问题：智能体热潮升温，落地痛点集中显现 今年以来，智能体应用热度持续攀升。伴随关注度提升，安全漏洞频发、工程化部署复杂、非标流程难以复制、推理与调用成本超出预期等问题也随之凸显。多位与会人士认为，智能体从信息交互走向任务执行，意味着其将深度介入企业生产、城市运行与个人生活，一旦安全、可靠性、成本控制等失衡——既影响应用体验——也会放大数据合规与业务连续性风险。如何在“高效率”与“强安全”之间找到可复制、可监管、可持续的路径，成为产业界共同面对的现实课题。 原因：算力成本、架构瓶颈与网络底座共同制约规模化 与会专家指出，智能体要实现自主规划、工具调用与多轮执行，往往需要更长链路推理、更高频交互以及多模型协同，直接推高算力消耗与调用成本；同时，智能体涉及模型、工具、权限、日志与数据的全链条管理，若缺乏标准化架构与可审计机制，漏洞和误用风险易在复杂链路中累积。另一上，随着大模型与智能体向端侧延伸，传统“尽力而为”的网络模式难以满足低时延、可预测与高可靠的业务诉求，网络从“传输通道”向“确定性服务底座”演进，成为智能体走向规模部署的必要条件。 影响：从工具升级到生产力范式重塑，产业链条被重新划分 论坛观点认为，人工智能正由“辅助工具”向“自主主体”演进，智能体之间的自主协作将催生新的应用形态与商业模式。其价值也从“信息传递”更转向“任务达成”，在办公、研发、运维、客服与供应链等场景中具备重构流程的潜力。另外，智能体普及将带来新型岗位与服务形态，例如面向配置、训练、运维、合规与安全的专业服务，围绕端侧硬件、企业平台、工具市场与成本管理的生态将加速形成。业内人士同时提示，智能体越接近关键业务，越需要强化权限控制、数据边界、可解释与可追溯能力，避免“效率提升”以牺牲安全和合规为代价。 对策：以“存算协同+异构计算+确定性网络”破解落地瓶颈 在降低推理成本与提升运行效率上，与会专家提出两条方向：一是通过缓存复用、分离式架构等方式，用存储能力换取推理成本下降，提升推理资源利用率；二是推进CPU与GPU等异构协同，让更多能力单机或端侧实现，从而推动AI PC等新形态走向实用化，进一步拓展智能体本地运行空间。在网络层面，专家建议加快构建面向智能体的确定性服务能力，使网络具备更强的可预测性与服务保障，为智能体大规模并发、实时交互与跨域协作提供基础支撑。 在企业与产品层面，诚迈科技在会上集中发布三款面向不同场景的产品：面向端侧AI嵌入式的“萤火”、面向企业的“龙盒”，以及面向消费者的“诚迈悟空·龙宫”。公司有关负责人表示，面向端侧、企业与个人的组合式布局，旨在覆盖从本地运行到平台管理、从个人助手到组织生产力的多层需求，在安全可控、灵活部署与成本优化等上形成系统能力。业内人士认为，产品矩阵的关键不在于单点功能堆叠，而在于能否打通“模型—载体—智能体—平台—用户”的全链路闭环，形成可复制的工程体系与生态协作机制。 前景：智能体进入“重定义应用”的窗口期，关键在于标准、安全与生态共建 综合与会观点，智能体应用正处于从探索走向规模化的关键窗口。未来一段时间，产业竞争焦点将从“参数与演示”转向“可靠可控的交付能力”，包括：端侧与云端协同架构是否成熟、成本是否可持续、权限与数据治理是否可审计、网络与基础设施是否具备确定性保障、生态工具与技能是否可标准化复用。多位专家预计，随着存算协同、异构计算与网络能力持续演进，智能体将在更多行业实现从“试点”到“常态化”部署，并带动软硬件协同创新与服务业态扩容。
从“会说”到“会做”，自主智能体迈出的每一步都伴随系统性挑战。只有把安全放在底座，把成本控制在可持续区间，把标准与生态建设落到可执行的工程实践中，智能体才能从热度走向厚度、从试点走向规模。面向未来，谁能在可信、可控、可用的基础上率先建立全链路能力，谁就更可能在新一轮产业变革中赢得主动。