在“AI Agent元年”的光環(huán)之下，AI Agent賽道是否只是一場虛假繁榮？

內容/林書

編輯/詠鵝

校對/莽夫

隨著在復雜推理、多模態(tài)融合以及自主代理（Agent）能力上更強大的GPT-5發(fā)布，有人高呼“AI Agent時代真的來了”，也有人持謹慎態(tài)度，認為“GPT-5是對AI Agent創(chuàng)業(yè)者的洗牌”。

當前的AI智能體創(chuàng)業(yè)，正如朱嘯虎所言，“非常像互聯(lián)網早期的個人站長”，既充滿草根精神，又面臨殘酷淘汰。曾被捧為“國運級產品”、內測邀請碼一度炒至10萬元一個的AI Agent產品Manus退出中國市場，更是為這一賽道添了一把火，引發(fā)廣泛熱議。

實際上，Manus的窘境，也正是當下部分Agent類產品的共同寫照。

盡管2025年被冠以“AI Agent元年”之名，Agent類產品迎來了爆發(fā)式增長，并涌現出扣子空間（Coze Space）、GenSpark、心響、心流等明星產品，但它們仍面臨技術、商業(yè)化與產品市場契合度（PMF）等多重挑戰(zhàn)。

具體而言，Agent產品的開發(fā)與運營成本高昂，但用戶付費意愿較低，商業(yè)化模式尚未成熟。銀河證券2025年報告數據顯示，AI Agent行業(yè)的平均用戶獲取成本（CAC）高達50美元/用戶，而平均用戶生命周期價值（LTV）僅為20-30美元，表明多數產品仍未實現盈利。

此外，多數Agent產品體驗未達預期、功能同質化嚴重，導致用戶流失率高，難以建立長期粘性。那么在元年光環(huán)之下，AI Agent賽道是否只是一場虛假繁榮？

Part.1 繁榮下的結構性困境AI Agent的“單點困局”與“組織鴻溝”

從總體來看，當前的AI Agent市場，缺乏能真正穿越周期的、展現出“Agent比人類更懂執(zhí)行”的產品。

究其根源，在于當前的Agent類產品普遍面臨著兩個深層次的結構性問題：一是Agent類產品普遍為“單點”賦能；二則是相當多的企業(yè)，都將重心放在了打造所謂的“通用”功能上。

當前的大多數Agent產品，往往專注于優(yōu)化單一任務或特定場景（如信息檢索、報表生成、任務自動化），但缺乏對企業(yè)生產鏈條中多個環(huán)節(jié)的協(xié)同整合能力。這種“單點”賦能模式導致Agent在復雜、跨部門的業(yè)務流程中難以發(fā)揮“樞紐”作用。

造成這一現象的原因，既有技術上的短板，也有組織上的滯后。

從技術上來說，一部分Agent應用在技術上并不成熟，在執(zhí)行涉及復雜邏輯、多步驟或調用多個工具的任務時，常出現卡頓、失敗或耗時過長的問題。

以Manus為例，不少用戶發(fā)現在測試中一旦任務涉及多個工具（如文件+郵件+ Notion +云盤），Manus就常常會在執(zhí)行中卡住、步驟結果傳遞錯誤，或耗時超過一小時。這反映出了此類Agent應用缺少顯式記憶機制，以至在多輪對話中狀態(tài)信息經常丟失，甚至誤用舊信息；或是各工具接口無統(tǒng)一協(xié)議，調用全靠prompt“蒙”。

而像扣子空間這樣的產品，在進行“根據數據繪制圖表”的任務時，完成的狀態(tài)、質量也十分潦草，難以達到“合格”要求。

這說明現在相當一部分的Agent，基本只有一層prompt調用API，缺乏一整套結構化的、統(tǒng)一的數據接口，以及相應的推理鏈條。

而從組織結構上來說，當前很多企業(yè)實際上并未完成適應AI時代的“人機協(xié)作”轉型。

一個明顯的例子是，今年上半年，有相當一部分企業(yè)落地了編程類Agent應用cursor，但得到的反饋卻是此類應用沒有顯著提效。

原因就在于，在企業(yè)的實際運作中，一段代碼從寫出來，到真正“用得上”，往往要經歷需求澄清、任務拆解、代碼開發(fā)、審核、測試等多個環(huán)節(jié)，涉及跨部門協(xié)調。

