AI智能体：从"对话"到"执行"的范式切换

8月下旬，DeepSeek正式发布新模型V3.1，官方将其定义为"迈向智能体时代的第一步"。消息发布后，AI智能体、信创、游戏等应用端方向在盘面上集体走强，多家公司涨停，市场对这一表述的反应颇为热烈。

从去年的大模型混战，到如今的智能体叙事，AI产业的关注重心正在完成一次清晰的迁移：模型还会不会更聪明，已经不再是唯一的悬念，更受关注的，是AI能不能真正替人把事情做完。

一、从一个发布说起

DeepSeek V3.1最值得注意的变化，是它把"思考"和"执行"装进了同一个模型。这个671B参数的模型支持思考与非思考两种模式，用户通过"深度思考"按钮即可切换；上下文扩展至128K，API新增了严格模式的函数调用支持，还兼容Anthropic的接口格式，可以接入Claude Code等智能体框架。官方数据显示，V3.1在代码修复测评SWE和终端环境复杂任务测试中相比前代明显提升，多步推理的复杂搜索测试也大幅领先于此前的推理模型；而在思考效率上，输出token减少20%至50%的同时，任务表现与前代推理模型基本持平。

技术参数之外，两个细节更值得玩味。一是官方为V3.1外扩训练增加了840B tokens，其中长上下文扩展的投入成倍放大，显见对智能体工作负载的押注；二是据第三方社区评测，V3.1的编程基准得分已是非推理模型的最高水平，且单位成本远低于海外同级模型。成本、效率与工具调用能力三者叠加，正是智能体规模化落地所需要的组合。

二、从"问答"到"做事"：智能体改变了什么

要理解这轮行情的逻辑，先要分清两个概念：聊天机器人，与智能体。

过去两年大家熟悉的AI产品，本质上是"问答器"：用户提问，模型回答，对话在多轮问答中展开，但每一次回答都是独立的，模型并不真正触碰外部世界。智能体则不同。它的核心能力是"执行"：接到任务后，可以自行规划步骤、调用工具、访问数据库、操作软件、验证结果，直到把整件事办完。如果说问答模型是"动嘴"，智能体就是"动手"。一个常见的类比是：让AI帮你订机票，问答模型只能告诉你航班信息，智能体会自己去查询、比价、下单，并在出错时自行修正。

支撑这种能力跃迁的，是几项基础设施的成熟。接口层面，MCP协议统一了模型与外部工具之间的通信语言，让智能体可以像调用本地函数一样使用各类服务；编排层面，多智能体协作框架让复杂任务可以拆解给多个专长不同的智能体并行处理；评估层面，可观测性与评测体系逐步建立，智能体从演示品变成了可监控、可回溯的生产系统。这些底层能力的齐备，是2026年被多家机构称为"AI Agent元年"的技术前提。

三、三重信号：为什么拐点出现在现在

把视角拉远，智能体产业的爆发有迹可循，三重信号在2026年交汇。

第一重是渗透率的陡峭曲线。Gartner预测，到2026年底，40%的企业应用将内置任务型AI智能体，而2025年这一比例不足5%，一年内接近八倍的跃升，被其视为历史上最激进的企业技术采用预测之一。调查显示，已有17%的组织部署了AI智能体，42%计划在未来12个月内部署。IDC则预测，到2029年全球部署的AI智能体将超过10亿个，作为对照，目前全球所有手机应用商店里的移动应用加起来不过数百万个。

第二重是商业闭环的出现。智能体不再停留在概念验证阶段，客服、办公、电商、营销等场景已经跑出可复用的落地范式，收费模式也从单纯的订阅制转向"订阅+按量+消费分成"的混合计费。Token消耗量正在成为衡量企业智能化程度的核心指标，高盛测算，到2030年全球Token消费量可能是2026年的24倍，企业智能体到2040年可能带来55倍的Token需求增长。

