AI高端对话：智能体“凉了”？热的是概念，冷下来才是产业

智东西 | 作者：杨京丽 | 编辑：心缘

智东西7月7日报道，凉了7月2日，高端2026中国智能体大会在杭州盛大举行。对话的概在开幕式的体热高端对话环节，智东西联合创始人、念冷总编辑张国仁，产业携手天津大学教授、凉了MemoraX AI创始人郝建业，高端阿里巴巴Qoder产品线技术副总裁谢吉宝，对话的概以及原粒半导体创始人兼CEO方绍峡，体热共同围绕“从个人到企业，念冷智能体的产业造桥与过桥”这一核心议题展开深度探讨。

▲高端对话现场：从个人到企业，凉了智能体的高端造桥与过桥

本次对话直击2026年上半年智能体行业热度变迁，深入剖析了智能体从个人消费端向企业级落地转型的对话的概关键路径、大厂与初创企业的产业分工格局、智能体普惠面临的门槛、Agent Computer（智能体电脑）与AI PC的本质区别、记忆系统架构以及多智能体协同机制，并展望了AI时代工作范式的根本性变革。

三位嘉宾达成高度共识：智能体行业正经历从“概念狂热”向更务实的产业阶段过渡。阿里巴巴Qoder产品线技术副总裁谢吉宝指出，客户已不再满足于Demo演示，而是聚焦于端到端任务完成能力及对企业效能提升的量化贡献；投资人则更关注产品的ROI（投资回报率）、商业变现逻辑及单任务端到端成本。他直言：“热的其实是概念，只有降温冷却下来的才叫产业。”

▲阿里巴巴Qoder产品线技术副总裁谢吉宝

在大厂与创业公司的生态分工上，嘉宾们均强调了“互补”的重要性。郝建业预测，Agent未来市场空间至少达到万亿级别，初创企业可通过切入细分赛道，利用数据壁垒构建核心竞争力。谢吉宝则用“发动机与整车”做比喻：大厂擅长打造核心动力（发动机），而创业公司则基于此构建多样化的应用场景（整车）。

关于智能体普惠，郝建业认为，虽然大模型作为工具已实现大众化，但高阶的个人助手和生产力工具尚未真正普及。方绍峡指出，若要让智能体在企业中成为真正的“数字员工”，必须跨越数据安全与成本两大鸿沟。

▲天津大学教授、MemoraX AI创始人郝建业

针对Agent Computer，方绍峡提出，AI PC仍围绕人类交互逻辑构建，而Agent Computer应从Agent自身的业务特性出发。他形象地表示，若剥离人类交互需求，重新审视适合Agent持续运行的计算设备，“你会发现这东西长得就不是一个笔记本”。

▲原粒半导体创始人兼CEO方绍峡

记忆系统也是本次圆桌的核心议题。郝建业指出，受限于Transformer架构和Attention机制（注意力机制），当上下文超过几十K后，基座模型性能会急剧下降，因此亟需新的长周期上下文管理机制。谢吉宝在Qoder落地实践中也证实，从Agent内核、IM连接到记忆，“最难的可能是记忆这一块”。

智东西联合创始人、总编辑张国仁总结道，如果说2025年行业还在争论智能体“能不能造”，那么2026年大家已经开始讨论“桥有多宽、能建多宽、承重多少、如何收费”。三位嘉宾均释放了积极信号：中国在AGI工程化、端侧创新及场景落地方面，完全有机会在这场全球范式跃迁中占据一席之地。

▲智东西联合创始人、总编辑张国仁

以下为本次高端对话实录（经智东西编辑，保留原意）：

1、张国仁：2026年上半年，AI智能体行业是否出现由热变冷的趋势？这是好事还是坏事？

谢吉宝：
我感觉确实有降温，且我认为这是好事。降温的过程本质上是剔除泡沫，留下的都是真正做事的团队。

我观察到两个显著变化：
* 客户侧更务实：过去展示Demo即可，现在企业更关注能否真正落地、解决实际问题、端到端完成任务，并带来可量化的效能提升。此前部分企业出现“崩老头”现象（即盲目拥抱AI却只获得情绪价值，未产生实际效益），随着降温，大家回归理性。
* 投资侧更冷静：投资人不再仅看团队光环或资源，而是聚焦于产品的ROI、商业变现逻辑以及单任务端到端的成本。

