從「製造導向」到「智能協同」：智能體正重繪全球經濟版圖

在2025年底至2026年初的全球人工智慧（AI）技術浪潮中，一個顯著轉折悄然發生：主流大模型的競爭焦點，正從單純的「智能對話」轉向「自主行動」。這一演變不僅標誌著技術從生成式AI向具備高級推理和多模態能力的智能體躍升，還將深刻攪動全球經濟版圖。

2025年12月4日，在南京人工智慧生態街區的「AI·模坊」南京智能體集散中心，一款機器人在打招呼 季春鵬攝/本刊

谷歌Gemini 3.0的推出，以及開放人工智慧研究中心（OpenAI）通過Responses API和Assistants API升級強化智能體功能的做法，都預示著AI正從認知工具演變為集規劃、決策和執行為一體的「行動主體」。

這一技術範式轉變的外溢效應，已沿著全球產業鏈展開。信息技術研究與諮詢服務機構Gartner預測，到2026年底，40%的企業應用將集成專屬AI代理，這將從根本上顛覆供應鏈運作。AI不再僅限於數據分析，而是深入生產協調，推動全球分工從製造導向轉向智能協同。

從「回答問題」到「完成任務」

在較長一段時間內，大模型主要承擔信息整合、文本生成和決策輔助等功能，更多扮演「高級諮詢工具」的角色。例如，早期的ChatGPT和Bard模型專註於自然語言處理和知識檢索。然而，隨著智能體技術的成熟，AI開始能夠自主拆解目標任務、調用多種工具，並在多個系統之間連續執行操作，完成從規划到落地的閉環。

支撐這一變化的關鍵，是「世界模型」等技術路徑的突破。通過對物理規則、環境約束和因果關係的建模，AI不再局限於符號層面的推理，而是開始具備在真實或准真實環境中進行判斷和行動的能力。這也為具身智能、人形機器人等領域的進一步發展奠定了基礎。OpenAI的o1模型和谷歌的Gemini 3 Deep Think模型展示了這種增強推理能力——能夠處理複雜問題如數學和編碼。

在這一階段，AI的角色正在發生變化：它不再只是「建議者」，而是逐步成為企業系統中的「執行單元」。根據波士頓諮詢公司的報告，2025年智能體系統已佔AI總價值的17%，預計到2028年將達到29%。這一轉變意味著AI可以自主優化供應鏈路徑，減少決策延遲，推動企業從被動響應轉向主動預測。

智能體進入產業鏈中間層

與公眾想像中「面向消費者」的應用不同，當前智能體最先滲透的並非終端服務崗位，而是全球產業鏈中大量高度流程化、規則密集的中間環節。這些環節往往涉及多系統協調、數據整合和實時決策，AI代理的介入能顯著提升效率。

在跨境電商領域，包括亞馬遜、阿里巴巴國際站等平台型企業，已在部分履約和商家服務體系中探索引入智能體系統，用於自動完成訂單匹配、庫存校驗、物流方案選擇及合規檢查等多步驟流程。相關企業在公開披露中提到，在特定業務模塊內，這類系統已能夠在較少人工干預的情況下完成連續執行，從而降低跨區域協同成本。例如，亞馬遜通過AI智能體實現了庫存優化的兩位數效率提升；阿里巴巴國際站利用類似技術實現了商家服務自動化，減少了人為錯誤。

在製造業領域，西門子、施耐德電氣等工業企業正嘗試將智能體嵌入數字孿生、排產和供應鏈調度系統，用於在多工廠、多供應商約束條件下進行實時協調。例如，西門子的NX CAM Copilot作為一個AI驅動的編程助手，能夠優化從設計到生產的全流程，有效突破編程瓶頸；施耐德電氣在2025年美國工業自動化及機器人展會上展示了其與微軟合作的生成式AI助手，該工具能夠有效簡化應用開發程序並提升效率。

相關實踐顯示，智能體更擅長處理規則複雜、變數眾多的協同問題，而人類管理者則更多轉向對異常情況和策略層面的干預。智能體應用並不直接改變生產環節本身，卻在悄然重塑企業內部的組織方式和決策節奏。德勤報告顯示，使用AI智能體的企業在供應鏈決策中實現了從幾天到秒級的延遲減少。

