作者 | 華衛(wèi)

編輯 | 蔡芳芳

本文為《2025 年度盤點(diǎn)與趨勢洞察》系列內(nèi)容之一，由 InfoQ 技術(shù)編輯組策劃。本系列覆蓋大模型、Agent、具身智能、AI Native 開發(fā)范式、AI 工具鏈與開發(fā)、AI+ 傳統(tǒng)行業(yè)等方向，通過長期跟蹤、與業(yè)內(nèi)專家深度訪談等方式，對重點(diǎn)領(lǐng)域進(jìn)行關(guān)鍵技術(shù)進(jìn)展、核心事件和產(chǎn)業(yè)趨勢的洞察盤點(diǎn)。

本系列力求以體系化視角幫助讀者理解年度技術(shù)演化的底層邏輯、創(chuàng)新方向與落地價值，并為新一年決策提供參考。內(nèi)容將在 InfoQ 媒體矩陣陸續(xù)放出，歡迎大家持續(xù)關(guān)注。

“打開方式不對，還是功能被夸大了？”從 3 月份“現(xiàn)象級”Agent 產(chǎn)品 Manus 刷屏，到如今各類 AI Agent 產(chǎn)品扎堆涌現(xiàn)，Agent 在過去這半年多一直頭頂“光環(huán)”。如今熱潮尚未退去，但 Agent 開始頻頻被吐槽。

在各大論壇，關(guān)于 Agent 實(shí)際應(yīng)用能力的討論越來越多。不少長期關(guān)注該賽道的從業(yè)者及嘗鮮用戶反饋，廠商們和評測方把功能描述得非常強(qiáng)大，并放出了各種效果驚艷的演示案例。但普通用戶上手時卻如同“開盲盒”，嘗試多次都很難成功且很多效果無法復(fù)現(xiàn)，能實(shí)現(xiàn)的多為基礎(chǔ)操作，邏輯稍復(fù)雜就會跑崩。

一種聲音是：“太簡單了就失去使用 Agent 的價值了，還不如用工具實(shí)現(xiàn)?！?/p>

與此同時，Agent 類產(chǎn)品企業(yè)的市場表現(xiàn)似乎正在印證這些爭議。曾引爆行業(yè)的 Manus 不僅國內(nèi)業(yè)務(wù)大規(guī)模裁員，用戶訪問量也呈逐月回落態(tài)勢，同類產(chǎn)品 Genspark 的用戶市場亦面臨相似處境。有行業(yè)觀察者甚至直言，通用 Agent 能完成的場景，價值都很低，沒人愿意付費(fèi)。

11 月 5 日，麥肯錫旗下的 QuantumBlack 團(tuán)隊發(fā)布了《2025 年 AI 應(yīng)用現(xiàn)狀》報告，基于對 來自 105 個國家的 1993 名企業(yè)從業(yè)者的調(diào)查，揭開了 Agent 在全球范圍內(nèi)的微妙現(xiàn)狀。報告指出，62% 的公司至少在嘗試使用 Agent。然而，在任何一個特定業(yè)務(wù)職能中，聲稱其組織在規(guī)模化應(yīng)用 Agent 的受訪者比例都不超過 10%。有 23% 的受訪者表示其公司在某些場景部署了 Agent，但這種應(yīng)用通常僅限于一兩個職能部門。

問題到底出在哪里？

“核心在于場景選擇與 Agent 能力的錯配，而非技術(shù)本身的性能瓶頸?！北本髑蹇萍加邢薰炯夹g(shù)合伙人王傳陽向我們表示，Agent 在標(biāo)準(zhǔn)化通用場景中具備較強(qiáng)的復(fù)雜邏輯處理能力，如跨平臺會議統(tǒng)籌、多維度信息整合等場景，其自主規(guī)劃與工具調(diào)用能力可充分發(fā)揮，效率優(yōu)于傳統(tǒng)工具，但多數(shù)產(chǎn)品陷入場景選擇誤區(qū)。

