问题：从“能用”到“好用”，智能体规模化应用仍有堵点 今年政府工作报告明确提出，深化拓展“人工智能+”，促进新一代智能终端和智能体加快推广；全国政协委员、360集团创始人周鸿祎接受采访时表示，我国大模型技术与产业生态总体已迈入全球第一梯队，行业竞争焦点正由“拼训练、拼参数”加速转向“拼应用、拼场景”，智能体有望成为连接模型能力与产业需求的重要载体。但在规模化落地过程中，仍需直面“转不进业务、管不住风险、供不上人才”等现实难题。 原因：业务复杂、安全敏感与人才结构不匹配交织叠加 周鸿祎分析，第一道门槛来自技术转化。通用大模型虽具备较强的语言与推理能力，但企业真实流程往往跨系统、跨部门、跨权限，涉及规则、数据、审批、责任链等多重约束，导致模型能力难以直接嵌入生产经营环节。尤其在金融、政务、制造等领域，业务流程高度定制化，智能体要“听得懂、接得上、跑得稳”，需要与行业工具链、数据体系、知识库和权限体系深度耦合，落地成本与周期客观存在。 第二道难点是风险管控。智能体从“辅助问答”走向“参与关键业务”，可能触达核心数据与关键操作，一旦出现误判、越权、被诱导或被攻击，将带来数据泄露、业务中断、合规风险等连锁影响。随着智能体具备更强的执行能力，传统依靠人工审核管理方式面临压力，安全保障能力需要同步升级。 第三道瓶颈在人才。智能体应用既需要理解算法能力边界，也需要熟悉业务流程、数据治理、合规要求与安全规范。当前市场上“懂技术不懂业务、懂业务不懂技术”的结构性矛盾仍较突出，复合型人才供给不足，影响项目从试点走向复制推广。 影响：供需两端加速互动，应用扩展将倒逼产业升级 周鸿祎认为，我国应用场景丰富、行业门类齐全、市场规模巨大，形成了推动技术快速迭代的现实土壤。各行各业对降本增效、提质增速的迫切需求，将持续推动智能体从单点工具走向流程重塑：在企业侧，智能体有望承担客服、运营、营销、研发协同、生产调度等任务；在公共服务侧，可望提升办事效率与服务可达性。同时，规模化应用也将倒逼数据质量提升、业务标准化改造、工具链国产化适配与安全体系建设，带动对应的软硬件和服务业态发展。 对策：技术与人才“双线赋能”，以平台化降低门槛、以治理化筑牢底线 围绕“如何让中小企业用得起、用得上、用得放心”，周鸿祎建议，相应机构可牵头建设普惠型智能体公共服务平台与“智能体课堂”。平台侧可集成基础模型能力与行业工具能力，提供从需求梳理、知识构建、工具接入、测试评估到上线运维的全流程服务，帮助企业以更低成本构建垂直领域智能体，减少重复投入与试错成本，并推动可复制的行业模板沉淀。 人才侧则应同步发力，推进技能培训与认证体系建设，培养既懂人工智能技术又懂业务流程、合规要求和安全规范的复合型人才，形成“能搭建、会运营、懂治理”的队伍供给，支撑智能体长期运行与持续迭代。 在安全治理上，周鸿祎提出加快推行“以模治模”，用技术手段提升对智能体风险的发现、研判与处置能力，支持具备“安全+人工智能”能力的企业研发安全智能体产品，强化漏洞处置、攻击溯源分析、异常行为识别等能力，并在关键信息基础设施、工业互联网等重点领域探索批量部署，以场景化应用推动安全能力体系化升级。 前景：从试点示范到规模推广，关键在于标准、治理与生态协同 业内人士指出，智能体规模化落地将经历从试点验证、行业复制到全面推广的过程。下一阶段，除技术进步外，更需要在数据治理、接口规范、评测体系、责任边界、合规审计等形成可执行的标准与机制，促进“可控、可靠、可追溯”。同时，政府、企业与科研机构应加强协同，推动公共平台、行业工具、开发者生态与安全体系相互支撑，形成良性循环。随着政策引导持续加力、应用需求不断释放，智能体有望在更多行业由“点状创新”走向“系统变革”，成为推进“人工智能+”的重要抓手。
人工智能深度应用是一项系统工程。周鸿祎委员提出的平台赋能、安全保障和人才培养方案，为行业发展提供了切实可行的思路。这些措施的落地将助力我国在全球人工智能应用中占据优势，为数字经济发展注入新动力。