AI Agent酣戰：羣雄逐鹿，鹿死誰手？
導語：2025，關於AI Agent的諸多幻象和預言紛至沓來，如何撥開重重迷霧得以一窺真相？
科幻電影《太空漫遊》片頭，一羣剛學會直立行走的人猿撿起了一根獸骨，偶然揮舞了一下手裡的棒棒，發現它居然是一件趁手的工具。於是，腦容量尚且不大的原始人類被喚醒了工具意識，靠着工具勞動和狩獵，逐步站上了食物鏈頂端。
而這靈光一閃的偶然時刻，正是人類進化史上的一個關鍵節點，那根工具棒棒無疑是開啓了人類進化新徵程的魔法棒，某種意義上足以撬動地球未來，堪稱AI Agent的祖母級版本。2003年，美國宇航局將兩輛火星車勇氣號和機遇號降落在火星上，它們在沒有人類干預的情況下在火星表面航行。
如果從遙遠的光年之外俯瞰2025年，可能發現人類又來到了一個進化的關鍵節點，而AI Agent彷彿正是那根趁手的"獸骨"。AI Agent代表着一個瘋狂的未來，充滿了無限的可能性和想象力。Meta CEO扎克伯格預言，"未來的AI智能體可能比人類還多，人類將生活在一個有數億、甚至數十億AI智能體的世界中。"
2025年有望成爲AI Agent商業爆發元年，預測AI Agent的應用市場將達到數百億美元規模。中信證券發佈研報稱，AI產業的下一個大階段拉開序幕，從而帶動AI算力產業鏈從訓練端軍備競賽主導進階到推理端應用、商業循環主導的新週期，AI Agent的崛起正重塑AI產業鏈。
商業元年開啓，AI智能體落地B端
過去幾年，當大家都沉迷於ChatGPT的魔力時，OpenAI卻推出可執行復雜任務的AI Agent，其將具備博士級別的助手功能。
傳說中的AI Agent是何方神聖？OpenAI將"AI Agent"定義爲以LLM爲大腦驅動，具有自主理解、感知、規劃、記憶和使用工具的能力，能自動化執行復雜任務的系統。
如果說，LLM就像一個"超級大腦"，而AI Agent（智能體）不僅有聰明的"大腦"，還有靈活的"手腳"，能像人一樣行動，必要的時候還會使用"工具"。它能夠讓大模型從"Chat（對話）"走向真正的"Act（操作）"。
這種神奇的AI系統，可被稱爲Auto-Pilot主駕駛，即AI Agent。它代表的是一種未來真正的人機交互方式，AI的角色有了質的蛻變，從被使用的工具躍升爲使用工具的主體。
而這種質的演變，將引發人類生產關係如海嘯般的深刻變革，人與大量AI實體之間的協同工作模式將變成司空見慣的場景。
在企業應用場景裡，許多耗時任務都交給AI Agent——比如，充當"知識過濾器"：快速提煉關鍵信息，無需自己手動篩選海量數據；"生產力加速器"：協助用戶安排日程、管理任務，讓人類專注於更重要的工作；"客服神助攻"：幫助企業更快地處理客戶諮詢、解決問題，大幅提升團隊的響應速度。
人類如金蟬脫殼般抽身，具體業務活都被委派給AI來幹，自己只需聚焦於企業戰略，關鍵這樣做的效果是——企業運營成效還大幅倍增，好不快哉！
據悉，財富500強公司中近70%的員工，已經使用Microsoft365 Copilot中的Agents來處理大量重複性的日常工作。Gartner預測，到2028年，至少有15%的日常工作決策將由Agentic AI自主完成。德勤AI研究院稱，AI智能體將改變基礎業務模式，實現新的工作、運營和價值交付方式。
AI Agent的使命，是幫助企業構建"人機協同"的智能化運營新常態。在滿足企業智能化需求、打通業務場景的過程中，AI Agent正在承接日益複雜的提質增效需求，並強化內外部協同效能，釋放組織核心生產力，對抗組織熵增帶來的挑戰。可以說，AI Agent正是爲企業級應用而生，有望在B端落地，逐步釋放AI的核心價值。