因此，热的叫概念，冷却下来的才叫产业，这是行业回归理性的表现。

郝建业：
观点类似。上半年春节后出现的以“龙虾”（OpenClaw等）为代表的AI热潮，经历了一波安装与卸载的周期，这其实是去伪存真的过程。

我们分析发现，Agent最高频的使用场景仍是Coding（编程），其次是知识类、管理类工作（如金融从业者、投资人利用Agent进行复杂分析和决策）。许多用户从技术好奇转向刚需付费，因为Agent确实带来了生产力提升。我认为目前的“降温”是用户筛选过程，行业对Agent未来的上限仍充满信心，相信技术瓶颈将在不久后得到解决。

方绍峡：
热度下降意味着行业进入了更高质量发展阶段。作为Agent的重度用户，我们观察到三个趋势：
1. 务实化：从关注概念转向探讨如何将Agent融入企业业务生产流程。
2. 垂直化：Agent能力从通用向垂直细分行业分化。
3. 成本关注：业界开始高度重视Agent的运行成本。

这并非降温，而是企业试图将Agent结合到真实工作流中，迈向务实高效的新阶段。

2、张国仁：在AI智能体大潮中，创业公司和大厂分别扮演什么角色？

方绍峡：
这是一个互补生态。
* 大厂：拥有海量算力、最强模型能力及用户入口，天然适合构建通用算力基础设施。
* 创业公司：机会在于垂直领域Agent（挖掘行业隐性知识）、智能体生态基础设施（OS、Runtime、新设备）以及专用芯片/硅基底座。
* 总结：大厂负责通用与基础设施，小厂负责垂直创新。

郝建业：
同意互补观点，并补充两点：
1. 市场空间巨大：Agent市场空间至少万亿级，大厂如“大象”，初创公司如“猎豹”。大厂转型慢、成本高，具有后发优势，瞄准大市场；初创公司灵活，可从细分赛道切入，通过数据壁垒构建竞争力。
2. 技术创新源：回顾过去，许多颠覆性AI技术源于初创公司。大厂团队规模大，创新力易受限。初创公司在技术创新和场景落地上具有先发优势，可与大厂形成共赢。

谢吉宝：
类比而言，大厂造发动机，创业公司造车。
* 大厂优势：算力资源、超级APP/桌面端流量入口、企业合规与信任体系（长期积累，非热钱可速成）。
* 创业公司优势：
1. 垂直Know-how：大厂覆盖面广但深度不足，创业公司可深耕垂类，实现从0到1的模式革新而非简单的AI+。
2. 组织灵动：快速调整、快速进攻。
3. 颠覆式创新：基于对行业和AI的理解，彻底革新工作模式。
* 关系：相辅相成，大厂提供基础能力，创业公司满足多样化人类诉求。

3、张国仁：智能体普惠的最大挑战是什么？距离每个人拥有“能干活的智能体”还有多远？

谢吉宝：
* 个人侧：已基本普惠，手机是关键入口。
* 企业侧：核心障碍是信任问题，包括工作产出、合规边界、权限管理等。目前趋势向好，但需时间。

郝建业：
* 现状：大模型作为工具已普惠大众（如父母辈使用豆包）。
* 缺口：高阶应用（个人助手、生产力工具）尚未普惠。Coding领域已高度普及，但其他行业（如金融、管理）的专业工作者仍渴望更强Agent辅助决策。
* 展望：当前Agent能力仍有不足，但相信未来可解决，实现真正普惠。

方绍峡：
从个人应用看，普及很快。但若面向万亿美元级数字劳动力市场，让Agent成为企业数字员工，目前面临两大坎：
1. 可信与数据安全：涉及数据开放、权限管理、任务追溯及善后机制。
2. 成本问题：若为数千名员工每人配备多个助理，成本是否可控？
一旦这两方面有突破，数字劳动力普惠将到来。

4、张国仁：智能体时代的平台切换窗口期有多久？

方绍峡：
窗口期约3到5年，变革非突发，而是基于计算主体逻辑的变化。
* 信号：AI从“工具”变为“持续运行的系统”，推动上层应用、中间Infra及底层硅基底座的全面变革。
* 量变时间：乐观估计3年左右。

