2025 年10 月底，“Omdia ICT 產(chǎn)業(yè)研討會(huì)”在京舉行。AI 首席分析師蘇廉節(jié)先生做了報(bào)告《GenAl 從概念到日常——智能體和人形機(jī)器人的技術(shù)趨勢(shì)與預(yù)測(cè)》，分享其對(duì)智能體的觀察和預(yù)測(cè)。

1   AI專業(yè)有門檻，未來(lái)應(yīng)用無(wú)處不在

在一年前的“Omdia ICT 產(chǎn)業(yè)研討會(huì)議”上，蘇廉節(jié)分析師曾預(yù)言2025 年將是AI 小年。沒(méi)想到剛進(jìn)入2025 年就被打臉——DeepSeek 橫空出世，引來(lái)一波熱潮，但快到2025 年11 月時(shí)，熱情有些下降了。總體感覺(jué)AI 行業(yè)的特點(diǎn)是潮水很快涌起，退去也很快。

所以一些從業(yè)者對(duì)AI 產(chǎn)業(yè)感到迷茫：現(xiàn)在是否熱潮已過(guò)？有些客戶已經(jīng)部署了大量計(jì)算資源，買了很多卡，下一步該怎么辦？也有人對(duì) AI 的回報(bào)率和部署的成功率持有一點(diǎn)懷疑態(tài)度，例如MIT 在2025 年發(fā)布了一份有爭(zhēng)議的報(bào)告，認(rèn)為95% 的生成式AI 公司已經(jīng)黃了，大部分停留在了試驗(yàn)階段。Omdia 在2025 年做的調(diào)研也有類似的結(jié)果，即真正能達(dá)到商業(yè)部署、跨過(guò)POC（概念驗(yàn)證）階段的 AI 項(xiàng)目非常少，這意味著AI行業(yè)有一定的門檻。

好消息是，AI應(yīng)用將像撒胡椒面一樣無(wú)處不在，人們將來(lái)做的所有項(xiàng)目都會(huì)有AI 的身影。不管是從軟件角度出發(fā)，還是從硬件角度出發(fā)；不管是在云端上部署系統(tǒng)，還是邊緣的安防系統(tǒng)、人形機(jī)器人、量子計(jì)算等應(yīng)用，都會(huì)有AI 算法在里面，都會(huì)需要數(shù)據(jù)，需要人們用自動(dòng)化的方式去部署。

2   AI在消費(fèi)和商用的應(yīng)用特點(diǎn)

那么， 未來(lái)AI是不是大模型？ 是不是所有的產(chǎn)品都需要大模型？是不是所有行業(yè)必須要用Transformer等架構(gòu)去解決？不一定。

●   2C偏重搜索引擎

DeepSeek出來(lái)以后，公眾與大模型的第一次互動(dòng)是通過(guò)各種搜索引擎，除了傳統(tǒng)的搜索引擎諸如百度，還有非常熱門的微信、抖音、小紅書(shū)、豆包等，成為大眾體驗(yàn)AI的方式。

Omdia于2025年發(fā)布了一份針對(duì)中國(guó)C 端市場(chǎng)AI搜索平臺(tái)/ 引擎的市場(chǎng)報(bào)告，指出我國(guó)AI 大模型的滲透率約為36%、37%——這個(gè)數(shù)字可能沒(méi)有人們想象的高, 因?yàn)楝F(xiàn)在所有經(jīng)歷的熱點(diǎn) 浪潮只是起點(diǎn)，預(yù)計(jì)未來(lái)12~24 個(gè)月，滲透率會(huì)達(dá)到50%、甚至70% 以上。

●   2B在部署大模型

2025年9月，Omida發(fā)布了中國(guó)財(cái)富500強(qiáng)制造業(yè)大模型的數(shù)據(jù)，顯示了滲透率的特點(diǎn)，撇開(kāi)數(shù)量稍少的垂直行業(yè)，中國(guó)很多頭部企業(yè)已經(jīng)開(kāi)始用起AI。

某些行業(yè)的AI 滲透率偏低，例如制造業(yè)、能源、礦業(yè)等（圖1）；而電信、IT、汽車業(yè)對(duì)大模型的采用幾乎百分之百，甚至很多企業(yè)同時(shí)有多個(gè)大模型，并認(rèn)為多多益善。

圖1 生成式AI在企業(yè)界采用的速度因行業(yè)而異

中國(guó)制造業(yè)對(duì)AI普遍接納，主要有兩個(gè)原因。

●   我國(guó)在開(kāi)源大模型方面非常積極。自從DeepSeek出來(lái)以后，阿里甚至最近百度、華為都在推，對(duì)產(chǎn)業(yè)大模型有很大的推波助瀾作用。