作爲連接用戶和服務的"橋樑"，AI Agent將持續進化爲通往AGI（通用人工智能）的重要入口。OpenAI描繪了AGI路線圖，並指出自己目前處於第一層，接近達到第二層；而第三層纔是AI Agent。在"AI腹地"硅谷，據統計至少有100個正經項目在將Agent商業化，近10萬名開發者正在構建Agent，幾乎每週都有新的Agent公司誕生，可謂創業盛況空前。
AI Agent如此爆火，這樣一個頗具想象空間的市場藍海有多大？
據Research and Market預估，AI智能體的市場規模將從2024年的51億美元增長到2030年的471億美元，年均複合增長率爲44.8%。如此大的一塊誘人蛋糕，讓全球大模型創業公司、互聯網大廠、軟件應用商、硬件廠商都趨之若鶩，試圖吃到新的入口紅利。
微軟在巨頭陣營裡的首領氣質，尤其體現在對企業AI智能體部署的戰略押賭中，大手筆佈局，搶佔了早期領先地位。深諳企業應用爲王之道，恰好迎合了企業降本增效的剛需，憑藉專業性的知識沉澱得以穩穩落地B端。
從另一個角度而言，AI Agent與B端市場的兩廂契合，也源自於長期以來的"數據飢渴症"。衆所周知，AI苦於數據和算力已久，當前訓練模型需要的海量數據即將枯竭，唯有尋找新的突破口才行。
但是，去哪裡尋找貨真價實的海量數據？可以說，市場B端就是一個天然的"數據池"。
B端市場沉澱的海量場景化數據集，某種程度上能夠緩解AI的"數據飢渴"，並且還都是高質量活生生的真實數據。給AI Agent餵飽了數據，通過模型訓練與微調，深化場景體驗與模型的耦合程度，從而實現AI Agent嵌入企業客戶工作並承載業務邏輯。這種內在的可謂相得益彰。
巨頭瘋殺，得 AI Agent 者得天下？
2024年下半年，AI Agent爭奪戰就已經蓄勢待發。2025年開年，終於吹響了戰鬥的號角。海外市場，OpenAI、Anthropic、微軟、谷歌等科技巨頭強悍佈局，將自家Agent實力當作重要籌碼。國內市場也狼煙四起，百度、阿里、騰訊一衆大廠也使出了殺手鐗。
自大模型戰演義至今，大家心裡都憋着一股勁兒，誓要問鼎AI Agent之巔，尋求殺手級應用成爲業界共同面臨的核心命題。
這一次，究竟誰能在人機交互新時代拔得頭籌，人們拭目以待。
2025年，微軟一個里程碑式的動作，就是躊躇滿志地宣佈，建立全球規模最大的企業級AI Agent生態系統——Copilot Studio平臺。
去年11月的"Microsoft ignite2024"全球大會上，微軟發佈的Microsoft365、Dynamics365等主打產品中集成了大量商用AI Agents，都是爲今年Agents的大爆發做鋪墊。
老辣的微軟深諳企業用戶心理，稱這些產品就是爲企業而生的。M365Copilot的魅力源於更多Agent功能的加持，旨在將AI智能體與人類協作等核心模塊相結合，爲企業提供全面的客戶服務和銷售解決方案。去年10月，微軟宣佈面向 Dynamics 365業務應用平臺，開發部署10款AI Agent——服務於企業的銷售環節、會計業務以及客戶服務等關鍵領域。
微軟戰略的核心正是"智能體網格"——這是一套互聯繫統，各AI智能體間通過相互協作來解決複雜問題。各智能體並非孤立運作，而可以在整個企業之內無縫傳遞任務、消息和知識。高度關注企業級基礎設施、廣泛集成以及業務成果本身——而非原始AI功能。所以，微軟的優勢並不在於任何單一功能，而在於其全面的效能綜合發力。
據悉，現已有超過十萬家企業使用該平臺創建或編輯AI Agent。微軟智能體負責人Charles Lamanna認爲，這個增長速度和體量遠超微軟預期。微軟允許企業通過這些智能體隨意挑選Azure目錄所提供的1800種大語言模型（LLM）——這無疑也是克服對OpenAI模型全面依賴的重要舉措。
