者算了一笔账：当智能体不再是聊天的“嘴”，而是干活的“手”，它执行一次任务需要反复分解步骤、试错搜索，消耗的token量（算力计量单位）可达聊天场景的数百倍甚至上千倍。这意味着，如果说过去的算力需求主要集中在“训练”大模型这一一次性工程上，那么未来的算力支出大部分将主要来自推理，即智能体在日常工作中每一次思考、每一次调用工具、每一次试错纠偏所产生的持续“开销”。

　　算力的挑战，说到底是个成本问题。当前，国内大模型厂商普遍面临一个尴尬的困境：智能体执行复杂任务需反复调用API（应用程序编程接口），单次成本可达简单对话的数百倍，且随着用户量增长线性攀升。与训练成本的一次性投入不同，推理成本是“用得多、烧得多”的持续性支出。对于价格极度敏感的企业客户而言，如果智能体带来的效率提升无法覆盖其背后的算力开销，那么“数字员工”的规模化上岗就只是美好愿望。

　　这一判断正在产业端得到印证。2025年以来，全球科技巨头纷纷加码推理基础设施以降低推理成本：英伟达斥资200亿美元收购专用推理芯片公司，亚马逊、微软、谷歌、Meta均向博通下达推理芯片大单。国内层面，百度、阿里巴巴、字节跳动等企业亦加速推理算力布局，其中阿里巴巴宣布未来三年投入超过3800亿元建设云和AI硬件基础设施；百度智能云成功点亮自研万卡集群，计划进一步扩展至3万卡。

　　“推理芯片与训练芯片的要求截然不同。”周鸿祎解释，训练需要万卡集群高速互联，单卡故障可能导致整体训练中断；推理则更像互联网服务，“只要内存能装下模型，就能无限叠加机器，对卡的要求低很多，成本可控”。这一技术特性为中国芯片产业提供了“换道超车”的窗口。

　　对此，他认为，一旦智能体成为主流交互入口，那么国家的产业政策就不能只盯着训练芯片，更要为这些干活的“数字员工”配好便宜好用的推理芯片，包括端侧芯片、IoT边缘芯片及企业私有化部署算力，加速构成一个庞大的算力网络。

　　当算力重心从“训练大脑”转向“部署神经末梢”，智能体才能真正从“试用”走向“实用”，嵌入产业肌理。

　　从“单点”到“生态”

　　加快系统协同与风险治理建设

　　智能体的终极形态并非孤立运作的“超级个体”，而是相互协作的“数字社会”。当技术层面的瓶颈逐步破题之后，更深层的挑战浮现：当数以亿计的智能体在网络上奔跑、交互，它们如何协作？如何治理？谁来负责？

　　“单个智能体容易出错、倦怠、幻觉，但通过多智能体协作，能力会显著提升。”北京智源人工智能研究院院长王仲远以“三个臭皮匠顶个诸葛亮”类比——多智能体通过相互协同配合，处理具体场景任务的效果显著优于单一智能体，成为人工智能技术走出实验室、深度融入实体经济的关键路径。

　　此外，智能体的自主性带来了新型风险，智能体可能犯错却无人担责，可能被劫持成为攻击工具，并在协作中产生不可预测的行为。

　　全国政协委员、奇安信董事长齐向东对《证券日报》记者表示，要实现创新与安全的动态平衡，关键在于将安全能力嵌入AI应用全生命周期；明确合规红线，夯实安全主体责任，强化权限与内容管控；以AI对抗AI，让安全能力始终跑在安全风险前面。

　　全国政协委员，安天科技集团董事长、首席架构师肖新光提出，应对人工智能时代的安全挑战，关键要发挥制度优势，打造国家主导、战略企业研发、产业广泛应用的“人工智能+”国家安全技术引擎。他提出，以网络安全反病毒引擎等共性能力为基础，聚合人工智能领域的共性安全问题集中攻关，推动共性技术引擎嵌入各类人工智能产品与应用场景，让相关产品、装备、场景“出厂即带安全基因”，避免先发展后治理的失控风险，实现“关口前移，防患于未然”，全面筑牢人工智能应用的安全地基。

　　值得关注的是，AI人才培养体系也亟待升级。“当下通用人工智能已成为全球科技竞争的制高点，要赢得这一场科技竞争，关键在于人才。”朱松纯说，人工智能人才培养是他关注的重点问题，他带领团队初步探索出一套可供借鉴与推广的实践方案，包括开设通用人工智能实验班、实施通用人工智能协同攻关合作体人才培养计划等。

　　从技术突破到产业落地，从算力重构到生态治理，智能体的每一步演进都离不开政策加持。

　　2025年《政府工作报告》指出，持续推进“人工智能+”行动；2025年8月份，国务院发布《关于深入实施“人工智能+”行动的意见》，为AI与经济社会各行业各领域广泛深度融合提供“施工图”；2026年，工业和信息化部等八部门联合发布的《“人工智能+制造”专项行动实施意见》指出，到2027年，我国人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列。推动3－5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景。

　　从“+AI”到“AI+”，再到如今的“智能体”，技术演进正在重塑产业格局。正如全国政协委员、知乎创始人兼首席执行官周源所言：“展望未来，AI终将服务于人，赋能于人，是人类能力的扩增。”而在代表委员的构想中，这一愿景正通过智能体逐步落地：当每个人都有了自己的智能助理，每个企业都有了“数字员工”，当算力像电力一样随取随用，当智能体像SaaS软件一样即开即用，每一个普通人和小企业都将被赋予“点石成金”的能力。这场由智能体驱动的变革，最终重塑的不仅是产业的格局，更是中国经济的创新基因。