2025年被认为是“AI智能体元年”。随着各厂商密集发布AI智能体，Agent似乎开始广泛走向终端落地。但热潮背后，早期“爆款”产品也遭遇了用户关注度下降甚至影响续费率的尴尬。
与此同时，在今年开源模型的推动下，智算一体机品类再度受到高度关注，被视为大模型落地的“最后一公里”。而使用者依然存在对其应用过程中出现幻觉、安全与合规等方面的深层焦虑。
Agent在今年到底落地到了什么程度？智算一体机的高关注度，又能为Agent注入怎样的动能？产业界正在寻求更优答案。
AI智能体疾驰
从创业公司立足推出AI Agent产品，到越来越多基础大模型厂商开始发布带有智能体功能的平台或产品，今年Agent形态开始正式走向大众市场。
“2025年被广泛认为是‘AI智能体（Agent，也称”代理AI“）元年’。行业普遍认为，代理型AI是今年及未来的关键技术趋势。”Gartner研究副总裁孙鑫对21世纪经济报道记者指出，总体来看，2025年标志着代理型AI走向主流化。这些智能体正从简单辅助工具进化为复杂、协同的生态系统，将深刻改变企业自动化复杂任务和决策的方式。这需要战略性投资专业AI技术，促进跨部门协作，并坚持伦理治理，以充分发挥其中潜力。
2025年Agent产品迭代正出现新的变化，孙鑫对记者分析， 集成代理型AI的产品将提供更个性化、主动且流畅的用户体验，这要求产品团队重新思考设计与开发策略，融合智能体驱动的解决方案；同时，投资重点逐渐转向适应垂直行业和多模态输入的专业模型，由此提升智能体表现。
在此支持下， 企业将建立完善的监测和反馈系统，推动智能体能力的不断优化。而面向代理型AI的开发和部署需要IT、产品管理、客户服务及治理等多个职能部门紧密合作；也不能忽视治理、隐私与伦理问题。
然而，此前一度惊艳市场、“一码（邀请码）难求”的部分明星Agent产品似乎后续走入“高开低走”的困境。
在孙鑫看来，一些爆火的Agent产品用户兴趣下降和续费率低迷，主要原因要从产品能力、市场策略等方面剖析。
“比如许多厂商存在‘Agent Washing’现象，将一些自动化程度低的传统产品简单重新命名为AI智能体，夸大其功能。这导致用户期待过高，但实际体验不符，引发失望，进而降低兴趣和续费意愿。”他进一步指出，此外，缺乏明晰且可预期的定价结构，让用户难以理解产品成本，增加了续费和长期使用的顾虑。
他还提到，如果产品带来的效率或效果提升无法显著优于现有方案，就容易让用户失去兴趣。而部分Agent产品在使用和集成过程中，还存在对用户要求较高的情况，也影响了用户采纳和续订。
针对今年各家厂商积极研发Agent产品的趋势，孙鑫提出建议：优先提升产品的用户交互体验，开发更加直观、具备上下文感知和自然语言交互能力的智能体；同时嵌入透明的AI治理框架和安全机制；还需针对高价值场景设计专业化解决方案，从而促进采纳率和续费率提升。
智算一体机驱动
除了智能体形态产品正逐渐落地之外，今年AI应用市场另一个备受关注的方向是智算一体机。尤其在年初DeepSeek持续推动开源模型降本增效背景下，借力智算一体机让部分行业更快拥抱AI技术正成为重要趋势。
长远来看，一体机的落地迭代也有望进一步促成Agent产品的更好优化。
孙鑫对21世纪经济报道记者分析，随着智能计算机与边缘侧全栈生成式AI（All-in-One GenAI Stack）的集成，智算一体机在边缘的快速发展将显著加快AI智能体的发展与迭代。
具体来说，他对记者指出，在智能计算机具备先进的处理能力，可在本地完成复杂计算，减少延迟、提升Agent的响应速度和实时决策能力，支持更快功能迭代。同时，边缘设备的独立运行能力使Agent能够自主完成任务，实时从环境中学习并调整行为。
“全栈GenAI能支持多种数据类型，如文本、音频、视频等，由此可以增强Agent对上下文的理解和交互能力。而且，智能计算机可以为Agent提供持续的环境数据，进而形成反馈闭环。”孙鑫补充道，而在开发过程中，集成的GenAI开发工具将降低开发难度，推动Agent快速进行原型设计和迭代。
不仅是Agent单体能力提升，让多个Agent进行协同工作，最终统一输出答案也是当前落地趋势之一。边缘智算一体机就能支持多个Agent协作，形成更强大、有效的多智能体系统，进一步提升Agent处理复杂任务的能力。
“整体来看，边缘侧智能计算设备与全栈生成式AI的集成，为Agent的快速发展和迭代创造了理想环境，将推动更强大、自主、高效的智能体系统，显著提升企业业务流程和用户体验。”孙鑫总结道。
对于备受诟病的模型幻觉问题，他对记者分析，当前行业已经在落地阶段性解决方案。这包括多个维度，例如构建负责任的AI框架，制定开发和部署AI规范、提升透明度和问责性等；而促使幻觉产生的一个重要原因是数据质量不佳，AI厂商也在注重提升相关能力；还可采用“人机闭环”机制，由人工审查模型输出结果，尤其在高风险场景中帮助发现和纠正错误内容，提高整体准确率。