微軟的前瞻性還體現在——譬如，安全和治理功能，大多在AI部署完成之後才被納入考量，但如今這兩大要素已被內置在微軟的核心架構當中，確保智能體始終運行在企業權限與數據治理框架之內。
谷歌的步伐緊隨其後，2024年12月發佈了全新多模態大模型Gemini 2.0。在新模型的加持下，谷歌內置了三款AI Agent——"通用大模型助手"Project Astra、"瀏覽器助手"Project Mariner和"編程助手"Jules。融入智能眼鏡的Project Astra，可以流暢對話並理解音視頻；內置於Chrome瀏覽器的Project Mariner可以執行網頁端任務；嵌入GitHub的Jules則可以進行編程且整合進GitHub項目當中；還有可以閱讀屏幕畫面並給出語音提示的Agent。
OpenAI雖是基礎模型的領先者，在Agent方面的佈局略謹慎。自2024年12月6日以來，連續發佈了o1正式版、ChatGPT Pro、強化微調、Sora正式版、Canvas、GPT版Apple Intelligence/Siri；在展現出模型能力提升的同時，重點展示了AI與應用的結合，其中Sora提供了多種編輯工具，向實用視頻工具進一步靠攏；Canvas也在代碼Copilot的基礎上進化到一個完整開發環境；集成了GPT的Siri則有了Agent的雛形。
2025年1月，OpenAI醞釀推出全新AI Agent——Operator，該系統能夠自動執行各種複雜操作，包括編寫代碼、預訂旅行、自動電商購物等。Operator在Computer use的基礎上進行大幅度創新和應用簡化，擴大AI Agent的使用範圍和應用場景。
應用爲王，Agent向超級智能體進化
從應用場景看，2025年的一個趨勢是——將涌現更多的Multi-Agent模式。AI Agent部署將由"單"變"多"，從單一智能體發展到"羣體協作"模式，多個Agent扮演不同角色合作完成任務。
譬如，阿里雲Mota社區推出的國內首個大型模型調用工具ModelScopeGPT。基於LLM的AI Agent開發框架ModelScope-Agent，可以通過一鍵發送指令調用Mota社區中的其他人工智能模型，從而實現大大小小的模型共同協作，進而完成複雜的任務。
此外，百度文心智能體平臺、騰訊元器、訊飛星火智能體創作中心、通義智能體、字節釦子等都面向B端企業用戶提供了智能體創建平臺，並添加AI Agent入口。支付寶旗下AI App支小寶、智譜的智能體AutoGLM，通過自主點咖啡、發紅包等操作吸引了一大波C端用戶。
阿里宣佈，未來所有產品將接入"通義千問"大模型，包括天貓、淘寶、釘釘、天貓精靈、閒魚、盒馬等產品，菜鳥中鄉村助理、站長助手等AI專家應運而生，全面推動智能化轉型。而這與微軟的"網格"戰略，似乎有異曲同工之妙。
一些硬件廠商也嚐到了些許"甜頭"，比亞迪的官方智能體上線後，銷售線索轉化率提升了119%。聯想AIPC智能體的互動率提升了89%，銷售線索轉化率提升了80%。
在智能手機領域，華爲Pura70的"小藝"、小米15系列的"超級小愛"，榮耀Magic的YOYO智能體上線。將服務入口整合在了一起，賦予了智能手機完成更復雜任務的可能性。例如，YOYO智能體便具備模糊理解、界面識別、自動執行、一語到位等能力，可以支持單指令系統級任務執行、第三方應用任務執行甚至多應用協調執行等多種模式。