現在的問題不是Agent寫得慢，而是企業(yè)沒有把Agent“嵌進流程”中去。整條“軟件交付流水線”仍然是人主導的、審批制的、串聯(lián)式結構。

結果便是AI可能節(jié)省了20%的開發(fā)時間，但流程中60%的瓶頸根本不在編碼環(huán)節(jié)，而在于組織流程和人為因素。這使得Agent帶來的效率提升，在陳舊的“人治”流程面前幾乎被完全抵消，全都化作了烏有。

Part.2 Agent分野通用虛火噱頭與垂類深耕挑戰(zhàn)

在今年涌現的各類Agent中，不少明星產品如Manus、GenSpark、扣子空間等，都選擇了“通用Agent”的路線。

畢竟，與垂類Agent相比，“通用”Agent的概念聽起來更性感、想象空間更大。對投資人而言，“打造AI操作系統(tǒng)”的故事遠比“開發(fā)HR報銷助手”更動聽。早期用戶也更容易被“全能型”Agent的愿景所吸引，通用Agent看似更先進、更全能，更能制造FOMO效應。

然而，現實與愿景存在明顯落差，當前的通用Agent技術形態(tài)更像一個中等智力的虛擬助理，難以勝任系統(tǒng)調度、權限管理等核心職能。

對于個人用戶，通用Agent目前處境尷尬。其解決的往往是瑣碎事務，如點外賣、訂酒店、生活規(guī)劃，這些需求本身痛點不深，它們通常不緊急、評估標準模糊。

用戶在這些場景中更關注“心態(tài)”與“體驗”，而非純粹的“效率”。例如在點外賣時，人們往往更在意點哪家外賣，而不是下單速度。

與之相比，一些專注于“專、窄、深”的垂直領域、聚焦于解決企業(yè)具體痛點的AI Agent，反而在今年獲得了相當程度的成功。

例如在金融行業(yè)中，Muffintech作為保險客服Agent，能夠自動處理常見客服查詢（如保單狀態(tài)），回復準確率98%，并將理賠審批時間縮短至1天，為保險公司年節(jié)省500萬美元。

在法律行業(yè)，聚焦于文書起草的Harvey，專注解決法律文書起草痛點，如手動研究耗時長（每案平均20小時）、文書起草錯誤率高，實現自動分析法律案例和法規(guī)并生成研究報告，準確率90%，為律所帶來了直觀的效率提升。

盡管這些垂類Agent看上去樸實無華，技術上也并不十分復雜，但也并非任何一家企業(yè)都能輕易照搬，其中存在多重門檻和難點。

垂直領域需要大量且收集門檻頗高的行業(yè)數據，模型必須針對特定場景進行微調或重新訓練。

例如，制造業(yè)的Agent需要處理傳感器數據，法律Agent需要生成符合邏輯的文書，這些任務對準確率要求極高。

這使得模型團隊不僅要精通AI技術，還要熟悉行業(yè)知識，這類復合型人才非常稀缺且招聘成本高昂。

同時，垂類Agent需要與企業(yè)現有的行業(yè)標準系統(tǒng)（如SAP、Salesforce）無縫對接，以實現數據共享和流程優(yōu)化。

然而，許多企業(yè)內部存在數據孤島問題，跨系統(tǒng)集成需要開發(fā)定制API，這需要團隊具備系統(tǒng)架構設計和行業(yè)軟件集成的經驗，對技術能力要求極高。

