文 | AI大模型工場，作者｜西梅汁，編輯｜星奈

今年，被不少業(yè)內人稱為“Agent元年”。

這一年，AI Agent的概念像一枚火種，從初創(chuàng)公司Manus的Demo視頻點燃，到字節(jié)跳動用“扣子空間”將Agent化身為“裂變工具”，嵌入日常場景；百度“心響”定位通用超級智能體APP，覆蓋200+任務類型，試圖實現(xiàn)復雜任務的一站式解決；阿里的“心流”項目則深入研究Agent的人機協(xié)同效率，從電商客服到企業(yè)服務逐步鋪展；騰訊繼續(xù)秉持平臺戰(zhàn)略，構建Agent開發(fā)生態(tài)。

與此同時，融資市場也被點燃。據(jù)來覓 PEVC 數(shù)據(jù)，自 2024 年以來，全球 AI Agent 賽道的融資金額已突破 665 億元人民幣。其中，自動駕駛、人形機器人、大模型等賽道最吸金，頭部機構頻頻下注。

但如同幾乎每一場AI浪潮一樣，泡沫的陰影也在快速靠近。

技術的躍遷是否足夠支撐其野心勃勃的應用想象？用戶真有“剛需”到愿意持續(xù)留存并為之付費？這場由巨頭領舞的盛宴，究竟是邁向AI大規(guī)模落地的新起點，還是又一輪概念堆疊下的虛火？

一、Agent何以成為巨頭必爭之地？

在國內大模型發(fā)展逐步穩(wěn)定、通用對話功能趨同的背景下，Agent像是被視作“后提示詞時代”的新概念。它以任務導向、自主規(guī)劃和多步驟執(zhí)行為特征，為模型的可用性打開了新空間。

過去，用戶需要靠提示詞技巧與模型反復周旋，而現(xiàn)在，Agent可在給定目標下自動執(zhí)行一系列動作，更符合大家對“AI助理”的直覺期待。

Manus的出圈并非偶然，它采用多智能體系統(tǒng)架構，能動態(tài)調用不同領域的專用大模型，實現(xiàn)“1+1>2”的效果。這就有點像交響樂團的指揮，協(xié)調各個樂器組，讓它們共同演奏音樂，不僅避免了單一模型在能力上的局限性，還有效提升了任務處理的能力和效率。

同時Manus的這種交互方式，標榜“端到端執(zhí)行任務”，直接戳中了行業(yè)長久以來的痛點：大模型雖強，但不會用。在其帶動下，國內大量創(chuàng)業(yè)項目涌現(xiàn)，部分采用開源框架如LangChain、AutoGen，部分自建執(zhí)行鏈路和插件體系，追求更加本土化的場景匹配與用戶體驗。

大廠也迅速響應，尤其在內容、辦公、知識管理等相對標準化的應用領域推進Agent化轉型。

字節(jié)“扣子空間”聚焦創(chuàng)作者自動剪輯與內容發(fā)布，百度借“心響”深耕搜索與問答任務鏈，阿里探索電商、客服、財務等垂直系統(tǒng)嵌入，騰訊則將Agent能力集成至企業(yè)微信、騰訊文檔、混元平臺API中，意在形成多層級的企業(yè)服務生態(tài)。

在這些探索背后，是國內AI產業(yè)對“大模型+場景”的現(xiàn)實需求。同時，更重視端到端的體驗。Agent不僅是界面重構，更被視為商業(yè)模型升級的關鍵跳板。

Agent的爆發(fā)，并非偶然，它在多個層面踩中了時代的脈搏。

從技術演進來看，大模型能力的提升為Agent提供了基礎算力保障。GPT-4之后，無論是語言理解上，還是多模態(tài)能力上，都達到了一個足以支撐復雜任務調度的門檻。

其次是交互方式的進化。在語音助手、聊天機器人之后，Agent的出現(xiàn)提供了一個更具沉浸感與目的性的交互路徑。不僅回應用戶的問題，更主動推進任務流程。相比于過去“你問我答”的工具形態(tài)，Agent承諾的是“交付結果”的服務形態(tài)。

