我们正处在AI能力飞速膨胀的时代。AI的发展本质上是技术范式不断迭代的过程,而每一次技术跃迁都会
推动应用场景的革新。
当前,以大模型为驱动的AI Agent技术,带来了更深远的范式变革——从“工具化AI”向“Agentic AI”(具备自主性的智能体)的演进。“Agentic AI”具备“规划-感知-决策-执行”的全流程闭环,也将引发自智网络从“人工驱动”到“智能体主导”的范式转换。
AI范式跃迁:从“工具执行”到“自主执行”
AI Agent应用从对工具的编排执行逐步走向自主性的AI Agent系统。这类AI Agent应用能代表用户自主采取行动,承担复杂的任务、作出决策、执行任务并适应不断变化的环境。
大模型发展重构Agent认知底座
大模型通过海量数据预训练,构建了通用化的“世界知识库”,能够理解复杂语境,处理跨领域任务,甚至展现初步的推理与创造能力。
这一范式下,AI不再是“工具”,而是能够自主决策、长期运行、动态进化的智能体。其运行逻辑是在一个任务目标循环中调用模型,根据模型决策执行工具,并将结果反馈给模型,直至模型决定停止。
基于大模型的Agent能够自主拆解任务目标、调用工具链、动态调整策略,形成闭环决策系统。这种“目标驱动、自主规划”的模式,标志着AI应用从“功能模块化”向“智能体中心化”的范式转移。根据Gartner预测,到2026年,超过80%的企业将部署AI Agent以重构业务流程,效率提升幅度可达40%~60%。
AI Agent应用新范式催生AI新生产转变
当前的大模型厂商,如OpenAI、Anthropic、阿里、字节等,正从单一API输出转向构建Agent生态平台。微软推出的Copilot Studio允许企业定制专属Agent,集成内部数据与业务流程;字节推出的扣子及扣子空间,支持互联网智能体开发平台和企业应用。
在这一趋势下,随着AI Agent应用的火爆,AI应用的快速开发平台也成为了AI价值创造的枢纽。AI Agent的交互设计,端到端快速开发和发布、部署运行,以及AI生态的整合将是AI新生产的核心要素(见图1)。
Agentic AI进化新阶段:从“被动响应”到“主动进化”
AI正迈向Agentic新阶段,从被动执行指令转向主动学习、适应和优化。通过自我迭代与环境交互,系统能动态调整策略,实现目标驱动的持续进化,标志着智能体从工具型向代理型转变的关键跃迁。
自主性跃升:从“被动响应”到“主动进化”
我们再来回顾一下Anthropic公司对智能体的定义:大语言模型(LLM)智能体能动态地自主指挥自己的行动和工具使用,并始终掌控完成任务的具体方式。
虽然当前Agentic AI仍处于过渡期,但2025年3月6日发布的Manus、3月13日夸克发布的“AI超级框”、字节推出的TARS Agent,以及Genspark产品的爆火,都标志智能体正在从“工具执行者”向“目标协作,主动进化”的超级智能体跃迁。
Agentic AI工作模式:多智能体目标协作式工作
要理解Agentic AI工作模式带来的革命性变化,我们将其与Workflow进行对比分析。
以搜索场景为例,这种变革体现得尤为显著——它不仅重构了技术实现路径,更颠覆了人机协作的底层逻辑。一个典型的Agentic AI的搜索过程可能是这样的:
针对这样的工作模式,模型会对搜索过程和搜索历史不断学习和优化,智能体能够自主判断搜索方向和有效路径。整个搜索过程中,智能体的每一步决策和推理都会留下清晰的内部记录,从而实现一定程度的可解释性。
从这个案例可以看出,相比传统基于规则或工作流串联的解决方案,Agentic AI实现了“静态Workflow”到“动态决策”的进化。如图2所示,整个工作由多Agent相互协同,完成“规划-决策-执行-评估”的全栈闭环。Agentic AI主要实现了3个维度的跃迁:
Agentic AI应用场景
我们将Agentic范式延伸至自智网络,变革同样显著。在无线接入网场景中,针对故障处理及网络优化这样两个实例,我们来说明通过数据共享、策略联动和任务接力,Agentic AI范式下的“感知-决策-执行-进化”闭环运维体系。
故障处理协同:工单自动闭环
场景为基站突发业务中断,系统自动处理流程如下:
优化协同:预测性网络优化
场景为开展大型活动,网络受到流量冲击。系统处理流程如下:
Agentic AI设计范式及关键技术
Agnetic AI产品设计逐步向用户自适应体验演进,设计逐步聚焦如图3所示的3个关键层次。
基于LLM的Agent核心关键技术
一个Agentic系统,越是由LLM决定其行为方式,就越具有“自主性”。围绕规划、记忆、工具与感知四大核心模块,我们来看看基于LLM的Agentic AI进化关键技术。
规划模块的关键技术包括:
记忆模块的关键技术包括:
工具模块的关键技术包括:
Agentic AI进化范式展望
AI Agent与模型正在相互促进、加速进化,能力边界不断突破,在特定领域甚至已接近或超过人类专家水平。面对智能技术“人间一日,智能一年”的快速进化模式,我们既要拿出大胆创新的勇气迎接变革,也要保持耐心让技术在实践中逐步验证。
技术层面,AI将从感知智能向自主决策跨越,多模态融合将推动智能体实现物理世界交互。应用层面,金融、医疗等领域率先落地,其他垂直领域也会加速向AI为中心转化。社会协作层面,人机协同将重构工作流,倒逼伦理规范与价值体系升级。设计模式将从“Reason+Tool”模式向“Learning+Reason”模式转变。
然而,真正的Agentic AI进化将伴随着人类认知方式、协作体系,乃至价值标准的全面升级,并将开启人类发展的新篇章。