近日，微软CEO纳德拉开设个人博客，将2026年定义为AI从“探索期”进入“扩散期”的分水岭，一场关于技术如何真正创造价值的深刻变革正在拉开序幕。

早前，浙江省经济信息中心发布的一份报告描绘了这样的场景：在东方电气集团的“黑灯产线”上，机器人自主上料、机床自主加工；在三星堆博物馆，AI成功实现青铜神兽的虚拟修复；在北京的养老社区，护工穿戴外骨骼机器人减轻照护负荷。

这些不再是实验室里的概念演示，而是中国“人工智能+”行动深入推进的真实写照。

01 范式转移：

从“工具”到“伙伴”的角色重塑

中国信通院人工智能研究所所长魏凯用一组数据印证了这一判断：2024年我国人工智能核心产业规模突破9000亿元，增速达24%；今年有望跨越1.2万亿元大关。

这不仅是量的增长，更是质的跃升。魏凯指出：“人工智能正从‘工具’升级为‘伙伴’，全面赋能高质量发展。”

这种角色转变的背后，是大模型能力的根本性突破。2025年，人工智能模型在语言和多模态理解能力上提升显著，综合能力分别提升30%和50%，推理、编程等能力实现“又好又快”发展。

中国信通院副院长王志勤在“2026深度观察十大趋势”中明确指出，当前人工智能正迎来从“辅助工具”向“自主主体”的范式变迁。

她结合OpenAI和英伟达黄仁勋提出的“AI发展阶段”研判：2025年，随着大模型的基础架构、训练方法与应用落地持续突破，代理AI驱动的智能体L3时代已经到来，正向开放环境下的自主通用智能演进。

02 产业渗透：

从“两端高”到“核心深”的制造革命

制造业作为实体经济的主战场，正成为AI落地最深刻的试验场。据魏凯介绍，AI应用在制造业的分布从“两端高、中间低”的微笑曲线，正在向生产制造核心环节延伸。

2025年生产制造环节案例占比从19.9％增长至25.9％，这一变化虽看似微小，却意味着AI正突破研发设计、营销服务的“舒适区”，向工艺更复杂、可靠性要求更高的生产一线挺进。

在四川领克的西南核心制造基地，AI算法已广泛应用在焊点质量管理、AI视觉质检等场景中。在生产环节，数百台机械臂精准协同，焊接参数实时动态优化；在质检环节，工业相机能够在毫秒间完成数据分析和处理，实时识别缺陷。

赛迪顾问人工智能与大数据研究中心高级分析师白润轩在“2026年IT趋势”发布会上预测，2026年中国大模型市场规模将突破700亿元，三年复合增长率超40%，正式进入规模化应用阶段。

截至2025年底，全国已有超过8万家企业部署大模型，预计2026年将突破10万家，覆盖金融、政务、制造等核心领域。

03 技术演进：

从“模型竞赛”到“系统编排”的复杂度转移

纳德拉在文章中将2026年定义为AI发展的分水岭——行业将从“探索期”进入“扩散期”。他表示，业界正在逐步区分“技术表演”和“真实价值”，真正困难的问题不再是技术能做到什么，而是如何塑造其对世界的长期影响。

他强调，AI的下一阶段“并非模型竞赛，而是一个系统级挑战，涉及编排能力、安全性以及社会层面的合理合规性”。

这一判断与中国产业界的观察不谋而合。白润轩指出：“智能体编排能力取代基座参数，成为平台竞争新焦点。”进入2026年，企业对AI的需求已从“单点问答”升级为“端到端任务执行”，单一模型难以胜任复杂业务流程。

因此，智能体将从技术验证全面迈入规模化商业应用。数据显示，2026年中国智能体市场规模预计达135.3亿元，增速超70%。

客服、办公、电商等场景已形成可复用的落地范式，智能体平台的可观测性、系统集成与任务编排能力，正成为企业AI的“核心操作系统”。

04 落地瓶颈：

技术、数据与标准的三大挑战

尽管前景广阔，但智能体从“用起来”到“用得好”仍需跨越多重障碍。中国信息通信研究院云计算与大数据研究所副所长栗蔚指出，AI智能体基于大语言模型构建，易出现“幻觉问题”。

