在人工智能技術從輔助工具向價值創造者躍遷的關鍵節點，代理式人工智能（Agentic AI）正以顛覆性姿態重塑行業格局，Gartner將Agentic AI列為2025年十大技術趨勢之首，并預測其將重構生產力范式——到2028年，全球15%的日常工作決策將由具備自主決策能力的AI代理完成（這一比例在2024年尚為0%）。2025年6月18日，MWC上海2025代理式人工智能峰會現場，來自高通、華為、信通院、聯想、螞蟻集團等企業的技術領袖與行業專家，圍繞Agentic AI的應用前景展開深入探討，為這一新興技術的未來發展勾勒出清晰的輪廓。
發展趨勢
1.市場發展呈“規模指數級增長+多元主體共建繁榮”
一是Agentic AI市場規模呈指數級增長，短期爆發與長期潛力兼具。2024年全球AI Agents市場規模達52.9億美元1，進入商業化加速期。2035年預計增長至2168億美元，復合年增長率（CAGR）達40.15%，遠超傳統AI市場增速。企業數字化轉型需求、降本增效訴求及智能辦公、客服、數據分析等多場景落地，疊加技術成熟與商業化閉環，共同拉動市場擴容。二是玩家生態分層清晰、多元主體協同構建繁榮格局。金字塔頂端的企業級平臺巨頭（如字節跳動、智譜等）依托大模型與算力優勢，打造全棧式智能體解決方案，聚焦于政企復雜場景；中間開發工具鏈玩家（如LangChain、CrewAI等）提供標準化框架，降低開發門檻，推動“全民開發”；金字塔底部的垂直領域工具商（如Semantic Kernel、AutoGen等）深耕金融、醫療等場景，提供輕量化工具。Agentic生態協同正從“單點工具”向“平臺化協作”進化，通過API開放、插件生態等模式聯動，形成“技術底座-開發工具-應用場景”的完整閉環。
圖1 全球AI Agents市場規模
2.技術架構向“多智能體協同+算力互聯”演進
一是Agentic AI正從單一智能體向多智能體協作升級。技術架構上，沿大模型、智能體、多智能體協同路徑演進，多智能體在任務處理效率（并行分解復雜問題）、靈活性（分布式架構適應環境變化）、資源利用率（優配置降低冗余）和容錯性（部分失效不影響整體）上全面超越單智能體，構建高效協作的智能群體。例如，通過MCP（模型上下文協議）和A2A（智能體間通信）協議，實現智能體間的任務拆解與資源調度。二是算力基礎設施互聯互通，算力資源的整合成為關鍵。中國信通院已構建國家算力互聯網公共服務平臺，匯聚96萬條算力標識、90.9EFLOPS算力資源，通過統一標識和接口實現算力的高效調度，為多智能體協作提供底層支撐，解決算力消耗大、資源分散等問題。
3.行業應用聚焦“場景落地+流程重構”
一是向垂直領域深度滲透，Agentic AI成為行業價值創新引擎。華為提出“AItoX”戰略，實現C/H/V/B全場景覆蓋，重塑用戶生活與產業形態。C端（AItoC）品牌煥新，“基礎通信”升級為“隨身AI助理”，推進“人人擁有隨身AI助理”的智能生活；H端（AItoH）服務煥新，“家庭網絡”進階為“智家陪伴”，構建“家家有智慧管家”場景；V端（AItoV）需求煥新，跳出“車載娛樂”，打造“移動第三空間”；B端（AItoB）能力煥新，從“企業通信”轉型“生產作業核心場景應用”，通過硬件優化、AI算力調度，讓“行行都有高效的AI算力”。二是價值重構，多智能體協同重塑企業“業務流程DNA”。傳統“人驅動流程”需人工協調多系統，而多智能體憑借“工具集成+業務融入”，實現“智能體驅動流程”。制造場景中，研發、供應鏈等智能體共享數據，動態調生產計劃，交付周期縮減；通信行業借智能體運維，故障定位從小時級降至分鐘級，全面激活業務效率。
4.交互體驗側重“終端側滲透+多模態融合”
Agentic AI正加速向終端側滲透，驅動技術架構與用戶體驗的深度變革。一是終端側小模型智能水平顯著提升，Llama 2、Mistral等模型的進化使AI推理更貼近用戶設備，在保障推理性能的同時，兼顧隱私安全與個性化需求，高效覆蓋文本創作、音視頻處理、代碼生成等多元場景，重塑人機交互體驗。二是AI突破語音、觸控、視覺等傳統交互邊界，成為“新UI”，通過多模態融合與“中心云-邊緣-終端”協同架構，構建跨終端的自然智能交互體系，實現從單一功能輔助到全鏈路智能服務的跨越。未來，Agentic AI將持續深化端側部署，在推理效率與場景適配性上實現突破，同時強化跨終端、跨模態的深度融合，全面融入生產生活流程，提升人機交互體驗。
面臨挑戰
1.安全與倫理挑戰：限制Agentic AI健康發展的關鍵問題
安全與倫理問題是Agentic AI發展過程中不容忽視的關鍵障礙，對可持續發展構成嚴重威脅。一方面，Agent需要訪問、處理和存儲大量用戶數據，若遭受攻擊存在數據泄露風險。如近期首個Agent零點擊漏洞曝光，攻擊者只需發送一封帶隱藏指令的郵件，微軟的365 Copilot在后臺掃描郵件時就會執行惡意指令，遵從要求訪問權限內的敏感數據并對外泄露。另一方面，Agent依賴的“黑箱模型”使得決策過程不透明，難以向用戶解釋決策的依據和邏輯，在法律、醫療等專業領域的應用中可能受到極大限制，Agent執行任務出現不當行為時，責任歸屬也難以界定。
2.協同與應用挑戰：阻礙Agentic AI價值轉化的現實難題
一是Agent通常以長文本形式輸出內容，這種方式使得用戶獲取信息的效率低下，交互過程不夠簡潔直觀，影響用戶體驗感。二是多智能體協同受限，缺乏標準化的通信協議，可能導致異構智能體在協同過程中容易出現資源分配不合理、任務沖突等問題。三是多Agent協同應用面臨“幻覺累加問題”，各個智能體對任務目標和約束的理解存在偏差，多個智能體的局部決策偏差可能通過交互被放大，導致系統級失效。2024年伯克利大學的研究表明，主流多智能體大模型在復雜任務中，最差情況下正確率僅為25%。
注釋：
1.Roots Analysis預測數據，國信證券經濟研究所整理
