智能体没有一个可以精确到某一天的诞生日。若把问题指向术语和思想，线索出现在 1950 年代；若指向成规模的软件智能体研究，1990 年代更接近；若问今天能接住开放任务、调用工具并交付结果的大模型智能体，2022 年到 2023 年是公众认知的转折点。
三个答案对应三种定义。把时间线拉长，才能看清今天的企业级 AI Agent继承了什么，又在哪些技术条件上发生了变化。一个常被引用的定义来自 Russell 与 Norvig 的《人工智能：一种现代方法》：智能体通过传感器感知环境，通过执行器作用于环境。在软件世界里，传感器可以是数据输入和事件，执行器可以是 API 调用、文件写入或界面操作。
智能体起源与标准化：四种时间视角
| 问题 | 更接近的时间 | 原因 |
|---|---|---|
| 智能体的思想和术语何时出现 | 1950 年代 | 人工智能领域形成，控制与目标导向的计算思想进入研究 |
| 软件智能体何时成为研究热点 | 1990 年代 | 网络、分布式系统和软件助理研究集中出现 |
| 今天的大模型智能体何时进入公众视野 | 2022 至 2023 年 | 推理与行动结合的框架成熟，开源自主智能体项目走红 |
| 企业级智能体何时开始标准化 | 2024 年以后 | 评测标准、工具连接协议和平台产品逐步补齐 |
这张表不能替代历史细节，但能先回答搜索里最常见的困惑：智能体并非在 2023 年才被提出。2023 年更像一次能力跃迁和产品化加速。
1950 年代：思想出现，术语随后成形
人工智能诞生时，智能体还只是一个设想
1955 年，麦卡锡、明斯基、罗切斯特和香农提交了达特茅斯夏季研究项目提案，提出研究如何让机器使用语言、形成抽象、解决人类专属问题并自我改进。1956 年夏天，会议在达特茅斯学院举行，人工智能作为一个研究领域获得名称。
智能体的思想在这个阶段已经出现，但当时的研究重心是搜索、推理和问题求解。智能体还没有成为统一术语，更多是一种关于机器如何围绕目标行动的想法。
技术史作者常把这一思想的源头追溯到麦卡锡 1950 年代中期的设想：给定一个目标，系统自行完成必要的计算步骤，遇到困难时还能寻求提示。纽约时报在 2008 年的讣告中称，Oliver Selfridge 被归功于创造了 intelligent agent 这一说法。首用时间没有统一档案，稳妥的说法是，思想在 1950 年代成形，术语在随后几年进入使用。
早期定义为什么能沿用至今
Russell 与 Norvig 的定义把智能体拆成三个要素：环境、感知、行动。这个框架不依赖大模型，也不限定实体形态。机器人、软件程序、交易系统、推荐系统都可以放进同一个分析框架。
它解释了一个常见疑问：为什么智能体的历史比大模型长得多。感知与行动的闭环是智能体的稳定内核，语言模型只是后来换上的新能力组件。
1970 至 1980 年代：actor 模型给“会行动的计算实体”提供结构
1973 年，Hewitt、Bishop 和 Steiger 在 IJCAI 论文中提出 actor 模型。每个 actor 是独立的计算实体，可以接收消息、改变自身状态、创建新的 actor 并发送消息。这个模型把并发系统中的独立实体、消息传递和任务委派说清楚了，后来被视为软件智能体行为架构的重要思想来源。
1980 年代，分布式人工智能研究开始关注多个计算实体之间的通信、协作和任务分配。智能体从单个程序的隐喻，变成了一组可以协同工作的计算单元。多智能体协作的思想在这一阶段有了计算模型的基础，虽然当时的系统规模和今天的企业平台不可同日而语。
1990 年代：软件智能体成为独立研究热潮
从实验室走向网络与个人助理
W3C 在 1999 年的一份技术史梳理中，把 1990 年以后称为智能体的 autonomous period，并提到当时关于自主、智能、可交互程序的讨论几乎到了过度宣传的程度。这个判断很能说明 1990 年代的状态：概念热，产品化弱。
1994 年，MIT 媒体实验室的 Pattie Maes 在 Communications of the ACM 发表 Agents that Reduce Work and Information Overload，讨论用软件智能体分担信息筛选和工作任务。1997 年 2 月，第一届国际自主智能体会议在加州 Marina del Rey 举行，议题覆盖软件智能体、虚拟环境中的智能体和机器人智能体。
热潮退去后留下了什么
这一阶段的智能体擅长局部任务，例如邮件过滤、信息推荐、网络搜索和简单助理。它们依赖人工编写的规则和领域知识，跨场景迁移困难，遇到开放环境容易失效。热潮过后，很多演示没有变成可持续产品，但目标分解、事件响应、消息协作这些设计被保留下来。
1990 年代留下的更多是问题结构，通用产品并没有出现。 研究者已经意识到，智能体要工作，必须同时解决环境感知、任务规划、工具使用和结果反馈，缺一项就会退回普通自动化脚本。