而在智能体链式调用中，微小的错误会不断被后续步骤引用并放大，导致生成的内容难以满足企业级用户的需求，特别是在金融报告生成、合同审核、医学问诊等对准确性要求高的场景中。

同时，AI智能体的智能决策依赖大规模数据，但高质量数据难获取、多模态数据难转换仍是当前行业面临的主要挑战。

产业协作方面也存在壁垒。浪潮云总经理助理尹萍认为，目前AI智能体开发生态还不成熟，不同企业、厂商的组件兼容性不一，导致开发效率较低。

同时，受到不同平台和系统之间的数据壁垒等因素限制，智能体难以实时获取数据或执行跨域操作。此外，智能体项目的研发与运营成本仍偏高，有待进一步降低。

栗蔚进一步指出，智能体标准规范待统一，当前，单智能体应用领域存在工具调用壁垒，外部工具技术架构与接口协议不兼容，导致智能体跨工具调用成本高。

05 治理框架：

从“原则框架”向“务实行动”的转折点

2025年的中央经济工作会议在强调“人工智能+”深化拓展的同时，首次在明年经济工作重点中提出“完善人工智能治理”，这体现了对AI技术“双刃剑”特性的清醒认识和统筹发展和安全的战略定力。

高水平的治理体系，是确保“人工智能+”行稳致远的关键。中国信通院发布的《人工智能法律政策图景研究报告（2025年）》总结称，我国互联网领域的综合立法为人工智能为代表的新技术、新业态的共性问题提供了基础法律框架。

比如《中华人民共和国民法典》中首次纳入“AI深度合成”，规定任何组织或者个人不得以丑化、污损，或者利用信息技术手段伪造等方式侵害他人的肖像权。

在综合立法的框架之内，针对人工智能发展的重点问题，制定了“小快灵”规章。比如，《生成式人工智能服务管理暂行办法》《人脸识别技术应用安全管理办法》《人工智能生成合成内容标识办法》从源头上对技术研发和应用设定了合规边界。

中国信通院政策与经济研究所副所长李强治公开表示，2025年是人工智能治理转折的重要时间节点，治理从框架原则向务实行动转变，亟须构建适应技术演进与国际竞争的公平有序治理体系。

06 安全挑战：

智能体时代的“攻防不对称”

随着智能体技术的普及，其带来的安全风险已成为不容忽视的挑战。中国互联网协会专家咨询委员会常务副主任赵志国分析，技术革新的背后安全风险正交织叠加。

其一，技术脆弱性带来内生安全风险。现阶段人工智能技术创新以数据、算法、算力三要素共同驱动，数据的依赖性、算法的复杂性、算力的集中性等内在属性，使得模型幻觉、算法黑箱、数据可信等特有的安全风险更加凸显。

其二，恶意利用放大安全危机。人工智能驱动的攻击手段正朝着智能化、自动化方向发展，在显著降低攻击门槛、提升攻击频率的同时，进一步增强了攻击的隐蔽性与变异性。深度伪造欺诈、自动化攻击、开源生态投毒等新型网络威胁日渐增多。

其三，治理的复杂性日益凸显。人工智能技术的广泛使用、各行业各领域的应用推广以及多场景的深度渗透，使其安全治理涉及技术标准、法律法规、应用安全、伦理规范等多重维度。监管框架完善的速度仍落后于技术发展应用速度，治理难度与不确定性持续上升。

360集团创始人周鸿祎认为，当前企业面临双重挑战，一方面，安全运营专家稀缺且培养周期长；另一方面，“智能体黑客”出现使攻防对抗进入“机器对机器”的新阶段，单个黑客可操控上百个智能体黑客，批量发起自动化攻击，加剧网络战风险。

07 云飞扬观点：

2026，智能体落地的“三重门”与“一条路”

基于对产业趋势的观察，云飞扬认为2026年AI智能体落地将面临“三重门”挑战：

第一重门是 “价值门”

