Artificial Intelligence

AI智能体已成为基础设施：2026年用它们构建系统的真实面貌

By Anurag Verma•June 3, 2026

AI 智能体已成为基础设施：2026 年实际构建体验全记录

让我真正意识到这一转变的，是今年二月读到 Salesforce FY2026 第四季度财报电话会议记录的那一刻。Agentforce 实现了年化经常性收入 8 亿美元，同比增长 169%，公司高管团队反复使用一个十八个月前听起来还像营销话术的词：「智能体工作单元」。他们已累计记录了 24 亿个此类单元。这些不是对话补全请求，而是真实完成的任务：无需人工介入就解决的客服工单、通话结束后自动更新的销售记录、无需提交工单就启动的入职流程。至此，关于 AI 智能体在企业中是否重要的争论已经结束。

尚未结束的，是如何负责任地构建和运营它们。

市场现状

2026 年全球 AI 智能体市场规模约为 109 亿美元，高于 2025 年的 76 亿美元，复合年增长率达 44%。这些数字本身对我的意义不大，更值得关注的是背后的采用率：如今 40% 的企业应用已具备智能体能力，而就在一年前这一比例还不到 5%。某个临界点已经被跨越。

基础设施层面的故事更能说明问题。Anthropic 于 2024 年底推出的 Model Context Protocol，现已实现每月 9700 万次 SDK 下载，并拥有超过 10,000 台活跃生产服务器。2025 年 12 月，Google 在其自有服务中全面采用了 MCP。到 2026 年 4 月，《财富》500 强企业已在生产环境中运行它。从研究项目到企业基础设施，仅用了十六个月。这个速度相当惊人。

Linux 基金会于 2025 年底正式成立了 Agentic AI Foundation（AAIF），将 MCP、OpenAI 的 AGENTS.md 和 Block 的 goose 纳入统一治理框架。白金成员包括 Amazon、Anthropic、Google、Microsoft 和 OpenAI。当最激烈的竞争对手共同出资支持同一个标准组织，协议层便已尘埃落定。

编程智能体的定位

软件工程领域占据了早期智能体部署的约一半份额，这一点我完全理解。反馈循环紧凑且可量化。Cursor 在过去一年据报已突破年化收入 10 亿美元，估值达 293 亿美元，从年化收入 1 亿美元到如今仅用了十二个月。GitHub Copilot、Claude Code、Windsurf 和 Devin 都在争夺一个两年前根本不存在的市场。

真正值得关注的是架构层面的转变。这些工具已不再是自动补全的外壳。它们能在整个代码库会话中保持状态、发起拉取请求、运行测试、读取错误输出并重新尝试。OpenAI 的 Operator 在复杂浏览器任务基准测试中得分达 87%。2025 年 8 月发布的 AGENTS.md 已被超过 60,000 个开源仓库采用，成为向智能体描述仓库上下文的标准方式。编程领域是我们目前拥有的最成熟的试验场。

我每天都在博客的 Next.js 代码库上使用 Claude Code，生产力提升是真实存在的，并非炒作。但我也清楚地知道它做不到什么：当出现意外情况时，无法在多次工具调用间保持一致的意图，也无法推理两步之外的副作用。这个差距，才是真正需要攻克的工程难题。

鲜有人谈及的那部分

有一个令人不安的数据：截至 2026 年 3 月，只有 11% 到 14% 的企业 AI 智能体试点项目实现了规模化落地。失败的原因几乎从来都不是模型本身，而是编排层。交接点的上下文不一致、智能体陷入反馈循环在几分钟内耗尽 API 预算、协调错误引发系统级连锁故障。生产多智能体系统中，单个智能体故障率在 5% 到 15% 之间，若缺乏适当的熔断机制，一次故障便会扩散蔓延。

安全问题是另一个悬而未决的挑战。提示注入攻击同比激增 340%，根据 OWASP 的 LLM 安全报告，这依然是 2026 年智能体 AI 安全故障的首要类别。间接注入尤为棘手：恶意指令藏匿于智能体读取的文档中，触发运营者始料未及的真实操作（数据库查询、API 调用、文件写入）。Microsoft、Google 和 GitHub 的生产系统均已遭受此类攻击。计划部署智能体的组织中，只有 29% 表示已做好安全防护准备，其余 71% 照样在部署。

80% 部署智能体的组织没有成熟的治理模型来进行规模化管理。这个数字下降的速度，需要快于采用率上升的速度。

当下良好架构的样貌

我尊敬的团队不会构建单体智能体，而是构建由职责单一、可审计的智能体组成的网络，配以明确的交接契约、确定性的回退路径，以及在每个关键动作处设置的人工审核节点。2026 年 MCP 路线图针对生产部署中暴露出的有状态会话问题、企业身份验证缺口和治理工具进行了专项改进。一旦下定决心解决，这些都是有解的工程问题。

Google 在 Cloud Next 2026 上重点介绍的智能体间（A2A）协议是下一块拼图。智能体需要能够在无需人工居中协调的情况下，发现其他智能体、完成身份认证并进行任务委托。这套基础设施正在搭建之中。

我在项目中的做法：将智能体的行动面视为安全边界，而非功能列表。智能体能调用的每一个工具，都是潜在的爆炸半径。全面埋点监控。为每次运行设置明确的预算上限。先构建评估体系，再构建功能。

更宏观的图景

「AI 智能体是新操作系统」这一论断在方向上没错，但在 2025 年还为时过早。到 2026 年中期，更准确的说法是：智能体正在成为基础设施，就像数据库和消息队列当年成为基础设施一样：悄无声息，伴随着大量早期阵痛，然后突然无处不在。2026 年国际 AI 安全报告将规模化协调失败列为首要系统性风险，而非单个模型的能力问题。

在这个领域能够做好的构建者，是那些将智能体的可靠性、可观测性和安全性视为一等工程学科而非事后补丁的人。把编排问题当成别人的事来看待的人，在生产环境中将会吃大亏。