一是強(qiáng)行讓通用 Agent 承接垂域簡單場景，這類場景雖步驟簡潔卻隱含專業(yè)壁壘，例如化工原料配比涉及行業(yè)專屬安全規(guī)范，Agent 易因知識缺失導(dǎo)致邏輯斷裂；二是聚焦通用低價值場景，如單純信息檢索、日程提醒等，此類場景傳統(tǒng)工具即可滿足，Agent 的核心價值無從體現(xiàn)，自然無法形成付費(fèi)閉環(huán)。

還存在一類情況是，部分用戶本就是來嘗鮮、看熱鬧的，并沒有實(shí)際需求。在實(shí)在智能董事長、創(chuàng)始人、CEO 孫林君看來，“哪怕是之前 GPT 發(fā)展時，也經(jīng)歷過‘用戶量先暴漲、再逐步回落’的過程。真正的用戶需求和有價值的場景，會在這個過程中沉淀下來?！?/p>

作為今年 AI 行業(yè)內(nèi)最受關(guān)注似乎也是落地最多的一個應(yīng)用領(lǐng)域，“場景錯配，還是能力不實(shí)？”的相關(guān)疑問持續(xù)發(fā)酵。而通用與垂直的路線抉擇，更是貫穿整個 AI Agent 賽道迭代、繞不開的核心命題。

為此，我們邀請了多家熱門 Agent 產(chǎn)品企業(yè)的創(chuàng)始人以及技術(shù)負(fù)責(zé)人，探討了通用與垂直兩個賽道的生存現(xiàn)狀、發(fā)展瓶頸，以及國內(nèi)外 Agent 行業(yè)亂象背后的技術(shù)短板與市場邏輯。

通用 VS 垂直，誰更“難”？

在多重困境中，通用 Agent 似乎遭受到更多質(zhì)疑。更值得注意的是，近期業(yè)內(nèi)還普遍反映其存在成本高、落地難等現(xiàn)實(shí)痛點(diǎn)。

對此，王傳陽的看法仍是，根本原因在于行業(yè)對通用 Agent 的能力認(rèn)知錯位與場景定位偏差，導(dǎo)致投入與產(chǎn)出嚴(yán)重失衡。

他舉例稱，部分企業(yè)盲目信奉 “通用 Agent 萬能論”，將其直接應(yīng)用于垂域核心業(yè)務(wù)。例如，讓通用 Agent 主導(dǎo)信貸審批，但這需投入巨額算力進(jìn)行模型微調(diào)，同時安排人工實(shí)時修正誤判，成本遠(yuǎn)超預(yù)期。并且，通用 Agent 為覆蓋多場景采用的冗余架構(gòu)，又推高了單用戶服務(wù)成本。

孫林君也觀察到一種現(xiàn)象是，有些人會用開源框架或某類工具，去嘗試完成一些極其復(fù)雜、大幅超越現(xiàn)有基模能力的任務(wù)，導(dǎo)致效果不佳。在他看來，“這要么是高估了自身能力，要么是高估了 AI 的潛力?！?/p>

“價值定位模糊進(jìn)一步加劇了落地困境?！蓖鮽麝栔赋?，當(dāng)前多數(shù)通用 Agent 聚焦低價值通用場景，此類場景要么存在成熟替代工具，要么用戶不愿為輕微效率提升付費(fèi)；而高價值通用場景的挖掘與適配不足，導(dǎo)致產(chǎn)品陷入 “能落地的不盈利，盈利的難落地” 的僵局。

孫林君則站在企業(yè)側(cè)的角度提出，Agent 必須滿足三個關(guān)鍵特點(diǎn)才能真正落地使用。首先是可控性，企業(yè)內(nèi)部工作流程嚴(yán)謹(jǐn)，Agent 需要遵循既定工作流，多次運(yùn)行仍能輸出一致結(jié)果，不僅成功率要高，在不同電腦環(huán)境下也得保持穩(wěn)定運(yùn)行；其次是高效性，它應(yīng)盡量減少對接口的依賴，可以借助 RPA 能力便捷地搭建出來；再加上穩(wěn)定性，這三點(diǎn)是企業(yè)選擇 Agent 的核心考量。

