徐一平（腾讯研究院）
摘 要：2026 年政府工作报告首次提出 ” 打造智能经济新形态 “，智能体经济正处于从技术验证迈向规模化落地的临界时刻。本文从产业一线出发，归纳软件型智能体、具身智能体和互联协议层三类智能体的分化态势，分析 CaaS、SaaS 范式转换和 AIGC 工业化量产三种新商业模式，提出智能体经济将历经能力突破、生态构建和经济形态三个阶段，研判可靠性、成本、交互与商业模式四道关键门槛，并从效率提升、新业态催生和算力底座夯实三条路径阐释其对我国产业升级的赋能逻辑。
关键词：智能体经济；智能经济新形态；生成式大模型；人工智能 + ；产业升级
2026 年政府工作报告首次提出打造智能经济新形态，强调促进新一代智能终端和智能体加快推广。这标志着国家战略的关键转向：从“人工智能 +”的技术赋能阶段，进入 AI 全面驱动经济社会系统重构的新阶段。
产业端的变化更为剧烈。在生成式大模型技术驱动下，智能体正从问答工具进化为自主执行体，围绕智能体的产业生态以远超预期的速度成型。Gartner 2025 年 AI 技术成熟度曲线显示，AI 智能体已处于期望膨胀期的峰值位置，全球科技巨头正同步押注这条赛道。本文深入产业一线，从智能体的真实形态与代表性实践出发，研判智能体经济的发展阶段、赋能路径与中国机遇。
一、三类智能体与各自的产业逻辑
理解智能经济，首先要理解智能体并非单一产品，而是一个正在急速分化的“物种群”。依据能力边界和产业指向的不同，当前智能体大致可归为三类，各自遵循不同的技术路线和商业逻辑。
（一）软件型智能体：数字劳动力的雏形
软件型智能体的核心特征是让软件自主完成任务，不再被动等待指令，而是具备理解目标、拆解步骤、调用工具链并持续迭代的能力，实质上构成了一种数字劳动力。
软件研发领域率先出现了标志性案例。 2026 年初，国内某头部科技企业完成了一项实验：4 名工程师借助 AI 智能体，用 4个月完成了原本需要一整年的架构级系统改造。值得关注的不是效率倍数，而是工程组织方式的深层变化。在实验中，人负责定义目标和验收标准，智能体集群白天与人协作推进功能开发，夜间自主执行代码质量治理，形成昼夜交替的人机混合产线。这已不是工程师用 AI 辅助写代码，而是人与 AI混编为团队共同交付工程项目。
类似变革正向更多行业蔓延。在营销领域，智能体已从辅助文案写作进化到自主完成洞察、策略、创意、投放、优化的全链路作业。一个关键的技术变量是对意图理解能力的突破。过去的广告投放依赖历史标签，只能判断用户可能对某品类感兴趣，无法识别用户当前消费行为背后的具体动机。新一代智能体能够综合搜索词、加购行为、停留时长、咨询内容等多维信息，捕捉更精细的微意图，推动广告投放从流量采买转向需求匹配。行业实践表明，当意图信号被聚焦到具体消费场景后，广告转化率和复购率均有显著提升。广告行业的竞争焦点，正从争夺消费者注意力升级为争夺 AI 系统的认知与推荐权。
（二）具身智能体：从屏幕走进车间
具身智能体拥有物理形态。软件智能体在数字空间定义了新型劳动力，具身智能体则将这种能力延伸到物理世界。
2026 年 2 月，《人形机器人与具身智能标准体系（2026 版）》发布，这是我国首个覆盖人形机器人与具身智能全产业链、全生命周期的标准顶层设计。此前一年，国内企业密集发布大量人形机器人产品，并逐步形成汇聚人形机器人企业、云服务厂商、制造业企业、终端应用和服务商在内的联盟组织。行业竞争焦点已从运动能力转向作业能力：机器人在端侧运行大模型、实时感知环境并自主决策，成为各方比拼的关键。机器人产业正迎来类似大语言模型的 GPT-3 时刻，从技术展示向产业落地的转折已经开始。
