代理式 AI 的时代已经到来。如今，代理式 AI 已经驱动应用迈向深度场景融合与规模化落地。这波演进浪潮标志着 AI 能力向自主执行的跃迁。本文将系统解析代理式 AI (Agentic AI) 和 AI 智能体 (AI agent) 的核心概念、技术架构，并通过“AI On 系列”四篇文章，具体剖析 AI 智能体在不同行业中的实际应用与重要作用。

代理式 AI 是一种具备自主性、目标导向和交互能力的人工智能系统。它可以在复杂环境中感知信息、推理决策，并执行任务。它不需要人类时时刻刻干预，而是能够根据目标和环境动态调整策略而达成任务。

AI 智能体是先进的 AI 系统，可被视为代理式 AI 落地的有效载体，旨在根据高级目标自主进行推理，制定计划并执行复杂任务。与遵循基本“请求和响应”框架的传统生成式 AI 模型不同，AI 智能体还能编排资源，与其他智能体协作，并使用各种工具，如大语言模型 (LLM)、检索增强生成 (RAG)、向量数据库、API、框架以及 Python 等高级编程语言，从而实现超越。

一个代理式 AI 系统通常会由以下几个部分组成：感知系统、规划与推理系统、执行系统以及持续学习系统。每一个系统里面可能会有单个或者多个 AI 智能体。以智能客服的场景为例，负责感知的 AI 智能体可以做到识别用户意图，比如用户是查询商品信息还是需要售后服务？然后根据不同的意图，负责规划的 AI 智能体可以规划出一个合理的可执行的工作流，比如用户想根据一个图片查询商品，那 AI 智能体就会规划出——它需要用模型去识别用户图片中的商品，然后去图片矢量库里面去匹配。在规划好以后，负责执行的 AI 智能体可以调动配置好的工具，去自动执行整个工作流，并拿到用户需求的结果。同时，AI 智能体可以根据与用户的交互历史，生成用户的画像，从而实现更个性化的交互体验。

目前，包括智能客服与自动化流程、工业与制造业、智能金融以及智慧医疗等行业领域内，均已展现出代理式 AI 的显著价值。

AI 智能体可作为虚拟助手，使用人工智能和自然语言处理技术来处理大量客户服务请求。通过自动化处理常见问题和重复性任务，提高效率、客户满意度，并轻松扩展以应对业务增长。AI 智能体经过训练后可以理解特定行业的术语，从企业知识库中获取相关信息。例如 ServiceNow 推出的 IT 和客户服务管理 AI 智能体，其通过自主解决诸多员工和客户问题，大大提高了生产力。渥太华医院正在使用能够一致、准确和连续获取信息的 AI 智能体来改善患者护理，并减少医生和护士的行政工作。得克萨斯州阿马里洛市多语种数字助手 Emma 则为所有居民提供全天候支持。

AI 智能体正在帮助企业提高客户对话质量、实现较高的问题解决率并提高员工的生产力。创建一个有效的 AI 客服智能体有三大关键要素：收集和整理客户数据、利用记忆功能实现个性化，以及建立运作管线。

企业可以利用 NVIDIA NIM 微服务助力 AI 智能体，NVIDIA NIM 微服务通过实现自然语言处理、上下文检索和多语种交流，为 AI 智能体提供支持。适用于客服智能体的主要 NVIDIA NIM 微服务包括：适用于大语言模型的 NIM、NVIDIA NeMo Retriever NIM、适用于数字人的 NIM (包括 NVIDIA Riva NIM 和 Audio2Face NIM)。

更多详情，请查看：集效率和个性化于一身：AI 智能体如何改善客户服务

生成式 AI 和代理式 AI 驱动的数字虚拟形象正在提高医疗、电信、制造、零售等行业的效率。这些数字虚拟形象能够提供多语种支持和个性化指导，极大地增强了用户体验。

例如，医疗 AI 智能体可以提供全天候虚拟接诊并协助远程医疗服务；此外，虚拟理财顾问可以提醒银行客户注意潜在的欺诈行为，或根据客户的投资组合提供个性化的方案和投资建议，来帮助增强客户的安全性和金融知识。

设计带有虚拟形象和语音功能的 AI 智能体的五个关键步骤包括：确定用例，根据所需的沉浸感和交互程度，选择 2D 或 3D 虚拟形象；开发虚拟形象，使用专业软件和技术为 3D 虚拟形象创建逼真的动作和形象，或者为 2D 虚拟形象选择适合网络嵌入式解决方案的快速开发方法；集成语音技术，可使用 NVIDIA Riva 来实现语言交互；选择渲染方式，借助 NVIDIA Omniverse RTX Renderer 技术或虚幻引擎工具制作 3D 虚拟形象，以便获得高质量的输出和高效率的计算；最后采用云原生部署的方式实现实时输出和扩展能力。

