在2026云網智聯大會上，中國工程院院士鄔賀銓指出，人工智能與大模型技術的迅猛發展正推動智能體成為行業焦點。到2026年，全球推理算力預計將占AI算力總負載的70%至80%，而中國的推理需求更是達到訓練需求的8倍。算力的應用模式正從以訓練為主轉向以推理和智能體為主導，這一轉變引發了算力架構、應用場景和商業模式的深刻變革。智能體的發展使得算力架構從注意力經濟向生產力經濟轉型，部署形態從純云端擴展至“云—邊—端”協同，商業模式也從成本中心轉變為價值引擎。

鄔賀銓解釋，智能體并非單一主機，而是一種基于大模型的能力和資源。單個智能體通過感知、記憶、規劃、工具調用和行動執行形成閉環，能夠獨立完成特定任務的決策和操作。然而，這種單一智能體的應用邊界和能力上限較為有限，缺乏跨智能體協作能力。為突破這一局限，多智能體協同系統應運而生。在統一協調器的調度下，相關智能體被組織起來，通過共享記憶和高級規劃實現集體智能，從而處理復雜目標。

多智能體在開放網絡中的規模化互聯形成了智能體互聯網（IoA）。與傳統互聯網的主機互聯和信息互聯不同，IoA擴展為智能體互聯和能力互聯。它以IPv6+為基礎，疊加新應用層協議，實現智能體的唯一標識、自主發現、可信交互、協同執行和按需組網。智能體互聯網支撐著智能體即服務（AaaS），將智能體和智能體群能力云化封裝，通過API、SDK和低代碼平臺對外提供服務，支持租戶化、彈性調度、托管運維和按需計費。

鄔賀銓將AaaS比作智能體超市，企業用戶無需自行開發智能體或自建算力，只需通過訂閱模式從云上調用封裝好的智能體功能組合，集成到自身業務系統中，即可以SaaS的成本獲得自動化和智能化的雙重收益。這種模式大大降低了中小企業使用智能體的門檻，推動了技術的普及。

面向消費者的智能體（To C）主要有三種應用模式。第一種是云上APP寄生智能體，它強依賴微信、釘釘等宿主APP，依托云端算力運行，斷網不可用。這種模式將聊天工具升級為能“思考、寫作、讀文件、控設備”的智能助手，但用戶無模型選擇權。第二種是終端OS原生智能體，預裝于手機操作系統，如中興通訊與字節跳動聯合推出的豆包手機，端云協同，可按用戶意圖調度APP并自動執行業務流程。其優勢是用戶可控性強，但可能弱化APP界面，引發應用廠商抵制。第三種是本地自治+云端輔助的智能體，不依賴APP，但需手動安裝獨立PC軟件，如“龍蝦”AI私人管家，決策與權限管理本地化，通過云上AaaS協同其他智能體。

面向企業的智能體（To B）則有四大應用模式。流程自動化智能體復刻人工邏輯，替代生產、運維等標準化流程，提升效率。行業專家智能體依托行業知識庫和知識圖譜，提供決策參謀方案。多智能體協同整合供應鏈、生產、物流等多領域智能體，實現跨環節協同。具身智能支撐工業機器人等實體設備，完成感知、推理和物理執行的閉環。鄔賀銓指出，針對中小企業自建算力不足和數據隱私風險高的痛點，本地初算+云端精算成為最優解，平衡了成本與安全。

智能體業務對算力、云和網絡提出了顛覆性要求。與傳統互聯網業務相比，智能體業務的驅動主體從人工操作變為機器自主循環，時間節律從晝夜分明變為7×24小時不間斷運行，空間分布從集中式變為多點網狀、多并發級聯調用。智能體對算力的需求激增，單智能體Token消耗可達普通用戶的10至1000倍。盡管Token流量年增速高達330%，但通過小模型普及、極致壓縮和長上下文優化，未來5年算力增速可控制在41%左右，實現效率與成本的平衡。

智能體時代也重構了云服務。傳統云以資源提供為核心，而智能體時代要求智能體原生云，優先布局智能體原生架構，構建全局智能調度，搭建分布式記憶與向量引擎，深化“云—邊—端”協同，強化算力與網絡優化。這一變革正加速重塑中國云服務格局，AI云全棧服務迎來爆發，市場向智算融合、綠色低碳和國產深化升級，覆蓋智算基礎設施、模型訓練/推理、智能體編排與運維。

網絡升級同樣迫在眉睫。智能體的長會話持續交互、多智能體協同通信、大模型推理/檢索高頻小包+大流量混合等特征，使網絡流量從南北向為主轉為東西向占比80%，QPS提升10至100倍。網絡需從行政區組網轉向智算中心—區域云—邊緣—終端四級架構，采用SRv6、云網虛擬化與編排技術、流量AI預測與調度等技術，保障確定性與高可靠性。