全球分工從生產轉向協同

如果說上一輪全球化主要圍繞生產環節展開，不同國家在製造、組裝和品牌等環節形成分工，那麼在智能體逐步成熟的背景下，全球分工正在形成新的劃分維度——協同權與執行權的重構。這一轉變強調「誰能高效組織和協調複雜系統」，而非單純的製造能力。

在國際物流和航運領域，這一趨勢尤為明顯。馬士基、達飛海運等企業，近年來持續推進智能調度和自動決策系統建設，並將智能體視為「數字執行單元」，用於港口調度、運力匹配和時序優化等環節。

例如，馬士基通過AI優化了容器跟蹤，減少了67%的延誤並節省了3.4億美元燃料成本；達飛海運與谷歌和米斯特拉爾人工智慧公司（Mistral AI）的合作，投資1億歐元用於AI優化路由、庫存管理和碳排放減少。這類系統並不直接替代人工操作，而是承擔跨系統的信息整合與執行任務，使原本分散的協同流程趨於集中化和模塊化。由此，誰能夠設計規則、調度流程、整合系統，正在成為新的產業鏈競爭焦點。

這意味著，在智能體時代，產業競爭的重心除了「誰能製造」，更注重「誰能高效組織和協調複雜系統」。數字基礎設施、工業軟體生態和平台能力，正在成為新的隱性競爭要素。Gartner預測，到2026年，AI將成為供應鏈轉型的首要驅動力，74%的從業者視其為關鍵因素。這一變化可能重塑全球貿易格局，推動發展中國家從勞動力密集型向技術協調型轉型。

推動勞動力角色重塑

在上述過程中，勞動力結構也在發生變化，但這種變化並非簡單的崗位消失或增加，而更多表現為角色與能力結構的調整。AI代理的引入並非旨在取代人類，而是通過自動化重複任務來提升整體生產力。

隨著智能體承擔部分執行型、協調型任務，人類勞動者的角色逐步向監督、管理、規則設計和複雜決策傾斜。無論是在製造業排產還是跨境貿易履約中，實踐均顯示，人機分工正在由「工具使用」轉向「任務協同」。企業在招聘和培養人才時，也開始更加重視跨系統理解能力、流程設計能力以及人機協作能力，而非單一的重複性技能。麥肯錫預測，智能體時代將釋放巨大的生產力潛能，但需通過再培訓來適應。例如，在物流領域，AI代理處理日常調度後，人類更多專註於風險管理和戰略規劃。

從這一意義上看，智能體帶來的影響更像是一種組織形態的演進，而非直接的就業衝擊。國際數據公司（IDC）預測，到2029年，45%的福布斯全球2000強企業將採用AI智能體驅動的管理模式，實現20%的收入增長。這要求政策制定者將重心轉向技能轉型，而非單純擔憂失業問題。

具身智能的邊界突破

隨著「世界模型」能力的提升，智能體的影響正從數字空間向物理空間延伸。在具身智能方向，特斯拉、波士頓動力以及部分亞洲製造業企業在2026年推進的人形機器人項目，主要集中於工業試產和場景驗證階段，其應用重點放在高危險、高精度或柔性要求較高的工序上。

這些實踐更多被視為對「世界模型」與具身智能技術路徑的驗證，而非短期內的大規模替代方案。例如，波士頓動力在2026國際消費電子展（CES）上發布的電動Atlas機器人，已進入生產階段，2026年部署於現代（HYUNDAI）和谷歌DeepMind相關業務場景中，並通過集成Gemini AI技術以提升其認知能力。特斯拉的Optimus機器人則聚焦工廠內部測試，強調大規模生產能力。成本、可靠性和適用範圍等現實約束，決定了具身智能在相當長一段時間內仍將以「補充性應用」為主，其意義更多在於拓展產業系統的能力邊界。福布斯分析稱，Atlas的軟體優勢可能使其在實際部署中處於領先地位。

總體來看，智能體時代帶來的，並不是一場簡單的技術競賽，而是一場圍繞「體系能力」的競爭。誰能率先構建起人、智能體與產業系統之間的高效協同機制，誰就可能在新一輪全球產業分工中佔據主動。福布斯預測，2026年將是AI智能體在物流和生產領域實現端到端管理的關鍵年。

在這一過程中，技術進步本身並非決定性因素，真正拉開差距的，往往是制度設計、組織能力以及長期投入形成的系統優勢。這或許正是智能體時代留給各國政府和企業的核心命題。隨著AI代理市場規模有望在2026年達到28億美元，企業需統籌創新與安全，確保可持續增長。