在人工智能领域深耕十四载，行业巨头们已经敏锐地捕捉到技术变革的信号，纷纷调整战略，力求在AI的新时代中占据领先地位。本文将从企业视角出发，探讨AI技术与应用的最新趋势，着重分析基础大模型发展趋缓后，AI Agent以及小模型所带来的新机遇。对内，我们坚守初心，引领团队；对外，我们博采众长，追求卓越。
算力、算法与数据：通往AGI的能效博弈
技术发展已经呈现出明显的分水岭，算力、算法与数据之间的能效博弈日益激烈。大型语言模型（LLM）的快速迭代正在加速我们迈向通用人工智能 (AGI) 的进程。大数据技术的日益成熟为AI提供了丰富的“燃料”，而GPU技术的飞速发展则极大地提升了AI的“生产力”。算法的创新更是在一定程度上突破了算力与数据的限制。然而，随着DeepSeek、GPT-4、Grok等模型在算法、参数和算力上的持续精进，AI技术的发展也来到了一个关键的十字路口。一种观点认为，单纯依赖堆叠算力来实现性能提升的方式，其边际效益正在递减。这意味着，未来AI的发展需要更加注重能效比，即如何用更少的资源实现更好的效果。
如果以摩尔定律作为参照，算力的发展可能率先触及能效的瓶颈。尽管增加参数和算力确实能够在一定程度上提升模型性能，但边际效应的递减意味着算力投入的增长趋势将会趋于平缓。这一点可以从当前AI巨头的战略调整中看出：随着xAI Grok的推出，以及算力堆叠提升性能的方式逐渐显现疲态，OpenAI等头部企业开始将目光投向AI Agent等应用领域，并推出智能代理产品。这预示着AI的发展方向正在从单纯追求模型规模转向探索实际应用场景。
在数据方面，合成数据和私域数据被认为是下一代大模型的重要突破口。尽管当前我们身处信息爆炸的时代，但随着数据处理效率的飞速提升，AI的发展如今却面临着高质量数据日益枯竭的挑战。高质量语料的逐渐耗尽，使得继续扩大模型参数的策略面临瓶颈，进一步增加参数所能带来的边际效益也在逐渐降低。
算法则被视为推动AI发展的“加速器”，它能够打破算力与数据的限制，推动AI实现非线性进化。然而，随着模型复杂度的不断提升，算法的改进空间也在逐渐缩小。未来的算法突破可能需要更多跨学科的研究成果作为支撑。我们能否迎来下一个类似“Transformer时刻”的重大突破，仍然充满变数。
AI应用落地：智能体与小模型的新机遇
在此背景下，通付盾认为，基础大模型的发展将在算力、算法和数据的能效博弈中趋于平稳，成为通往人工超级智能的坚实基石；技术资源将逐步转向专业领域的数据价值挖掘和AI智能体的场景应用；“应用落地”将成为AI时代发展的主旋律。
AI Agent的发展标志着AI正在从“问答机器人”向“智能助手”进化。Agent的核心在于“任务执行”，它使得AI能够自主完成具体任务，例如在线下单或执行交易。因此，多智能体协同（InterAgent，IA）的概念应运而生。IA不仅仅是技术架构的革新，更是产业应用范式的重塑。它将推动AI实现从单一智能到群体协作、从工具辅助到自主执行的跨越式发展。
从技术层面来看，Anthropic 推出的 MCP 协议为多智能体协同提供了一种标准化的通信协议，使得 Agent 的开发更加便捷，协同更加高效。通付盾作为AI Agent信任系统服务提供商，正在积极参与 MCP 生态建设，致力于为扩展多智能体协同生态系统贡献力量。
从应用层面来看，随着Dify、elizaOS等Agent框架的日益成熟，AI Agent在“智能助手”这一角色上的功能也愈发完善。然而，与通用型AI助手的宏大叙事相比，针对特定应用场景的专属Agent可能更具生命力。究其原因，是因为这种生命力来源于商业的本质——价值创造。一个优秀的AI Agent能够吸引更多用户，提供更多数据，从而推动Agent不断进步，形成正向循环。
通付盾认为，AI应用时代将以智能体为核心，以多智能体协同为核心技术；构建智能体基础设施将带来巨大的商业回报，而成功的关键在于“垂直领域”、“社区激励”和“开放平台”。
在模型技术方面，小模型正在引领新时代的“图灵测试”。DeepMind 联合创始人苏莱曼曾提出，可以给 AI 一定的资金，看它是否能通过学习在亚马逊上赚到更多的钱。这种测试是为 Agent 量身定制的，它强调的是行动能力和价值创造能力。技术的进步往往由商业模式所驱动。因此，未来的模型技术将会向专业领域效果更好、盈利能力更强的专家领域小模型方向发展。
从技术角度来看，小模型的技术框架已经相对成熟。它的起源可以追溯到专家系统，通过知识库和推理机制来模拟人类专家的决策过程。大模型的成熟也为小模型质量的提升提供了助力。从商业模式的角度来看，小模型的效能比十分出色，结合专家知识库，就可以实现远超大型模型的表现效果。此外，数据孤岛也赋予了数据更高的商业价值和竞争壁垒。
尤其是在能源、军工、医疗等对数据安全和精度要求极高的敏感行业，小模型更具有不可比拟的优势。以电网业务为例，通过将AI Agent与专家领域的小模型相结合，可以在风控、营销、设备管理等方面大幅提升效率，降低运营成本。
通付盾强调，商业成功是新时代的“图灵测试”，而小模型是AI Agent通过这一测试的最佳路径。分布式商业和智能化也将受益于小模型的发展，迎来新的发展机遇。