●   我國(guó)部署的大模型很多時(shí)候是依靠全棧式部署的，即企業(yè)跟云廠商合作時(shí)，會(huì)不知不覺(jué)地用上大模型，因此進(jìn)一步擴(kuò)大了大模型的應(yīng)用。

3   具身智能：大模型之后的新增長(zhǎng)點(diǎn)

既然大模型已經(jīng)普及開(kāi)來(lái)，下一個(gè)增長(zhǎng)點(diǎn)在哪里？現(xiàn)在業(yè)界有兩個(gè)共識(shí)，從軟件端看，有代理AI；硬件是具身智能。

在硬件端，會(huì)看到更多基于具身智能的機(jī)器人，包括人形機(jī)器人（注：是現(xiàn)在產(chǎn)業(yè)的火熱發(fā)力點(diǎn)之一），還有無(wú)人機(jī)、四足機(jī)器人、甚至傳統(tǒng)的AGV。它們都對(duì)大模型本身的能力、云架構(gòu)的算力、模型的優(yōu)化以及系統(tǒng)的整合有進(jìn)一步的訴求，需要廠商做更靈活的配置和提升性能。

很多人士認(rèn)為2025 年是具身智能的元年。可能人們沒(méi)看到什么具身智能的應(yīng)用，因?yàn)楹芏嗥髽I(yè)在部署智能體的時(shí)候會(huì)偏向某個(gè)特定的應(yīng)用。

4   智能體開(kāi)發(fā)的兩個(gè)軟件挑戰(zhàn)

據(jù)Omdia調(diào)研，大部分智能體偏重在軟件開(kāi)發(fā)，其次是文本分析。一個(gè)簡(jiǎn)單的原因是：與大模型剛開(kāi)始出來(lái)時(shí)一樣，人們對(duì)大模型的感知是它聽(tīng)得懂人們說(shuō)話，人們能跟它用自然語(yǔ)言交流，它能理解人們上傳或要下載的東西，這主要因?yàn)榇竽Ｐ褪腔谖谋镜臄?shù)據(jù)訓(xùn)練的，文本的數(shù)據(jù)從現(xiàn)在的數(shù)據(jù)集來(lái)看是最成熟的。同樣，現(xiàn)在智能體剛開(kāi)始時(shí)，也會(huì)偏向于把基于文本/文字類的數(shù)據(jù)任務(wù)采集作為首要爆發(fā)點(diǎn)。

下一步，很多產(chǎn)業(yè)開(kāi)始思考是否要采用更強(qiáng)的模式？所以2025 年，自從GPT-4o 發(fā)布之后，很多廠商推出多模態(tài)的大模型，以處理多種不同的數(shù)據(jù)源/ 數(shù)據(jù)類。

但是還有兩個(gè)挑戰(zhàn)。

首先，大模型出來(lái)了以后，一直沒(méi)有很有效地解決幻覺(jué)問(wèn)題。如何解決出錯(cuò)率？是整個(gè)行業(yè)思考的一個(gè)方向。

其次，人們?cè)谟弥悄荏w的時(shí)候，會(huì)消耗很多Token。從降本增效的角度，違背了人們一開(kāi)始采用智能體的初衷。

因此有兩個(gè)較新的思路。

第一, 解決幻覺(jué)的問(wèn)題，可能要推理模型。例如阿里云、Mistral AI 和智譜AI。

第二，解決Token 的問(wèn)題，是否可用垂直類的大模型來(lái)解決，以達(dá)到更精準(zhǔn)、更高效。所以有很多垂直領(lǐng)域多模態(tài)模型，例如2025 年5 月，salesforce推出BLIP3-o：多模態(tài)圖像理解模型；上海人工智能實(shí)驗(yàn)室于2025 年6 月推出“多模態(tài)機(jī)器人控制模型”；NASA于2025 年8 月推出Galileo：地理空間多模態(tài)模型。

現(xiàn)在較火的，人們比較積極去探討的是基于軟件開(kāi)發(fā)的模型，最紅的當(dāng)屬Anthropic 的Sonnet 4.5，某種程度上打破了這個(gè)行業(yè)的軟件開(kāi)發(fā)的天花板。接下來(lái)人們會(huì)以Sonnet 作為行業(yè)的標(biāo)桿。