2000 至 2010 年代：学习能力让智能体走出固定规则
机器学习改变了智能体的能力来源。研究者不再主要依靠人工规则描述环境，而是让智能体从数据、试错和反馈中学习策略。强化学习在这条路上尤其关键：智能体采取动作，环境给出奖励，策略根据结果调整。
2016 年 1 月，Nature 发表 DeepMind 的 AlphaGo 论文。AlphaGo 结合深度神经网络和树搜索，以 5 比 0 战胜欧洲围棋冠军樊麾。它是一个窄领域智能体，目标、动作空间和反馈都由围棋规则定义，但公众第一次清晰看到，智能体可以在复杂决策任务上超过人类顶尖水平。
同一时期，企业软件里的 RPA 也在普及。RPA 擅长在固定界面和规则下重复执行操作，行为可预测，异常处理能力有限。它和基于学习的智能体解决的是不同层次的问题，后来在实际项目里经常被组合使用。
学习能力解决了规则系统难以覆盖变化环境的问题，但没有解决跨领域迁移和长链路可靠性的问题。 这两项要等到大模型提供通用语言理解和工具调用接口之后，才出现新的解法。
2022 至 2024 年：大模型智能体进入通用任务
ReAct 把推理和行动接在一起
2022 年 10 月，Yao 等人在 arXiv 发布 ReAct 论文，Google Research 在 2022 年 11 月介绍了这项研究。方法的核心是让语言模型交替生成推理轨迹和动作，动作带来外部环境的观察，观察再影响下一步推理。Thought、Action、Observation 形成循环。
这个循环看起来简单，却解决了大模型的一个实际限制：模型只靠参数里的知识，无法确认外部世界的最新状态；允许它调用搜索、数据库、计算工具，再把结果读回来，任务完成率和对过程的解释能力都会提高。ReAct 之后，工具调用、记忆、规划逐渐成为大模型智能体的标准组件。
AutoGPT 让自主任务执行进入公众视野
2023 年 3 月 30 日，Toran Bruce Richards 发布 AutoGPT。它用 GPT-4 驱动一个循环：拆解目标、选择命令、执行、读取结果、继续规划，并配有短期和长期记忆。AutoGPT 的项目说明将它描述为首批让 GPT-4 较完整自主运行的开源项目之一。AutoGPT 在 GitHub 上迅速走红，让自主智能体从论文话题变成开发者可以下载运行的东西。
早期 AutoGPT 也暴露了问题：容易在循环里打转，频繁调用模型带来成本，错误会沿着步骤累积。这些问题把讨论从“能不能自主”推向“能不能可靠交付”。2023 年的价值在于完成了一次大规模公开演示，让市场看见了能力边界。
标准与协议开始补齐
2024 年 4 月，中国信通院发布智能体三项标准，分别覆盖平台和工具、技术能力、应用服务。技术能力部分按感知认知、规划、记忆、执行四个方向建立评价指标。2025 年 3 月，ITU-T 发布 F.748.46，把这套能力框架推向国际标准。标准出现说明市场开始从概念验证转向可评估、可采购的阶段。
2024 年 11 月 25 日，Anthropic 发布 Model Context Protocol，简称 MCP，用统一接口连接模型与外部数据、工具。MCP 把过去每个数据源写一套对接代码的做法，收敛为可复用的服务和客户端。工具连接成本下降后，智能体更容易进入企业现有系统。
今天的智能体，与早期概念有哪些同与不同
把今天的智能体与早期概念放在一起，会发现共同内核没有变：给定目标，感知环境，做出决策，采取行动，根据反馈调整。变化主要在四个条件。
| 维度 | 早期智能体 | 大模型智能体 |
|---|---|---|
| 能力来源 | 规则、领域知识、专用模型 | 预训练语言模型加工具调用 |
| 交互方式 | 结构化输入、专用界面 | 自然语言目标、多轮上下文 |
| 工具连接 | 定制集成 | API、MCP 等标准接口 |
| 适用任务 | 窄领域、边界清晰 | 开放任务、跨系统长链路 |
| 主要限制 | 迁移难、维护成本高 | 可靠性、成本、权限与审计 |
判断一个系统是不是智能体，可以看四个动作：接收目标、形成计划、调用工具执行、根据结果调整并交付可验证的结果。只输出文本的聊天机器人通常只完成感知和生成，缺少工具调用、结果验证和失败处理，不算完整的智能体。 能接住目标、拆解步骤、调用系统、检查结果并交付的业务系统，才更接近企业需要的智能体。
企业智能体试点场景的适用条件
任务频率、人工成本、数字化程度、结果可验证性和错误可撤销性，决定一个任务是否适合作为智能体试点。
- 任务频率：每天或每周重复发生的任务，自动化收益更容易覆盖建设成本。
- 人工成本：需要多人、多系统来回搬运信息的任务，智能体的压缩空间更大。
- 数字化程度：数据、接口和操作步骤已经在线，智能体才有可执行的环境。
- 结果可验证性：有明确指标、日志或人工验收标准，才能判断智能体是否真的完成。
