AI 摘要
- 2025至2029年將是自主式代理AI應用落地的高峰期。
- 自主式代理AI將帶動Token消耗量快速增長並成為最大用量應用。
- 企業與消費端的商業模式將轉變為以AI Agent為中心運作。
根據科技產業研究機構 DIGITIMES 的觀察分析，2025 年至 2029 年將成為自主式代理 AI（Agentic AI）應用落地的高峰期。隨著人工智慧架構演進，AI 技術路徑正從早期的分類 AI（Classification AI）與生成式 AI（Generative AI），逐步邁向具備自主決策能力的代理 AI 與實體 AI（Physical AI），運算核心也從單純的特徵辨識與內容生成，轉移至高階的目標拆解、多步驟規畫與即時環境控制。
從生成式邁向自主代理：AI 技術演進脈絡
回顧 AI 運算型態的演變，不同世代具備顯著的運算特性差異：
- 分類 AI：運算特性在於針對大量數據進行特徵萃取、分析並迅速完成分類。
- 生成式 AI：以使用者提供的提示詞（Prompt）為驅動核心，產出符合需求的文本、影像或代碼等內容。
- 代理 AI（Agentic AI）：將使用者交付的最終目標進行多維度「目標拆解」，是自主代理運算中最關鍵的環節。
- 實體 AI：結合軟硬體感測現實物理環境，並進行即時決策與實體控制。
在此架構下，AI Agent 與 Agentic AI 各司其職。AI Agent 專注於執行特定的單一任務工作；而 Agentic AI 則扮演更高層級的協調者，強調負責拆解使用者的複雜目標，並分配不同任務予專門的代理模組協同完成。
大型語言模型技術轉向：上下文與框架工程成核心
伴隨自主式架構興起，大型語言模型（LLM）的技術最佳化方向，已從初期的提示詞工程（Prompt Engineering）逐步過渡至上下文工程（Context Engineering）與框架工程（Framework Engineering）。提示詞工程主要在引導模型輸出高品質回覆，而新的架構則讓 LLM 具備主動代理運作能力：
| 技術環節 | 在 Agentic AI 流程中的核心角色 |
|---|---|
| 上下文工程 | 主責系統的資訊理解、動態上下文窗口（Context Window）最佳化以及跨任務記憶管理。 |
| 框架工程 | 使模型達成自主目標分解、跨系統安全執行、工具呼叫及運算結果的自我驗證。 |
透過上下文工程與框架工程的結合，LLM 成功從過去接收指令才產生回覆的「被動角色」，提升為具備連續規畫與自我修正能力的「主動代理」。
重塑商業模式：推動 A2A 協同與 Token 用量暴增
隨著自主代理深度介入各類工作流程，Agentic AI 在執行複雜任務時需進行密集的內部推理、工具呼叫與步驟回饋，預期將成為 Token 用量最大的應用類別，帶動整體算力與 API 呼叫需求的快速增長。
在長期商業模式方面，產業運作正轉向以 Agent 為中心：
- 企業端（2B）應用：供應鏈調度、採購決策與庫存平衡等端到端流程，將逐步交由多個 AI Agent 自主協同（Agent-to-Agent, A2A）完成。
- 消費端（2C）應用：AI 介入將更強調主動性與深度個人化，主動預判並協助使用者處理日常複雜交易與服務流程。
這種轉型標誌著 AI 應用將不再只是人類輔助工具，而是實質參與日常營運與商業決策的核心執行單元。
Reference Link : digitimes.com.tw
