引言: 又是新的一天，人工智能势不可挡的进程中又迎来了一个里程碑。OpenAI 的 GPT-5 来了，因其增强的功能而备受赞誉。然而，在最新模型改进的光鲜表面之下，隐藏着一个持续存在、令人不适的真相：我们对真正智能体 AI 的雄心，远远超过了使其成为现实世界中企业级颠覆者所需的基础架构。

核心提炼

• “真正的智能体AI”的根本瓶颈不在于模型能力，而在于缺乏成熟、可扩展且经济高效的支撑性基础设施。
• 尽管有所改进，GPT-5 仍是一种渐进而非颠覆性的飞跃，迫使企业应对复杂的整合与容量挑战。
• 智能体AI正处于Gartner炒作周期的“期望膨胀期峰值”，这为潜在的幻灭埋下了伏笔，除非基础问题能迅速得到解决。

深度解读

Gartner关于强大汽车缺乏高速公路的比喻完美地概括了当前AI的现状，这也是我们这些资深专栏作家在各个技术周期中屡见不鲜的故事。无论从哪个角度看，GPT-5都是一个更精密的引擎——它在编码方面更出色，更擅长处理多模态输入，并在工具使用和并行任务执行方面展现出细微的改进。它更大的上下文窗口和更低的每token成本是受欢迎的、实用的进步，无疑将简化某些RAG（检索增强生成）的实现，并可能降低即时运营开销。然而，这些都只是对车辆本身的改进，而非对真正自主智能体所承诺的“超级高速公路”的建设。

正如Gartner的Arun Chandrasekaran恰如其分地指出的那样，关键问题在于企业仍然在未铺设、常常是死胡同的道路网络上运行这些“快车”。GPT-5处理并发API请求的能力，或者将更多业务逻辑内置于模型本身的需求，需要系统架构的高度复杂性和实时数据编排能力，而大多数组织距离大规模实现这些目标还有数年之遥。OpenAI淘汰旧模型的举动，尽管被包装成简化复杂性，但也散发出对真实计算能力短缺的务实回应。同时运行多代强大的模型不仅带来成本影响；它是在行业尚未充分认识到的规模上的一种物理限制。

此外，尽管幻觉率可能下降了65%——这是一项值得称赞的成就——但模型被滥用于复杂诈骗和网络钓鱼的风险放大，鲜明地提醒我们，更强大的模型本身并不会带来更安全的应用程序，除非在健全的治理、可审计性和人工监督方面进行相应的投入。企业AI之旅不仅仅是向更智能的模型输入更多tokens；它关乎构建弹性、可审计、安全的端到端系统，以便在不引入不可接受的风险或成本飙升的情况下真正利用这些能力。RAG的“混合方法”，或对持续代码审查和提示模板审计的需求，都强调了即使有了GPT-5，开发流程仍然复杂且依赖大量人工。

对比观点

Gartner的分析准确地指出了基础设施的差距，但有人可能会争辩说，“根本性进展”并非单一事件，而是渐进式步骤的累积总和。模型能力的每一次提升，无论多么微小，都在渐进地拓宽可能性的边界，并对基础设施发展形成一种倒逼效应。怀疑论有时会忽视云服务提供商、数据中心和专业硬件公司为铺设这些“高速公路”而正在进行的底层且往往是默默无闻的工作。此外，对许多企业而言，即使是目前这些“坑洼不平”的道路，也为它们提供了以前从未有过的效率新途径。挑战并非在于高速公路不存在，而在于其建设是一项庞大且需多年才能完成的工程，且早期阶段的“车辆”已证明其价值足以资助进一步的开发。简单地宣称道路尚未建成，有可能会忽视今天在特定、狭窄用例中正在实现的真实、切实的效益。

前景探讨

未来一到两年，模型能力可能会继续稳步提升，并更加侧重于专业化和成本效益（“纳米”和“迷你”模型的出现正是这一趋势的明显体现）。然而，“真正具备代理能力的人工智能”所面临的最大障碍，仍将牢牢地存在于基础设施领域。我们谈论的是精密的编排层、无缝的实时数据管道、企业级安全框架，以及强大的可解释性和审计追踪能力——这些是使自主操作可行，但却不为人见的幕后基建。

随着企业走出代理AI的“幻灭低谷”，市场或将迎来一轮洗牌，公司将从广泛、雄心勃勃的部署转向范围更窄、高投资回报率的应用，在这些应用中，其收益将明显超过巨大的集成成本。预计在AI治理、监控工具以及针对提示工程和多智能体系统设计的专用工具方面，投资将有所增加。企业AI的未来不仅仅是关于更智能的模型；它更是关于构建复杂、有韧性且深度集成的“高速公路系统”，只有这样，这些强大的引擎才能最终真正兑现其承诺。

---

原文参考: Gartner: GPT-5 is here, but the infrastructure to support true agentic AI isn’t (yet) (VentureBeat AI)

Read English Version (阅读英文版)