5、张国仁：AI PC与Agent Computer的本质区别？下一代计算机应具备哪些特点？

方绍峡：
设计出发点不同，结果迥异。
* AI PC：围绕人类交互（鼠标、键盘、屏幕），追求Token速度满足人类阅读流畅即可。
* Agent Computer：围绕Agent业务特性，从第一性原理出发。
* 资源：避免与人争抢资源导致卡顿。
* 权限：避免Agent误操作人类文件。
* 连续性：笔记本合盖即停，不适合Agent持续运行。
* 功耗：持续运行需解决耗电问题。
* 形态：剥离人类交互需求后，Agent Computer绝非笔记本形态，需全行业共同探索新形态。

6、张国仁：既然模型支持百万Token上下文，为何还需要独立记忆系统？

郝建业：
1. 架构局限：受Transformer架构和Attention机制限制，上下文超过几十K后，模型性能急剧下降，无法有效理解、抽取和利用关键信息。这是基座模型的固有缺陷。
2. 现实需求：即使百万Token，在真实场景（如Coding）中仍显不足。现有工具（如Codex）的记忆压缩仅是缓解手段。
3. 解决方案：必须建立全新的长周期上下文管理机制（外挂式或参数固化/内生式）。
4. 未来展望：若基座架构发生颠覆性变化（如Transformer不再是主干），可能出现计算、推理与记忆内生的新架构。但短期内（几年内），仍需通过高效管理记忆周期来解决工程问题。

7、张国仁：多智能体协同时，记忆系统应共享还是隔离？有何原则？

郝建业：
核心在于权限管理与数据安全。
* 场景：企业内部不同Agent代表不同员工，涉及公司资产、管理流程及经验沉淀。
* 挑战：需对不同职级、职能员工进行记忆权限管理与授权。
* 目标：在符合数据安全与隐私规范前提下，实现记忆/经验的高效复用，优化组织系统。
* 未来课题：在Agent Computer中，数字员工间的权限管理及记忆数据权限管理将是全新且重要的课题。

8、张国仁：Qoder落地过程中，哪个环节最难？可靠性门槛卡在哪里？

谢吉宝：
每个环节都可能卡住，但记忆是最难的。
1. Agent内核：依赖模型调用工具的准确度及长程任务执行能力，需达到一定阈值（去年底模型能力提升后才成为可能）。
2. IM连接：传统IM（钉钉、飞书等）为人设计，非为Agent设计。需抽象出CLI工具，因模型擅长类UNIX环境，执行成功率更高。
3. 记忆系统（最难）：
* 层级复杂：涉及个人全局记忆、项目级记忆（团队协作、编码规范）、Agent间记忆及组织协同记忆。
* 存储与召回：存储并非越多越好，过多信息会降低召回质量。人类有遗忘机制以辅助快速决策，Agent也需类似机制，依据关键信息做决策，否则会导致决策时长、路径及结论出错。

9、张国仁：员工变成智能体管理者，工作重心从执行转向监督，是岗位增值还是替代？

谢吉宝：
* 非替代，而是分工变化：类似汽车取代马车，创造了新岗位。
* 价值释放：AI承担低效、重复工作，解放人类从事更具创造性的思考。
* 案例：程序员拥抱AI后，从重复编码中解脱，更多关注系统架构、业务设计及创新。AI放大了人的能力，提升了组织效能，而非固定产能下的零和博弈。

郝建业：
* 冲击与机遇并存：程序员行业冲击最大，但不会消灭行业。
* 分水岭：对不拥抱AI、缺乏创造性能力的人群冲击巨大；对善用AI、具备强逻辑思维与架构能力的资深从业者则是福音，产能可放大数倍。
* 其他行业：如安全领域，AI漏洞挖掘能力已超多数工程师。顶级黑客价值更高，因善用AI。
* 结论：必须积极拥抱AI工具，否则将面临淘汰。

方绍峡：
* 淘汰落后工作方式：AI并非淘汰真人，而是淘汰过去低效的工作模式。
* 新要求：员工需具备提出目标、验收结果、管理多Agent协同的能力。

张国仁总结：
从“能不能造”到“桥有多宽、承重多少、如何收费”，行业进入务实建设阶段。中国在AGI工程化、端侧创新及场景落地方面拥有巨大潜力。感谢三位嘉宾的精彩分享。

(责任编辑：热点)