第三重是政策与标准的护航。2026年政府工作报告首次写入"智能体"，提出到2027年智能体应用普及率超过70%的目标；《智能体规范应用与创新发展实施意见》明确了19个鼓励发展方向；6月底发布的《人工智能 智能体互联》系列7项国家标准，覆盖了总体架构、身份管理、交互与工具调用等关键环节，为跨系统协同扫清了标准障碍。

四、产业链的接力：模型、平台与应用

智能体产业链可以粗略分为三层，每一层都有各自的生意逻辑。

模型层是最底层的基础设施。DeepSeek V3.1、GLM-5.2、Kimi K2.7等国产模型的迭代方向，已经从通用问答转向开发者工具与企业级工作流，Agentic Coding能力的增强尤为关键。广发证券的判断是，本轮AI产业链的核心驱动正来自模型编程能力的跃迁，编程工具从辅助补全升级为自主协作。模型层的竞争逻辑是性能、成本与开放程度的综合比拼，开源模型在成本上的优势，正在把智能体开发的门槛不断压低。

中间层是智能体开发平台与编排框架。上半年全国至少有2770个应用类大模型中标项目，其中近三成与智能体相关，约180个项目涉及智能体开发平台。这类平台解决的是"如何造智能体"的问题：企业不需要从零训练模型，只需在平台上配置流程、接入工具、定义权限，就能部署出适合自身业务的智能体。这是"卖铲子"的生意，也是当前落地最活跃的环节。

应用层是利润弹性最大的部分。办公协同、客户服务、内容营销、软件开发是当前智能体渗透最快的场景。协同办公领域，主流办公软件的AI助手商业化都在加速；企业级市场里，按"Token成本+管理费"交付结果的服务模式开始跑通，有公司把效果广告、品牌广告、内容电商、短剧制作四个场景的智能体业务做到规模化运转，首年即贡献过亿收入。随着模型调用成本持续下行，应用层的利润弹性正在放大。

五、中国市场的加速度

中国智能体市场的特点，是落地速度快、政策推力强、场景足够多。

数据上，中国企业级AI智能体市场2024年规模约86亿元，2025年跃升至212亿元，预计2026年达449亿元，2029年有望突破3320亿元，年复合增长率超过100%。IDC的数据显示，2026年中国活跃的企业级AI智能体数量将从2025年的近200万个增至约500万个。

此外，上半年，全国智能体相关的中标项目占比近三成，说明需求已经从"试试文本生成"转向"把智能体嵌入真实工作流"。中国工程院院士邬贺铨在2026年中国互联网大会上预判，到2030年，国内对话类词元流量占比将从2025年的约一半降至12%，而智能体及其服务的流量占比将升至75%，届时AI的"动嘴"与"动手"将彻底换位。

六、机会与风险并存

智能体带来的机会是结构性的。对企业而言，它是把过去两年AI试点转化为生产力的关键载体；对投资而言，Token消耗量的指数级增长意味着整个产业链的蛋糕在变大，从模型、平台到应用每一层都有增量。

但风险同样需要正视。其一，幻觉与可靠性问题并未消失，强推理模式可能产生自信但错误的多步输出，涉及金融、医疗等关键决策场景仍需人工复核；其二，多数智能体应用仍处于从概念验证走向生产部署的过渡期，商业闭环的广度和深度有待验证；其三，模型定价的调整也在提示成本压力，DeepSeek已宣布9月起调整部分服务价格、取消晚间折扣，模型层的价格战未必能一直持续下去；其四，标准与治理仍在快速演进，跨系统的智能体互联要真正跑通，还需要时间。

智能体时代的序幕已经拉开。从"对话"到"执行"，看似只是两个字的变化，背后却是AI产业从内容生成走向生产工具的转身。这一转身能否如期兑现，取决于模型能力、基础设施与应用场景三者的合力，也取决于市场愿意给这轮叙事多长的验证周期。