另一個(gè)比較重要的點(diǎn)是最近行業(yè)也開(kāi)始出現(xiàn)一些基于開(kāi)源的智能體開(kāi)發(fā)的工具，包括AWS 發(fā)布的StrandsAgent，以不同的方式去服務(wù)不同的客戶。有的是以低代碼的方式滿足開(kāi)發(fā)者的簡(jiǎn)單訴求，有的針對(duì)高強(qiáng)度、高代碼的開(kāi)發(fā)環(huán)境和訴求。

最后, 有了智能體以后，還會(huì)出現(xiàn)對(duì)多智能體的訴求。那么，怎么在多智能體的基礎(chǔ)上套一個(gè)運(yùn)營(yíng)商的數(shù)據(jù), 做得更專業(yè)？這是下一個(gè)多智能體廠商需要攻克的挑戰(zhàn)。

5   人形機(jī)器人市場(chǎng)

Omida于2025 年1 月發(fā)布了人形機(jī)器人的市場(chǎng)預(yù)期平臺(tái)（圖2），目前產(chǎn)業(yè)還是處于比較初期的。

圖2 人形機(jī)器人的三個(gè)發(fā)展階段

從“早期試點(diǎn)”到“全球拓展”還需要一個(gè)過(guò)程。在這個(gè)過(guò)程中有些商業(yè)化的挑戰(zhàn)。

第一，價(jià)格怎么降下來(lái)？當(dāng)然，在國(guó)內(nèi)可能會(huì)聽(tīng)說(shuō)一些機(jī)器人10 萬(wàn)元以下就可以在臺(tái)上表演了，但只能在臺(tái)上表演，不能做別的。實(shí)際上，那種真正能夠干活、能在工廠里部署的機(jī)器人是很昂貴的，只有宇樹(shù)等最頂尖的機(jī)器人才能被用在實(shí)際場(chǎng)景。因此目前機(jī)器人的價(jià)格還很貴。下一步，不僅是怎么去把機(jī)器人部署出去，還要集成到工廠內(nèi)部的IT/OT 系統(tǒng)中。

第二，怎么把它們推到海外市場(chǎng)？是用渠道？還是跟其他廠商合作？因?yàn)楝F(xiàn)在很多具身智能企業(yè)的背景不是工業(yè)機(jī)器人出身，因此對(duì)怎么去賣、用什么去樣的渠道，走怎樣的路徑？這些策略還不是特別清晰。

所以現(xiàn)在業(yè)內(nèi)都在卷技術(shù)，卷我的機(jī)器人比競(jìng)品的計(jì)算好，而沒(méi)有真正在想我要怎么把這個(gè)東西銷售出去？

當(dāng)然這也不只是中國(guó)才有的現(xiàn)象，整個(gè)行業(yè)都存在這個(gè)問(wèn)題。

值得一提的是，至少中國(guó)企業(yè)在卷技術(shù)方面做得不錯(cuò)，例如從中國(guó)的幾大具身智能初創(chuàng)公司發(fā)布了一些基于大模型的產(chǎn)品。

具身智能的大模型需要各種技術(shù)：既需要傳統(tǒng)的機(jī)器控制模型，同時(shí)也需要事件模型，也需要靈巧手，總之，需要好幾個(gè)模型搭建起來(lái)，才能夠達(dá)到可部署的效果。第二，不僅要把模型做好，還要把硬件做好。中國(guó)企業(yè)要雙管齊下，各方面都要引領(lǐng)市場(chǎng)，才能夠把這個(gè)市場(chǎng)地位布起來(lái)。

Omdia 把2024 年的人形機(jī)器人的出貨量排了一下（圖3），可看到中國(guó)的廠商還是屬于業(yè)界較為領(lǐng)先的。這有很多的原因，因?yàn)檎恼咴谕苿?dòng)，另外國(guó)內(nèi)很多企業(yè)積極地在購(gòu)買、合作。預(yù)計(jì)在接下來(lái)幾年里，這個(gè)產(chǎn)業(yè)肯定會(huì)得到大力的發(fā)展。

圖3 2024年人形機(jī)器人的百分比

● 靈巧手

機(jī)器人做得好，不能只有大腦小腦，還需要更多的零部件，其中比較重點(diǎn)的發(fā)展方向之一是手部。世界部分代表性廠商如表1。

表1 部分靈巧手廠商

傳統(tǒng)機(jī)器人的手很簡(jiǎn)單，例如夾子，只有兩三根手指就夠用了。但是從人形機(jī)器人的視角還是不夠的，很多物體還操控不了。所以怎么去模擬一個(gè)人的手，完全達(dá)到工控場(chǎng)景，是接下來(lái)行業(yè)一直需要去探討的。

