21世紀經濟報道記者 彭新

近日，市場調研公司Gartner發布《2025年中國數據、分析和人工智能技術成熟度曲線》報告，解析中國AI市場未來走向。

生成式AI和代理型AI是報告的兩大核心主題，共同塑造了今年中國AI發展的主要趨勢。該報告顯示，此前AI市場“頂流”大語言模型（LLM）已越過市場期望頂峰，熱度趨冷并開始滑向“泡沫破裂低谷期”，在經歷“百模大戰”后，市場已趨于理性。

Gartner高級研究總監閆斌稱，對于中國的數據、分析和AI領域的領導者來說，現在比以往更需要在AI炒作的喧囂中認清AI的真正價值。他告訴21世紀經濟報道記者，從現實來看，大語言模型的能力已到天花板，性能的邊際提升有限，使得AI市場趨勢從“模型”向“智能體”轉移成為必然。

“到2027年，優先考慮準備AI就緒型數據而非生成式AI模型開發的中國企業中，80%實現的業務價值將是同行的兩倍。”閆斌表示，中國AI產業正從嘗鮮期進入價值兌現期，數據質量與治理能力將取代模型性能成為核心競爭力。

GPT-5反應平淡，2026年將進入“AI下半場”

閆斌表示，GPT-5的市場反應證明了大語言模型發展的重要拐點。市場曾期待GPT-5接近AGI（通用人工智能），但實際發布后效果有限。“這體現了現在大語言模型的能力——技術發展隨著時間推移確實有過快速飛躍，但到今天已經慢慢感覺到天花板了，上面仿佛一條無形的線壓著它，它上不去了。”他說。

根據國際AI模型評測網站Artificial Analysis數據，OpenAI從2022至2023年保持領先優勢，但已進入“Frog Leap”（青蛙跳）式混戰——某個模型跳過去領先一點，另一個模型馬上超過上來。國內的DeepSeek、千問、Kimi等模型已進入第一梯隊。

“現在模型排名第一、第二、第三，實際使用起來區別不大。”閆斌指出，各家模型性能提升空間有限，領先優勢微乎其微。這也解釋了為何大語言模型在Gartner成熟度曲線上從期望峰值掉頭向下。

閆斌表示，模型廠商數量正在減少，出現收購、并購和價格戰。未來模型的發展方向是從“?”轉向“精”，通過Small Language Model（小語言模型）和領域專業模型（DSLM）實現精細化、場景化突破。

Gartner強調，大語言模型并非萬能，未來更強的AI系統需要結合多種技術。“大語言模型就像汽車發動機，AI Agent是整車。”閆斌比喻，“發動機可以用大語言模型，也可以用其他技術，最后拼裝成整車，混合系統要比只依賴大模型好用得多。”

另一方面，Gartner調研數據顯示，中國企業將生成式AI部署到生產環境的比例從2023至2024年的6%至8%，在2025年暴漲至40%。“我相信現在已經漲到60%至70%。”閆斌判斷，2025年企業對生成式AI的“嘗鮮期”結束后，2026年將正式進入“AI下半場”。

閆斌強調，生成式AI時代對高質量數據有很高要求，企業若無法提供高質量的“上下文”數據，再強的模型也無法產生價值。Gartner預測，到2027年，優先考慮準備AI就緒型數據的中國企業，其實現的業務價值將是同行的兩倍。

對于傳統企業AI應用上，閆斌坦言仍面臨巨大挑戰。“有些企業光做數字化轉型就要三年。”他表示，AI是系統工程，涉及企業方方面面的改造。“如果企業的API（應用程序編程接口）根本不好用，要引入智能體，還得先把舊有系統做好數字化轉型。”

相比之下，互聯網和高科技企業將走得更快，因為系統架構新、API友好、數據管理規范、企業文化接受度高。

“Agent Washing”泛濫，多數產品名不副實

在AI Agent（智能體）方面，閆斌直言行業存在嚴重的“Agent Washing”（貼牌智能體）現象，即將普通的聊天機器人宣稱為智能體。

“昨天廠商的產品其實還是聊天機器人，今天搖身一變成了AI Agent，里面其實什么都沒變、只有名字變了。現在市面號稱的智能體，可能10個里面有8個其實并不是真正的。”閆斌表示。從資本市場來看，近期不少公司借助AI智能體概念進行宣傳炒作，但產品本質并未改變。

從演進路徑看，AI智能體已經歷了三個階段：聊天機器人（Chatbot）專注于在對話中給出答案，智能助手（Assistant）幫助完成任務，智能體（AI Agent）則要完成更復雜的目標。“從今天來看，我們可能剛剛跨入智能體的大門。”閆斌判斷，當前還有很多產品不是真正的AI Agent，處于從Assistant向Agent過渡的階段。

根據Gartner定義，真正的AI智能體需要具備三要素：感知世界、自主決策、執行行動，最終與環境形成閉環反饋。“以五分制評價，大模型在語言理解上可以打四星半，行動能力四星，但決策能力只有三星。”閆斌表示，大模型尤其是在針對企業復雜場景的決策能力仍然較弱。

從實際應用來看，閆斌透露，市面上很多所謂智能體，為了可靠性，仍然基于寫死的工作流程，難以做到智能化。“根本原因是智能體可靠性不足，完全依賴大語言模型做決策有點像算命的感覺，因為大語言模型還是基于概率的。”

觀察近期AI智能體技術進展，MCP（模型上下文協議）一詞頻頻被提及，MCP是AI智能體用來執行任務的一種通信協議或標準。

對此，閆斌認為MCP價值被高估，他解釋，MCP的理想狀態是互聯網中智能體和工具處于開放狀態，可以通過統一協議調用。但實際應用中來看，調用出錯時的異常處理、安全因素、性能因素都是問題。“對于企業來講，難點不在于用什么協議，難點是原來為軟件寫的API是否適合Agent調用。”他說，包括權限管理、調用頻率控制等都需要改造。