观点 | 黄伟：人工智能体，从技术概念走向经济现实

当前，人工智能（AI）正经历从生成内容到自主执行的深刻范式跃迁，人工智能体（AI Agent）作为能够理解目标、规划路径、调用工具并独立完成复杂任务的智能体，进一步从技术概念走向经济现实。

今年2月，国务院以“深化拓展‘人工智能+’、全方位赋能千行百业”为主题进行第十八次专题学习，明确提出“发展壮大智能体产业，拓展更多高价值应用场景”。此次全国两会政府工作报告进一步作出“打造智能经济新形态”部署，要求深化拓展“人工智能＋”，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用，培育智能原生新业态新模式。

一系列信号表明，人工智能体不仅是技术创新的前沿方向，还已成为培育新质生产力、推动高质量发展的重要抓手。深刻认识智能经济的兴起逻辑、核心挑战与演进方向，对于发展壮大智能体产业具有重要的理论意义与实践价值。

智能经济的本质是人工智能从工具赋能迈向主体参与的质变。与传统的被动响应式助手不同，人工智能体具备自主感知、规划与执行能力，能够在概括性目标指引下独立完成多步骤任务。

从技术架构看，人工智能体由推理层、编排层与应用层构成。推理层基于大语言模型实现目标理解与决策规划，编排层负责多步骤任务的执行顺序与资源调度，应用层通过工具调用、API连接等方式与外部环境交互。这一架构使人工智能体具备时间连续性、跨系统行动能力和多智能体协作潜力。

从经济属性看，人工智能体兴起意味着市场参与主体的拓展。当决策与执行环节可由智能体代理完成，交易成本结构、信息不对称程度乃至市场均衡特征都将发生变化。据预测，到2030年，人工智能体有望促成超过8万亿美元的在线交易，人工智能搜索的流量份额将达到65%。这揭示了人工智能体重塑商业生态的潜在规模，也解释了为何主要经济体纷纷将其置于战略优先位置。

往更深层次看，智能经济蕴含市场权力结构的深刻变革。在互联网时代，平台掌握流量入口，通过竞价排名、算法推荐等方式引导用户决策，用户名义上的自由选择实质受制于平台规则。人工智能体的出现，有望打破这一格局。它通过帮助用户比价、识别营销套路、过滤冗余信息等，使决策主导权重新回到用户手中。这种权力转移将带来商业模式的根本性变革，传统的B2C（企业—消费者）模式有望向B2A2C（商家—人工智能体—消费者）模式演进。

由此，商家营销的重心从刺激冲动消费转向证明品质价值，产品信息需以结构化、可比较的方式呈现，以适应人工智能体的理性决策逻辑。随着消费者转向智能代理驱动的购物体验，依赖广告收入的零售媒体网络可能遭遇冲击。企业需使其收入来源多样化，探索基于数据洞察、高级订阅、交易分成的创新变现方式。

当然，智能经济的健康发展仍面临多重理论难题与实践瓶颈。

技术层面，幻觉问题与推理能力瓶颈制约着人工智能体的可靠性。大语言模型本质上是“文本预测器”而非严格意义上的“推理机”，在需要精确事实和复杂策略的场景中可能产生错误输出。如何确保人工智能体的选择真实反映用户的深层偏好，避免优化代理指标而牺牲用户体验，这是委托代理问题的智能时代版本。

相关研究进一步表明，顶尖模型在评估预期效用和解决博弈问题的经济推理测试中表现有限，其偏好的稳定性、信念的校准度、目标的可知性都存在不确定性。这意味着，传统经济学中关于市场均衡的诸多结论不能简单移植到包含人工智能体的经济系统中。

经济层面，所有权成本与投资回报的不确定性抑制了企业部署意愿。人工智能体的相关消耗量是生成式人工智能的数倍，运营成本的可预测性较低，部分项目可能因成本上升或商业价值不明确而被搁置。

治理层面，责任归属困境尤为突出。当人工智能体基于自主决策造成损失，责任应由开发者、部署者还是用户承担？现行法律对行为主体的界定面临一些挑战。安全风险同样不容忽视，智能体的跨系统行动能力意味着单一漏洞可能引发连锁反应。传统安全措施假设攻击目标是单一系统，而在智能经济中，攻击者可能通过操纵一个智能体的行为波及整个智能体网络。

面向未来，智能经济的健康发展基于技术创新与制度建设的协同推进，必须在发展中规范、在规范中发展。技术演进方向呈现两种可能路径：一是“围墙花园”模式。大型平台依托用户基础构建封闭的人工智能体交互生态，通过规则设定和质量筛选保障安全。二是“开放网络”模式。基于标准化协议实现不同人工智能体之间的自由通信，市场权力分散化，但需要解决身份验证、信任建立等集体行动问题。两种路径的竞争与融合将决定未来市场结构，其背后是平台经济时代“守门人”逻辑与互联网原生“去中心化”理想之间的深层张力。

制度建设层面，有必要着力构建与智能经济相适应的治理框架：一是完善责任归属规则，明确人工智能体行为的法律后果承担机制，可探索人工智能体行为记录与审计制度，为责任认定提供依据；二是建立评估认证体系，发展第三方评估机构，持续监测人工智能体的安全表现、任务成功率与用户满意度，降低信息不对称；三是强化多智能体协调机制，借鉴机制设计理论，预防智能体共谋、协调失灵等潜在问题，保障市场有序运行；四是加强人才培养，要培养一大批复合型、创新型、实战型数字人才，为智能经济发展提供智力支撑。