从未来演进策略角度，他进一步告诉记者，未来模型迭代预计将引入更先进的训练技术，降低幻觉率，包括使用更丰富、高质量和多样化的数据集，增强模型理解和生成能力等。当然，针对特定行业或任务定制领域专用模型将越来越多，这也可以提高性能并减少幻觉。
“随着AI使用法规趋严，组织需要采纳安全部署措施，推动针对幻觉管理和伦理使用的标准化流程建立。”孙鑫补充道，AI服务交付在未来将依靠技术供应商、数据工程师、监管机构等多方协作，以此来提升AI系统整体安全性和可靠性。
金融+AI的攻与守
从具体行业实践来看，在AI大模型技术快速迭代过程中，金融被认为是极具潜力的落地行业之一。但同时，该行业的特殊属性，令其应用AI技术过程中也面临大量挑战。
Gartner全球金融行业分析师颜晶分析指出，银行确实尝到了采用AI的“甜头”，但更大范围的规模化价值兑现仍面临三道高墙——预算、人才与规划。同时，智能体（Agentic AI）的演进正打开下一幕：从被动问答到主动决策，银行服务的底层逻辑将被重塑。
从金融行业目前部署AI的进展来看，Gartner认为，到2026年，全球银行业至少30%的生成式人工智能项目将在概念验证（POC）后因数据质量差、预算限制、缺乏专业知识或商业价值不明而被放弃。
目前，银行在核心业务部署生成式AI的脚步仍然缓慢，据Gartner统计仅10%，相比之下，非核心业务部门的部署率相对高很多。这反映出，银行业更希望在见效快、风险低或易标准化的部门，率先部署AI。
总结目前的掣肘，颜晶指出，根据Gartner统计，2024年金融机构为AI相关技术投入的预算仅占总支出的4%。这背后是考虑到合规和监管壁垒、开发AI产品高昂的研发成本、风险收益不成正比等因素。“根据VISA实验室公布的一项数据，如果想降低反欺诈AI的误报率，每降低1%，VISA就要增加300%的算力投入。因此目前对很多金融机构来说，这是一件性价比不太高的事。他们更希望等到‘技术、法规和市场’这三角都成熟之后，才更愿意对AI投入加速。”
人才缺乏是传统行业迎接新技术时都会面临的挑战。相比之下，AI初创公司或科技巨头无论从企业文化还是薪资等方面都更具吸引力。
更隐蔽却重要的是潜在的“失败规划”：数据孤岛、成本估算不合理、POC陷阱，让大量项目倒在从实验阶段到落地的“死亡谷”中——许多银行用理想化的小数据集跑出95%精准度，一旦切回真实环境，性能骤降20%以上；前期预算只考虑到GPU训练费用，上线后才发现在持续运维、数据更新方面仍要进行投入。
当然金融机构正着手应对。颜晶举例道，在技术层面，可通过采用MoE混合专家模型、模型蒸馏等技术，将大模型的能力下沉到更适合特定场景的小模型中，在保证性能的同时控制成本。在数据治理方面，需要打破部门墙，建立企业级的高质量、高合规数据底座。同时应积极参与监管沙盒，在合规框架内创新。
现阶段来说，AI技术已经在银行业多个领域创造了可量化的价值：AI自动化了大量重复性高、规则性强的任务，如报告自动生成、单据审核等；结合OCR图像识别与生成式AI技术，能智能化处理大量文件，缩短业务办理时间；AI模型还能实时分析交易行为识别异常模式，在消费行为发生显著偏离时及时预警。
在今年“智能体元年”的背景下，AI技术在金融领域的应用也逐渐从“工具”向“代理”演进。Gartner认为，其发展可分为四个阶段。
最初是基于规则引擎或自然语言处理，处理简单的问答任务，可称之为“对话智能体”，其应用也面临较大局限性；到2024年演进到“AI助手”阶段，可以帮助银行内部员工处理更复杂的对话，甚至帮助撰写部分报告；进入2025年正在见证“自主AI智能体”的兴起，其能在极少人工干预下，做简单的决策如贷款初审，但最终仍需人工复核。
银行业当前正探索的是下一阶段的“代理体AI”，未来其有望改变银行的服务模式，甚至创造出新产品或商业模式。
“Agentic AI是未来最有变革影响力的一种技术，而且它在未来两年内，就非常有可能实现市场化。”颜晶分析道，成功的Agentic AI部署需要从模型架构、数据、硬件协同三方面共同推进，建议金融界可以从“短期落地、长期探索”两个维度探索，短期可聚焦对低风险场景的自动化；长期随着模型能力提升，可探索构建全面的风险传导链分析模型。
从整体趋势来说，孙鑫对记者表示，Gartner预计到2028年，约33%的企业软件应用将内嵌代理型AI，而2024年这一比例不足1%。此外，15%的日常工作决策将由这些智能体自主完成，2024年几乎为零。这表明AI系统正向具备独立决策、规划和执行能力的方向演进，应用于各行各业。而代理型AI市场预计将经历重大变革，包括市场整合和大规模部署。
“未来三到六年内，专家型智能体将兴起，其专注于面向复杂的领域特定工作流程，提升运营效率和决策能力。”他续称。