NVIDIA AI Blueprint 是一套可参考的工作流，通过提供现成的工作流和工具加速了部署，简化了虚拟助手的构建和设置工作。无论是简单的 AI 聊天机器人，还是动画的数字人机界面，这些蓝图都能提供打造 AI 助手所需的资源，使 AI 助手具有可扩展性、符合企业品牌形象、并且可提供响应迅速、高效的客服体验。

更多详情，请查看：让 AI 为您服务：数字虚拟形象通过语音功能打造交互式客户体验

AI 智能体已从简单的聊天机器人进化为具备逻辑推理能力的数字伙伴，借助逻辑推理 AI 模型，智能体可以学会如何进行批判性思考并解决复杂任务。这种新型的“逻辑推理智能体”仅需必要的计算资源和 token 量，就能分解复杂问题、权衡不同方案、并做出合理的决策。NVIDIA 的 Llama Nemotron 模型支持逻辑推理功能的启用与关闭，开发人员可以通过编程来决定每次查询。这样，智能体就可以只在需要时才启用逻辑推理，从而节省用户的等待时间并降低成本。

逻辑推理能力可通过集成大型逻辑推理模型 (如 NVIDIA Llama Nemotron Ultra 或 DeepSeek-R1) 增强 AI 智能体的规划模块，延长推理时间并增加资源投入，直接影响系统整体性能。此外，NVIDIA 提供的 AI-Q NVIDIA Blueprint 和 NVIDIA Agent Intelligence 工具包，可帮助企业打破数据孤岛，简化复杂工作流，实现大规模性能优化，确保 AI 智能体在实际应用中的高效运行和可扩展性。

目前，Amdocs 已经利用逻辑推理 AI 智能体改进了电信运营商客户互动；安永通过逻辑推理智能体提升了税务查询回复质量；SAP 的智能体 Joule 集成逻辑推理功能后，优化了企业数据挖掘与业务流程执行。

更多详情，请查看：逻辑推理 AI 智能体重构高价值决策制定路径

线上购物为消费者提供了海量的选择，然而，过度丰富的选择反而可能会引发决策疲劳。AI 智能体通过个性化体验、丰富产品信息库、全渠道支持、虚拟试穿功能和 24/7 全天候服务等方式，改善用户体验并提升在线销售额。

用于目录商品信息增强的 AI 智能体能够自动补充产品属性数据，而专为搜索优化的 AI 智能体能够优化搜索结果，提供个性化推荐，并引导消费者完成购物流程。亚马逊基于 NVIDIA TensorRT-LLM 库部署生成式 AI，自动生成完整、丰富的产品列表，优化产品目录管理；亚马逊音乐通过 NVIDIA Triton 推理服务器和 TensorRT 软件开发套件优化搜索功能，降低搜索成本；SoftServe 推出的生成式 AI 购物助手，提供沉浸式购物体验，支持虚拟试穿功能。

构建强大 AI 购物智能体的关键模块包括多模态和多查询功能、与大语言模型的集成、结构化和非结构化数据的管理、保障品牌安全的对话以及先进的仿真工具。通过使用这些关键技术，零售商可以设计出超出客户期望的 AI 购物智能体，从而提高满意度和运营效率。

更多详情，请查看：从浏览到购买：AI 智能体如何促进线上购物

随着技术的持续发展，代理式 AI 与 AI 智能体正从概念走向更广泛的产业实践。从智能客服的高效响应到零售场景的个性化服务，从逻辑推理辅助决策到数字虚拟形象的沉浸式交互，其核心价值始终围绕“解决实际问题”。对企业而言，针对业务场景中的实际需求，依托现有技术栈逐步搭建适配的代理式 AI 应用框架，是技术落地的路径，更是把握 AI 能力向自主执行跃迁机遇的关键。

扫描下方二维码或复制链接至浏览器获取电子书，查看构建 AI 助手指南：

https://www.nvidia.cn/lp/ai-data-science/generative-ai/building-intelligent-ai-chatbots-with-rag-ebook/?ncid=partn-274398

点击“阅读原文”或扫描下方海报二维码，观看 NVIDIA CEO 黄仁勋 GTC 巴黎主题演讲回放！