Gartner 将 AI Agent 列为 2025 年十大战略技术趋势之首，并预测，到 2028 年，15% 的日常工作决策将通过 Agentic AI 完成；另一方面，DeepSeek 的横空出世大大加速了 AI Agent 的落地速度。
“ 今年，将会涌现出一大批智能体的应用，而智能体在落地的过程中，场景是核心关键。” 浪潮集团执行总裁、总工程师，浪潮云董事长肖雪指出，“ 如何面对场景，解决难点、痛点问题，并将智能体与实体经济结合，这是组织用户与技术服务商今后一段时间需要共同面对的挑战。”
场景为王
任何技术只有落在场景中，才能发挥出价值，才是有价值的技术—— 这种观点已经成为业界共识。在 AI 技术上亦是如此，2024 年中国大模型备案数量突破 200 个的背景下，行业竞争焦点正加速向场景渗透能力转移。
从国家发改委发布的 《"人工智能+"行动实施方案》 到企业实践中的"场景实验室"建设，"场景为王"的产业共识正在重构大模型发展的底层逻辑。这场变革不仅关乎技术路线选择，更将重塑全球科技产业格局。对此，肖雪表示，场景不仅是数据的引力，也是数据的主导力。
2024 年中国大模型应用数据显示：研发设计环节渗透率达 38%，而生产制造环节仅 12%，这种现象表明：知识密集型场景的决策价值 （如医药研发中化合物筛选效率提升 50 倍） 更易产生付费意愿。比如，微盟集团部署的万名 Agent 数字员工，在电商客服场景中实现人效提升 300%，验证了高价值场景的变现能力；教育场景中，学而思开发的解题大模型，通过错题场景的精准分析，使个性化学习方案付费率提升至 75%.......
同时，目前业内也有不少声音表示，当大模型参数量突破 10 万亿时，单纯的技术参数竞赛将失去意义。场景能力的三个维度—— 场景洞察力 （需求捕获）、场景重构力 （价值创造）、场景进化力 （持续创新）—— 将成为衡量大模型价值的“ 黄金三角”。
在场景为王的背景下，用户也面临着一些挑战，肖雪指出，当下大模型应用的场景有一些共通之处，也存在着一些相同的痛点。
在共通之处层面，原先，通过诸如 ERP 等管理软件，静态的流程管理就能满足企业流程管理的情况已经不复存在，基于业务敏捷性、流程敏捷性等需求的同时，企业还需要通过打通内部数据流，以满足让数据赋能业务的需求，这时候，就需要一个全新的流程管理，更为自动化，更高效的流程管理，成为企业追求的目标。
而当下大模型的应用场景技术交叉程度高，业务融合程度也很高，“ 企业需要既懂技术，又懂业务，还要具备行业 Knowhow 的复合型人才.” 肖雪指出，“ 一个大模型应用场景可能涵盖了多个业务单元，需要联合多个部门协同推进。”
类似的观点在行业内也有不少，长江商学院会计学副教授 MBA 项目学术主任、高层管理教育项目学术主任张维宁告诉钛媒体 APP，随着企业的发展，组织架构愈发复杂，而 AI 大模型的出现，尤其是随着大模型向智能体演进，企业的组织架构也面临重构，“ 通过流程和分工的方式，并在每个环节用好 AI 的能力，就能让原本复杂的问题变得简单，从而提高企业运营效率。” 张维宁如是说。
对业务流程的重构导致企业在应用大模型的过程中，要首先明确应用场景，在选择合适的场景之后，再开始对原有业务流程的重构。而对于当下大多数企业来说，选择场景成为了一个痛点。
多数用户知道 AI 技术好，对 AI 技术甚至有些“ 趋之若鹜”，生怕自己在 AI 浪潮下落后，也都希望借由 AI 浪潮实现弯道超车。但到了实际应用过程中，选择哪些场景率先上 AI，如何部署，怎么用，这些问题成为了当下多数企业要面临的难题。对此，IDC 中国区副总裁兼首席分析师武连峰给出的建议是：组织需要针对不同业务需求。设计可落地的数智化应用场景。
在张维宁看来，AI 大模型在组织用户中的应用场景总体来看，具有三个特征。首先，大模型在组织用户的应用中，会出现将原本复杂的流程简单化的场景。例如，原先组织内部项目流程需要将财务、市场、产品、技术四个部门的人员聚在一起完成项目，每个人都具有不可或缺的专业性，但通过 AI 大模型，可以将四个不同岗位的人的能力汇聚一体，将一个非常长的流程整合到一起，从而降低了项目执行的时间和成本，“ 这种整合后的产物就是一个 Agent。” 张维宁指出。
用户想要的不只是一体机，一体化交付能力才是核心
在选择好场景后，因为各组织之间数字化水平的参差不齐，以及 IT 团队人员技术能力的不尽相同，用户都想在尽可能短的时间内，快速的落地场景，让业务尽快与 AI 技术融合。这些需求就给服务商提出了更高的要求。
在肖雪看来，对于组织 （例如政府等机构和公司都可以看作是组织） 而言，在从单点智能向系统智能演进的过程中，需要分清边界，分清每个部门、每个员工的角色。“ 对于组织用户来说，构建全场景智能落地和全场景智能基础设施是关键，” 肖雪进一步指出，“ 这时候，用户就需要考虑哪些业务上云，哪些业务本地化，如何以场景为中心，衔接好云上、云下资源等问题。用户就需要一个具备‘ 云数智安’ 能力的一体化解决方案。”