另外，他表示，整個行業(yè)需要時間來達(dá)到高成熟度，這是現(xiàn)實(shí)情況。任何工具都有利有弊，對于 Agent，更應(yīng)多關(guān)注積極的一面，充分發(fā)揮它在現(xiàn)實(shí)場景中的實(shí)用價值，而不是一味盯著當(dāng)前的不足。如今 Agent 已經(jīng)在很多實(shí)際場景中落地，并且在不少崗位創(chuàng)造了價值。比如，在不熟悉的領(lǐng)域，不少人會選擇付費(fèi)開通會員，借助 Agent 完成自己想做的事，這也構(gòu)成了它的一種商業(yè)模式。

“不管是通用 Agent 還是垂直 Agent，受限于基礎(chǔ)大模型的發(fā)展水平、技術(shù)成熟度，以及解決方案與實(shí)際需求的匹配度等因素，現(xiàn)階段確實(shí)存在一些明顯缺點(diǎn)，也很容易被大家感知到，但這并不會成為阻礙行業(yè)發(fā)展的根本原因?！?/p>

王傳陽進(jìn)一步指出，事實(shí)上，當(dāng)前 Agent 的核心挑戰(zhàn)在于對垂直領(lǐng)域深層業(yè)務(wù)邏輯的精準(zhǔn)把控能力不足。垂直領(lǐng)域普遍存在知識壁壘高、業(yè)務(wù)邏輯動態(tài)閉環(huán)且容錯成本極低的特性，如工業(yè)設(shè)備運(yùn)維需精準(zhǔn)匹配設(shè)備參數(shù)與運(yùn)行場景、金融風(fēng)控需聯(lián)動多維度動態(tài)數(shù)據(jù)，這些隱性規(guī)則與復(fù)雜關(guān)聯(lián)難以通過通用語料覆蓋。

“從技術(shù)迭代規(guī)律來看，該挑戰(zhàn)今年內(nèi)無望解決?！?/strong>一方面，垂域高質(zhì)量數(shù)據(jù)多呈現(xiàn)孤島化與隱私化特征，難以形成規(guī)?；?xùn)練數(shù)據(jù)集；另一方面，通用模型與垂域知識的適配需技術(shù)團(tuán)隊與行業(yè)專家長期協(xié)同調(diào)優(yōu)，僅知識圖譜構(gòu)建與規(guī)則映射就需數(shù)月至數(shù)年周期，短期無法實(shí)現(xiàn)突破。

孫林君同樣提及了數(shù)據(jù)層面，稱“往未來看，數(shù)據(jù)將逐漸成為新的行業(yè)瓶頸”。原因在于，現(xiàn)有公開數(shù)據(jù)大概率已被各類大模型獲取并用于訓(xùn)練了，而完全由人類原創(chuàng)的新數(shù)據(jù)會越來越少。在眾多垂直領(lǐng)域中那些行業(yè)外無法獲取的專屬數(shù)據(jù)，會變得愈發(fā)稀缺。也正因此，垂直大模型相較于通用基模在針對性微調(diào)方面能取得更優(yōu)的效果。

“現(xiàn)階段，無論是企業(yè)還是具備專業(yè)職能的個人，應(yīng)用這類基于垂直大模型的 Agent，往往能看到更理想的使用效果。接下來，基于通用基模開發(fā)垂直大模型的應(yīng)用也會逐步凸顯出來?！?/p>

同時，孫林君指出，Agent 的成本會逐步降低?！靶酒阅茉诔掷m(xù)升級，模型優(yōu)化技術(shù)也在不斷進(jìn)步?，F(xiàn)在部分 7B 級別的模型，已經(jīng)能實(shí)現(xiàn)原來 ChatGPT 那樣的效果。按照這個發(fā)展規(guī)律，未來隨著算力的升級和模型訓(xùn)練方法的革新，我們完全可以用更小體量的模型，打造出效果更優(yōu)的 Agent 或大模型產(chǎn)品。甚至這些小模型在終端設(shè)備上的表現(xiàn)已經(jīng)非常出色，達(dá)到了實(shí)用化水平，這都是可預(yù)見的趨勢?！?/p>

