智能体时代：开发者眼中的机遇、焦虑与算力瓶颈

从"古法编程"到自然语言开发

在一场AI工作坊的现场，不同背景的开发者分享了他们对智能体（Agent）时代的真实感受。一个被反复提及的转变是：编程的门槛正在以前所未有的速度降低。

有开发者把过去没有AI辅助的开发方式称为"古法编程"——需要花大量时间学习基础编程知识，才能完成一个游戏或互动项目。而现在，"用简单的自然语言就能够比较好地完成"类似的开发任务。现成的AI coding工具和大模型，让研发效率得到了实质性提升。

这种变化最直观的体现，是在工作坊现场。一位有经验的开发者观察到，参与者中既有技术背景的同学，也有完全没有开发经验的人。但在稍作提示后，"他们都能够做出以前专业开发者或者半专业开发者才能做出来的产品"。过去一年Agent的发展，正在让更多普通人把心中的idea快速变成现实。

恐惧正在消解：普通人也能上手

对很多人来说，"Agent""命令行""代码"这些词曾经意味着一道高墙。现场一位开发者直言："大家最恐惧的就是说普通人能不能上手。"

但智能体改变了这种恐惧的基础。"只要能用自然语言去描述的话，Agent都能够帮你办到。"这意味着开发的交互方式从学习特定语法，转向了日常的自然表达。一位开发者分享了具体的应用场景：生活中遇到难处理的数据报表，可以直接用Agent做一个小工具来解决。

从需要专门学习基础编程，到用对话完成开发，这种跨越降低的不只是技术门槛，更是心理门槛。多位分享者都提到同一个建议——勇于尝试（Try it），因为"现在发展速度确实很快，经常上手去试，慢慢就会接触到了"。

智能体（Agent）的核心机制是将大语言模型与工具调用、记忆管理和任务规划能力结合起来，使其能够拆解复杂目标、自主调用外部工具并持续执行多步骤任务，而不仅仅是回答单一问题。用户以自然语言描述需求后，Agent会自行决定调用哪些工具（如代码执行器、文件系统、网络搜索）来完成任务。这与传统编程的本质差异在于：传统开发要求开发者将意图精确翻译成计算机能理解的语法，而Agent将这层翻译工作内化，普通人只需表达"想要什么"而非"怎么做到"。正是这一机制，让没有编程基础的用户也能借助Agent构建出具备实际功能的小工具。

效率提升背后的另一面：更累了

智能体并非只有光鲜的一面。现场也有不少坦诚的"吐槽"，构成了对技术的清醒认知。

"我觉得AI没有让我更轻松，反而让我觉得更累了。"一位开发者这样总结。他的不满集中在几点：模型越来越贵、给的答案不准确、需要反复"敲打"才能得到可用结果。这种"反复调教"的过程，"给人的感觉就是很恼火，特别恼火"。

更深层的原因在于，做复杂项目时，"对模型的能力要求可能更高了，但是对自己的能力也要求更高，学习的也更多"。换句话说，AI承接了基础性工作，却把开发者推向了更高阶的挑战。开发过程中频繁遇到的"反攻"（反复推翻重来）情况，也让多位开发者强调：基础知识仍然需要反复打磨，不能因为有了AI就放弃积累。

不过，持这种观点的开发者也补充道："这是个不断进步的过程。"焦虑与成长往往是一体两面。

真正的稀缺：算力与"人人可开发"

当被问到智能体时代最稀缺的是什么，开发者们给出了两个耐人寻味的答案。

第一个是算力。一位个人开发者指出，"现在各家模型都是百花齐放，都很优秀，每个模型都有不同的特点"，模型本身不再是瓶颈。真正的约束在算力："算力在个人开发者的进程中消耗就会比较大，模型越来越强，算力就会越来越贵。"随着模型能力提升，算力成本可能成为个人开发者的主要负担。

第二个答案更偏向愿景："最缺的是让任何一个普通人都能够像聊天一样来开发一个复杂可用的项目。"这既是对当前体验的期待，也指明了智能体工具发展的方向——不止于能用，而是让复杂项目的开发像聊天一样自然。

现场也提到了软硬件结合的思路，希望借助英特尔的软硬件方案，在开源社区和工业界共同提升效率，把算力这个短板补上。

算力成本高企的根本原因在于大模型的推理阶段（Inference）需要消耗大量GPU资源。模型参数越多、上下文越长，每次推理的计算量就越大，反映到费用上即为按Token计费的API价格上涨。对于需要频繁调用模型的Agent应用而言，一个复杂任务可能触发数十次甚至上百次模型调用，成本会迅速积累。个人开发者通常无法自建GPU集群，只能依赖云端API，因此对定价变化格外敏感。英特尔等芯片厂商试图通过优化CPU/NPU推理效率和提供本地部署方案，降低对高价云端算力的依赖，这也是现场提到软硬件结合思路的技术背景。

给普通人的建议：多交流，勇于尝试

活动的尾声，开发者们对还不了解AI智能体的人给出了一致的建议：多上手、多尝试、多交流。

"如果你对AI智能体还不太了解，可以多去尝试，因为现在发展速度确实很快。"在日常生活和学习中多与AI互动，是跟上这波浪潮最务实的方式。

这场Connection活动和工作坊，让组织者看到了来自不同背景的参与者身上的潜力。智能体时代的意义，或许不在于取代谁，而在于让更多人拥有把想法落地的能力——哪怕伴随着账单、焦虑和反复调试的恼火，这依然是一个值得参与的过程。