在人工智能領域深耕十四載，業界巨頭們已敏銳感知到技術浪潮的涌動，紛紛調整航向，以期在AI新時代中乘風破浪。本文旨在結合企業視角，探討AI技術與應用的新趨勢，對內堅守初心引領團隊，對外廣納良言追求卓越。
技術的分水嶺已然顯現，算力、算法與數據之間的能效博弈正愈演愈烈。隨著大型語言模型的快速迭代，人類正加速邁向人工超級智能的門檻。大數據技術的成熟為AI提供了豐富的生產資料，GPU技術的飛躍則極大地釋放了AI的生產力，而算法的革新更是為AI打破了算力與數據的桎梏。然而，隨著DeepSeek、GPT-4、Grok等模型在算法、參數和算力上的不斷精進，AI技術的發展已來到了一個關鍵的十字路口。
若以摩爾定律為參照，算力的發展或將率先觸及能效的天花板。盡管更多的參數和算力無疑能帶來更好的模型效果，但邊際效應的遞減使得算力投入的增長趨勢趨于平穩。這一點從當前AI巨頭的戰略調整中便可見一斑：隨著xAI Grok的推出，算力堆疊帶來的性能提升已顯現疲態，OpenAI等巨頭開始將目光投向AI Agent等應用領域，推出智能代理產品。
在數據方面，合成數據和私域數據被視為下一個大模型時代的關鍵突破口。盡管我們正處于信息爆炸的時代，但得益于數據處理效率的飛速提升，AI發展正面臨數據枯竭的挑戰。高質量語料的消耗殆盡使得大模型參數的繼續膨脹面臨困境，增長參數帶來的邊際效益逐漸降低。
算法則如同AI發展的“加速器”，能夠突破算力與數據的限制，推動AI實現非線性進化。然而，隨著模型復雜度的不斷提升，算法的改進空間正逐漸縮小。未來的算法突破或許需要更多跨學科的研究成果作為支撐，但何時能迎來下一個“Transformer時刻”，仍是未知之數。
在此背景下，通付盾提出，基礎大模型的發展將在算力、算法和數據的能效博弈中趨于平穩，成為通往人工超級智能的堅實基石；技術資源將逐步轉向專業領域的數據價值挖掘和AI智能體的場景應用；“應用落地”將成為AI時代發展的主旋律。
AI Agent的發展標志著從“問答機器人”向“智能助手”的進化。Agent的核心在于“任務執行”，使AI能夠執行具體任務，如在線下單或執行交易。多智能體協同（InterAgent，IA）的概念應運而生，它不僅是技術架構的革新，更是產業應用范式的重塑。IA將推動AI實現從單一智能到群體協作、從工具輔助到自主執行的跨越式發展。
在技術層面，Anthropic的MCP協議為多智能體協同提供了標準化協議，使Agent開發更加便捷，協同更加高效。通付盾作為AI Agent信任系統服務提供商，積極參與MCP生態建設，為擴展多智能體協同生態系統貢獻力量。
在應用層面，隨著Dify、elizaOS等Agent框架的成熟，AI Agent在“智能助手”角色上的功能愈發完善。然而，相較于通用型AI助手的宏大敘事，針對特定應用場景的專屬Agent更具生命力。這種生命力源自商業的本質——價值創造。一個優秀的AI Agent能夠吸引更多用戶，提供更多數據，推動Agent不斷進步，形成正向循環。
通付盾認為，AI應用時代以智能體為核心，以多智能體協同為技術核心；構建智能體基礎設施將獲得巨大商業回報，關鍵在于“垂直領域”、“社區激勵”和“開放平臺”。
在模型技術方面，小模型正引領新時代的“圖靈測試”。DeepMind聯創蘇萊曼提出，給AI一定資金，看其能否通過學習在亞馬遜上賺到更多錢。這種測試專為Agent而生，強調其行動能力和價值創造能力。技術的發展往往由商業模式驅動，模型技術未來將向專業領域效果更好、盈利能力更強的專家領域小模型發展。
從技術角度看，小模型的技術框架已成熟。其起源可追溯至專家系統，通過知識庫和推理機制模擬人類專家決策。大模型的成熟也為小模型的質量提升提供了條件。從商業模式上看，小模型效能比出色，結合專家知識庫可實現遠優于大模型的表現效果。數據孤島賦予了數據更高的商業價值和競爭壁壘。
特別是在能源、軍工、醫療等敏感行業，小模型具有不可比擬的優勢。以電網業務為例，AI Agent搭配專家領域小模型，在風控、營銷、設備管理等方面均可大幅提升效率，降低成本。
通付盾強調，商業成功是新時代的“圖靈測試”，小模型是AI Agent突破這一測試的最佳路徑。分布式商業和智能也將因小模型的發展而煥發新生。