對此，王傳陽則持不同觀點(diǎn)，他認(rèn)為，短期內(nèi)（3-5 年）通用 Agent 的成本與性能難以實(shí)現(xiàn)突發(fā)性突破。性能方面，LLM 受限于高質(zhì)量數(shù)據(jù)稀缺與算力投入性價比下降，OpenAI、Anthropic 等企業(yè)的新一代模型改進(jìn)幅度已趨于平緩。成本方面，通用 Agent 的全場景適配架構(gòu)存在天然冗余，即便優(yōu)化算力分配，單用戶服務(wù)成本也難以低于聚焦單一領(lǐng)域的垂直 Agent。

角逐大半年，誰更“強(qiáng)大”？

在近期的一場 AI 創(chuàng)造者嘉年華上，RockFlow 創(chuàng)始人賴蘊(yùn)琦給出了不一樣的視角：“通用 Agent 和垂直 Agent 不太有真正的區(qū)別。核心是‘為用戶解決什么問題’，只要能解決問題，就是很有價值的產(chǎn)品?！?/p>

那么，這兩類產(chǎn)品誰更強(qiáng)呢？當(dāng)前有一個現(xiàn)象是：在跨行業(yè)場景中，通用 Agent 的任務(wù)完成度和完成深度面臨越來越多的實(shí)踐爭議與拷問。

孫林君認(rèn)為，現(xiàn)階段通用 Agent 能完成的場景，在任務(wù)深度上其實(shí)取決于基模能力。就像之前基礎(chǔ)大模型做高考數(shù)學(xué)題的表現(xiàn)并不理想，但僅僅過了半年，現(xiàn)在的基礎(chǔ)大模型做高考數(shù)學(xué)題達(dá)到 140 分以上的成績已沒什么問題，能秒殺 99% 的考生。從這一點(diǎn)足以看出，只要有可迭代的框架，通用 Agent 每隔幾個月就會快速升級，而它所需要的足量數(shù)據(jù)與行業(yè)經(jīng)驗(yàn)，本質(zhì)上都源于人的實(shí)踐積累，不是解決不了的問題。“在可見的短時間內(nèi)，我們必然會看到更多有深度、能力超過普通人水平的 Agent 出現(xiàn)，事實(shí)上現(xiàn)在已經(jīng)有不少了?！?/p>

“而且，垂直 Agent 就一定比通用 Agent 的能力更強(qiáng)大嗎？這倒也不一定?！?/p>

他舉例道，不是說把某一件事干好，公司就會變好。實(shí)際上，只有多個崗位之間實(shí)現(xiàn)無縫協(xié)同、高效配合，才能讓整個公司運(yùn)轉(zhuǎn)得更好。從屬性上來說，Agent 平臺的核心是為用戶提供搭建 Agent 的能力。只要這個平臺的搭建能力足夠強(qiáng)大、足夠靈活，再加上沉淀了豐富的行業(yè)模板或現(xiàn)成的 Agent 資源，就能形成一個完整的生態(tài)，而這個生態(tài)必然不會局限于某個垂直行業(yè)。

另外，孫林君指出，如果將解決某個特定領(lǐng)域問題的 Agent 定義為垂直 Agent，比如專注于營銷、客服、運(yùn)營或數(shù)據(jù)處理的 Agent，通用 Agent 對企業(yè)來說其實(shí)更具價值。他以一個現(xiàn)實(shí)問題舉例解釋道，“一家企業(yè)想要搭建各類 Agent 且希望這些 Agent 能夠協(xié)同工作，有必要去購買十套不同的垂直 Agent 平臺嗎？從這個角度來看，對任何企業(yè)而言，都沒必要耗費(fèi)成本去搭建十套各自獨(dú)立的垂直 Agent 平臺?！?/p>

