问题——从“会聊天”到“真干活”，能力跃迁如何落地？ 大模型应用不断拓展的背景下，智能体技术被认为是连接模型能力与真实业务需求的重要桥梁。论坛圆桌上，来自科研与产业界的多位嘉宾提到，新一代开源智能体正在改变用户与模型的交互方式：不再停留在问答式对话，而是以更贴近工作流的方式组织任务，把复杂目标拆解为可执行步骤，进而完成跨工具、跨环节的综合任务。这也意味着，评价标准将从“回答是否精彩”转向“任务是否完成、效率是否提升、成本是否可控”。 原因——开源与工具化推动门槛下降，推理成为新焦点 与会人士认为，这个转变主要由两点推动：其一，开源模型与开源智能体框架迭代加快，形成更易组合、更易扩展的技术底座，让更多开发者甚至非专业用户在不深度编程的情况下也能调用先进能力；其二，应用需求从“获取信息”转向“执行任务”后，推理阶段的调用频次明显增加，行业重心也从“训练驱动”逐步转向“推理驱动”。 有嘉宾用数据概括这一趋势：近期Token使用量保持高增速，增长曲线接近移动互联网早期流量普及的扩散节奏。业内普遍判断，随着多轮推理、长链路任务、工具调用和多智能体协作成为常态，Token消耗仍将上升，推理算力、调度效率与系统工程能力将成为关键竞争点。 影响——需求爆发带来效率红利，也带来资源与成本约束 从积极面看，智能体把模型能力“组织起来”，有望明显提高科研与企业场景的效率。与会人士表示，在更完善的智能体框架支撑下，模型可在文献检索、数据处理、实验设计、代码生成、结果验证等环节形成闭环，加快研究与工程迭代速度，从而放大对产业创新的带动作用。 但，任务型智能体的资源消耗更为突出。业内人士指出，复杂任务往往需要更长上下文、更高频调用与多轮验证，其Token消耗可能远高于简单问答；模型能力越强、任务越复杂，边际成本越容易上升。现实结果是：一上，推理算力与高质量Token供给更趋稀缺；另一方面，商业模式与定价机制将随之调整，行业需要能力提升与成本可控之间重新找到平衡。 对策——以“生态+算力+工程化”协同，推进可持续供给与普惠应用 针对挑战，与会嘉宾从不同角度提出建议。 一是加强生态建设。开源智能体的价值不只在单点能力，更在可复用框架、可扩展插件体系和可迁移工作流模板。通过标准化接口与组件化设计，形成“模型—框架—工具—场景”的协同网络，减少重复建设。 二是提升推理效率与算力供给能力。面对Token需求上行，行业需要在算法优化、推理加速、资源调度与端云协同等持续投入，以更低成本提供更稳定的服务能力。同时，算力布局要兼顾短期供给与长期规划，避免需求波动引发结构性瓶颈。 三是强化工程化与安全治理。智能体从“对话”走向“执行”，意味着更深度接入真实系统与数据，必须同步完善权限管理、审计追踪、数据保护与风险评估机制，确保“能做事”与“做对事、做安全的事”并重。 四是探索可持续商业模式。部分嘉宾强调，未来竞争不只在模型本身，更在稳定、规模化输出“可用Token”的能力与成本结构。通过技术优化、规模效应与服务体系建设，形成长期可持续供给，才能支撑更广泛的产业落地。 前景——推理时代到来，智能体或成产业升级“操作系统” 与会人士认为，未来一年行业可能出现三上趋势：其一，推理需求持续扩张，带动算力、系统软件与工具链升级；其二，智能体更产品化，从“功能集合”走向“工作伙伴”，在办公、研发、客服、制造、科研等领域形成可复制的应用范式；其三，“自进化”能力将受到更多关注，在反馈闭环与自动化评测体系支持下，模型迭代可能加快，并在科学研究等高价值场景释放更大潜力。 同时，业内也提醒应坚持务实路线：以提升效率、降低成本、增强可控性为主线，避免概念先行与无效扩张。在全球竞争中，谁能在开源生态、推理基础设施与规模化供给上形成体系化优势，谁就更可能在下一阶段占据主动。
这场讨论折射出中国智能产业面临的关键命题：在技术创新与产业落地并行推进的过程中，如何兼顾短期突破与长期发展，将影响行业走向。从制造优势迈向技术输出的转型升级既有机遇也有挑战，仍需产学研各界持续探索与合力推进。