近两年，大模型能力持续跃升，推理成本不断下降，智能体部署门槛也随之降低。越来越多企业开始尝试让AI从“回答问题”迈向自主处理业务流程，智能体因此成为大模型落地的重要方向。
然而，与技术的快速演进相比，产业落地却并未同步提速。现实中，大量智能体项目仍停留在演示阶段，真正能够稳定进入生产环境的案例并不多。模型已经越来越聪明，为什么智能体距离大规模应用仍有一步之遥？
围绕这一行业普遍关注的问题，我们专访了香港中文大学（深圳）数据科学学院助理教授、深圳河套学院双聘导师王本友。由其主导研发的医疗大模型华佗GPT，已部署至深圳数十家公立医院及数百家社康医院，在真实临床环境中持续运行，也让他积累了丰富的一线落地经验。
AI越来越聪明，为什么仍然不可靠？
随着推理能力不断增强，不少人认为，大模型距离真正的智能体已经越来越近。但在王本友看来，如果用一句话概括当前智能体的发展阶段，那就是：局部能力已经足够强，整体系统却仍然脆弱。
他将这一现象概括为“锯齿状智能”。
所谓“锯齿状智能”，并非模型时好时坏，而是能力分布高度不均衡。它可能在一个需要专业知识的复杂任务中表现惊艳，却又会在另一个看似简单、甚至十分相似的问题上犯下低级错误。模型能力的边界并非一条平滑曲线，而是高低起伏，很难依靠人类对任务难度的直觉进行判断。
“锯齿状智能最值得警惕的地方，不是模型会犯错，而是它可能在连续完成多个高难度任务之后，突然在一个人类认为非常简单的环节上出错。”王本友说，这种反差容易让用户误以为模型已经具备全面可靠的能力，而忽视了它在某些环节依然存在明显短板。
这种“能力不均衡”首先体现在推理能力上。王本友认为，在目标明确、信息充分、结果能够验证的任务中，大模型已经达到很高水平。例如代码生成、数学推导、数据分析、文档处理等高度数字化场景，模型已经能够完成大量过去依赖专业人员的工作。
但这种能力仍具有明显的条件性。当任务目标变得模糊、背景信息不完整，或者需要理解大量隐性规则时，模型仍可能给出逻辑严密却并不可靠的答案。
相比推理能力，规划能力则更加依赖环境反馈。王本友将当前智能体的规划能力总结为一句话：“短闭环较强，长开环仍弱；局部重规划较强，长期目标保持仍弱。”
也就是说，智能体已经能够很好地完成“走一步、看一步、再调整”的短流程任务，但如果要求它一次性规划几十个步骤，并在较长时间内持续执行，中途缺乏反馈和修正机制，它仍然容易出现目标漂移、上下文遗失以及错误不断累积等问题。
系统能力是智能体落地的关键
规划能力之所以容易在长流程中失效，根本原因在于，智能体不能只依靠模型自身完成任务，还需要借助工具获取环境反馈，并据此不断调整行动。在王本友看来，当前产业讨论智能体时，还有一项能力被普遍低估——代码和工具调用。
很多人仍然把智能体理解为“大模型+对话”，但真正让智能体从“会回答”走向“会做事”的，恰恰是工具。
工具不仅意味着模型可以访问数据库、编辑文件、执行代码，更重要的是，它能够从真实环境中不断获得反馈。一次操作是否成功、结果是否符合预期，都可以通过工具返回给模型，成为下一步决策的依据。
王本友以Claude Code、Codex等产品为例指出，它们之所以能够在软件开发场景表现突出，并不仅仅因为底层模型更强，而是提供了一整套围绕代码库访问、文件编辑、命令执行、上下文管理和测试反馈构建的运行环境。
“智能体最终交付给用户的能力，并不等于模型本身的能力，而是模型、工具、上下文、验证机制和运行环境共同组成的系统能力。”王本友认为。
因此，一次成功的演示并不能证明智能体能够进入生产环境，真正的考验是系统面对输入变化、工具异常和复杂边界情况时，能否持续稳定地完成任务。这也让产业关注的重点，从单纯提升模型能力转向构建可靠的运行闭环。
从“模型竞赛”转向“闭环工程”
限制智能体规模化落地的最大瓶颈，已经不再是模型"会不会做"，而是系统能否在模型做错时及时发现、控制影响并重新尝试，王本友说道。
智能体需要连续执行多步操作。而多步骤任务的可靠性是乘法关系，不是平均关系。王本友解释道，假设每一步的正确率都达到99%，连续执行50步后，整条链路一次性全部正确的概率也只有大约60%。
解决这个问题的关键，就是在具体场景中建立Loop Engineering（闭环工程）。一个完整的闭环至少包括五个要素：当前状态可以被观察，操作可以通过工具执行，结果可以被验证，错误可以被回滚，系统有明确的停止或者人工接管条件。