手本身既需要大模型，還需要各種傳感器。先進(jìn)的靈巧手每一根手指都有一個(gè)攝像頭，意味著有很多數(shù)據(jù)需要處理。

●   人形機(jī)器人是半導(dǎo)體業(yè)的增長(zhǎng)點(diǎn)

從半導(dǎo)體產(chǎn)業(yè)的角度，人形機(jī)器人是半導(dǎo)體行業(yè)的一個(gè)福音，需求量很大（表2）。傳統(tǒng)上，汽車行業(yè)是一個(gè)很大的消費(fèi)半導(dǎo)體的產(chǎn)業(yè)。將來(lái)人形機(jī)器人需要很多半導(dǎo)體芯片，因?yàn)槊恳粋€(gè)感官需要半導(dǎo)體去感知，每個(gè)部位都需要半導(dǎo)體去進(jìn)行操控，大小腦也需要半導(dǎo)體去計(jì)算。

表2 Omdia估計(jì)每臺(tái)人形機(jī)器人所需要的半導(dǎo)體元件及數(shù)量

7   智能體軟件的三個(gè)痛點(diǎn)

智能體很復(fù)雜，有很多痛點(diǎn)需要去解決，例如如下三個(gè)。

第一，目前比較火的上下文工程的挑戰(zhàn)。

第二，模型本身的任務(wù)解決能力。現(xiàn)在比較前沿的大模型都會(huì)聲稱其能力不在于我怎么解決一個(gè)問(wèn)題，因?yàn)椴鸾夤ぷ骱徒鉀Q問(wèn)題已是大模型的標(biāo)配。現(xiàn)在前沿廠商想要解決的是怎么把一個(gè)非常難解的問(wèn)題解決掉。因?yàn)槿绻粋€(gè)問(wèn)題特別難解決，大模型會(huì)半途而廢。

好的大模型有辦法堅(jiān)持下去。其堅(jiān)持下去的動(dòng)力，就是基于上述提到的有很大的上下文的窗口，有很強(qiáng)的推理能力，使它能夠堅(jiān)持把一個(gè)非常難解的任務(wù)拆解出來(lái)。

第三，持續(xù)評(píng)估。創(chuàng)新一直是智能體的核心，目標(biāo)之一是怎么能夠確保我生成出來(lái)的東西是絕對(duì)準(zhǔn)確的。因?yàn)榻裉斓哪繕?biāo)不是我們上網(wǎng)隨便搜索一個(gè)2C 的應(yīng)用，可能所有多智能體的應(yīng)用是面向2B 的。在2B 的應(yīng)用場(chǎng)景中，會(huì)有合法合規(guī)的訴求，是不能出錯(cuò)的。在這種情況下，我要怎么去評(píng)估大模型生成出來(lái)的東西是合法合規(guī)的，是我想要的結(jié)果？這是業(yè)界需要去攻克的。

此外，大模型供應(yīng)商還要助力企業(yè)跨越AI 部署的障礙。大模型應(yīng)該自研還是購(gòu)買？這個(gè)點(diǎn)也是業(yè)界一直在探討的。根據(jù)Omdia 對(duì)亞太區(qū)的調(diào)查，大部分企業(yè)還是會(huì)去買的。主要原因是大模型不好做，而且每隔6個(gè)月左右又會(huì)演進(jìn)，所以對(duì)于很多中小企業(yè)，由于沒(méi)有獨(dú)立的IT/AI 團(tuán)隊(duì)，所以傾向于去購(gòu)買第三方的解決方案，然后來(lái)進(jìn)行各自AI 調(diào)整。

因此，供應(yīng)商如果能夠更加對(duì)應(yīng)到客戶的訴求，才是幫助客戶提高AI 滲透力、提高AI 部署的一個(gè)最佳策略。不是說(shuō)你的模型有多強(qiáng)，客戶就會(huì)用你的解決方案，你需要去考慮客戶的痛點(diǎn)在哪里？

主要就是要解決內(nèi)在能力欠缺的挑戰(zhàn)，例如要解決安全性的挑戰(zhàn)，合法合規(guī)的挑戰(zhàn)，缺乏數(shù)據(jù)的挑戰(zhàn)，以及算力和成本，此外，還有技術(shù)的復(fù)雜度，數(shù)據(jù)的品質(zhì)等。

（本文來(lái)源于《EEPW》202512）