因此，他認(rèn)為，面向企業(yè)或個人的通用 Agent，會是未來的核心發(fā)展趨勢。至于垂直 Agent，它確實(shí)有其階段性的優(yōu)勢，目前能看到的表層情況是，它在特定領(lǐng)域可能顯得更深入一些。但隨著每一輪技術(shù)迭代，Agent 的底層能力會持續(xù)增強(qiáng)，通用 Agent 的通用性也會不斷提升，屆時垂直 Agent 的發(fā)展空間將會被一步步壓縮。

王傳陽則從技術(shù)層面談到，通用 Agent 并非必然犧牲深度，通過模塊化架構(gòu)設(shè)計可實(shí)現(xiàn)跨行業(yè)適配與領(lǐng)域深度的平衡。核心思路是構(gòu)建 “通用基礎(chǔ)層 + 領(lǐng)域知識層 + 場景適配層” 的三級架構(gòu)：通用基礎(chǔ)層基于大參數(shù)模型保障跨行業(yè)的自然語言理解、工具調(diào)用等基礎(chǔ)能力；領(lǐng)域知識層通過檢索增強(qiáng)生成（RAG）技術(shù)嵌入垂域知識插件，如金融領(lǐng)域加載風(fēng)控規(guī)則圖譜，能源領(lǐng)域接入設(shè)備運(yùn)維知識庫。場景適配層則通過強(qiáng)化學(xué)習(xí)對具體行業(yè)場景的反饋數(shù)據(jù)進(jìn)行微調(diào)，優(yōu)化決策精度。

例如，企業(yè)跨行業(yè)合同生成場景，通用基礎(chǔ)層保障合同框架的規(guī)范性，接入不同行業(yè)插件后可匹配金融、制造等領(lǐng)域的專屬條款，再通過場景微調(diào)適配企業(yè)個性化需求，無需重構(gòu)模型即可實(shí)現(xiàn) “廣度覆蓋 + 深度適配”。

“博弈”在升級，

終局不會是二選一

自兩條路線分化以來，關(guān)于賽道終局的選擇爭議便從未停歇。這幾個月，行業(yè)內(nèi)流傳著這樣一種觀點(diǎn)：“通用 Agent 是未來，垂直 Agent 只是過渡產(chǎn)品”。

而在孫林君看來，最終行業(yè)不會走向非此即彼的極端，反而會形成一種動態(tài)平衡。具體來說，如果需要深度解決某個特定領(lǐng)域的問題，垂直 Agent 無疑更具優(yōu)勢；但如果是應(yīng)對 80% 的常規(guī)通用需求，通用 Agent 就完全足夠覆蓋。其實(shí)兩者存在一定程度的互補(bǔ)性，想讓其中一方完全取代另一方，并不是一件容易的事。

王傳陽的觀點(diǎn)也類似。他認(rèn)為，未來行業(yè)演進(jìn)的主流邏輯是 “協(xié)同發(fā)展”：通用 Agent 承擔(dān)跨場景協(xié)同、通用任務(wù)處理等基礎(chǔ)工作，垂直 Agent 深耕領(lǐng)域深度決策，兩者形成互補(bǔ)而非替代關(guān)系。

大模型發(fā)展增速放緩，通用 Agent 短期內(nèi)無法突破垂域知識壁壘，而垂直 Agent 的場景適配性具備長期不可替代性。當(dāng)前 LLM 的性能提升已顯現(xiàn)邊際效益遞減，數(shù)據(jù)稀缺與算力成本飆升成為主要瓶頸，Epoch AI 預(yù)測 2028 年前可用文本數(shù)據(jù)將耗盡，未來 5 年內(nèi)通用模型難以覆蓋垂域的隱性知識與剛性規(guī)則。從場景需求來看，垂直領(lǐng)域?qū)?“高精度、高合規(guī)性” 的要求決定了垂直 Agent 的長期價值。例如，醫(yī)療診斷 Agent 需匹配臨床指南與患者病史，工業(yè)控制 Agent 需嚴(yán)格遵循工藝參數(shù)，這些需求無法通過通用 Agent 的 “概率性輸出” 滿足。