同時，對巨頭而言，這是一道無法繞開的必答題。過去兩年，大模型技術已經趨于“共識化”，能力邊際變小、差異化成本變高，“百模大戰(zhàn)”的價格戰(zhàn)和性能戰(zhàn)耗盡了耐心。

而Agent像是一條新通道，它不僅能撬動新應用，還可能打開存量業(yè)務的變現(xiàn)瓶頸。更關鍵的是，它落地的單位顆粒度小，可以快速試錯、快速迭代、快速驗證商業(yè)價值。

Agent，似乎成為了下一階段“技術找場景”的試金石。

二、繁榮下的AB面：技術突破還是“高級自動化”？

但是在這股熱潮之下，并非沒有質疑。

華麗演示背后往往忽略場景條件和人工干預。許多“自助手寫文章”或“自動化辦公”案例，前提是有精心編寫的提示詞、可靠的網絡資源和大量API。

實際部署時，Agent需要解決環(huán)境不穩(wěn)定、異常處理和及時糾錯等問題。不少技術人士指出，目前絕大多數(shù)Agent產品，距離真正的“智能體”尚有不小差距。路徑規(guī)劃、工具調用、多輪交互確實比傳統(tǒng)對話系統(tǒng)更進了一步，但核心邏輯仍是任務自動化的增強版。

換句話說，許多所謂Agent，更像是“流程機器人”套了一個AI殼。也就是說，真實場景中的連續(xù)任務與演示環(huán)境相差甚遠，常常需要人工“監(jiān)督+修正”，效率提升有限。

從技術底座看，Agent的運行強依賴于幾個關鍵環(huán)節(jié)：環(huán)境建模、記憶系統(tǒng)、長期目標拆解能力、多模態(tài)融合、對接工具鏈的穩(wěn)定性等。遺憾的是，這些環(huán)節(jié)沒有一個是完全“成熟”的。

而從用戶體驗出發(fā)，Agent帶來的改變，往往不如想象中“革命性”。大家仍需學習如何“正確地”提示Agent，才能獲得理想結果；不少產品陷入“體驗上像是套殼Siri，底層上是復雜Prompt拼貼”的窘境。更有甚者，在以“聰明感”吸引用戶的同時，背后的調度邏輯與“AI”關聯(lián)甚微，幾乎只是流水線式腳本執(zhí)行。

換言之，Agent確實比傳統(tǒng)Bot更強大，但要說它已經構成“生產力革命”的新轉折，仍言之過早。

那么在面對這些挑戰(zhàn)，創(chuàng)業(yè)公司和大廠分別采取了不同策略。以Manus為代表的新銳隊伍，傾向于前沿探索，它們往往開放注冊早期用戶，依托最新架構集成API插件，追求功能極限。

Manus自身就號稱“多模型架構+后臺實時監(jiān)控+可回放會話”，試圖給用戶提供一個“看得見、可操控”的Agent。但事實上，部分用戶社區(qū)評論已經質疑其穩(wěn)定性，稱有部分功能只是包裝，很多操作依賴已有大模型或手動準備的工具。

相比之下，字節(jié)、百度等大廠則走更穩(wěn)健的路徑，它們往往先將Agent功能融入已有產品（像智能客服、辦公軟件），以部件化插件形式提供服務，同時還在內部持續(xù)打磨系統(tǒng)。

如百度推出的“鏈路學習”場景、騰訊開放的企業(yè)辦公助手等，更多強調閉環(huán)業(yè)務與安全控制。大廠有資源建立大規(guī)模測試和安全審查，因此在落地前強調可控性和行業(yè)適應度，而不是一味追求技術。

總的來說，Agent在概念層面吸引了眾多目光，但其技術短板同樣顯而易見，記憶與上下文管理不足、多任務泛化困難、對動態(tài)環(huán)境的感知不強、對結果的可靠性缺乏保證等等。Manus等創(chuàng)業(yè)者的嘗試激發(fā)了想象，但是否可持續(xù)盈利和規(guī)模化，還有待進一步探索。

