一、AI 智能体（Agent）：大厂竞速，商业化逻辑全面跑通
AI 智能体的核心价值，在于突破传统 AI “单次交互” 的局限 —— 通过环境感知、多步推理、工具调用与动态决策，实现复杂任务的自主完成。这一特性不仅打开了生成式 AI 的商业落地空间，更直接驱动了 token 用量与云算力需求的爆发式增长，成为大厂密集入场的核心动因。
1. 大厂动作：从框架到 C 端，全链路布局提速
国内科技巨头已形成 “底层模型 + 开发框架 + 场景应用” 的分层布局，且均以 “降低开发门槛、加速落地” 为核心目标：- 开发框架开源化：9 月 2 日，阿里通义实验室推出AgentScope 1.0，覆盖智能体 “开发 - 部署 - 监控” 全生命周期，解决多智能体协作的稳定性与安全性难题；同日，腾讯优图实验室宣布Youtu-Agent正式开源，为开发者提供低成本的 Agent 构建工具，进一步降低行业进入门槛。
- C 端应用独立化：字节跳动将旗下 Agent 平台 “扣子空间” 同步上架苹果 App Store 与安卓商店，成为国内首个面向大众用户的独立 Agent 产品 —— 用户可通过 “扣子空间” 自定义智能体角色、配置工具能力，标志着 Agent 从企业级场景正式向 C 端消费市场渗透。
- 底层模型性能突破：美团于 9 月 1 日开源 5600 亿参数量大模型LongCat-Flash-Chat，其核心优势在于 “低激活参数量 + 高推理速度”：仅激活少量参数即可实现复杂任务处理，在 Agentic Tool Use 评测基准中，性能超过 DeepSeek-V3.1、GPT-4.1 等主流模型，为长耗时的智能体应用（如供应链优化、客服全流程处理）提供底层支撑。
图片来源于美团技术团队公众号
2. 商业化驱动力：token 爆发与云算力需求飙升
大厂 “卷” Agent 的背后，是清晰的商业变现路径 —— 智能体的多步推理特性，直接推动 token 消耗量指数级增长，进而带动云服务与算力基础设施的需求爆发。- token 消耗与收入验证：通用智能体公司 Manus 的数据显示，其单次 Agent 任务 token 消耗量达 10 万量级，单次任务成本约 2 美元；而自 2025 年 3 月上线以来，Manus 年化收入（RRR）已达 9000 万美元（约合 6.46 亿元人民币），即将突破 1 亿美元，印证了 Agent 商业模式的可行性。
- 云厂商资本开支激增：从财报数据看，国内大厂正持续加码 AI 基础设施投入：2025 年二季度，阿里、腾讯、百度（BAT）合计资本开支超 615 亿元，同比提升 168%。其中，阿里云二季度收入 333.98 亿元（同比 + 26%，增速创 3 年新高），资本开支 386.76 亿元（同比 + 220%）；阿里 CEO 吴泳铭明确表示，过去四个季度阿里在 AI 基础设施与产品研发的累计投入超 1000 亿元，且将按计划推进 3800 亿元的长期资本支出。
- 中外算力投资差距与赶超：尽管过去 12 个月国内四大云服务商（阿里云、字节火山引擎、腾讯云、百度智能云）资本开支约 450 亿美元，仅为美国同行（微软、Meta 等）2910 亿美元的 15%，但中国的追赶速度已显著加快：自 2023 年四季度起，国内云厂商资本开支每季度快速增长，2025 年二季度同比增幅达 3 倍；且从 2024 年四季度开始，国内云服务商资本开支占收入的比例已超过美国同行，显示出对 AI 算力的优先投入策略。
3. 安全防护：AI 应用的 “必答题”
随着 Agent 应用规模化落地，“动态决策中的安全可控” 成为新挑战 —— 智能体需实时调用多类工具、同步处理多流程服务，其安全风险已从传统的 Web 应用防护延伸至 AI 模型、数据传输与决策逻辑层面。
- 企业安全需求觉醒：F5《2025 年应用战略现状》（SOAS）报告显示，全球 96% 的企业正在部署 AI 模型，其中 91% 的企业计划通过 Web 应用与 API 保护（WAAP）保障 AI/ML 模型安全。
- 技术解决方案落地：F5 推出的AI 网关产品，基于全新应用交付与安全平台（ADSP），可跨本地硬件、虚拟化环境与云原生 SaaS 部署，实现 Agent 应用的 “安全防护 + 低延时运行”。F5 北亚区区域副总裁张振伦表示，该平台已为国内企业提供 GPU 动态调度、AI 训练 / 推理数据安全传输等能力，助力降本增效。F5 亚太区 CTO 莫汉・维洛（Mohan Veloo）进一步指出：“未来 1-2 年所有 App 都将转向 AI 应用，我们需要提前构建覆盖 AI 全生命周期的安全体系。”