初創公司們也爭相推出了各類Agent產品，然而這些打着Agent旗號的產品與真正的Agent相去甚遠，在這個AI暴利產業空間裡，可謂魚龍混雜。儘管AI Agent的概念炙手可熱，但也有人表示仍是"虛火"。一個毋庸置疑的事實是，AI智能體正在跨過炒作週期，進入企業IT架構的現實應用——而這段轉型期，也必然帶來各種複雜因素與嚴苛挑戰。
目前讓用戶產生足夠的粘性和堅實的依賴感的AI Agent，其實寥寥無幾。想要打造出一款真正成熟的超級智能體，並實現大規模商業化應用，似乎還需要很長一段時間的耐心等待。
關於智能體的探索仍處於初期階段，這意味着，誰能在這場智能體驅動型業務的轉型風口占得先機，誰就能在下一階段的市場競爭中建立先發優勢。隨着更多的資源從大模型轉向AI智能體，整個AI行業將有望從現在的泡沫性繁榮走向更爲穩健的成長。
臨近爆點，垂直領域或現殺手級應用？
即使當下尚未產生真正的殺手級應用，但實際上在細分領域，Agent已經有遍地開花之勢了。當前，垂直領域的專業Agent正處於爆點，並因其實用性備受資本青睞。YC合夥人、資深投資人Jared指出，垂直領域AI Agent將成爲比SaaS大10倍的新興市場，可能催生出市值超過3000億美元的科技巨頭。
儘管人類所期待的真正Agent——全能助手Jarvis尚未出現，但多個垂直領域的專業Agent暫露頭角，將讓我們不斷獲得擁有近似Jarvis的體驗，期待更多垂直領域將跑出"種子選手"。紅杉合夥人Konstantine Buhler預測，醫療和教育等"高服務成本"領域，將成爲AI技術的下一個重要戰場。
在醫療領域，Agent可以幫助診療和監測患者，IBM Watson Health是一個AI智能體，可以分析醫療數據並推薦治療方案；在製造業領域，Agent可以優化生產流程，通用電氣使用名爲Predix的AI智能體實時監控機器，以預測和防止設備故障；在運輸業領域，自主AI Agent可以協助路線規劃和交通管理，特斯拉的Autopilot有助於安全駕駛；在農業領域，AI Agent可以優化作物生產、監測土壤質量並預測天氣模式，約翰迪爾（John Deere）正在使用一種名爲See&Spray的AI智能體。
當Agent進入第一個深水區垂直領域，對專業度的要求則更高。直接套用通用模型的Prompt Agent，任務通過率往往不足50%。而專家Agent能夠將模型與垂直領域數據、專業業務流程做深度耦合，形成專業度極高的AI Agent。
對於專家Agent這個層面而言，能夠產生商業模式的關鍵取決於Agent在該垂直領域的專業度如何，能否具備顯著的降本增效功效。
以工程項目管理領域爲例，深圳知合雲數智管控平臺，將AI與傳統工程行業的專業經驗融合，實現從項目規劃到竣工的"全生命週期"數智化管理。達到成本質量管控精細化、施工進度管控可視化、安全環保管控智能化、全過程信息管理便捷化、項目各方協同協作高效化等目標，推動項目精細化管理程度提高約50%、安全環保隱患降低約90%以上、投資成本節約率約20%。
AI Agent正在深刻影響企業的數字化轉型，推動SaaS平臺從簡單的業務管理工具轉變爲驅動智能化業務的引擎，將誕生數百萬AI智能體推動企業在特定任務上實現更高效的智能化管理。
但不少領域的專業AI Agent依然不夠成熟，輸出不精確、性能差強人意、用戶不信任等問題困擾其落地。所以，短期內商業化最成功的AI Agent，不一定是看起來"Agentic化"最高的產品，而是能夠平衡性能、可靠性，以及用戶信任的產品。
從用戶體驗來說，AI Agent的應用還有很大的提升空間。一是交互界面不夠好，全自然語言交互會影響交互效果；二是在落地層面，仍需突破的關鍵點是個性化，根據用戶自身的工作模式進行精細化調整，技術層面似乎還遠遠不夠。