“即便未來實(shí)現(xiàn)技術(shù)突破，通用 Agent 也無法顛覆垂直 Agent 市場?！蓖鮽麝柋硎?，垂直 Agent 的核心競爭力不僅在于技術(shù)能力，更在于深度綁定的行業(yè)資源與場景壁壘。

然而，孫林君也直言稱，“從領(lǐng)域來看，我們更看好那些垂直屬性強(qiáng)、發(fā)展空間廣闊且行業(yè)縱深深的賽道。那些領(lǐng)域覆蓋較淺、沒有自身獨(dú)特行業(yè)數(shù)據(jù)支撐的 Agent，會慢慢被通用 Agent 蠶食掉。”

關(guān)于數(shù)據(jù)對 Agent 能力的重要性，知名市場研究機(jī)構(gòu) CB Insights 在最新發(fā)布的報告中亦重點(diǎn)提到，Agent 只有數(shù)據(jù)好，它才能真正發(fā)揮作用。在報告前言里，CB Insights 首席執(zhí)行官 Manlio Carrelli 還反復(fù)強(qiáng)調(diào)，真正的競爭優(yōu)勢不在 AI 本身，而在于能不能把準(zhǔn)確、全面的數(shù)據(jù)用起來，以及搭建讓 Agent 真正有用的編排層。

值得關(guān)注的是，另一場 Agent 領(lǐng)域的關(guān)鍵爭奪戰(zhàn)也開始燃起：科技巨頭們正在搶 Agent 通信標(biāo)準(zhǔn)的主導(dǎo)權(quán)。

Anthropic 的模型上下文協(xié)議（MCP）、谷歌的 A2A 協(xié)議、IBM 的 Agent 通信協(xié)議，都在一年內(nèi)推出。今年 9 月，Stripe 發(fā)布用于智能體支付的 API，并與 OpenAI 共同推出了智能體商務(wù)協(xié)議（Agentic Commerce Protocol），將通過提供 Agent 與買家、企業(yè)之間的標(biāo)準(zhǔn)化通信框架，使其能夠完成自主購買任務(wù)。

基模崛起，

淘汰賽悄然打響

Agent 賽道的“內(nèi)爭”還在繼續(xù)，日漸強(qiáng)大的基礎(chǔ)模型所帶來的沖擊卻又似“外患”般接踵而至。

去年，“模型即應(yīng)用”的口號就喊了出來。前幾天，月之暗面推出并開源旗艦級開源思維模型 Kimi K2 Thinking，以思維 Agent 為核心架構(gòu)，主打“模型即 Agent”的理念。

模型越來越強(qiáng)，Agent 會不會被吃掉？這一擔(dān)憂，與 Macaron 創(chuàng)始人陳鍇杰在 AI 創(chuàng)造者嘉年華上提出的觀點(diǎn)不謀而合。

“大家在討論通用與垂直時，都在逃避競爭?！标愬|杰談到，講垂直是為了表明各自領(lǐng)域不“打架”，都能實(shí)現(xiàn)融資和發(fā)展。他進(jìn)一步指出，在海外做通用 Agent，是明牌正剛 ChatGPT。在他看來，假設(shè)很多場景里面要解決的問題跟 ChatGPT 差不多，不同的解決方案或者更好的解決方法可能才是問題的本質(zhì)。

孫林君則向我們舉出了 AIGC 生成領(lǐng)域的現(xiàn)實(shí)案例：之前很多專注于某一細(xì)分領(lǐng)域像圖片處理的小型創(chuàng)業(yè)公司，現(xiàn)在不少已經(jīng)不復(fù)存在了。他表示，核心原因就是通用大模型的能力每迭代. 一次，都會讓這些公司掌握的技術(shù)被沖擊掉。

