两年前，大模型如超新星一般，为通用人工智能（AGI）的发展照亮了道路。
而当所有人以为这颗新星也会持续闪耀之时，龙头OpenAI却状况频发。GPT-5迟迟不发布，联合创始人出走、休假，超级对齐团队集体出走......深陷动荡的OpenAI为人工智能的发展按下了暂缓键。
同时，资本市场对AI的投资也进入冷静期。据IT桔子，2024年上半年AI领域的投资占比降至8.58%，相比于之前的11%左右，下降趋势明显。
造成投资趋冷的一个重要原因，是人们发现大模型有点花拳绣腿，真实用起来没那么强大。
尤其用大模型来拯救业务的企业家们，往往对大模型抱有过高的期待，造成希望越大失望越大的现象。据Rolling AI与InfoQ、火山引擎联合发布的《生成式AI商业落地白皮书》，许多企业往往因为选择了更困难甚至错误的场景，导致创新团队陷入过度承诺和低于期待交付的恶性循环。仅有11%的企业做出了有实际效用的AI应用。
为了解决大模型交付问题，基于特定业务流程搭建 workflow agent， 已经成为解决企业复杂问题的重要途径。
OpenAI率先推出了半成品GPTs，仓促之下并没有做好生态。而在国内，互联网大厂明显更重视智能体（Agent），百度创始人李彦宏就说智能体的能力正在逐步完善、门槛也足够低，随着基础大模型能力增强，可以做出更有价值的应用。
字节Coze、腾讯元器、百度千帆AgentBuilder、阿里云的百炼等等智能体平台纷纷面世。其中，扣子平台上的智能体数量已经超过800万个。
这些智能体，很多是小米、多点DMALL等传统企业搭建，这些智能体真能帮助大模型落地实体经济，产生真正的经济效益吗？
大模型走进业务，不灵了？
正如谷歌前首席科学家安德鲁·恩格尔所说，“人工智能就像电力一样，如果你的竞争对手正在使用它，你也需要使用它，否则你就会失去竞争力”。
很多地方会使用“用电量”来衡量经济发展的情况，但最终创造价值的不是电力本身，而是其驱动的电器。类比而言，若将大模型的token使用量视为AI时代的“电力表”，则需要将大模型落地到更多企业中，将AI作为真正的新质生产力。
如何利用好大模型，就成为一门重要学问。
海尔集团旗下卡泰驰在搭建在线智能交互引擎时，先是围绕用户找车、看车、买车、用车、换车全链路梳理了16+ AI应用场景，却发现，找不到一次性适用于各个场景的大模型。
并且，卡泰驰现有的基础产品，也无法满足以上各项的细则需求，比如用户数据不方便投喂给云端大模型等等。
面对这些问题，大模型略显窘迫，加大了企业的AI应用开发和部署难度。
而随着新能源汽车的火热，“AI上车”成为汽车行业的发展趋势，车企们急迫进行AI转型。作为生活的第三空间，汽车搭载的不仅仅是车主的出行需求，亦承载着丰富的生活场景，因此车企们急需满足用户多样化的座舱需求。
不仅如此，车企也希望能通过引入新技术，高效提升服务质量，AI营销、AI售后成为一众车企期望实现的AI附加价值。比如领克汽车就希望开发智慧邀约坐席、AI 对练&内训、AI 销售助手、智慧经营报表以及 AI 用车说明书等多项基于模型能力的功能。
然而，“当大模型延伸至售后环节时，我们发现面对智能化诊断、标准化维修方案制定以及高效售后服务等多元化、高度个性化的需求，直接依赖大模型就显得力不从心”，吉利汽车内部研发人员表示。
以汽车行业为例，AI售后系统不仅需要理解文本描述的问题，还需要分析车载传感器数据、处理维修图像，甚至进行预测性维护。
企业们渴望通过AI技术提升运营效率，优化客户体验，却往往因其多模态、多任务的需求，加之缺乏一个全面、灵活的平台来有效管理和梳理海量、异构的数据，远超出了单一大模型的能力范围而步履维艰。