这意味着智能经济的疆域正突破纯数字空间，向制造、物流、家庭服务等实体经济腹地深入。当数字劳动力和物理劳动力两条线汇聚时，智能体经济的总量天花板将被大幅抬升。
（三）协议层：智能体互联的基础设施
第三类并非单个智能体产品，而是让海量智能体互联互通的基础性架构。2024年底到 2026 年初，全球已密集发布多套核心协议：An thropic 主导的 MCP（模型上下文协议）解决智能体如何调用外部工具的问题，Google 主导的 A2A（智能体间协议）解决智能体之间如何协作的问题， ANP（智能体网络协议）则着眼更底层的问题，即智能体如何在互联网上被发现和调度。
这组协议的意义远超技术范畴。 PC 时代从单机应用走向互联网，依靠的是 TCP/IP 协议；智能体时代从 “信息孤岛”走向协作网络，依靠的是新协议。当智能体可以像 API 一样被自由组合、调用甚至交易时，一个全新经济生态的基础设施条件便已具备。目前，国内主要平台企业和云服务商已陆续接入相关协议，开发者可通过标准化接口将智能体与外部数据源、工具乃至其他智能体连接起来。
二、三种新商业模式的涌现
智能体不仅是技术产品，更是商业模式的催化剂。它正在三个层面重塑产业价值链的组织方式。
（一）云咨询服务：专业知识的普惠化
CaaS（云咨询服务）是一个值得关注的“新物种”。其核心逻辑是将行业专家的经验和方法论注入大模型，形成可按需调用的智能咨询能力。与传统咨询公司动辄数月、数百万投入的项目制不同，CaaS 以云服务方式提供即用即走的专业知识，大幅降低了中小企业获取高端智力服务的门槛。国内已有平台率先落地这一模式，将行业分析师的经验与大模型能力结合，为电商客户提供从增长策略到落地执行的闭环服务。金融领域也出现了以全量金融语料训练的大模型充当从业者“智能副驾驶”的实践。Caa S 的实质是以 AI 的规模化能力，把过去只有头部企业才用得起的顾问服务转化为普惠基础设施。对量大面广的中小企业而言，这意味着数字化红利的真正下沉。
（二）SaaS 遭遇拐点：从按席位收费到按结果付费
2026 年 2 月，Anthropic 发布一款企业级 AI 工作流工具，当日全球软件板块市值大幅蒸发。资本市场的剧烈反应，折射的是 SaaS（软件运营服务）行业底层商业逻辑的代际转换：传统的按席位订阅模式，正在被按结果付费的新范式所取代。
拐点未必意味着衰亡。国内某头部企业管理软件厂商提供了一个正面样本：2025年全面扭亏为盈，AI 相关合同金额达 3.56亿元。该企业发布了企业级 AI 原生入口及近 20 款智能体，组织调整频率从一年一次提到一季度一次。这一案例表明，传统软件企业一旦将行业知识成功转化为智能体的能力模块，不仅不会被淘汰，反而有望实现跨越式增长。转型的关键路径在于从卖通用工具转向卖行业解决方案，让行业知识成为不可替代的核心壁垒。
（三）AIGC 工业化量产与平台生态的开放共建
2025 年是 AIGC（人工智能生成内容）从概念验证走向规模化生产的分水岭。短视频、图文、直播话术的生成成本已大幅降低，质量达到普通受众难以分辨的水准。据行业测算，AI 生成一条商业短视频的单秒成本已降至 1 元以下，制作周期从人工的数天缩短到半小时以内。创意生产正在从手工作坊进入工业化阶段。
