Agentic AI爆發落地前夜 業界聚焦模型和成本挑戰

中經記者 譚倫 上海報道

作爲新一代智能體人工智能技術的代表，Agentic AI（代理型人工智能）正成爲企業數字化轉型和自動化升級的關鍵引擎。自2025年以來，Agentic AI被Gartner列爲年度十大技術趨勢之首，同時，市場研究機構Markets and Markets預測，Agentic AI市場將在2025年達到138.1億美元，並在2032年年底躍升至1408億美元，期間複合年增長率達到39.3%。

在此背景下，全球科技巨頭都在投入巨資推動Agentic AI技術演進。日前，亞馬遜全球副總裁、亞馬遜雲科技大中華區總裁儲瑞鬆在亞馬遜雲科技中國峰會期間表示，AI的發展已經來到拐點，如今我們正處在Agentic AI爆發的前夜。他表示，過去兩年裡，大模型與智能體的結合已經從實驗室正在走入產業現實。驅動這股Agentic AI浪潮的背後，有三大驅動力。一是大模型能力的快速提升，二是MCP（模型上下文協議）和A2A（Agent-to-Agent）協同協議的出現，三是基礎設施成本的大幅降低。

在亞馬遜雲科技看來，AI技術的發展正經歷一個從“平靜漣漪”到“超級巨浪”的演變，而生成式AI和Agentic AI正是這股超級浪潮的核心驅動力。儲瑞鬆將Agentic AI比作一個“通用USB-C連接器”，能夠更便捷地接入各項服務、數據以及合作伙伴的能力，從而讓AI Agent變得更加自主化、智能化和自動化。

MCP成爲關鍵推動角色

對於Agentic AI起勢的原因，儲瑞鬆分析指出，生成式AI興起以來，其技術及應用持續快速迭代升級，已深度融入各行業。大模型能力的提升、模型上下文（MCP）和智能體到智能體（A2A）協議的出現，以及推理成本的降低等因素，共同推動了Agentic AI的爆發，並使得Agentic AI 在提升企業員工生產效率、優化業務運營、賦能產品服務和商業模式創新等方面發揮着重要作用。

今天的AI Agent已經不再是孤立運行的算法工具，而是一個可以自主獲取服務、數據、上下文並完成任務的智能實體。其中MCP的意義尤爲關鍵，可視爲“AI世界的USB-C通用接口”，可以讓Agent可以快速、標準地連接各種企業內部資源，實現更強的自動化與智能化。

目前很多企業現在已經開始使用MCP服務，包括亞馬遜雲科技自己也在採用，以更好地利用自身的 Agent。這表明MCP在實際應用中已經得到了廣泛的認可，其前景十分廣闊。隨着技術的不斷髮展，MCP有望進一步推動AI智能體在更多複雜場景中的應用，爲企業解決更多難題。

同時，儲瑞鬆認爲，爲了充分釋放Agentic AI潛力，企業需要在管理和技術層面協同並進。

在管理層面，他指出，企業需要對Agentic AI有清晰的認知和頂層設計，並在機制和人才方面進行優化，同時做好信息化和數字化的準備 。他強調，這是一個“選擇充分利用它，與它共舞，還是觀望或後退一步”的關鍵時刻。

技術層面，亞馬遜雲科技建議企業首先應選擇統一的、AI就緒的基礎設施，這需要從安全性、穩定可靠性、靈活性和技術領先性四個方面進行充分評估；其次，打破數據孤島，有效聚合和治理數據，是提升Agentic AI價值的關鍵；最後，企業應制定明確的策略並高效執行，客觀預期Agentic AI的價值創造能力，並選擇合適的合作伙伴和技術棧。

落地需聚焦模型和成本挑戰

雖然Agentic AI的巨大前景已得到業界認可。但是，由於目前Agentic AI商業化路徑並不明朗，收益尚未達到匹配成本規模；且在金融、高風險決策場景應用中，監管擔憂和系統可靠性構成主要隱患。因此，當前大多數Agentic AI項目仍處於早期試點或概念驗證階段，真正實現大規模落地的項目極爲有限。

Gartner研報分析指出，Agentic AI火爆但落地困難的背後，原因不僅僅是技術難題，更有商業模式、風險治理、市場認知等多重因素交織。如OpenAI首席執行官Sam Altman日前便曾公開表態指出，儘管Agent將帶來效率革命，但也將引發就業變革與監管壓力。

也正因如此，如何推動Agentic AI更快地部署實現，成爲當前全球AI巨頭與產業鏈關注的話題。

對此，亞馬遜雲科技全球技術總經理Shaown Nandi隨後在接受《中國經營報》記者採訪時表示，對於企業而言，Agentic AI“模型選擇”和“成本考量”非常重要，對於前者，靈活性非常重要。客戶在構建Agent時，應根據自身工作負載和用戶案例選擇最合適的模型，而非侷限於單一模型。

而在成本方面，Shaown Nandi表示，推理的成本已大幅降低，而這是多方面因素共同作用的結果，包括芯片廠商新版本芯片的推出、通用GPU和專用GPU的發展，以及亞馬遜雲科技自研芯片的改進。

此外，技術層面的優化，如DeepSeek等模型對推理效率的極大提升，以及模型蒸餾和智能提示路由等技術，都顯著降低了推理成本。Shaown Nandi透露，模型蒸餾有時能使推理成本下降高達500%，智能提示路由則能根據任務複雜程度自動選擇不同模型進行推理和計算，未來甚至可能出現根據成本動態選擇模型的“調度型Agent” 。

對於“大模型成本幾乎可以忽略不計”的觀點，Shaown Nandi並不完全認同。他解釋說，模型的成本非常多樣化，一些專業化、有針對性的複雜大模型，其價格依然高昂，因爲它能爲客戶創造巨大價值。同時，他承認市場上也存在一些開源的免費大模型，但整體來看，情況是高度不一致的，絕對不能簡單地說“模型的成本可以忽略”，模型的使用成本在某些案例中甚至會超過基礎設施成本。他強調，長期來看，降低成本是必然趨勢，但目前不同模型有不同的價格點和適用場景。

在多方挑戰下，Shaown對於Agentic AI的長遠前景仍是樂觀的。他透露，當前財富500強企業中，仍有75%的關鍵工作負載部署在本地，這也意味着AI Agent未來的落地空間巨大。

（編輯：張靖超 審覈：李正豪 校對：翟軍）