在智慧城市领域，近日，联想集团在武夷山、宜昌等城市落地“城市超级智能体”，采用“1×N智能体方案”，即一个超级智能体与多个领域智能体协同工作的模式，将AI能力输送给城市的各行各业和市民游客，实现从政务到民生、产业的全面智能化，以小场景混合形成大场景，推动城市智慧化发展。“智能体通过‘扬长补短’的方式，不仅保留了大模型强大的数据处理能力，同时引入了自我边界判断、主动感知、复杂任务分解和记忆机制，使得人工智能更贴近人类智能的实际应用场景。”联想集团高级副总裁、中国方案服务业务群总经理戴炜说。

  赛迪顾问大数据与人工智能产业研究中心分析师韩子哲表示，智能体的自主决策能力和工具调用能力，使得AI不再是孤立的技术模块，而是能够深度嵌入企业运营系统的“生产力单元”，有望解决传统AI应用场景碎片化、投入产出比低等问题，这将推动AI技术在产业侧的应用落地。

  关注多种挑战风险

  当行业一拥而上涌向智能体时，技术挑战与多种风险也随之而来。

  首先需要警惕的就是“伪智能体”。栗蔚表示，随着智能体概念热度的攀升，市场上涌现出一批打着智能体旗号的“伪智能体”，不少公司将传统的技术、现有的产品包装或贴牌成智能体，通过营销策略进行宣传，误导用户。

  其次需要关注技术瓶颈。韩子哲表示，要关注智能体认知可靠性的技术瓶颈，包括机器幻觉、决策黑箱等问题，这是保障智能体可信决策的技术基础。栗蔚表示，AI智能体高度依赖大语言模型，但其生成内容的准确性、上下文理解能力仍不能满足生产级场景的应用需求，机器幻觉问题的存在可能导致金融、医疗等高风险领域的决策失误。

  再次是成本问题同样需要关注。使用智能体在执行大型复杂任务时，Token的消耗量显著上升。比如，Manus将推理成本控制在OpenAI旗下智能体DeepReaserch推理成本的十分之一左右，每个任务仍需消耗50万至200万Tokens。“随着用户量和用户使用量增加，算力资源的指数级增长是智能体落地不可避免的成本投入。而超大规模GPU集群的算力需求远超传统数据中心的调度能力，需依托AI云、算力互联网等新型算力互联调度架构实现高效低成本算力调用。”栗蔚说。

  最后要关注技术生态与协作标准化问题。技术生态与协作标准化问题是决定AI智能体规模化落地和跨场景协同能力的关键。然而，当前协议标准“多强混战”，尚未形成统一标准，协同效率未能有效提升。韩子哲认为，行业用户需重视内部高质量数据集的构建，基于业务场景沉淀数据，以高质量数据驱动智能体的优化，再反哺业务价值提升，从而形成良性闭环。栗蔚建议，行业亟需构建类似互联网协议簇的统一标准，优化多智能体架构释放协同潜力，共同推动AI智能体从“单点突破”迈向“生态繁荣”。

  从技术验证迈向规模化落地关键期，AI智能体发展与我国经济社会数字化转型需求高度契合。面向未来，需统筹技术创新与治理体系建设，在夯实自主可控技术基座的同时，推动产学研用协同攻关，探索智能体技术与实体经济深度融合的可持续模式，为数字时代生产力跃升注入持久动能。