产业实践进一步印证了这一趋势。多家消费品牌已开始借助 AI 工具链批量生成短视频素材，通过算法提取高播放量内容的成功要素后规模化复制，获得了远超人工创作的传播效率。AIGC 对产业的意义不止于降本增效，更在于大幅降低了中小企业的内容生产门槛，使过去只有大品牌才能负担得起的创意能力实现了平民化。
与此同时，国内头部互联网平台密集发布智能体产品并开放相关平台。各家布局路径有所不同，但底层逻辑趋同：平台提供大模型、算力和接入支持，通过开放接口，使企业和个人能够以极低门槛构建自己的智能体。竞争固然激烈，但更值得关注的是竞争带来的正向外溢效应：算力成本持续下降、开发工具日益成熟、API 接口愈发开放，这些都为中小企业和传统产业的智能化转型奠定基础。
三、三个发展阶段与关键拐点
智能体经济的到来并非一蹴而就。从技术成熟度和产业化节奏看，它正沿着三个阶段递进演化，每个阶段都面临各自的驱动力与瓶颈。
（一）能力突破期（2024—2025 年）：推理质变与执行力跃迁
这一阶段的核心变量是推理能力的质变。以 OpenAI o 系列和 DeepSeek-R1 为代表的新一代推理模型，使大模型从回答问题跃迁到解决问题，具备了多步推理、自我纠错和工具调用的能力。这直接解锁了智能体最关键的功能：自主执行复杂任务。
但 Gartner 的判断是：智能体当前处于技术炒作周期的峰值位置，相当比例标榜智能体概念的产品本质上仍是对话式机器人，远未实现真正的自主决策。《2024 中国广告主营销趋势调查报告》显示，有行业研究者指出，绝大多数 AI 应用仍集中在执行效率提升层面，真正在策略层面建立壁垒的企业屈指可数。行业正站在泡沫与真实的分界线上。
（二）生态构建期（2025—2027 年）：四道必须跨越的门槛
这一阶段的标志性事件是智能体互联协议的密集发布与落地。单个智能体再强大，如果无法与其他智能体和外部系统互通，就只能停留在孤岛状态。MCP、 A2A、ANP 等协议的标准化正在打通这一瓶颈。
然而协议只是必要条件。这一阶段真正需要跨越的是四道门槛。其一，可靠性门槛。复杂多步任务的稳定完成率必须达到可信赖水平，这是企业客户敢在生产环境部署智能体的前提。一项针对 AI 代码生成的学术研究显示，经过 AI 自主迭代改进的代码安全漏洞可能存在不降反增风险，这表明智能体在执行精度和安全性方面尚有明显短板。其二，成本门槛。推理计算成本需进一步降低，国内团队在推理效率优化上的突破至关重要。其三，交互门槛。智能体需从依赖精确提示词进化为能理解模糊意图，降低使用者的认知负担。其四，商业模式门槛。从卖工具到卖结果的定价切换需要产业链各方达成共识。
（三）经济形态期（2027—2030 年）：新秩序成形
当上述四道门槛全部跨越，智能体经济将不再是一条新赛道，而是一种新秩序。其标志包括：企业组织从部门科层结构转向人类管理者与智能体群组协同的模式；传统的制造业、服务业边界被打穿重组；国家竞争力的评价维度从 GDP 总量拓展到智能体渗透率、算力自给率、数据要素流通效率等新指标。
按照技术成熟度曲线规律，智能体在未来两到三年可能经历一轮泡沫出清，之后才进入真正的价值兑现期。因此 2026 至 2027 年是一个关键窗口：能穿越泡沫、在真实场景中验证商业闭环的企业，将在洗牌中胜出。
四、赋能产业升级的三条路径
智能体经济的根本价值，在于能为产业和国民经济注入的增量动能。从当前实践看，赋能正沿三条路径同步展开。
（一）抬升传统产业的效率“天花板”
对制造业、农业、物流等传统产业而言，智能体带来的核心价值是效率“天花板”的系统性抬升。前述 4 人 4 月完成一年工程量的案例，验证了人机协作模式对劳动生产率的杠杆效应。这种模式向其他行业的扩散路径清晰可循：比如建筑设计领域的 AI 辅助出图、制药行业的 AI 加速分子筛选、金融领域的智能风控与合规审查，均有可能出现数倍乃至数十倍的效率提升。