谈及一体化的解决方案，随着 DeepSeek 的爆火，一体机似乎成为了用户寻求一体化，快速部署的解决方案，但在浪潮云总经理颜亮看来，一体机只是用户落地大模型的一环，并不是唯一。“ 一体机固然有它的好处，但对于大规模的用户来说，一体机的成本显然不如云服务的成本合适，” 颜亮进一步指出，“ 而如何融合‘ 智数云安’ 的能力，就成为大模型时代，云服务商的核心竞争力。”
面对当下“ 一体机的火爆，是否抢占了云服务商的‘ 蛋糕’” 的问题，肖雪认为，大模型一体机与云服务竞争与共生并存，既有竞争也有互补。
竞争方面，提供算力、平台、大模型等服务，并且一体化服务性价比较高。
互补方面，传统云服务在弹性扩展、全栈工具链等方面具有优势，大模型一体机通过软硬件深度协同，在推理效率、数据隐私、本地化部署等方面形成差异化优势。这种竞合关系催生了“ 云+边” 的新生态：云服务提供持续的算力与模型更新，一体机在本地实现场景化定制。例如，政务用户通过云服务训练通用模型，再用一体机进行政务场景微调和推理。
“ 一体机的出现并未颠覆云服务，而是通过场景化、本地化、高效化的特性，在数据安全敏感、低延迟、轻量级需求等领域形成差异化竞争。两者的关系本质是‘ 基础设施普惠化’ 与‘ 行业深度定制化’ 的共生。” 肖雪总结道。
面向大模型时代，在肖雪看来，未来，具备“ 端— 边— 云” 协同能力与“ 全栈交付生态” 的厂商将主导市场，推动 AI 从技术创新走向产业渗透。基于此，浪潮云喊出了“3C” 的口号 （即可信赖、可落地、可持续）。可信赖方面，需要具备合法合规、基础安全承载，以及安全技术保障；可落地方面，包括了场景匹配、数据匹配、组织匹配 （即 3M） 的能力，颜亮表示，用户在应用 AI 能力之前，需要重点考虑这三个方面的事情；可持续方面，用户需要的是一个能长期持续发展的技术，而不是昙花一现的技术
“AI 与人一样，是需要成长的，目前发展已经可以看出，AI 正在从大模型向着智能体的方向成长，如何满足用户对不断成长 AI 能力的需求，也是一件很重要的事。” 颜亮如是说。
浪潮云提出的 3C 口号，也是一种一体化交付能力的缩影。
从单点智能走向系统智能
一体化交付能力的构建，并不仅是为了帮助用户实现大模型的“ 单点智能”，从长远来看，一体化交付能力也是为了确保组织用户能够从单点智能走向系统智能的关键要素。
随着技术的不断发展，组织用户对于 AI 的期待值也越来越高，对 AI 能力的要求也越来越高，而在行业内来看，今年也将是 AI 从大模型，向 Agent 演进的一年。
根据 IDC 预测，到 2025 年，50% 的组织将使用针对特定业务功能配置的智能体，而不是专注于单一的 Copilot 技术，以便更快地从 AI 中获取业务价值。对此，武连峰表示，未来，通过数据+大模型的方式，会产生大量的场景化的智能体，这些场景智能体和行业智能体是推动各行业进入新阶段的引擎。
无独有偶，颜亮也认为大模型、智能体就是下一个阶段发展经济的新引擎。对此，颜亮表示，上一个时代，蒸汽机、内燃机将化石能源转化成机械能，而当下的大模型、智能体就像上个时代的蒸汽机、内燃机一样，只不过智能体是将数据转化为了智能。
武连峰表示，从技术维度上看，仅仅有大模型是不够的，还需要组织具备充足的、高质量的数据集，立足当下，虽然还有很多用户的数据质量、数量都还未达到足以支撑智能体落地的水平，但随着“ 人工智能+” 行动的推进，以及用户对于数据的重视程度的上升，我们离智能体的时代已经不远了。对此，颜亮表示，从 ChatGPT 问世以来，经过了三年时间的沉淀，无论是数据基础设施、算法架构，还是数据层面，都有了一定的积累，此外，从政策来看，今年 《政府工作报告》 中也特别将“ 人工智能+” 作为了重点发展方向，“ 无论是技术层面，还是政策层面，还是用户需求的市场层面，都具备了智能体发展的先提条件，这也是为什么行业内都认为今年会是智能体快速落地的一年。” 颜亮如是说。
相较于石油、煤炭等化石“ 能量” 的提炼过程，数据作为“ 看不见” 的“ 能量”，在提炼的过程中需要注意的问题更多，也更为复杂。而这种复杂性也延伸到了智能体这个新时代“ 引擎” 之中。
在这个过程中，云的现代化、智能化是最为基础的保障，IDC 数据显示，到 2027 年，超过 60% 的用户将现代化其最多 50% 的云架构，以提高基础设施利用率，并推动业务和技术创新。武连峰指出，在这个过程中，云需要具备支持 AI 模型在不同云平台之间无缝迁移，并保障数据在多云环境中安全的流通和共享的能力，“ 在此基础上，组织还需要尽可能的降低迁移成本，以此来促进智能应用的快速落地和扩展。” 武连峰强调。
如果说大模型在企业级应用的上半场是找到场景、落地模型、让部分业务跑起来，那么大模型在企业级应用已经逐渐进入了下半场，在深挖场景的同时，还需要进一步提高数据质量和流通共享能力，并从“ 单点智能” 走向融合多部门、跨业务的系统智能时代，构建组织用户智能时代新发展引擎。（本文首发于钛媒体 APP，作者｜张申宇，编辑丨盖虹达）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
