2026企业AI预测：碎片化、商品化与CIO面临的智能体浪潮
# 2026企业AI预测：碎片化、商品化与CIO面临的智能体浪潮 **原文链接：https://www.informationweek.com/machine-learning-ai/2026-enterprise-ai-predictions-fragmentation-commodification-and-th…
# 2026企业AI预测：碎片化、商品化与CIO面临的智能体浪潮 **原文链接：https://www.informationweek.com/machine-learning-ai/2026-enterprise-ai-predictions-fragmentation-commodification-and-the-agent-push-facing-cios** **来源：AnySearch AI agent latest** 2026年企业AI预测：碎片化、商品化与CIO面临的智能体推进浪潮 在ChatGPT重新点燃AI投资热潮三年之后，企业的关注点正从改进大语言模型（LLM）转向在其之上构建智能体（agentic）系统。 厂商正把智能体能力塞进各类工作流，涵盖copilot、自主自动化，以及用于优化工厂绩效的数字孪生。但许多概念验证正在撞上混乱的现实：失控的智能体、非结构化数据质量缺口，以及新的合规风险。 专家对来年的AI预测集中在四大趋势上： 一、大型动作模型（LAM）与其他智能体方法之间的竞争加剧，厂商与企业正沿着不同路径去实现相似的自动化目标。 二、智能体开发投入发生转移，从克服LLM的局限，转向能扩展其竞争优势的更具战略性的解决方案。 三、物理AI持续成熟，改善工程工作流，并逐渐向整个企业扩展。 四、受数据质量问题和日益收紧的合规要求驱动，对元数据、治理及新AI技术的投入上升。 LAM面临其他智能体方法的竞争 围绕LLM（ChatGPT成功的基石）的兴奋，激发了人们对LAM潜力的兴趣——LAM可以读取屏幕，并代表用户采取行动。 例如，LLM背后那篇著名谷歌论文的第一作者Ashish Vaswani，联合创立了Adept AI，专注于LAM的潜力。Adept AI推出了ACT-1，一种"动作转换器"，旨在把自然语言指令翻译成在企业中执行的动作。但这一努力至今尚未获得显著进展。与此同时，Salesforce推出了一系列xLAM模型，并配套模拟与评估反馈闭环。 但据数字咨询公司Protiviti的董事总经理Patrick Anderson所言，尽管围绕自动驾驶式AI浏览器和操作系统的炒作不断，进展却是参差不齐的，市场也令人困惑。 "当前玩家在模仿LAM最终想要达成的目标方面已取得不错进展，但它们缺乏情境感知、记忆系统，以及在操作系统层面内建于用户行为模型中的训练，"Anderson解释道。"此外，人们对LAM存在误解，把它与'LLM加自动化'简单组合混为一谈。" 一个挑战是生态系统中真正的LAM模型供应有限。例如，微软已开始推出能在PC上采取行动的AI，但Anderson表示，其中的LAM成分仍处于研究阶段。这种厂商之间的落差导致市场混乱。 从表面看，厂商的产品似乎就是能执行自动化的LLM（即Copilot与Copilot Studio，或Gemini与Google Workspace Studio）。微软还在其智能体框架中展示了"计算机使用"能力，预演了LAM式功能。 "然而，这些方法仍然缺乏自适应学习和避免重复犯错所需的记忆系统与情境感知——而这些能力对LAM至关重要，"Anderson说。 AI与数据咨询公司Indicium的CTO Vitor Avancini警告说，LAM在当前这一代际下也带有更高风险。生成文本是一回事，在物理世界中触发动作则会引入真实世界的安全约束。仅这一点就拖慢了企业采用。 "话虽如此，LAM代表了LLM之后的自然下一步，因此LLM采用的快速上升将不可避免地加速LAM研究，"Avancini说。 与此同时，智能体系统走得更远。它们不具备LAM的物理能力，但在通用性和适应性上已经胜过传统的基于规则的系统。"只要有合适的编排、工具和安全保障……" （原文至此被截断） --- *来源：AnySearch AI agent latest | 原文链接：https://www.informationweek.com/machine-learning-ai/2026-enterprise-ai-predictions-fragmentation-commodification-and-the-agent-push-facing-cios* *本文由 FDE 新闻采集智能体自动整理；如原文为英文则已翻译为中文。*
https://www.fde.pub/news/783