周鴻祎：大模型只是起點，智能體才是AI落地關鍵

文丨吳述之

過去兩年，中國人工智能產業幾乎圍繞一個關鍵詞展開——大模型。

模型參數規模、訓練算力、技術路線，成為行業競爭的核心。但隨著越來越多企業嘗試把AI真正引入業務流程，一個新的問題逐漸浮現：模型之外，AI如何真正進入產業場景？

在今年兩會期間，全國政協委員、360集團創始人周鴻祎把討論的重點放在這個問題上。他的判斷是：人工智能正在從“大模型能力競爭階段”，走向“智能體規模化應用階段”。

在周鴻祎看來，大模型只是人工智能能力的起點。算力大致可以分為兩類：一類用于訓練基礎模型；另一類用于讓模型在真實場景中運行，但無論是訓練還是推理，都很難直接創造產業價值。真正把模型能力變成生產力的，是運行在推理算力上的智能體——它們把大模型的能力嵌入具體業務流程，讓AI能夠在實際場景中完成任務。

例如，在企業運營、客服等具體業務中，智能體可以調用模型能力并自動執行任務，再由既懂AI又懂業務的人員進行設計和管理，并在安全體系的保障下運行。在這樣的流程下，大模型的能力可以穩定轉化為現實生產力。也因此，在這套體系中，智能體（Agent）被視為連接技術能力與產業落地的關鍵環節。

圍繞這一變化，周鴻祎提出了人工智能產業發展的“六力模型”，在他的框架里，人工智能產業需要多種要素協同：電力提供基礎能源，算力提供計算資源，大模型提供智能能力，人力負責設計和治理，安全體系保障系統穩定，最終才能形成真正的生產力。換句話說，人工智能的發展正在從單點技術突破，走向一整套產業體系的協同推進。

基于以上判斷，今年兩會，周鴻祎就算力布局、智能體落地和網絡安全等議題提出了三點建議。

優化推理算力布局

周鴻祎在調研中發現，目前中國訓練算力規模正在持續提升，但面向大規模推理任務的算力體系仍存在一定結構性缺口，尤其是專用推理芯片能力仍有待突破。

他的建議是，在全國一體化算力體系框架下，進一步優化推理算力布局，形成“全國統籌+區域細化”的算力體系。例如，在重點產業區域建設低時延、高密度的推理算力集群，并通過統一調度機制提升算力資源利用效率。同時，他也提出應推動國產推理芯片的發展，以增強產業鏈自主可控能力，為智能體的規模化應用提供基礎設施。

讓中小企業學會用AI

相比技術突破，更現實的問題是企業到底怎么用AI。周鴻祎在調研中發現，智能體規模化落地目前主要面臨三個障礙：第一，技術轉化門檻較高。通用模型很難直接嵌入企業的具體業務流程；第二，安全保障能力不足。當智能體參與關鍵業務操作時，風險管控難度明顯提升；第三，復合型人才缺乏，既懂AI又懂業務的人才儲備仍然不足。

他建議建設一個普惠型智能體公共服務平臺。這一平臺可以整合模型能力與行業工具，提供從開發到部署的完整服務，讓中小企業能夠以更低成本構建垂直領域智能體。與此同時，還可以建設類似“智能體課堂”的培訓體系，通過技能認證培養更多復合型人才。

用AI治理AI

在周鴻祎提出的“六力模型”中，安全力也是其中的重要一環。隨著人工智能能力不斷增強，網絡安全形態也在發生變化。一方面，傳統安全體系的智能化水平仍然不足；另一方面，“黑客智能體”的出現，使網絡攻防逐漸從過去的“人對人”對抗，變成“人對機器”的不對稱對抗。因此，周鴻祎提出一個思路：“以模治模”，用AI治理AI。

具體來說，可以支持具備“安全+AI”能力的企業開發安全智能體，例如漏洞處置、攻擊溯源分析等產品，并在關鍵信息基礎設施、工業互聯網等重點領域推廣應用。如果安全智能體能夠實現規模化部署，網絡安全體系也將從以人力為主的防御模式，逐漸升級為智能化防御體系。

在周鴻祎看來，人工智能產業已經進入一個新的階段。技術能力、算力基礎設施、產業應用、人才體系和安全體系正在逐漸形成一個完整生態。只有這些要素協同發展，人工智能才能真正從技術突破走向產業落地。

換句話說，大模型時代或許只是開始，真正決定AI產業規模的，可能是接下來智能體的普及速度。

【 版權聲明】所有內容著作權歸屬鏡相工作室，未經書面許可，不得轉載、摘編或以其他形式使用，另有聲明除外。

繼續閱讀：