王本友：智能体落地关键在闭环工程，局部AGI或三年内出现

大模型推理成本下降与能力跃升，正推动AI智能体成为企业数字化转型的热点。然而，香港中文大学（深圳）数据科学学院助理教授王本友指出，多数项目仍停留在演示阶段，核心瓶颈在于系统整体可靠性不足，而非模型单一能力欠缺。

王本友用‘锯齿状智能’描述当前状态：模型在代码生成、数学推导等目标明确的场景中表现优异，但面对信息模糊或隐性规则复杂的任务时，可能给出逻辑严密却错误的答案。这种能力分布的不均衡，加上规划能力在长流程中的短板，导致智能体难以稳定进入生产环境。他强调，智能体从‘会回答’到‘会做事’的关键，在于构建包含状态观察、工具执行、结果验证、错误回滚及人工接管的闭环工程。

对于企业引入智能体，王本友建议先进行反事实检验：若业务痛点并非因AI而生，且流程具备数字化基础、数据可访问、错误可拦截等条件，才值得投入。他提醒，企业应优先建设任务标准、工具集、场景知识库等场景资产，而非盲目自研底层大模型。从行业趋势看，模型迭代速度加快，但场景资产的积累周期长，将成为企业差异化竞争的核心壁垒。

尽管短期瓶颈明显，王本友对AGI前景乐观。他观察到，类似Claude Code等工具已在软件开发中通过持续反馈修正方案完成任务。若将AGI定义为在知识工作中达到普通人水平，那么未来三至五年内，软件开发、数据分析等领域出现局部AGI的可能性极高。2026年或成为中国AI智能体从模型竞赛转向闭环工程的分水岭。