智能體定義、技術(shù)演進(jìn)及落地進(jìn)展如何？

智能體全新交互中樞，終端流量入口重塑。

1. 智能體定義：決策+記憶+規(guī)劃+工具

AI 智能體是一種具備環(huán)境交互、自主決策與任務(wù)執(zhí)行能力的軟件程序，由人類設(shè)定 目標(biāo)，智能體獨(dú)立選擇最優(yōu)行動路徑。雖然業(yè)界在模塊命名和架構(gòu)安排上各有差異，例 如 OpenAI 更偏向工程實(shí)現(xiàn)，復(fù)旦 NLP 實(shí)驗(yàn)室則立足于未來 AI 產(chǎn)業(yè)趨勢構(gòu)想，但在底 層結(jié)構(gòu)上高度一致，體現(xiàn)出一定程度的行業(yè)共識： 1. 以 LLM 為大腦，具備推理、知識整合與語言交互能力。 2. 記憶系統(tǒng)支撐上下文連貫與經(jīng)驗(yàn)積累。 3. 工具接口打破模型“只讀”邊界，實(shí)現(xiàn)動作執(zhí)行 4. 反饋閉環(huán)支持狀態(tài)保存與動態(tài)調(diào)整，保障任務(wù)的持續(xù)感知-決策-行動循環(huán)。 總體來看，“LLM+記憶+工具+閉環(huán)”構(gòu)成智能體的核心架構(gòu)要素。

未來智能體有望沿著“數(shù)字助理型”與“具身/社會型”兩大技術(shù)路徑演進(jìn)。根據(jù)研究 機(jī)構(gòu)對智能體的定義不同，我們判斷未來其生態(tài)系統(tǒng)有望沿著兩條技術(shù)路徑同步演化： 一類是以提升個(gè)人效率為目標(biāo)的“數(shù)字助理”，聚焦于自然語言交互與多工具協(xié)同，廣泛 應(yīng)用于辦公自動化、信息檢索、知識管理等場景；另一類則是具備感知與行動能力的“具 身/社會型”智能體，強(qiáng)調(diào)多模態(tài)感知、實(shí)體控制與多智能體協(xié)作，在機(jī)器人、智能制造、 智慧交通等領(lǐng)域具備落地潛力。盡管兩者在功能側(cè)重與硬件要求上存在顯著差異，但其 底層均依托于大語言模型（LLM）為核心，輔以記憶系統(tǒng)、任務(wù)規(guī)劃與工具調(diào)用構(gòu)成“智 能閉環(huán)”。

大語言模型作為智能體的認(rèn)知中樞，承擔(dān)理解、決策與交互的核心職責(zé)，是通向 AGI 的關(guān)鍵起點(diǎn)。根據(jù)南洋理工大學(xué)研究，智能體技術(shù)已歷經(jīng)三代演進(jìn)路徑：第一代為算法 驅(qū)動階段（2006~），以博弈論與優(yōu)化算法為主，解決結(jié)構(gòu)化策略問題，智能水平有限； 第二代為強(qiáng)化學(xué)習(xí)驅(qū)動階段（2017~），強(qiáng)化對復(fù)雜動態(tài)環(huán)境的建模能力，應(yīng)用于推薦、 交易、博弈等場景，但在泛化與遷移上仍存瓶頸；第三代為大語言模型驅(qū)動階段（2023~）， 以 ChatGPT、Gemini 等為代表的 LLM 賦予其自然語言理解、任務(wù)規(guī)劃與工具調(diào)用等能 力，通過 ReAct、CoT 等機(jī)制實(shí)現(xiàn)“感知—認(rèn)知—執(zhí)行”閉環(huán)，首次使智能體具備自主 決策與完成復(fù)雜任務(wù)的能力，標(biāo)志其從“智能工具”向“通用生產(chǎn)力”躍遷。

2. 智能體落地終端，超級入口迎來重塑窗口期

AI 時(shí)代超級入口強(qiáng)調(diào)跨應(yīng)用場景智能協(xié)作，終端廠商生態(tài)控制力有望加強(qiáng)。超級 入口的本質(zhì)在于高頻用戶需求的聚合與流量變現(xiàn)能力。回顧 PC 與移動互聯(lián)時(shí)代，終端 設(shè)備和操作系統(tǒng)通過整合多種功能和服務(wù)，成為用戶獲取商品、服務(wù)和內(nèi)容的主要入口。 進(jìn)入 AI 時(shí)代，超級入口的核心邏輯從“功能驅(qū)動”轉(zhuǎn)向“任務(wù)驅(qū)動”。用戶無需逐一操作 應(yīng)用程序，僅通過自然語言提出任務(wù)，AI 助手即可跨應(yīng)用調(diào)取服務(wù)完成如報(bào)告生成、日 程管理等復(fù)雜操作。該類跨應(yīng)用協(xié)同依賴底層系統(tǒng)級調(diào)用，天然利好掌握操作系統(tǒng)與終 端硬件的廠商。根據(jù)普華永道，當(dāng)前手機(jī)端涌現(xiàn)出三類超級入口雛形：個(gè)人助手、社交 與搜索。終端廠商正加快 AI 生態(tài)系統(tǒng)構(gòu)建，圍繞自身能力圈深耕多樣化場景，搶占 AI 時(shí)代流量入口重構(gòu)的戰(zhàn)略窗口。