“智能体执行一次，系统马上通过测试、规则、数据库状态或业务反馈判断结果；如果没有达标，就把错误信息重新交给模型，让它修正方案、重新执行。这样，智能体就不再依赖‘一次做对’，而是依靠‘不断发现问题并修正’来完成任务。”
但真正困难的是，很多现实场景并没有天然的反馈机制。比如城市治理、医疗、制造和公共服务领域，结果可能要数小时甚至数月才能显现；操作又可能涉及多个系统和部门，有些错误甚至不可逆。“在这些场景中，仅仅更换一个更大的模型并不能解决问题，必须先把开放、混乱的现实流程，改造成若干个可以观察、验证和控制的局部闭环。”王本友解释道。
在他看来，智能体规模化落地本质上是一个环境工程问题——怎样把真实世界中的模糊反馈，转化成模型能够理解和利用的机器反馈。大模型的能力上限由模型决定，智能体的可靠性下限由环境决定。
企业真正需要建设的是场景资产
对于想引入AI智能体的传统产业企业，王本友提供了一个简单的反事实检验：假设今天没有AI，这个业务问题是否仍然值得企业投入资源去解决。
如果答案是否定的，企业只是因为看到别人做智能体所以也想做一个，那么这个项目大概率来自AI焦虑，而不是业务需求。
真正适合AI的场景，通常在AI出现之前就已经具有诸多痛点：流程重复、人工成本高、响应慢、错误多、知识分散，或者大量时间消耗在搜索、核对和系统之间搬运信息上。
此外，还要看这个场景是否具备几个基础条件：输入输出能否数字化，系统和数据能否访问，成功标准能否定义，任务量是否足够大，错误是否能够被发现和拦截，以及是否有明确的业务负责人愿意为流程改造负责。
“如果一个流程本身没有标准、数据没有治理、系统之间也没有打通，那么首先应该做的往往不是部署智能体，而是流程梳理、数据治理和工具接口建设。AI不能自动修复一个没有被定义清楚的组织流程，它只会放大现有流程中的优点和混乱。”王本友说。
对于正在考虑自研大模型或智能体的垂直行业企业，王本友给出了一个非常务实的建议：先不要训练模型，也不要一开始就把目标定义成“自研大模型”。
第一步应该是选择一段足够具体的业务流程，而不是选择一个宽泛的行业。所谓场景，不是“做一个金融智能体”或者“做一个制造业大模型”，而应该是“识别某一种异常订单”“完成某一类设备故障排查”或者“生成并校验某一种合规材料”。
找到场景以后，企业应该优先建设五类资产：任务的完成标准，模型可调用的工具，场景知识和上下文，覆盖真实问题的评测集，以及权限、审计、回滚和人工接管机制。这些能力共同构成了智能体运行所依赖的Harness（驱动框架），也是包裹在模型之外的运行系统。
“企业真正需要自研的，很多时候并不是底层大模型，而是自己独有的任务环境、工具体系、评测标准和数据闭环。模型会不断换代，但这些场景资产会持续积累。”王本友总结。
AGI不会一次性降临，而会先在局部场景出现
尽管对当前智能体的发展瓶颈保持冷静判断，但王本友对AGI（通用人工智能）的未来，却比过去更加乐观。
王本友特别提到，前述Claude Code、Codex等产品，让他对AGI的判断发生了一些变化。它们已经能够在软件开发等真实场景中持续调用工具，并根据测试反馈不断修正方案，直至完成任务。
“如果把AGI定义为‘在相当比例的知识工作和数字化任务中达到甚至超过普通人的完成能力’，那么我认为它到来的时间可能会比很多人预期得更早。在软件开发、数据分析、研究辅助、运营管理等边界相对清晰、反馈机制完善的领域，未来三到五年内出现AGI级别能力的可能性已经非常高。”王本友说。
如果要用一句话概括2026年中国AI智能体行业的发展情况，王本友认为：“2026年是中国AI智能体从模型能力竞赛转向闭环工程和规模化交付的分水岭，AGI不会一次性、均匀地降临，而会先在边界清晰、工具完备、结果可验证的场景中，以‘局部AGI’的方式出现。”
总结
如果说过去几年行业竞争的是“谁拥有更聪明的大模型”，那么未来几年竞争的，将是谁能够构建更可靠的智能体系统。从“锯齿状智能”到“闭环工程”，从“场景资产”到“局部AGI”，王本友实际上给出了智能体走向产业落地的一条完整路径：模型决定能力上限，系统决定交付能力，场景决定商业价值。随着产业竞争重心从模型能力转向系统能力，AI智能体也将真正从技术突破迈向规模化应用的新阶段。
红星新闻记者 李伟铭