——企业需要明确智能体到底能解决什么实际问题。纳德拉说得对，行业正在从“技术表演”转向“真实价值”的追求。

但价值创造不是简单的技术堆砌，而是对业务流程的深度重构。在天津港，一辆辆自主研发的L4级无人驾驶运输车自主装卸集装箱；在三星堆博物馆，AI成功实现青铜神兽和顶尊跪坐人像的虚拟修复。

这些成功案例的共同点是：AI不是替代人类，而是放大人类能力，解决人类难以完成或效率低下的任务。

第二重门是 “系统门”

——单一模型能力再强，也难以应对复杂业务场景。未来的竞争焦点将从“谁的模型更大”转向“谁的系统更智能”。

这需要企业具备三大能力：一是多模型编排能力，能够根据任务需求动态调用最适合的模型；二是长期记忆与上下文理解能力，让智能体能够“记住”历史交互并持续学习；三是安全可控的工具调用能力，确保智能体在权限范围内执行任务。

第三重门是 “生态门”

——智能体不是孤立存在的，它需要与现有系统、数据、流程深度融合。泰尔英福研发总监张发振指出，智能体正从单点应用迈向多智能体协同阶段，跨域连接、身份互认等瓶颈已成为规模化发展的最大阻碍。

基于在数字基础设施领域的长期积累，泰尔英福正致力于智能体互联网体系架构研究设计，为智能体构建“统一身份体系”和“跨域连接底座”。

那么，如何跨越这三重门？

云飞扬认为关键在于“一条路”——场景驱动的渐进式落地路径

企业不应追求“一步到位”的全面智能化，而应从具体业务场景出发，选择那些痛点明确、价值可衡量、数据相对完善的领域作为切入点。

比如在制造业，可以从质量检测、设备预测性维护等相对标准化的场景开始；在金融业，可以从智能客服、合规审查等文本密集型任务入手；在医疗领域，可以从辅助诊断、病历结构化等既有数字化基础的环节突破。

08 未来展望：

从“单点智能”到“生态智能”的演进

展望2026年及更远的未来，云飞扬认为智能体发展将呈现三大趋势：

趋势一：从“专用”到“通用”的能力扩展

当前智能体大多针对特定场景设计，但随着技术成熟和标准统一，智能体将逐步具备跨场景迁移能力。

中国信通院预测，到2028年，全球超15％的工作决策将由AI智能体自主完成，经济社会将加速迈入智能生产力时代。

趋势二：从“软件”到“具身”的形态演进

如果大模型是AI的“大脑”，那么具身智能就是为AI装上“身体”。

中国信通院副总工程师许志远表示，当前具身智能已取得认知智能与物理智能的双线突破。一方面，大模型让机器人具备了“可感知、可思考、可交互”的智能特征；另一方面，强化学习等技术让人形机器人在复杂地形行走、精细操作等物理能力上快速进步。

趋势三：从“竞争”到“协同”的生态重构

智能体互联网的概念正在兴起，通过构建统一身份体系、跨域连接底座，实现不同智能体之间的安全可信交互。

张发振介绍，泰尔英福依托标识解析技术，为每个智能体赋予唯一的“数字身份”——相当于为智能体办理一张“全国通用身份证”，可精确标识其功能、权限和归属。

同时依托覆盖全国多省市的“星火·链网”区块链基础设施，搭建智能体之间跨域交互的底层通道。目前，这套体系已支撑全国31个省、52万家企业实现跨场景交互，初步形成“基础设施+平台+行业应用”的服务闭环。

结语：

当纳德拉说“计算技术的历史始终围绕着赋能个人和组织，AI也必须遵循同样的路径”时，他触及了智能体落地的本质。

在安徽合肥的江淮尊界超级工厂，技术团队耗时半年对AI模型反复训练与调试，让机械臂具备了精准控制喷涂轨迹和力度的“智慧”，成功攻克了过去高度依赖顶尖工匠手感与经验的“绝活”。这不是技术的胜利，而是技术与人类智慧结合的胜利。

2026年，AI智能体能否真正落地，不取决于参数规模或技术炫技，而取决于它能否成为人类能力的放大器，在尊重人类价值的前提下，创造可衡量、可持续的真实价值。