2026年，政府工作报告首次提出“打造智能经济新形态”，并提出深化拓展“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。2026年4月，工业和信息化部办公厅、国家数据局综合司联合印发《关于联合实施2026年“模数共振”行动的通知》，正式启动“模数共振”行动，推动人工智能模型与数据资源协同互促，助力人工智能高水平赋能新型工业化发展。与此同时，随着OpenAI o1、DeepSeek-R1等新一代模型在复杂推理和工具调用准确性上取得突破，AI智能体正从技术验证阶段走向规模化应用阶段。

据IDC预测，中国企业级AI Agent应用市场在2028年的保守规模将超过270亿美元，预计到2030年可增长至471亿美元。

在这一背景下，哪些行业最先愿意为智能体买单？智能体距离真正进入工作流还有多远？未来AI产业的竞争焦点又将发生怎样的变化？

围绕这些问题，我们对话了商汤科技小浣熊系列产品负责人贾安亚。

商汤小浣熊是商汤科技推出的专业AI生产力工具，覆盖办公、代码、数据分析、文档处理等工作场景，旨在帮助用户提高工作效率。现已推出“办公小浣熊”和“代码小浣熊”，注册用户超300万，每日调用超百万次，服务终端用户超1500万。

AI不再只是“聊天机器人”

过去两年，AI行业的关注点正在发生明显变化。

如果说大模型时代的核心是“生成内容”，那么智能体时代更强调“完成任务”。AI系统不再只是回答问题，而是开始尝试进入真实工作流，自主规划、调用工具、执行任务，并不断修正结果。

在贾安亚看来，这并不是2026年才出现的新方向，而是商汤过去三年持续推进的技术路径。

“2023年初，小浣熊启动时，我们第一个重点切入的方向就是Coding。”贾安亚回忆道。彼时团队就笃信一条技术路线：让模型自主推理、调用工具、把代码放入沙盒执行、对结果做反思、再做二次推理。这套链路在2023年7到8月就跑通了。2024年年初，商汤便发布了Data Agent——数据分析智能体。那时，“智能体”这个词在国内还没有形成行业共识。

那么，智能体与传统大模型产品的最大区别在哪里？

商汤对“智能体”的内部定义是：一种已经被实战验证的产品形态——以原生多模态大模型为决策大脑，能够调用工具、写代码进沙盒、对结果做反思，并通过“推理—行动—反思”的循环持续逼近可靠输出。

在此基础上，贾安亚总结了三点核心区别：

第一，交互范式从“问答”走向“托付”。 传统大模型更像一个“应答机”——用户问一句，模型答一句。而智能体可以接受完整的目标指令，自主规划、执行、调整，直到任务完成。

第二，价值闭环从“生成内容”走向“完成动作”。 传统模型擅长“生成”，而智能体更强调“完成”——不仅生成代码，还能真正把代码丢进沙盒执行、调用工具链、完成一个具体的业务动作。

第三，可信度的来源从“模型自身概率”扩展为“模型+工具链+反思循环”。 传统模型的答案依赖参数中的统计概率，有时会“自信地犯错”。而智能体多了一层反思机制，这也正是商汤Flash-Lite强调“看、想、做”一体化背后核心设计逻辑的来源。

这种变化背后，正是AI行业正在从“聊天”走向“执行”，从“生成能力竞争”逐步转向“工作流能力竞争”。

商汤为什么开始强调“轻量化”和“开源”？

随着智能体逐渐进入真实业务场景，行业竞争方向也开始发生变化。

相比单纯追求参数规模，企业开始更加关注模型能否真正进入工作流，以及成本、响应速度与生态兼容能力。

2026年5月8日，商汤发布了新一代轻量化多模态智能体模型SenseNova 6.7 Flash-Lite。在贾安亚看来，这是商汤为“真实世界工作流”专门设计的轻量化多模态智能体模型。

她介绍，SenseNova 6.7 Flash-Lite最核心的技术创新是采用了原生多模态架构，让模型直接“看懂”网页布局、文档结构和财务图表，实现“看、想、做”一体化。值得一提的是，在信息搜索等场景中Token消耗对比纯文本智能体直降60%，可实现毫秒级反馈。

这背后其实反映出一个重要行业趋势：随着智能体逐渐规模化，成本与效率开始成为产业落地的重要变量。推理成本下降、响应速度提升，意味着智能体有机会真正进入更高频、更复杂的工作流场景。

与此同时，商汤将全线办公技能SenseNova-Skills在GitHub开源，引发行业广泛关注。

至于开源考量，贾安亚将其分为三个层面。

生态层：让全行业的智能体开发者站在同一起跑线。Skills原生兼容OpenClaw、Hermes Agent等主流智能体框架，与MCP、A2A等通信协议标准化方向同频。