4. 市场前景：2028 年中国企业级 Agent 规模将超 270 亿美元
IDC 最新报告显示，中国企业 AI 智能体应用虽仍处于追赶阶段（34% 受访企业开展测试验证，30% 进入 “较大投入 + 采购培训” 阶段），但已突破实验室场景，在金融（智能投顾、风控决策）、制造（生产流程优化）、零售（全渠道客服）等流程标准化领域实现规模化落地。IDC 预测，在技术成熟度、成本优化与行业接受度的三重拐点驱动下，到 2028 年中国企业级 Agent 应用市场规模将超过 270 亿美元，成为 AI 产业增长的核心引擎之一。
二、物理 AI：从数字到实体，具身智能与机器人的 “破局与挑战”
当 AI 智能体在数字世界落地生根时，英伟达 CEO 黄仁勋已将目光投向 “物理 AI”—— 以具身智能、人形机器人为代表的技术，正试图让 AI 突破屏幕限制，进入真实物理世界。这一赛道被视为 “下一波 AI 浪潮”，但数据难题与安全风险也随之而来。
1. 技术突破：英伟达押注人形机器人算力底座
2025 年 8 月 25 日，英伟达推出Jetson AGX Thor机器人超级电脑，为通用人形机器人提供核心算力支撑。该产品由 Blackwell GPU 驱动，配备 128GB 内存，AI 计算能力高达 2070 FP4 teraflops，较前代产品 Jetson Orin 实现 7.5 倍算力提升与 3.5 倍能源效率优化，可满足制造、物流、医疗等场景下的实时推理需求。英伟达明确表示，Jetson AGX Thor 是 “物理 AI 的巨大飞跃”—— 其性能足以运行最新大模型，为人形机器人的环境感知、动作控制等复杂任务提供底层保障。
2. 核心挑战：数据难题与安全质变
尽管技术迭代加速，物理 AI 仍面临两大 “世界级难题”，直接制约其规模化落地：- 数据采集与泛化性不足：北京交通大学张向宏教授指出，具身智能与机器人需要两类关键数据，目前均存在瓶颈：一是非线性公域数据—— 有限的真实数据与模拟仿真无法覆盖无限的物理场景（例如机器人被绊倒后 “爬起来” 的动作，需力觉、触觉等多维度数据支撑，且数据清洗与利用逻辑尚未明确）；二是泛化性数据缺失——Agent 智能体在机器人中的知识迁移能力不足，难以适应不同物理环境的变化。
- 安全风险跨维度升级：蚂蚁集团副总裁韦韬强调，具身智能与机器人的安全问题已发生 “质变”：“过去网络安全风险可通过‘拔网线’缓解，但现在机器人可能直接操作物理设备（如工业机械、医疗仪器），甚至存在‘按核按钮’‘释放病毒’的极端风险 —— 网络空间与物理空间的彻底融合，让安全保障的复杂度与风险度呈指数级上升。”
3. 市场规模与行业趋势：中国成重要玩家
从市场数据看，物理 AI 赛道已进入快速增长期：- 短期销量：2024 年中国人形机器人（双臂、头部、双腿形态）预估销量达 2400 台，2025 年将突破 1 万台；2025 年中国具身智能市场规模约 52.95 亿元，预计 2030 年将增至 1037.52 亿元，占全球市场的 44.6%。
- 长期潜力：彭博预测，2025 年全球生产的人形机器人中，超 50% 将来自中国；花旗银行更乐观预计，到 2050 年全球具身智能与人形机器人市场规模将达 7 万亿美元（约合 50 万亿元人民币）。
- 行业热度：祥峰投资管理合伙人夏志进表示，目前国内机器人与具身智能行业处于 “过热” 状态，资本与企业的投入尚未 “降温”，技术突破潜力仍被广泛看好。
4. 安全与交付：边缘 AI 的 “双重需求”
针对物理 AI 的特性，F5 等企业也在推进适配性解决方案。莫汉・维洛指出，具身智能机器人属于 “边缘 AI 设备”，需同时满足两大需求：一是安全防护—— 保障机器人与云端、机器人之间的数据传输安全；二是低延时交付—— 物理场景下的动作控制对响应速度要求极高。F5 的融合平台已实现 “安全防护 + 快速应用交付” 一体化，可适配边缘环境的硬件与软件部署需求。
三、行业共识：AI 的下一站，是 “安全可控的价值落地”
无论是数字世界的 AI 智能体，还是物理世界的具身智能，行业已形成两大共识：
- 技术层面：Agent 智能体是核心纽带 —— 在数字端，它是生成式 AI 商业化的 “加速器”；在物理端，它是机器人实现通用能力的 “大脑”，未来将成为 AI 技术的标准配置。
- 产业层面：安全是不可逾越的底线 —— 从 token 传输、模型防护到物理设备控制，AI 的每一步价值落地，都需要同步构建 “全链路安全体系”。