三、巨頭混戰(zhàn)：戰(zhàn)略卡位與差異化求生

不同的巨頭，在Agent賽道上有著完全不同的下注策略，但它們的底層意圖卻高度一致：以Agent為抓手，構建出人與產品、人與服務、人與平臺之間的關系。

從時間上看，字節(jié)是幾家巨頭中最早高調入場Agent概念的玩家。早在2023年底，字節(jié)就上線了豆包智能體平臺，主張“人人都能造Agent”。

到2024年初，其推出的“扣子”平臺進一步降低了智能體開發(fā)的門檻，通過可視化流程、拖拽組件、內置插件等方式，讓非技術背景的個人也能創(chuàng)建功能豐富的智能體，并一鍵發(fā)布至豆包、飛書、抖音等多個渠道。

“扣子”本質上是一個智能體應用廣場，它整合了插件系統(tǒng)、工作流引擎、知識庫接入和多端發(fā)布等能力。據(jù) 2024 年 12 月消息，扣子專業(yè)版集成了 1 萬 + 插件，可調用國內流行的大語言模型，且扣子 1.5 版本還集成了視覺理解、音樂、圖像生成等模型。

不僅如此，據(jù)公開數(shù)據(jù)統(tǒng)計，截至2025年第一季度，豆包平臺上已上線智能體超過10萬個，其中大部分來自個人開發(fā)者和中小企業(yè)，體現(xiàn)出較強的生態(tài)活力。在產品邏輯上，字節(jié)試圖延續(xù)其內容平臺的成功經驗，通過低門檻創(chuàng)作工具和算法分發(fā)機制，激發(fā)長尾智能體的活躍度。

雖然Agent的交互屬性與內容消費不同，但這種平臺化打法在推動生態(tài)建設、吸引開發(fā)者上具備一定先發(fā)優(yōu)勢。

騰訊在Agent方向的布局體現(xiàn)出“平臺+能力”的戰(zhàn)略思路。自2024年底起，大模型相關業(yè)務統(tǒng)一劃歸至CSIG，Agent被正式納入騰訊云的大模型戰(zhàn)略，成為核心落地方向。當前已形成雙平臺體系：面向C端用戶與輕量開發(fā)者的“元器”，以及服務企業(yè)級需求的“騰訊云智能體開發(fā)平臺”，分別覆蓋內容創(chuàng)作與業(yè)務重構兩大場景。

在實際產品落地上，騰訊正在拓展Agent的行為邊界。前段時間，推出的Qbot瀏覽器，具備文件轉換、應用操作等能力，未來可望與本地軟件打通，成為用戶常駐的多功能助手。

在企業(yè)服務層面，騰訊強調Agent對高復雜度、高知識密度行業(yè)的改造潛力，已在汽車、金融、零售、醫(yī)藥等多個行業(yè)展開場景合作。技術上，騰訊聚焦Agent的自主決策、工具調用與工作流編排能力，通過整合內部AI技術棧，推動從“可調用”向“可協(xié)作”演進。

當前的挑戰(zhàn)來看，模型自主性仍待提升，復雜任務的拆解執(zhí)行仍需框架與工程體系配合，客戶對Agent的認知也需要通過多種方式彌合。

阿里在Agent方向的思路，延續(xù)了其在企業(yè)服務領域的深耕路徑。自2023年起，釘釘就開始試點智能助理功能，2024年進一步升級為“AI助理中心”，并在2025年開放智能體開發(fā)框架，支持企業(yè)定制自己的數(shù)字員工。其核心優(yōu)勢在于：緊貼企業(yè)實際需求，強調數(shù)據(jù)私有、安全可信、系統(tǒng)兼容。

在技術研發(fā)上，阿里云的通義千問 Qwen 系列大模型為 Agent 應用提供了強大的基礎能力，還開源 Qwen - Agent 框架及多個 Agent 應用示例，降低開發(fā)門檻，并融入多模態(tài)技術豐富交互體驗。