3. 端側(cè) AI 部署加速落地，功能形態(tài)與技術(shù)路徑初步成型

3.1. PC/手機(jī)端承接系統(tǒng)樞紐，可穿戴設(shè)備探索形態(tài)突破

當(dāng)前，智能體在消費(fèi)電子終端的集成正加速推進(jìn)。本節(jié)將從 PC、手機(jī)與可穿戴設(shè) 備三大典型終端出發(fā)，梳理端側(cè) AI 落地的最新進(jìn)展與功能演化路徑。 手機(jī)方面，廠商正把 智能體從“語音助手”升級為深度嵌入操作系統(tǒng)的執(zhí)行引擎。智 能體不再停留在問答層面，而是接管聯(lián)系人、相冊、定位、支付等高權(quán)限接口，能夠跨 應(yīng)用解析用戶意圖、自動完成多步操作。蘋果計(jì)劃讓新版 Siri 直接在端側(cè)調(diào)用日程、照 片與郵件等私有數(shù)據(jù)，并在必要時(shí)通過加密云推理補(bǔ)齊復(fù)雜邏輯，目標(biāo)是把填寫表格之 類的事務(wù)完全交給系統(tǒng)處理；三星的 Galaxy?AI 已在 S25?系列統(tǒng)一 30?個(gè)本地應(yīng)用和十余 款高頻第三方應(yīng)用；安卓陣營的 OPPO、vivo、小米等也在各自定制的系統(tǒng)框架里加入 “星環(huán)”“PhoneGPT”“超級小愛”等智能體，重點(diǎn)打通外賣、出行、社交消息等高頻場 景，以展示跨 App 動態(tài)調(diào)度能力。

實(shí)測結(jié)果顯示，這一代手機(jī)智能體在“導(dǎo)航”和“訂機(jī)票”這類結(jié)構(gòu)化流程中的成 功率已達(dá)到可用水平，而在外賣下單、社交消息等任務(wù)上仍響應(yīng)不穩(wěn)定。總體來看，我 們認(rèn)為手機(jī)端 AI 已從“功能演示”過渡到“系統(tǒng)能力”，為未來進(jìn)一步向生產(chǎn)力工具演 進(jìn)奠定了平臺基礎(chǔ)。

PC 方面，重點(diǎn)體現(xiàn)辦公創(chuàng)意效率提升與系統(tǒng)級自動優(yōu)化。功能上，我們認(rèn)為各廠 商端側(cè) AI 已從簡單對話助手演進(jìn)為復(fù)雜任務(wù)協(xié)同系統(tǒng)，涵蓋辦公與創(chuàng)意和系統(tǒng)級智能 優(yōu)化兩大核心方向： 辦公與創(chuàng)意：包括文檔潤色、內(nèi)容生成、跨語種翻譯、圖像直搜、結(jié)構(gòu)化摘要 等。 系統(tǒng)級智能優(yōu)化：涵蓋亮度、鍵盤背光調(diào)節(jié)、噪音降除、屏幕聚焦、語言控制 系統(tǒng)設(shè)置等。

可穿戴硬件方面，我們認(rèn)為廠商“先看硬件天生擅長的感知維度，再向 AI 延伸”。 回到三大典型形態(tài)——眼鏡、TWS?耳機(jī)、智能手表——它們各自的 AI 側(cè)重點(diǎn)與用戶原 生使用動機(jī)基本吻合，但又在向下一階段的“多模協(xié)同”遞進(jìn)。整體看，可穿戴硬件細(xì)分 產(chǎn)品各自都在探索如何利用自身形態(tài)優(yōu)勢放大端側(cè) AI 的常用價(jià)值，行業(yè)仍處百花齊放 的早期階段。 智能眼鏡：聽覺 +?視覺的雙通道。眼鏡天生占據(jù)視線與耳道，從接聽電話、語音助 手這類“免手占耳”落地場景，逐步拓展到實(shí)時(shí)字幕、場景識別和導(dǎo)航提示等場景。最新 一代 Ray-Ban Meta 與 OPPO?Air?Glass?3 已可在端側(cè)完成語音問答、拍照解說，并把翻 譯、導(dǎo)航等重計(jì)算任務(wù)分級上云。往前看，一旦光機(jī)與電池再減薄、算力再下沉，AI 眼 鏡有潛力替代手機(jī)的部分功能。 TWS?耳機(jī)：聽覺入口的深耕。耳機(jī)原本的賣點(diǎn)是音質(zhì)和降噪，如今 AI 在優(yōu)化這些 基本功能后，還在實(shí)時(shí)語音助手、同聲傳譯、會議轉(zhuǎn)寫等場景深耕。接下來耳機(jī)還可能 切入聲學(xué)健康，或?qū)⑷旌虻穆犛X代理。 智能手表：持續(xù)感知與生理閉環(huán)。目前集成 AI 功能的智能手表落地產(chǎn)品僅見 Phancy 等少數(shù)廠牌，功能上與耳機(jī)、眼鏡的語音交互并無本質(zhì)區(qū)分；然而蘋果已公開把下一代 Watch 系列定位為“AI 驅(qū)動的腕上醫(yī)療監(jiān)控”，腕表賽道的差異化最終或?qū)⒙湓趯Χ嗄B(tài)生理信號的融合分析與長期模型訓(xùn)練。