同样值得重视的是，智能体正在成为中小企业数字化转型的破冰力量。电商全托管模式的爆发是一个典型缩影：商家只需提供商品信息和发货能力，从选品、定价、投放到客服的全链路由平台 AI 接管，中小商家的入局门槛和起量周期大幅下降。过去一套企业级 ERP 系统动辄百万起步，中小企业望而却步，但如今智能体以极低门槛输出核心能力，数字化红利正从头部企业向长尾市场扩散。
（二）催生新职业与新业态
历次技术革命在替代旧岗位的同时，最终都会催生更多新岗位。智能体经济同样如此。智能体训练师、AI 审计师、人机协作流程设计师、提示工程师等新职业正在成形。部分企业已试点设立 AI 客户成功经理等混合岗位，要求从业者既懂业务又能调度智能体协同工作。
私域智能体的规模化应用尤其值得关注。部分连锁零售企业在部署私域智能体后，客户咨询响应速度大幅提升、优惠券核销率显著改善、人工运营人员相应缩减，整体私域营收增长。其核心逻辑是让 AI 承接高频标准化工作，将人力释放到复杂决策和情感维护环节。新业态层面，CaaS 让中小企业以极低成本获取专家级服务，智能体应用商店正在孕育类似移动互联网时代 App Store 的分发生态。这些增量市场并非从存量中抢夺而来，而是技术进步开辟的新空间。
（三）夯实算力底座与自主可控产业链
智能体经济的规模化扩张需要海量推理算力支撑。2026 年政府工作报告首次在国家层面提出算电协同新基建工程，核心思路是在西部电力富集区规划智算集群，在东部需求旺盛区保障电力供给。这不仅是技术布局，更是一条拉动投资、带动就业、促进区域协调发展的新路径。
与此同时，“十五五”规划明确了人工智能与产业深度融合的战略方向，地方政府正率先将政策红利转化为增长动能。广东省发布《广东省人工智能赋能制造业高质量发展行动方案（2025—2027 年）》，推出“算力券”等补贴措施降低企业 AI 应用成本。国产替代也在从被动应对走向主动布局，国产 GPU、大模型框架和推理平台的成熟度稳步提升。据 MIT 与 Hugging Face 联合报告，中国开源 AI 模型的全球下载量占比已超过美国。算力自主可控不仅关乎产业安全，更是智能体经济能否真正规模化的关键前提。
五、结语
站在 2026 年回望，智能体经济的轮廓已足够清晰。人机混编产线在软件研发中的验证、传统软件企业借助 AI 实现转型增长、 AIGC 内容生产的工业化、平台开放带动的生态共建、互联协议的标准化进程、人形机器人的商业化落地，这些并非彼此孤立的行业事件，而是同一场产业变革的不同切面，它们共同指向一个方向：AI 正在从辅助工具成长为核心生产力要素，深度融入国民经济的各个环节。
但同时，我们必须保持清醒。当所有企业都在用 AI 提升执行效率时，竞争很容易陷入工具军备竞赛，效率越高、同质化越严重，增长反而越难。智能体经济的下半场，胜出者不会是采用了最先进 AI 工具的企业，而是那些真正理解用户需求、在效率与信任之间找到平衡点的企业。
我国拥有全球最大的制造业体系、最丰富的应用场景、最活跃的开发者社区和最坚定的政策意志。推理算力的供给约束、数据要素流通机制的不完善、从按工具付费到按结果付费的范式转换，每一道关卡都需要扎实的工作来跨越。我们不是在追逐一个新概念，而是在迈向一种新形态。智能体从实验室走向产业一线的日子，或许近在咫尺。
（作者系腾讯研究院高级研究员）