2025年12月4日，在南京人工智能生态街区的“AI·模坊”南京智能体集散中心，一款机器人在打招呼 季春鹏摄/本刊

文/朱帅

编辑/马琼

在2025年底至2026年初的全球人工智能（AI）技术浪潮中，一个显著转折悄然发生：主流大模型的竞争焦点，正从单纯的“智能对话”转向“自主行动”。这一演变不仅标志着技术从生成式AI向具备高级推理和多模态能力的智能体跃升，还将深刻搅动全球经济版图。

谷歌Gemini 3.0的推出，以及开放人工智能研究中心（OpenAI）通过Responses API和Assistants API升级强化智能体功能的做法，都预示着AI正从认知工具演变为集规划、决策和执行为一体的“行动主体”。

这一技术范式转变的外溢效应，已沿着全球产业链展开。信息技术研究与咨询服务机构Gartner预测，到2026年底，40%的企业应用将集成专属AI代理，这将从根本上颠覆供应链运作。AI不再仅限于数据分析，而是深入生产协调，推动全球分工从制造导向转向智能协同。

从“回答问题”到“完成任务”

在较长一段时间内，大模型主要承担信息整合、文本生成和决策辅助等功能，更多扮演“高级咨询工具”的角色。例如，早期的ChatGPT和Bard模型专注于自然语言处理和知识检索。然而，随着智能体技术的成熟，AI开始能够自主拆解目标任务、调用多种工具，并在多个系统之间连续执行操作，完成从规划到落地的闭环。

支撑这一变化的关键，是“世界模型”等技术路径的突破。通过对物理规则、环境约束和因果关系的建模，AI不再局限于符号层面的推理，而是开始具备在真实或准真实环境中进行判断和行动的能力。这也为具身智能、人形机器人等领域的进一步发展奠定了基础。OpenAI的o1模型和谷歌的Gemini 3 Deep Think模型展示了这种增强推理能力——能够处理复杂问题如数学和编码。

在这一阶段，AI的角色正在发生变化：它不再只是“建议者”，而是逐步成为企业系统中的“执行单元”。根据波士顿咨询公司的报告，2025年智能体系统已占AI总价值的17%，预计到2028年将达到29%。这一转变意味着AI可以自主优化供应链路径，减少决策延迟，推动企业从被动响应转向主动预测。

智能体进入产业链中间层

与公众想象中“面向消费者”的应用不同，当前智能体最先渗透的并非终端服务岗位，而是全球产业链中大量高度流程化、规则密集的中间环节。这些环节往往涉及多系统协调、数据整合和实时决策，AI代理的介入能显著提升效率。

在跨境电商领域，包括亚马逊、阿里巴巴国际站等平台型企业，已在部分履约和商家服务体系中探索引入智能体系统，用于自动完成订单匹配、库存校验、物流方案选择及合规检查等多步骤流程。相关企业在公开披露中提到，在特定业务模块内，这类系统已能够在较少人工干预的情况下完成连续执行，从而降低跨区域协同成本。例如，亚马逊通过AI智能体实现了库存优化的两位数效率提升；阿里巴巴国际站利用类似技术实现了商家服务自动化，减少了人为错误。

在制造业领域，西门子、施耐德电气等工业企业正尝试将智能体嵌入数字孪生、排产和供应链调度系统，用于在多工厂、多供应商约束条件下进行实时协调。例如，西门子的NX CAM Copilot作为一个AI驱动的编程助手，能够优化从设计到生产的全流程，有效突破编程瓶颈；施耐德电气在2025年美国工业自动化及机器人展会上展示了其与微软合作的生成式AI助手，该工具能够有效简化应用开发程序并提升效率。

相关实践显示，智能体更擅长处理规则复杂、变量众多的协同问题，而人类管理者则更多转向对异常情况和策略层面的干预。智能体应用并不直接改变生产环节本身，却在悄然重塑企业内部的组织方式和决策节奏。德勤报告显示，使用AI智能体的企业在供应链决策中实现了从几天到秒级的延迟减少。

全球分工从生产转向协同

如果说上一轮全球化主要围绕生产环节展开，不同国家在制造、组装和品牌等环节形成分工，那么在智能体逐步成熟的背景下，全球分工正在形成新的划分维度——协同权与执行权的重构。这一转变强调“谁能高效组织和协调复杂系统”，而非单纯的制造能力。

