根据一份新的报告 数据砖企业人工智能的格局正在发生翻天覆地的变化。各组织不再局限于简单的聊天机器人和试点项目，而是开始拥抱智能人工智能。 智能体系统 重新定义操作流程。

生成式人工智能的初期浪潮曾伴随着人们的殷切期望，但实际应用却往往有限。技术领导者们苦苦挣扎于各种孤立的工具，这些工具未能带来变革性的商业价值。然而，来自Databricks的最新遥测数据显示，市场正迎来转机。市场日趋成熟，如今的焦点已转向能够规划和执行复杂任务的自主智能体。

来自超过 20,000 家机构（包括 60% 的财富 500 强企业）的数据显示，企业正在快速向人工智能模型架构转型，这些模型不仅能够检索信息，还能独立协调工作流程。这一演变代表着工程资源的根本性重新分配，Databricks 平台上的多智能体工作流程使用量在 2025 年 6 月至 10 月期间激增了 327%。

“主管代理人”的崛起

这一增长的核心概念是…… “主管代理人”与其依赖单一的整体模型来处理所有请求，不如由一个主管扮演协调者的角色。它会将复杂的用户查询分解，并将特定任务委派给专门的子代理或工具，就像人类团队中的项目经理一样。

自 2025 年 7 月推出以来，主管代理迅速成为代理的主流应用场景，截至 10 月已占所有代理使用量的 37%。这种结构模拟了高效的组织层级：管理者确保任务执行到位，而无需亲自完成每一项任务。同样，主管代理负责管理意图检测、合规性检查以及将请求路由到特定领域的工具。

虽然科技公司目前正引领着这场变革——它们构建的多智能体系统数量几乎是其他任何行业的四倍——但智能体人工智能的用途远不止于科技领域。例如，金融服务公司正在部署多智能体系统，以同时处理复杂的文档检索和监管合规性问题，无需人工干预即可提供经核实的客户回复。

基础设施面临压力：实时真相

随着人工智能代理从回答问题过渡到执行任务，其底层数据基础设施面临着前所未有的挑战。传统的在线事务处理（OLTP）数据库是为满足人类交互速度而设计的，如今已接近其极限。而代理工作流则颠覆了这些假设，产生了持续、高频的读写模式。

这种自动化的规模令人震惊。两年前，人工智能代理仅创建了0.1%的数据库。而如今，这个数字已经达到了惊人的水平。 80%此外，97% 的数据库测试和开发环境现在都由 AI 代理启动，使开发人员能够在几秒钟内而不是几个小时内创建临时环境。

与大数据传统的批量处理方式不同，智能体人工智能主要在“当下”运行。该报告强调： 96% 的推理请求都能实时处理。这种转变在延迟与价值直接相关的行业中尤为明显，例如医疗保健和金融行业。

多模型标准和厂商独立性

供应商锁定仍然是企业领导者面临的持续风险。为了降低这种风险，各组织正在积极采用多模式战略。截至2025年10月， 78% 的公司使用了两种或两种以上的大型语言模型 (LLM) 系列例如 ChatGPT、Claude、Llama 和 Gemini。

这种方法的成熟度正在不断提高。使用三种或以上模型系列的公司比例在短短两个月内就从36%显著上升至59%。这种多样性使得工程团队能够将更简单的任务分配给规模较小、成本效益更高的模型，同时将前沿模型用于处理复杂的推理任务。

治理作为加速器

对许多高管而言，或许最出乎意料的发现是治理与速度之间的关系。严格的治理和评估框架通常被视为瓶颈，但实际上它们却能加速产品部署。

使用人工智能治理工具的组织正在努力克服这些挑战。 投入生产的AI项目数量是原来的12倍 与那些不采用评估工具的公司相比，采用评估工具系统地测试模型质量的公司，其生产部署次数几乎是后者的六倍。治理机制提供了必要的保障措施——例如定义数据使用方式和设置速率限制——使利益相关者有信心批准部署。

“枯燥乏味”的自动化的价值

虽然自主代理常常让人联想到未来科技，但其目前在企业中的价值在于自动化执行日常琐碎的任务。人工智能的主要应用案例因行业而异，但都侧重于解决具体的、实际的业务问题：

• 制造业和汽车业： 35% 的应用案例侧重于预测性维护。
• 健康与生命科学： 23% 的应用案例涉及医学文献综合。
• 零售及消费品： 14% 的应用案例用于市场情报。

此外，40% 的顶级人工智能应用案例都着眼于解决客户的实际问题，例如支持、倡导和新用户引导。这些应用能够显著提升效率，并增强组织能力，从而支持更高级的智能代理工作流程。

对于高管层而言，未来的发展方向是减少对人工智能“魔力”的关注，更多地关注围绕人工智能的严谨工程技术。竞争优势正重新转向企业如何构建自身系统，而不仅仅是购买什么。开放、可互操作的平台使企业能够将人工智能应用于自身企业数据，从而在高度监管的市场中创造长期差异化优势。