AI Agent 落地：战火中的真相与商机

2025 年，AI Agent 不再是实验室里的玩具。从军事目标识别到企业咨询计费，从模型蒸馏到政府采购，AI Agent 正在渗透每一个角落。但热浪之下，暗流涌动。

一、AI 的“误伤”：军事场景的警示

美国军方使用 AI 筛选数千个打击目标，却忽略了一条标注“这是一所学校”的备注，导致误炸。这不是科幻电影，而是《The Decoder》报道的真实事件。AI 在军事场景中的“信任陷阱”暴露无遗：系统可以高效处理海量数据，但缺乏人类对上下文的理解和常识判断。

对于中国读者，这一案例的启示在于：AI Agent 在关键决策场景中，必须保留人类监督的“最后一道防线”。无论是金融风控、医疗诊断还是自动驾驶，盲目信任 AI 输出，代价可能是致命的。

二、德勤的内部警告：AI 正在颠覆商业模式

德勤在一份内部演示中预测，到 2035 年，咨询业经典的按小时计费模式将缩水至市场的一小部分，取而代之的是 AI Agent。一位顾问总结：“我们的模式完蛋了。”麦肯锡和 BCG 已经在寻找替代方案。

这不是危言耸听。AI Agent 能够自动完成数据收集、初步分析和报告生成，将顾问从重复劳动中解放出来。但这也意味着，以“人时”为核心的定价体系将崩塌。对于中国咨询、法律、会计等知识密集型行业，这既是威胁也是机遇：谁能率先将 AI Agent 融入服务流程，谁就能在成本和质量上建立壁垒。

三、Meta 的“防火墙”与亚马逊的“蒸馏术”

Meta 限制工程师使用 Anthropic 的 Claude 和 OpenAI 的 Codex，防止其输出污染自家训练数据。这暴露了 AI 行业的核心矛盾：数据是 AI 的命脉，而竞争对手的模型输出可能成为“特洛伊木马”。

与此同时，亚马逊工程师正在蒸馏 Anthropic 模型，以降低内部使用成本。明年起，亚马逊将按 token 计费，而非计算小时，这可能导致成本飙升。蒸馏——用大模型训练小模型——成为企业控制成本的关键手段。

对中国企业而言，这意味着：不要盲目追求“最大最全”的模型。根据业务场景蒸馏或微调轻量级模型，往往能实现更好的性价比。同时，注意数据隔离，避免核心业务数据通过 API 泄露给竞争对手。

四、欧盟的“AI 独立”与加州的“半价协议”

奥地利提议将 Anthropic 引入欧洲，以摆脱对美国 AI 的依赖。虽然现实阻力巨大，但反映了地缘政治对 AI 生态的深刻影响。而 Anthropic 与加州州长纽森达成协议，以半价向加州政府提供 Claude，则展示了另一种路径：政府与 AI 公司建立战略合作，以优惠价格获取先进能力，同时推动本地 AI 生态发展。

对于中国地方政府或国企，这一模式值得借鉴。与其等待“国产替代”完全成熟，不如主动与头部 AI 厂商谈判，在数据安全可控的前提下，以批量采购换取价格优惠和技术支持。

五、Gartner 的“拐点”与《Arena》的百亿估值

Gartner 将 2026 年定义为 AI 项目与战略目标对齐的“拐点年”。企业投资 AI 的热情不减，但 ROI 压力日益增大。与此同时，AI 排行榜平台《Arena》已估值 100 亿美元，证明**“评估”本身正在成为一门大生意**。

对于中国企业，这意味着：AI Agent 的选型、评估和监控将成为关键能力。不要只看基准测试分数，要建立与自身业务指标挂钩的评估体系。

六、结论：行动建议

1. 建立“人在回路”机制：在关键决策场景中，AI Agent 只能做“建议者”，不能做“决策者”。
2. 重构商业模式：从按人头/时间收费，转向按成果/价值收费。AI Agent 是催化剂，不是终点。
3. 控制数据主权：无论是蒸馏模型还是 API 调用，确保核心数据不泄露。
4. 主动拥抱政府合作：与地方政府或国企合作，以规模换价格，以场景换技术。
5. 建立评估体系：不要迷信排行榜，用业务指标衡量 AI Agent 的真实价值。

AI Agent 不是魔法，而是工具。用得好，它是降本增效的利器；用得差，它是误伤无辜的凶器。选择权在你手中。