在国际物流和航运领域，这一趋势尤为明显。马士基、达飞海运等企业，近年来持续推进智能调度和自动决策系统建设，并将智能体视为“数字执行单元”，用于港口调度、运力匹配和时序优化等环节。

例如，马士基通过AI优化了容器跟踪，减少了67%的延误并节省了3.4亿美元燃料成本；达飞海运与谷歌和米斯特拉尔人工智能公司（Mistral AI）的合作，投资1亿欧元用于AI优化路由、库存管理和碳排放减少。这类系统并不直接替代人工操作，而是承担跨系统的信息整合与执行任务，使原本分散的协同流程趋于集中化和模块化。由此，谁能够设计规则、调度流程、整合系统，正在成为新的产业链竞争焦点。

这意味着，在智能体时代，产业竞争的重心除了“谁能制造”，更注重“谁能高效组织和协调复杂系统”。数字基础设施、工业软件生态和平台能力，正在成为新的隐性竞争要素。Gartner预测，到2026年，AI将成为供应链转型的首要驱动力，74%的从业者视其为关键因素。这一变化可能重塑全球贸易格局，推动发展中国家从劳动力密集型向技术协调型转型。

2025年7月26日，参观者在一个依托大模型数据打造的星辰纺织智能体展品旁交流讨论 方喆摄/本刊

推动劳动力角色重塑

在上述过程中，劳动力结构也在发生变化，但这种变化并非简单的岗位消失或增加，而更多表现为角色与能力结构的调整。AI代理的引入并非旨在取代人类，而是通过自动化重复任务来提升整体生产力。

随着智能体承担部分执行型、协调型任务，人类劳动者的角色逐步向监督、管理、规则设计和复杂决策倾斜。无论是在制造业排产还是跨境贸易履约中，实践均显示，人机分工正在由“工具使用”转向“任务协同”。企业在招聘和培养人才时，也开始更加重视跨系统理解能力、流程设计能力以及人机协作能力，而非单一的重复性技能。麦肯锡预测，智能体时代将释放巨大的生产力潜能，但需通过再培训来适应。例如，在物流领域，AI代理处理日常调度后，人类更多专注于风险管理和战略规划。

从这一意义上看，智能体带来的影响更像是一种组织形态的演进，而非直接的就业冲击。国际数据公司（IDC）预测，到2029年，45%的福布斯全球2000强企业将采用AI智能体驱动的管理模式，实现20%的收入增长。这要求政策制定者将重心转向技能转型，而非单纯担忧失业问题。

具身智能的边界突破

随着“世界模型”能力的提升，智能体的影响正从数字空间向物理空间延伸。在具身智能方向，特斯拉、波士顿动力以及部分亚洲制造业企业在2026年推进的人形机器人项目，主要集中于工业试产和场景验证阶段，其应用重点放在高危险、高精度或柔性要求较高的工序上。

这些实践更多被视为对“世界模型”与具身智能技术路径的验证，而非短期内的大规模替代方案。例如，波士顿动力在2026国际消费电子展（CES）上发布的电动Atlas机器人，已进入生产阶段，2026年部署于现代（HYUNDAI）和谷歌DeepMind相关业务场景中，并通过集成Gemini AI技术以提升其认知能力。特斯拉的Optimus机器人则聚焦工厂内部测试，强调大规模生产能力。成本、可靠性和适用范围等现实约束，决定了具身智能在相当长一段时间内仍将以“补充性应用”为主，其意义更多在于拓展产业系统的能力边界。福布斯分析称，Atlas的软件优势可能使其在实际部署中处于领先地位。

总体来看，智能体时代带来的，并不是一场简单的技术竞赛，而是一场围绕“体系能力”的竞争。谁能率先构建起人、智能体与产业系统之间的高效协同机制，谁就可能在新一轮全球产业分工中占据主动。福布斯预测，2026年将是AI智能体在物流和生产领域实现端到端管理的关键年。

在这一过程中，技术进步本身并非决定性因素，真正拉开差距的，往往是制度设计、组织能力以及长期投入形成的系统优势。这或许正是智能体时代留给各国政府和企业的核心命题。随着AI代理市场规模有望在2026年达到28亿美元，企业需统筹创新与安全，确保可持续增长。

（作者系赛迪研究院研究室主任）