商业层：商汤升级为“模型+技能+生态”三层结构。Skills免费开源，而底层的模型推理、企业级私有化部署、行业定制是商业化的核心。

生态共建层：开源本身也是一个开放的态度——希望和社区一起做得更好。

贾安亚特别提到，当前开源的全线办公技能方向，正是小浣熊过去两年沉淀最深的方向——这一整套已经线上跑通的技能，目前已经支持金融、制造、医疗、教育等领域的核心工作流，未来还将向更多行业延伸。

从行业视角来看，大模型竞争正在从单纯的“模型参数竞争”，逐渐进入“生态与工作流竞争”阶段。谁能更快沉淀行业Know-how、构建可复用的技能体系，谁就更有机会真正进入产业深水区。

谁在真正为智能体买单？

相比概念热度，当前行业更关注的问题是：谁真正愿意为智能体付费？

目前，小浣熊服务的企业客户已达数千家，覆盖金融、教育、医疗、汽车、智能终端等多个行业，用户规模约1500万。

贾安亚强调：“头部客户需要整套解决方案，包括数据接入、安全保障和定制化话术；中小客户则通过SaaS订阅即可快速上手。”

根据对行业的实际观察，贾安亚表示，金融是当前付费意愿最强的场景之一。例如，商汤金融数智决策平台已切入千亿级保险理赔市场。此外还覆盖智慧城市与政务、企业办公与知识工作。

她总结了这些场景的共性：知识密度高、流程标准化高；ROI可量化；基础数字化已完成；容错可控。反过来，创造性极强、决策风险极高、底层数据高度非结构化的场景，付费意愿会相对靠后。

可见，智能体真正进入产业，并不意味着“完全替代人”，而是首先进入那些流程明确、结果可验证的工作流。

针对落地过程中商汤遇到的挑战，贾安亚总结出两大原则：

第一：零容错场景坚持“人在回路”——如财报生成等关键业务，AI只辅助决策，最终由人类把关。

第二：增量场景可积极自动化——如供应链分析、经营趋势研判，AI在精度超过95%时可承担自动分析并辅助决策。

贾安亚坦言：“真正的挑战更多在组织和流程，而非技术本身。”

事实上，这也是当前很多企业部署AI时正在面对的问题。技术能力正在快速成熟，但企业内部的数据体系、组织协同与业务流程，往往才是智能体真正进入产业的关键门槛。

中国AI智能体的“产业化元年”

2026年，政府工作报告首次提出“打造智能经济新形态”，并提出深化拓展“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。2026年4月，工业和信息化部办公厅、国家数据局综合司联合印发《关于联合实施2026年“模数共振”行动的通知》，正式启动“模数共振”行动，推动人工智能模型与数据资源协同互促，助力人工智能高水平赋能新型工业化发展。

在贾安亚看来，这一政策背景为智能体规模化落地带来了极大机遇，技术、政策、生态、商业模式将首次形成共振。

过去几年，大模型行业更多比拼的是“谁更聪明”——参数规模、更长上下文、更强推理能力，一度成为行业竞争焦点。但随着智能体逐渐进入真实工作流，行业竞争逻辑也正在发生变化。企业真正关心的，已经不只是模型“能不能回答”，而是能不能真正进入业务流程、完成具体任务，并承担实际结果。

从代码生成到数据分析，从内容生产到工具调用，AI正在逐渐从“会说话”走向“会做事”。在贾安亚看来，2026年之所以会成为中国AI智能体“产业化元年”，正是因为技术、政策、生态与商业模式第一次开始形成共振，行业也开始从“能用”走向“好用”，从“可用”走向“敢用”。

展望未来两到三年，贾安亚认为行业将迎来三个分水岭：

第一，“原生智能体应用”的爆发。 真正为智能体而生的产品形态和新一代用户接口将大量涌现。

第二，“行业Know-how”成为新的护城河。谁能把行业专家的知识“工程化”成可执行的Skills和工作流，至关重要。

第三，“Token经济”的临界点。推理成本持续下降后，单位智能体任务的边际成本将趋近于零，采购逻辑将从“购买系统”转向“消费智能”。

正如贾安亚所言：“一个好产品，不是靠功能堆砌，而是来自对产品理念和信念的长期坚持。”

在智能体时代，真正决定AI能否走进产业深水区的，或许也不只是模型参数，而是谁能够真正理解真实工作流，并持续把AI变成可被托付的新型生产力。