伴随着春节后以DeepSeek为代表的AI大模型在市场的爆火，在如今国内AI应用落地的大潮中，AI Agent（AI智能体）无疑是其中一个最炙手可热的概念。近日，Cloudera大中华区技术总监刘隶放接受媒体采访，结合Cloudera最新调研报告，从AI Agent的技术演进、行业实践及企业应用痛点等多个维度，分享了Cloudera对AI智能体的深刻洞见。 

Cloudera大中华区技术总监 刘隶放

 2025：企业拥抱AI智能体关键之年 

       今年4月，Cloudera发布了一份名为《企业AI智能体的未来》的调查报告。该报告覆盖14个国家近1500名企业IT领导者。报告显示，全球范围内，高达96%的受访企业计划在未来12个月内扩大AI智能体的应用领域，其中半数受访企业计划在整个机构内大幅扩展AI智能体的使用。报告认为，2025年将成为企业拥抱AI智能体的关键之年。无独有偶，IDC中国在2025“两会”期间也发布报告并指出：2025年将是企业智能体应用的元年。因为依托大模型的智能体，无疑将极大助力中国软件业迈向高质量发展。

       那么，何谓AI智能体？AI智能体可为企业带来什么？为何今年将成为企业布局AI智能体的关键节点？

       刘隶放指出，其实AI智能体的概念并非全新，早在上世纪80年代就已出现“代理式”服务，但受限于技术成熟度，其应用范围较窄，主要集中在金融等特定领域。而今天，随着大语言模型的爆发式发展，AI智能体的能力得到了质的飞跃。

       “LLM（大语言模型）让Agent的代理式处理方式更加高效。”刘隶放解释，传统的Agent更多是基于规则驱动的业务代理，而如今的AI智能体结合了LLM的泛化能力，能够更自然地理解人类意图并执行复杂任务。

       对于企业而言，今年春节后业界几乎都在谈论智能体，同时也伴随着非常多的应用的出炉。刘隶放表示，这正是一个技术不断演进，业务需求不断变化并加速技术迭代的发展阶段。正如初期AI算力硬件的发展带动LLM技术，而LLM技术的发展则有力地推动了AI Agent技术时代的到来。 

企业应用落地之痛：数据基础决定成败 

       前不久，记者在与某行业ISV的交流中了解到，AI Agent在今天许多垂直领域的落地仍然存在巨大挑战。在一些业界人士看来，一方面，AI智能体技术的发展成熟还有待时日；另一方面，客户在AI智能体部署方面还存在巨大鸿沟及误区。

       谈及此，刘隶放表示，AI智能体企业应用落地面临的一大首要挑战是数据基础薄弱的鸿沟。许多企业在尝试部署AI时发现“巧妇难为无米之炊”——缺乏高质量、结构化、可用的数据支撑。

       他以制造业为例介绍：“OT（生产系统）和IT（信息系统）数据未打通的企业，连基础训练数据都无法获取。”这些企业即便采购了先进的硬件，由于数据未形成闭环，AI应用也难以发挥价值。相比之下，金融、电信等行业因长期积累数据资产，则能更快实现AI智能体的价值。

       其次，客户对于数据隐私、偏见、偏差方面的顾虑也成为一大核心挑战。举例而言，在企业AI训练中，正确率为95%。这样的成果是否可以接受？不同行业可能有所不同。在某些企业看来，5%的偏差往往也是不可接受的。在这方面，人们不太能够接受机器犯错。

       此外，ROI也是客户面临的一大挑战。他指出，部分企业因盲目跟风，误以为“买了硬件就等于AI化”，实则忽略了数据治理、模型训练和场景适配的关键环节。“AI智能体的价值不在于技术本身，而在于能否优化企业现有流程。”

       采访中，刘隶放也介绍了Cloudera在AI与智能体技术方面的核心优势。他表示，Cloudera的一大核心优势在于其“可信数据平台”理念。企业AI智能体的实现离不开底层数据支撑，而Cloudera数据湖仓一体架构则能够整合分散的数据孤岛，确保数据的统一性、安全性和可追溯性。在此基础上，Cloudera推出了Cloudera AI平台。该平台支持从模型选择、微调、到智能体编排的全流程低代码开发，极大地降低了企业技术门槛。 

建议：夯实数据基础，理性拥抱AI智能体 

       那么，国内企业应如何拥抱AI Agent？对此，刘隶放给出建议。

       首先应避免误区，AI硬件并不能与AI能力画等号。在这方面，企业不应过度关注 “算力竞赛”，却忽视数据治理这一根基。AI智能体的效能取决于数据质量。没有数据文化，再先进的技术也是空中楼阁。数据的演进路线和AI演进要齐头并进。

       其次，数据基础平台构建非常重要。企业应优先选择开源、开放标准和可解释性强的技术方案，建立可共享的数据中台，以降低偏见和合规风险。例如，Cloudera的平台支持模型溯源和权限管控，确保数据训练过程符合企业安全要求。

       此外，要实施分步推进的策略。例如对于刚起步的企业，要从简单场景切入；然后通过低代码工具（如Cloudera的AI Agent Studio）尝试流程编排，将训练成本和人力成本降到最低；最后再构建企业专属AI智能体。

       AI智能体不是单点技术，而是生态协同。企业需平衡创新与可控性。刘隶放强调，对于企业而言，不仅需要构建起一个良好、健康的平台，同时还要用开放的思想去拥抱整个生态圈。这些都是在推进AI智能体企业应用落地上不可或缺的一面。 

       不难看出，在企业智能体应用元年到来之时，Cloudera通过自身的专业优势和平台化能力，正帮助客户跨越技术与业务之间的鸿沟。而对于中国企业用户而言，唯有回归数据本质、走出误区，理性规划落地路径，才能在这场AI大潮中真正受益。（商业伙伴 王晓强）