近日，Gartner研究副总裁孙鑫（Julian Sun）与Gartner高级研究总监颜晶（Mary Yan）接受媒体专访，深度剖析了2025年“AI智能体元年”的产业现状与未来走向。

作为全球权威的科技研究机构，Gartner的洞察不仅揭示了智能体技术的演进规律，更点出了行业发展中的核心矛盾。本文将基于两位专家的采访内容，系统解读智能体的趋势前景、当下困境，以及真正具备核心竞争力的技术实践。

01 趋势确立，2025智能体开启规模化落地序幕

2025年被广泛认定为“AI智能体元年”，这一判断并非空穴来风，而是技术成熟度、市场需求与产业生态共同作用的结果。Gartner明确指出，代理型AI已成为今年及未来的关键技术趋势，2025年更是其走向主流化的重要节点，智能体正从简单的辅助工具，进化为能够协同运作的复杂生态系统，深刻改变企业处理复杂任务与决策的底层逻辑。

Gartner预测，到2028年，约33%的企业软件应用将内嵌代理型AI，而2024年这一比例尚不足1%；与此同时，15%的日常工作决策将由这些智能体自主完成，反观2024年，这一数值几乎为零。

Gartner预测：到2028年，15%的日常工作决策将由智能体自主完成（图源：Gartner）

数据背后，是智能体技术从“概念验证”向“实际应用”的跨越，其自主规划、执行与决策能力的提升，让企业看到了降本增效与模式创新的双重可能。更值得关注的是，Gartner预判未来三到六年内，专家型智能体将加速兴起，这类聚焦特定复杂领域工作流程的智能体，将进一步提升行业运营效率与决策精准度。

从行业实践来看，银行业已经率先尝到了AI智能体带来的“甜头”。在智能体技术的支撑下，银行的服务模式正从被动问答向主动决策演进，大量重复性高、规则性强的任务得以自动化处理。在报告自动生成、单据审核、交易异常预警等场景中，智能体的应用不仅缩短了业务办理时间，更降低了人为失误率。

在颜晶看来，“Agentic AI是未来最有变革影响力的一种技术，而且它在未来两年内，就非常有可能实现市场化”，这一判断为行业注入了强烈信心，也预示着智能体将在更多垂直领域实现价值兑现。

02 热潮之下，智能体产业陷入“高开低走”困境

尽管前景广阔，但智能体产业的发展并非一帆风顺。热潮背后，部分早期惊艳市场的明星Agent产品，正遭遇“高开低走”的尴尬。从最初“一码难求”的火爆场景，逐渐走向用户关注度下降、续费率低迷的困境，这一现象引发了行业对当前智能体发展模式的深刻反思。

市面上许多厂商存在“Agent Washing”的炒作现象（图源：Gartner）

孙鑫在采访中直指核心问题：许多厂商存在“Agent Washing”现象。这类厂商并未真正投入技术研发，而是将自动化程度较低的传统产品简单重新命名为AI智能体，通过夸大功能、营造概念来吸引市场关注。

这种行为直接导致用户期待与实际体验严重脱节：企业怀着对智能决策、高效协同的高预期付费，最终却发现产品仍停留在传统自动化工具的层面，无法应对复杂场景的动态变化，自然会失去兴趣与续费意愿。

企业智能自动化知行缺乏连接，难以合一

除了功能夸大的问题，部分智能体产品还存在实际价值不足的硬伤。如果产品带来的效率提升或效果优化无法显著优于现有方案，用户自然缺乏长期使用的动力。以金融行业为例，部分银行部署的智能体产品，在贷款初审、客户咨询等场景中，处理效率与人工相比并无明显优势，甚至因缺乏上下文感知能力导致频繁出错，最终不得不退回人工操作。

此外，部分产品在使用与集成过程中对用户要求过高，需要专业技术人员进行大量适配工作，这也抬高了企业的采纳门槛，进一步加剧了“高开低走”的困境。

03 Agent“套壳”横行，九科bit-Agent定义真智能

在智能体的细分赛道中，GUI Agent因贴近企业实际操作场景而备受关注，但这一领域同样存在严重的行业乱象。

目前，市场上充斥着大量“套壳智能体”，这些产品看似搭载了AI功能，实则只是大模型与RPA的简单线性组合——大模型负责生成操作指令，RPA负责执行预设流程。大模型与RPA之间缺乏深度协同与动态适配能力，本质上仍未摆脱传统自动化工具的局限，并非真正意义上的智能体。

这类“套壳智能体”的致命缺陷在于缺乏自主进化与异常处理能力。当企业业务系统界面发生变化、数据格式出现差异，或遇到预设流程之外的异常情况时，它们往往会直接终止任务，需要人工介入修复，无法像真正的智能体那样自主感知变化、调整执行路径。这种“机械执行”的模式，不仅无法解决企业复杂场景的核心痛点，反而会因频繁的人工干预增加额外成本，让用户对智能体技术产生质疑。

与之形成鲜明对比的是，九科信息自主研发的bit-Agent。它凭借底层技术架构的创新，成为GUI Agent领域真正智能体的标杆。

九科信息bit-Agent的五大核心能力

bit-Agent构建了“感知-推理-执行-自进化”的全闭环架构，彻底打破了大模型与执行层的线性拼接模式。

在感知层，它能自动识别桌面应用、网页系统、客户端软件等各类载体的界面元素，适配动态变化的业务环境；

在推理层，则依托行业知识库与多模态理解能力，将模糊的业务目标拆解为具体可执行的步骤；

在执行层，通过动态自适应引擎，在遇到异常时能自主纠偏或暂停请示，确保任务闭环完成。

作为真正的智能体，bit-Agent的优势更体现在实际应用价值上。

九科信息bit-Agent的“流程固化”功能

针对传统工具成本高昂的问题，它通过“流程固化”技术，将首次执行的成熟路径转化为可复用模块，后续同类任务无需重复调用大模型，使token消耗降低90%以上；在适配性上，它支持所有主流国央企常用大模型，无需额外采购即可快速部署，同时全面满足信创生态要求，可实现私有化部署保障数据安全；在场景落地层面，bit-Agent已在金融、制造业等大型企业中实现商业化应用，将任务处理效率提升数倍，用实战成果印证了真正智能体的核心价值。

九科信息bit-Agent助力某大型车企智能巡检

未来，随着技术的持续迭代与行业规范的逐步建立，“AgentWashing”与“套壳产品”将逐渐被市场淘汰，而以bit-Agent为代表的、具备核心技术壁垒与场景落地能力的智能体，将成为推动产业升级的核心力量。

正如Gartner所预判的，在未来两年内，AgenticAI将实现市场化落地，而专家型智能体的兴起，更将为各行业带来深层次的效率革命与模式创新。