正是这些挑战，让众多处于AI转型期的企业陷入了“阵痛”之中。借助智能体，实现更好的AI效果，就成为当下阶段的重要选择。
而搜寻国内智能体生态，国内大厂里中，字节跳动对于AI-Agent生态的思考，似乎更加全面。
To C端，有面对普通人的豆包App；To B侧，轻量级开发者的Coze，企业级的火山引擎的HiAgent开发者平台，代码层的豆包Marscode。
这些产品服务在大模型基础上，构建了链接企业业务的天梯。
智能体为大模型插上手脚
正如火山引擎副总裁张鑫所说，“大模型像大脑一样，要给大模型装上手和脚，也就是插件，大模型才能充分发挥作用”。
对速度的迫切需求，使得汽车企业卡泰驰给了智能体一个机会，卡泰驰引入了火山引擎的HiAgent AI应用研发平台。
HiAgent也并没有让他们失望。在HiAgent上，企业的业余人员能够更容易地构建和部署AI应用，使新技术的实验和应用更方便快捷。不仅如此，HiAgent专有的私有化部署有效保护了企业数字资产和知识产权，专属插件让智能体执行企业特有操作流程，专属智能体定制保障了应用的效果。
通过HiAgent平台，卡泰驰2周内成功实现AI 寻车器应用上线。不仅如此，AI寻车器能够出色地完成用户购车需求，能查询全国40+门店2000+实时车辆数据并推荐给用户。而传统企业AI项目从立项到落地可能需要一年时间，甚至更久。
“在企业AI落地阶段，我们立刻面临业务需求多样化、研发工程缺少和线上时间紧迫的问题，HiAgent的出现一次性解决了上述三个棘手的问题。”卡泰驰在线商城总经理邵骏鹏说到。
不止卡泰驰，根据小米、蔚来、小鹏等前沿新能源汽车制造商所披露的座舱大模型架构，它们不约而同地采纳了AI Agent技术解决方案。
“在车内呼唤小爱同学就可以提前打开家里的空调、灯、热水器等电器”，不仅如此，小爱同学还可以连续、准确、高效、按顺序处理一段语言中发布的多个指令任务，远超单一大模型的能力范围。
图注：主机厂AI agent开发模式
再给AI商业化一些耐心
在大模型通过智能体落地之际，业界也流传着一种紧迫的声音：
再有12-18个月，AI再不跑出Top One，资本市场就会对AI失去信心，到时候AI经济的泡沫就会被戳破。
火山引擎总裁谭待表示，AI仍处于发展的早期，做的虽然还只是摘取低处果实的工作，但乐观来说也只开发了10%左右，国内可能只有5%。AI市场仍旧广阔，大有前景。
尤其大模型在企业的落地依旧有前景。《生成式AI场景落地白皮书》显示，超过半数的企业在调研中积极拥抱大模型应用：小范围试点占比21.0%，大范围推广占比26.3%，将其整合到企业整体战略转型的比例达6.4%。企业对于生成式AI布局的认识还不够清晰，企业端仍有大量需求未被开发。
谭待表示，企业现阶段最主要的还是要尝试AI，对于火山来说，有更多个10亿tokens需求的企业出来是更有价值的事情。在AI发展初期，企业家们都处在同一起跑线上，大家都处于探索期，先于尝试布局AI，企业形成自下而上的AI创新文化，才能完成长久的成功转型。
在这中间，AI真正的价值是，用新的生产力打造差异化的服务和流程，建立起长期竞争优势。
135编辑器合伙人梁利娟在采访中曾表示，135编辑器有1500万用户，每日20万的DUA，假设每天只有1万的用户使用AI，人均消耗3000tokens，每日总消耗也就6000万tokens，成本在300元，仅仅占总营收的0.2%。
图源：火山引擎视频号火山引擎视频号“但是企业可以仅凭这0.2%的成本，去个性化地服务更多的用户，增强用户粘性，同时我们平台有AI的加持，可以转化更多潜在用户，何乐而不为呢”，梁利娟说。而一天10亿tokens的消耗量，在火山引擎仅需要1000元的成本，这对企业来说并不高，却已经可以供企业在很多场景中做很多事情了。
