21世纪经济报道记者彭新

　　近日，市场调研公司Gartner发布《2025年中国数据、分析和人工智能技术成熟度曲线》报告，解析中国AI市场未来走向。

　　生成式AI和代理型AI是报告的两大核心主题，共同塑造了今年中国AI发展的主要趋势。该报告显示，此前AI市场“顶流”大语言模型（LLM）已越过市场期望顶峰，热度趋冷并开始滑向“泡沫破裂低谷期”，在经历“百模大战”后，市场已趋于理性。

　　Gartner高级研究总监闫斌称，对于中国的数据、分析和AI领域的领导者来说，现在比以往更需要在AI炒作的喧嚣中认清AI的真正价值。他告诉21世纪经济报道记者，从现实来看，大语言模型的能力已到天花板，性能的边际提升有限，使得AI市场趋势从“模型”向“智能体”转移成为必然。

　　“到2027年，优先考虑准备AI就绪型数据而非生成式AI模型开发的中国企业中，80%实现的业务价值将是同行的两倍。”闫斌表示，中国AI产业正从尝鲜期进入价值兑现期，数据质量与治理能力将取代模型性能成为核心竞争力。

　　GPT-5反应平淡，2026年将进入“AI下半场”

　　闫斌表示，GPT-5的市场反应证明了大语言模型发展的重要拐点。市场曾期待GPT-5接近AGI（通用人工智能），但实际发布后效果有限。“这体现了现在大语言模型的能力——技术发展随着时间推移确实有过快速飞跃，但到今天已经慢慢感觉到天花板了，上面仿佛一条无形的线压着它，它上不去了。”他说。

　　根据国际AI模型评测网站Artificial Analysis数据，OpenAI从2022至2023年保持领先优势，但已进入“Frog Leap”（青蛙跳）式混战——某个模型跳过去领先一点，另一个模型马上超过上来。国内的DeepSeek、千问、Kimi等模型已进入第一梯队。

　　“现在模型排名第一、第二、第三，实际使用起来区别不大。”闫斌指出，各家模型性能提升空间有限，领先优势微乎其微。这也解释了为何大语言模型在Gartner成熟度曲线上从期望峰值掉头向下。

　　闫斌表示，模型厂商数量正在减少，出现收购、并购和价格战。未来模型的发展方向是从“”转向“精”，通过Small Language Model（小语言模型）和领域专业模型（DSLM）实现精细化、场景化突破。

　　Gartner强调，大语言模型并非万能，未来更强的AI系统需要结合多种技术。“大语言模型就像汽车发动机，AI Agent是整车。”闫斌比喻，“发动机可以用大语言模型，也可以用其他技术，最后拼装成整车，混合系统要比只依赖大模型好用得多。”

　　另一方面，Gartner调研数据显示，中国企业将生成式AI部署到生产环境的比例从2023至2024年的6%至8%，在2025年暴涨至40%。“我相信现在已经涨到60%至70%。”闫斌判断，2025年企业对生成式AI的“尝鲜期”结束后，2026年将正式进入“AI下半场”。

　　闫斌强调，生成式AI时代对高质量数据有很高要求，企业若无法提供高质量的“上下文”数据，再强的模型也无法产生价值。Gartner预测，到2027年，优先考虑准备AI就绪型数据的中国企业，其实现的业务价值将是同行的两倍。

　　对于传统企业AI应用上，闫斌坦言仍面临巨大挑战。“有些企业光做数字化转型就要三年。”他表示，AI是系统工程，涉及企业方方面面的改造。“如果企业的API（应用程序编程接口）根本不好用，要引入智能体，还得先把旧有系统做好数字化转型。”

　　相比之下，互联网和高科技企业将走得更快，因为系统架构新、API友好、数据管理规范、企业文化接受度高。

　　“Agent Washing”泛滥，多数产品名不副实

　　在AI Agent（智能体）方面，闫斌直言行业存在严重的“Agent Washing”（贴牌智能体）现象，即将普通的聊天机器人宣称为智能体。

　　“昨天厂商的产品其实还是聊天机器人，今天摇身一变成了AI Agent，里面其实什么都没变、只有名字变了。现在市面号称的智能体，可能10个里面有8个其实并不是真正的。”闫斌表示。从资本市场来看，近期不少公司借助AI智能体概念进行宣传炒作，但产品本质并未改变。

　　从演进路径看，AI智能体已经历了三个阶段：聊天机器人（Chatbot）专注于在对话中给出答案，智能助手（Assistant）帮助完成任务，智能体（AI Agent）则要完成更复杂的目标。“从今天来看，我们可能刚刚跨入智能体的大门。”闫斌判断，当前还有很多产品不是真正的AI Agent，处于从Assistant向Agent过渡的阶段。

　　根据Gartner定义，真正的AI智能体需要具备三要素：感知世界、自主决策、执行行动，最终与环境形成闭环反馈。“以五分制评价，大模型在语言理解上可以打四星半，行动能力四星，但决策能力只有三星。”闫斌表示，大模型尤其是在针对企业复杂场景的决策能力仍然较弱。

　　从实际应用来看，闫斌透露，市面上很多所谓智能体，为了可靠性，仍然基于写死的工作流程，难以做到智能化。“根本原因是智能体可靠性不足，完全依赖大语言模型做决策有点像算命的感觉，因为大语言模型还是基于概率的。”

　　观察近期AI智能体技术进展，MCP（模型上下文协议）一词频频被提及，MCP是AI智能体用来执行任务的一种通信协议或标准。

　　对此，闫斌认为MCP价值被高估，他解释，MCP的理想状态是互联网中智能体和工具处于开放状态，可以通过统一协议调用。但实际应用中来看，调用出错时的异常处理、安全因素、性能因素都是问题。“对于企业来讲，难点不在于用什么协议，难点是原来为软件写的API是否适合Agent调用。”他说，包括权限管理、调用频率控制等都需要改造。