但如果某個垂直領(lǐng)域的能力是建立在通用大模型缺乏足夠數(shù)據(jù)深度的基礎(chǔ)上，通用大模型想替代它就比較難。比如，醫(yī)療領(lǐng)域?qū)夹g(shù)精度和數(shù)據(jù)專業(yè)性的要求極高，且很多醫(yī)療相關(guān)的行業(yè)數(shù)據(jù)具有獨(dú)特性，外部無法獲取。在這類領(lǐng)域中，垂直應(yīng)用或垂直 Agent 的使用效果要優(yōu)于基于通用基模開發(fā)的 Agent，自然能擁有穩(wěn)定的生存空間。反過來，若某個垂直 Agent 只是單純依托通用基模的原生能力，那它的未來就不好說了。

再比如，實(shí)在智能團(tuán)隊做面向企業(yè)的通用 Agent 時，接觸過很多客戶內(nèi)部獨(dú)有的軟件，不管是 GPT-4、GPT-4.5 還是 GPT-5 都沒有接觸過這類專屬系統(tǒng)。這些通用大模型在對這類軟件進(jìn)行操作、識別和控制時，往往會出現(xiàn)“幻覺”，進(jìn)而導(dǎo)致操作的不確定性和高失敗率?！岸?TARS 大模型是基于特定行業(yè)的專屬數(shù)據(jù)訓(xùn)練出垂直大模型，再面向企業(yè)級 Agent 時就能對企業(yè)內(nèi)部信息化系統(tǒng)實(shí)現(xiàn)更完備、精準(zhǔn)的操作，相較于通用基模就能體現(xiàn)出差異化能力?！?/p>

“不過，哪怕是通用 Agent，如果完全依靠基模能力，即便結(jié)合工具把產(chǎn)品設(shè)計得還不錯，但底層能力要是沒法超過基礎(chǔ)大模型本身，那它的發(fā)展其實(shí)是高風(fēng)險的，很難保持穩(wěn)定?！?/p>

對此，F(xiàn)lowith 聯(lián)合創(chuàng)始人拐子結(jié)合 Flowith 的新 Agent 產(chǎn)品分享了另一種看法。他認(rèn)為，未來模型有可能變成用戶眼中的 Agent。但對用戶而言，這并不重要。用戶真正關(guān)心的，只是能否幫自己解決問題?，F(xiàn)在大家之所以關(guān)注 Agent，核心是它比傳統(tǒng)大語言模型更進(jìn)了一步，不再只提供單純的輸出，而是能交付到手即可用的結(jié)果。

從市場端角度考慮，Agent 的市場規(guī)模非常龐大。全世界范圍內(nèi)，無論是知識工作者、媒體從業(yè)者，還是日常使用手機(jī)、電腦的普通用戶，都是 Agent 的潛在用戶，他們需要通過這類工具變現(xiàn)、創(chuàng)造價值。因此，在模型面前，通用 Agent 有可能受到威脅，但絕非偽命題。即便模型未來去做類似事情，大概率也會采用類似 Agent 的運(yùn)作方式。

“Agent 所需的調(diào)用能力、記憶功能，在當(dāng)前的模型訓(xùn)練架構(gòu)下是做不到的。”

泡沫之下，

能賺錢的真不少

正如麥肯錫高級合伙人 Michael Chui 所言，“Agent 確實(shí)很火，但真正做好很難?！?/p>

CB Insights 在最近發(fā)布的《AI Agent Bible》中，梳理了當(dāng)前 AI Agent 生態(tài)的增長脈絡(luò)。2024 年，Agent 初創(chuàng)公司一共拿到了 38 億美元融資，幾乎是 2023 年的三倍。2025 年，在 CB Insights 追蹤的 1500 多個科技細(xì)分市場里，交易最活躍的前十個市場中有五個直接和 Agent 相關(guān)。

在 2025 年收入最高的 20 家 Agent 初創(chuàng)公司里，有一半 3 年前都不存在，幾乎“從零起步”卻迅速闖進(jìn)營收榜前列，包括 2022 年成立、年經(jīng)常性收入 5 億美元的 Cursor，以及 2023 年成立、收入均達(dá) 1 億美元的 Lovable 和 Mercor 等。收入排名前 10 的企業(yè)中，有 6 家專注編程類 Agent，且員工人均收入達(dá) 140 萬美元。