今年3月，夸克App推出了AI 版，并首創(chuàng)了“智能體中樞”功能，將其轉型為多模態(tài)Agent平臺，用戶通過該平臺可以直接獲取AI所執(zhí)行的任務結果，而不僅僅是傳統(tǒng)的搜索或聊天。4月，阿里又推出了“心流”智能體應用，通過高級研究模式幫助用戶自動完成報告編寫、代碼生成等復雜任務。此外還在外貿、智能客服等領域推出多種 Agent 應用。

除此之外，阿里智能體平臺 “通義萬相” 為個人創(chuàng)作者和中小企業(yè)提供簡單易用的 Agent 開發(fā)工具，同時通過阿里云和百煉平臺賦能企業(yè)客戶；在人才與團隊組建上，招聘前 Salesforce 集團副總裁許主洪等人才，還開啟大規(guī)模招聘潮；在生態(tài)構建與合作上，阿里云智能集團整合各方資源確立 “AI + 場景” 深度融合戰(zhàn)略，與眾多企業(yè)拓展合作關系，推動 Agent 應用落地。

百度作為最早布局大模型的公司之一，在Agent方向的探索也在持續(xù)推進。在create2025百度AI開發(fā)者大會上，推出了“心響”APP，是一款以“AI任務完成引擎”為核心的通用超級智能體APP，致力于通過智能化手段解決用戶日常生活中的復雜需求。已經覆蓋了200多個任務類型，未來計劃擴展至10萬種以上。

同時，百度的文心智能體平臺為零代碼基礎的用戶提供了全鏈路的任務創(chuàng)作與經營服務，支持海量工具調用，推動了Agent生態(tài)的不斷發(fā)展。

同時，百度全面擁抱MCP協(xié)議，將這一協(xié)議應用于文心大模型、千帆平臺及核心產品，如百度搜索和百度文庫等。這一協(xié)議使得AI應用與外部世界的連接更加緊密，進一步提升了Agent在任務規(guī)劃和調度中的精確度與效率。此外，百度還發(fā)布了文心大模型4.5 Turbo和X1 Turbo，為優(yōu)化任務執(zhí)行的速度、性能和性價比，推動Agent技術的持續(xù)進步。

不僅如此，百度通過智能云千帆平臺，為企業(yè)提供全面的MCP支持，鼓勵開發(fā)者在平臺上開發(fā)自己的MCP組件并與外部業(yè)務系統(tǒng)對接，推動MCP生態(tài)的繁榮。

總體來看，Agent 并非一個孤立的技術標簽，而是模型能力、應用框架與用戶需求三者交匯的產物。隨著大模型差異化逐步縮小，各家企業(yè)在Agent上的布局也反映出各自的生態(tài)定位與資源。

字節(jié)強調內容驅動與生態(tài)構建，騰訊重視能力組件與業(yè)務整合，阿里深耕產業(yè)落地與定制化服務，百度則以產品閉環(huán)和底層模型為基石。

這場Agent競速沒有明確的終點，它更像是大模型商業(yè)化的一場階段性演進。

四、真未來還是新泡沫？

Agent的確具備塑造未來產品形態(tài)的潛力，它融合了模型能力、交互邏輯與任務調度，使AI從“回答者”進化為“行動者”。但在通往未來的路上，每一個技術熱點都難免遭遇泡沫期的“高估—失望—再估值”周期。

今天的Agent熱，既是技術突破的階段性結果，也裹挾著巨頭對增長焦慮的投射。資本、流量、研發(fā)資源的傾斜，使其呈現(xiàn)出“預期大于現(xiàn)實”的膨脹狀態(tài)。那些缺乏穩(wěn)定場景支撐、無法形成用戶復購的Agent應用，很可能會在下一輪融資窗口關閉時迅速退潮。

但這并不意味著泡沫本身是壞事。技術演進從不可能一帆風順，泡沫是篩選機制，更是催化劑。真正的問題在于：誰能在熱潮退卻后留下可復用的底層架構與產品模型？誰能真正找到場景契合、用戶愿意長期使用的價值點？

Agent不會是終點，它更像是一塊通向下一階段AI生態(tài)的跳板。問題不在于它“是不是泡沫”，而是誰能在泡沫散去之后，站在原地繼續(xù)前行。