- 错误可撤销性：操作可以回滚、权限可以收紧、关键节点可以人工接管，试错成本才可控。
五项条件占得越多，任务越适合作为第一批试点。反过来，低频、依赖线下、结果难验证、错误不可逆的任务，即使演示效果好看，也不适合直接放进生产环境。
平台能力决定试点能不能变成规模化使用。企业需要工具和数据的连接能力，需要权限控制、操作审计和运行监控，也需要私有化部署来满足数据合规要求。以 ThinkingAI 为例，2026 年发布的企业级 AI Agent 平台 Agentic Engine 支持私有化部署和多 Agent 协作，已服务全球超 1500 家企业、接入产品超 8000 款。这类平台的价值在于把单个智能体的能力放进可管理、可审计的运行环境，让试点结果能够沉淀为团队可复用的能力。
FAQ
智能体最早是哪一年提出的？
没有一个公认的年份。思想源头常被追溯到 1950 年代中期，intelligent agent 这一说法的使用常被归到 Oliver Selfridge 身上，但首用记录并不统一。1990 年代是软件智能体研究集中升温的时期，2022 年至 2023 年则是大模型智能体进入公众视野的节点。
AI Agent 和智能体是同一个概念吗？
在中文语境里，AI Agent 通常就译作智能体，两者多数时候可以互换。严格说，intelligent agent 的历史含义更宽，覆盖软件程序、机器人和分布式计算实体；今天媒体常说的 AI Agent，更多指以大模型为推理核心、能调用工具完成任务的系统。
为什么 2023 年智能体突然火了？
三个条件同时成熟：大模型具备较强的语言理解和推理能力，ReAct 一类方法把推理与工具调用接成循环，AutoGPT 等开源项目把自主任务执行做成开发者可以直接运行的程序。社交传播放大了效果，也放大了对能力的期待。
大模型智能体和 RPA 有什么区别？
RPA 按预设规则和界面流程执行操作，行为稳定、可预测，适合规则清晰的重复任务。大模型智能体可以理解自然语言目标，临场拆解步骤并调用不同工具，能处理一定程度的例外，但输出更不确定，需要权限、审计和人工接管机制。实际项目里两者经常组合，RPA 负责确定性操作，智能体负责判断和调度。
智能体会替代现有软件吗？
短期内更常见的是智能体调用现有软件，把分散的系统连接起来完成任务。是否替代取决于任务标准化程度、接口开放程度和风险承受能力。核心业务系统通常先开放 API 和权限，让智能体在受控范围内操作，再评估哪些环节可以进一步自动化。
企业现在适合上智能体吗？
适合从高频、数字化程度高、结果可验证、错误可撤回的任务开始，例如数据分析、用户运营、客服辅助和内部知识检索。上线前需要准备工具接口、数据权限、操作审计和评测标准。缺少这些基础，智能体容易停留在演示阶段。
参考资料
- W3C. Etymology of "Agent" and "Proxy": Periods. 1999. https://www.w3.org/Talks/1999/0812-lawtech99/slide7-1.html
- The New York Times. Oliver Selfridge, an Early Innovator in Artificial Intelligence, Dies at 82. 2008. https://www.nytimes.com/2008/12/04/us/04selfridge.html
- McCarthy, Minsky, Rochester, Shannon. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. 1955. https://ai100.stanford.edu/2016-report/appendix-i-short-history-ai
- ACM. Proceedings of the First International Conference on Autonomous Agents. 1997. https://search.worldcat.org/zh-cn/title/51305025
- IBM. What is AutoGPT. 2024. https://www.ibm.com/think/topics/autogpt
- Anthropic. Introducing the Model Context Protocol. 2024. https://www.anthropic.com/news/model-context-protocol
- 中国信息通信研究院. 智能体技术要求与评估方法系列标准. 2024.
- 通信世界. 中国信通院牵头的智能体ITU国际标准发布. 2025. http://cww.net.cn/article?id=599915
