文 | AI 大模型工場，作者｜西梅汁，編輯｜星奈
今年，被不少業內人稱為 "Agent 元年 "。
這一年，AI Agent 的概念像一枚火種，從初創公司 Manus 的 Demo 視頻點燃，到字節跳動用 " 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 的人機協同效率，從電商客服到企業服務逐步鋪展；騰訊繼續秉持平臺戰略，構建 Agent 開發生態。
與此同時，融資市場也被點燃。據來覓 PEVC 數據，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？
在國內大模型發展逐步穩定、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、自主規劃和多步驟執行為特征，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，而現在，Agent 可在給定目標下自動執行一系列動作，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架構，能動態調用不同領域的專用大模型，實現 "1+1>2" 的效果。這就有點像交響樂團的指揮，協調各個樂器組，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。
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 " 扣子空間 " 聚焦創作者自動剪輯與內容發布，百度借 " 心響 " 深耕搜索與問答任務鏈，阿里探索電商、客服、財務等垂直系統嵌入，騰訊則將 Agent 能力集成至企業微信、騰訊文檔、混元平臺 API 中，意在形成多層級的企業服務生態。
在這些探索背后，是國內 AI 產業對 " 大模型 + 場景 " 的現實需求。同時，更重視端到端的體驗。Agent 不僅是界面重構，更被視為商業模型升級的關鍵跳板。
Agent 的爆發，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，Agent 承諾的是 " 交付結果 " 的服務形態。
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 " 的價格戰和性能戰耗盡了耐心。
而 Agent 像是一條新通道，它不僅能撬動新應用，還可能打開存量業務的變現瓶頸。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 需要解決環境不穩定、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 Agent 產品，距離真正的 " 智能體 " 尚有不小差距。路徑規劃、工具調用、多輪交互確實比傳統對話系統更進了一步，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，真實場景中的連續任務與演示環境相差甚遠，常常需要人工 " 監督 + 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節：環境建模、記憶系統、長期目標拆解能力、多模態融合、對接工具鏈的穩定性等。遺憾的是，這些環節沒有一個是完全 " 成熟 " 的。
而從用戶體驗出發，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" 關聯甚微，幾乎只是流水線式腳本執行。
換言之，Agent 確實比傳統 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，創業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，部分用戶社區評論已經質疑其穩定性，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、百度等大廠則走更穩健的路徑，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，同時還在內部持續打磨系統。
如百度推出的 " 鏈路學習 " 場景、騰訊開放的企業辦公助手等，更多強調閉環業務與安全控制。大廠有資源建立大規模測試和安全審查，因此在落地前強調可控性和行業適應度，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、對動態環境的感知不強、對結果的可靠性缺乏保證等等。Manus 等創業者的嘗試激發了想象，但是否可持續盈利和規模化，還有待進一步探索。
三、巨頭混戰：戰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建功能豐富的智能體，并一鍵發布至豆包、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、工作流引擎、知識庫接入和多端發布等能力。據 2024 年 12 月消息，扣子專業版集成了 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，據公開數據統計，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者和中小企業，體現出較強的生態活力。在產品邏輯上，字節試圖延續其內容平臺的成功經驗，通過低門檻創作工具和算法分發機制，激發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建設、吸引開發者上具備一定先發優勢。
騰訊在 Agent 方向的布局體現出 " 平臺 + 能力 " 的戰略思路。自 2024 年底起，大模型相關業務統一劃歸至 CSIG，Agent 被正式納入騰訊云的大模型戰略，成為核心落地方向。當前已形成雙平臺體系：面向 C 端用戶與輕量開發者的 " 元器 "，以及服務企業級需求的 " 騰訊云智能體開發平臺 "，分別覆蓋內容創作與業務重構兩大場景。
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。
當前的挑戰來看，模型自主性仍待提升，復雜任務的拆解執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，延續了其在企業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 年開放智能體開發框架，支持企業定制自己的數字員工。其核心優勢在于：緊貼企業實際需求，強調數據私有、安全可信、系統兼容。
在技術研發上，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，降低開發門檻，并融入多模態技術豐富交互體驗。
今年 3 月，夸克 App 推出了 AI 版，并首創了 " 智能體中樞 " 功能，將其轉型為多模態 Agent 平臺，用戶通過該平臺可以直接獲取 AI 所執行的任務結果，而不僅僅是傳統的搜索或聊天。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。
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推進。在 create2025 百度 AI 開發者大會上，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作與經營服務，支持海量工具調用，推動了 Agent 生態的不斷發展。
同時，百度全面擁抱 MCP 協議，將這一協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 在任務規劃和調度中的精確度與效率。此外，百度還發布了文心大模型 4.5 Turbo 和 X1 Turbo，為優化任務執行的速度、性能和性價比，推動 Agent 技術的持續進步。
不僅如此，百度通過智能云千帆平臺，為企業提供全面的 MCP 支持，鼓勵開發者在平臺上開發自己的 MCP 組件并與外部業務系統對接，推動 MCP 生態的繁榮。
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，各家企業在 Agent 上的布局也反映出各自的生態定位與資源。
字節強調內容驅動與生態構建，騰訊重視能力組件與業務整合，阿里深耕產業落地與定制化服務，百度則以產品閉環和底層模型為基石。
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、研發資源的傾斜，使其呈現出 " 預期大于現實 " 的膨脹狀態。那些缺乏穩定場景支撐、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，站在原地繼續前行。