隨着推理能力的提升，AI Agent能夠更好地理解複雜情境和業務邏輯，做出更加合理和高效的決策。例如，在供應鏈管理中，Agents可以根據歷史數據和實時信息，預測庫存需求變化，提前調整採購和生產計劃，避免庫存積壓或短缺。
2025年，新一代AI Agents功能將進化得更強大，憑藉在記憶、推理和多模態能力方面的進步，以更好的交互方式處理更復雜的工作，提供更加個性化和精準的服務。
通往AGI的入口，諸多難點與痛點待解
AI Agent距離真正的爆發仍有不少要克服的障礙。一個關鍵的挑戰是：缺少一個能夠支撐整個生態的操作系統。初創公司/dev/agents計劃爲AI Agent開發一個類似於Android操作系統的通用平臺，試圖解決目前AI Agent碎片化的局面。
其它挑戰還包括但不限於：如何實現低延遲、帶視覺理解的實時反饋；如何構建個性化的記憶系統；如何在虛擬與物理環境都具備執行能力等等。只有當AI Agent從"工具"變成"工具使用者"時，真正的殺手級應用纔會出現。
在Agent的構建上，仍有許多懸而未決的技術難題，例如大模型幻覺、長時記憶的前後一致性問題、以及增強多模態的理解能力。爲提升大模型記憶力，波形智能研發了名爲RecurrentGPT的增強記憶技術解決方案。
AI Agent依賴LLM"黑盒"，本身就存在不可預測性。至今在解決一些邏輯、推理等核心問題上，Agent的能力還偏弱。因此，Agent各模塊之間如何配合、多個Agent如何交互、人類與Agent如何互動等方面，Agent技術尚處於早期階段。
接入Agent後，所有需要處理的業務場景，都會轉化成需要底層大模型理解的數據，從而產生高昂的推理成本。斯坦福的虛擬小鎮框架開源後，每個Agent一天就需要消耗20美金的Token數，比用人成本還要高。因此，如何控制高昂的調用成本，是擺在AI Agent面前的一大難題。
現階段一個最關鍵的制約因素，還是數據質量、數據規模、應用場景不足，AI模型、AI訓練數據集、AI場景落地部署，都遠遠不夠。以AI Agent機器人爲例，由於缺乏高質量的真實數據，機器人就無從進行訓練。
通過互聯網數據，機器人的感知已經出現了相當強的泛化，能夠更好地理解物理世界。不少廠商通過真實數據和仿真數據結合的方式，將任務過程中的數據 "喂"給大模型。然而，仿真數據還是不夠真實，AI Agent在模擬世界能成功，但導入到現實世界就會有一定的失敗率。
當前，AI Agent還遠未達到數據飛輪的啓動時刻，達不到自動駕駛般的普及度，而真實數據的成本極高，需要花長時間積累。數據的匱乏，不僅會影響模型的準確性和穩定性，還制約了其在真實場景中的廣泛應用的可靠性。
如何保證用戶的數據安全和隱私，也是一大問題，數據壁壘是關鍵的一堵牆。但構建數據壁壘並不容易，高敏感的私有數據分散且難整合，業務"過程數據"往往非結構化地存儲在企業的服務器中，甚至專家的"大腦"中。這就需要給出客戶具體的方案，互相建立信任度。不少廠商先從相關業務"冷啓動"，完成過程數據的原始積累。
還有，高昂的推理成本如何控制？一個典型案例是，斯坦福的虛擬小鎮框架開源後，每個Agent一天就需要消耗20美金的Token數，比用人力的成本還要高。收益是否邁過了成本的門檻仍是未知數，廠家往往最先考慮的不是盈利，而是如何把高昂的推理成本轉嫁出去。
騰訊研究院的報告指出，AI Agent面臨的問題還囊括安全性與隱私性、倫理與責任、經濟和社會就業影響等多個方面。在國內智能算力較爲短缺的現狀下，由於技術門檻高、資金投入多、商業模式不成熟，AI Agent這個賽道看似風光實則道險且阻。
因此，AI Agent想要真正實現規模化落地，只有紮實做好大模型技術和找到正確的商業化落地路徑，才能在未來不被趕下"牌桌"。