但與此同時，倒下的 Agent 項目也不少，其中還不乏明星企業(yè)。前不久，做法律 AI Agent 產(chǎn)品的英國 AI 初創(chuàng)公司 Robin AI 因新一輪融資失敗，被掛上了破產(chǎn)網(wǎng)站。就在一月份，Robin AI 還入選了《星期日泰晤士報》推出的英國科技公司 Top 10 榜單。今年上半年，國內(nèi)企業(yè)級 AI Agent 公司瀾碼科技被證實(shí)陷入經(jīng)營危機(jī)，員工大規(guī)模離職，僅剩 20 余人維持客戶支持。

Chui 一針見血地指出，“很多人看到的是炒作，我們看到的是大量還在探索階段的公司?！?/p>

根據(jù)麥肯錫發(fā)布的《2025 年 AI 應(yīng)用現(xiàn)狀》報告，目前，Agent 最常出現(xiàn)的領(lǐng)域是 IT（如自動服務(wù)臺）、知識管理（如深度研究、資料匯總）、軟件工程、服務(wù)運(yùn)營等。而發(fā)展較為前沿的行業(yè)是科技、媒體電信、醫(yī)療保健，這些行業(yè) Agent 落地的比例明顯更高。

把視線拉長到未來 3 年，王傳陽給出這樣的預(yù)測：“金融、電信、能源三大領(lǐng)域的 Agent 有望實(shí)現(xiàn)爆發(fā)式增長，核心源于這些領(lǐng)域具備數(shù)據(jù)基礎(chǔ)扎實(shí)、場景需求明確、商業(yè)價值顯性的獨(dú)特優(yōu)勢。”

短短兩年間，Agent 已從前沿技術(shù)概念躍升為企業(yè) AI 布局中的優(yōu)先事項。甚至去年，業(yè)內(nèi)人人都在說，2025 年是 Agent 的落地元年。現(xiàn)在年關(guān)將近，Agent 看似無處不在。但從落地實(shí)況來看，還遠(yuǎn)遠(yuǎn)不足以支持千行百業(yè)的需求。

在 10 月的一檔播客中，OpenAI 創(chuàng)始成員之一、前特斯拉 AI 主管 Andrej Karpath 就此給出了更為審慎的視角。他直言不諱地指出，行業(yè)內(nèi)存在一些過于樂觀的預(yù)測。在他看來，更準(zhǔn)確的描述應(yīng)當(dāng)是：我們正處于“Agent 的十年”。十年內(nèi)，它們將能夠真正完成“工作”。

“有點(diǎn)泡沫并不是壞事”，有人這樣說道。

無可否認(rèn)的是，這一年，Agent 成功從技術(shù)概念走上了產(chǎn)業(yè)應(yīng)用的舞臺，并且賺到錢了。而接下來，還有眾多有增長潛力的領(lǐng)域產(chǎn)品正蓄勢待發(fā)。

加入InfoQ年度盤點(diǎn)讀者群，第一時間獲取盤點(diǎn)文章更新

AI 重塑組織的浪潮已至，Agentic 企業(yè)時代正式開啟！當(dāng) AI 不再是單純的輔助工具，而是深度融入業(yè)務(wù)核心、驅(qū)動組織形態(tài)與運(yùn)作邏輯全面革新的核心力量。

把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，12 月 19 日 - 20 日，AICon 全球人工智能開發(fā)與應(yīng)用大會（北京站） 即將重磅啟幕！本屆大會精準(zhǔn)錨定行業(yè)前沿，聚焦大模型訓(xùn)練與推理、AI Agent、研發(fā)新范式與組織革新，邀您共同深入探討：如何構(gòu)建起可信賴、可規(guī)?；?、可商業(yè)化的 Agentic 操作系統(tǒng)，讓 AI 真正成為企業(yè)降本增效、突破增長天花板的核心引擎。