3.2. 技術(shù)路徑：“端優(yōu)先”成趨勢，可穿戴側(cè)重協(xié)同算力

端云協(xié)同：云端大模型提供通用知識能力，端側(cè)小模型提供個(gè)性化和快速響應(yīng)。隨 著大語言模型在智能終端的落地需求上升，端側(cè)集成能力成為技術(shù)焦點(diǎn)。傳統(tǒng)的中心化 云端機(jī)器學(xué)習(xí)架構(gòu)雖具計(jì)算優(yōu)勢，但在實(shí)際應(yīng)用中逐漸暴露出用戶隱私數(shù)據(jù)風(fēng)險(xiǎn)、中心 服務(wù)器帶寬壓力和離線不可用瓶頸。端云協(xié)同模式應(yīng)運(yùn)而生：云端負(fù)責(zé)大模型的集中訓(xùn) 練與能力輸出，端側(cè)則部署經(jīng)過裁剪優(yōu)化的小模型以實(shí)現(xiàn)本地實(shí)時(shí)推理，并將關(guān)鍵反饋返回云端用于進(jìn)一步優(yōu)化，形成“有機(jī)循環(huán)”的能力增強(qiáng)體系。 當(dāng)前端云協(xié)同智能計(jì)算主要分為五類路徑： 1）高效計(jì)算硬件：在端側(cè)部署高性能、低功耗芯片，支撐本地推理任務(wù) 2）以端為中心的協(xié)同計(jì)算：終端主導(dǎo)計(jì)算，云端輔助。適用于隱私保護(hù)與個(gè)性化訓(xùn) 練。 3）以云為中心的協(xié)同計(jì)算：云端主導(dǎo)全局訓(xùn)練，終端僅保留本地?cái)?shù)據(jù)并回傳模型 更新。解決隱私保護(hù)與模型泛化兼容問題。 4）端云雙向協(xié)同計(jì)算：端云模型雙向優(yōu)化、協(xié)同推理與訓(xùn)練。 5）可信端云協(xié)同計(jì)算：結(jié)合因果推斷、去偏學(xué)習(xí)等方法，提升多端異構(gòu)環(huán)境下的穩(wěn) 定性與可信性。

PC 和手機(jī)端：端云協(xié)同向“端優(yōu)先”策略收斂。我們認(rèn)為產(chǎn)業(yè)已經(jīng)在“大模型云端、 輕模型端側(cè)”這一基本范式上形成高度共識：多數(shù)廠商都將輕量級的語言模型下沉至終 端，用以實(shí)現(xiàn)實(shí)時(shí)推理、離線可用與隱私本地化；而更大規(guī)模的通用模型仍托管在云側(cè)， 通過加密或可信執(zhí)行環(huán)境等機(jī)制來保證遠(yuǎn)程調(diào)用的安全可信。共同訴求背后，對應(yīng)的正 是前文提到的三大痛點(diǎn)——隱私保護(hù)、中心服務(wù)器算力壓力和離線可用性——這幾乎驅(qū) 動了各家向“端優(yōu)先”策略收斂。

可穿戴端側(cè)：“端-近端-云”三層協(xié)同，云端推理重要性提升。以 Ray-Ban?×?Meta 智 能眼鏡為例，設(shè)備本體承擔(dān)喚醒詞識別等輕量實(shí)時(shí)推理；手機(jī)作為近端算力負(fù)責(zé)任務(wù)轉(zhuǎn) 發(fā)與復(fù)雜任務(wù)處理；云端托管大規(guī)模多模態(tài)模型，為復(fù)雜推理與知識檢索提供高精度輸 出。未來，“端—云—近端”動態(tài)算力調(diào)度將成主流，手機(jī)等近端設(shè)備將成為協(xié)同核心。 同時(shí)，可穿戴設(shè)備的多模態(tài)感知能力（如 ECG）為個(gè)性化 AI 模型提供高價(jià)值數(shù)據(jù)支撐， 助力廠商構(gòu)建生態(tài)閉環(huán)，提升用戶粘性與產(chǎn)品附加值。