對技術、行業(yè)知識的高要求，使得大部分中小企業(yè)難以打造出有競爭力的垂類Agent。

現階段，包括BAT、字節(jié)在內的大廠，都擅長做平臺和demo，例如阿里的釘釘+夸克、百度的千帆App Builder等，但真正把復雜垂直業(yè)務完成端到端改造的案例并不多，大部分還是小規(guī)模試點或簡單輔助。此外，很多企業(yè)做了大量POC（概念驗證），但真正投入規(guī)�；�使用的很少。

根據ThoughtWorks報告披露，因為業(yè)務協(xié)同不足與運營成本高，高達88%的AI POC未能進入大規(guī)模部署。研究發(fā)現，每家公司推出的33個AI概念驗證項目中，只有4個能夠進入生產階段。

究其原因是互聯(lián)網大廠更擅長做“通用能力+流量和平臺”，而真正把垂類行業(yè)的臟活、定制、合規(guī)、實施做到位，則需要線下深耕與行業(yè)Know-How積累，這和它們的業(yè)務屬性、考核體系和商業(yè)動力并不十分匹配。

Part.3 跨越市場鴻溝出海抉擇與本土價值驗證

除了前面提到的兩大結構性問題，Agent產品自誕生之初便面臨著一個揮之不去的商業(yè)化難題，即國內與國際市場的深度割裂。

對國內大部分AI企業(yè)來說，“合規(guī)性”要求下使其發(fā)展高度依賴國產模型能力，然而國產模型與美國頂尖模型之間仍存在代際差距。

與國內模型相比，Claude Opus 4 等國外先進模型，在復雜推理鏈條，尤其是跨領域、多條件推導上往往能保持更穩(wěn)定的邏輯一致性，出錯率更低。

且在上下文長度上，也已做到百萬級別。在嚴格按照格式、生成長且結構化的文檔、代碼、JSON 等方面穩(wěn)定性頗高，這些都是當前國內模型尚難實現的水準。

同時，受限于國內整體數字化程度與消費習慣，現階段B端、C端用戶的付費意愿皆不理想。這使得消費級AI應用，尤其是初創(chuàng)產品，價值更難以被市場充分認可并實現商業(yè)化。

在這樣的大前提下，國內AI應用創(chuàng)業(yè)者需要付出更大的努力，來彌補模型能力與市場期望間的價值差距。這意味著團隊在場景設計、數據工程、模型理解、市場和業(yè)務認知等綜合能力上，需具備更加深厚的積淀。

在“高投入、低價值”的壓力下，Manus這樣的Agent產品選擇出海成為情理之中的策略。

據海外AI創(chuàng)業(yè)者透露，海外市場對AI產品的估值更為慷慨，1萬日活即可支撐1億美元估值。也就是說，1個日活用戶就價值7萬人民幣。

盡管如此，出海也并非終極解藥。所有Agent產品都逃不過模型能力的比拼。

隨著2025年OpenAI、Anthropic等巨頭紛紛開始布局自有的Agent產品，為了保持競爭優(yōu)勢采取“模型斷供”策略，將使套殼類Agent的優(yōu)勢迅速瓦解。

例如前段時間，海外著名的AI編程應用Windsurf，就遭到了Claude的全面斷供，這反映出了很多沒有自研模型的企業(yè)（包括Manus），在巨頭面前的脆弱性。

因此，出海應該是“活下去+練能力”的階段性策略，不是“一去不返”的終局。

而在國內市場，資本們留給Agent賽道的耐心亦不會太久。盡管垂直領域大模型及應用廠商口號不斷、標桿案例宣傳頻出，但Agent未來能創(chuàng)造多少真實經濟效益，仍是個未知數。

但可以肯定的是，目前的Agent已經在客服、營銷、數據分析等流程明確、規(guī)則固定的場景里，切實展現出降本增效的價值。有這些商業(yè)化場景托底，Agent在今年就不會全然是一個“泡沫”。

而未來更大的商業(yè)化突破，則有待Agent在某些高價值的垂類領域，例如金融、醫(yī)療等場景真正發(fā)揮出變革性作用，而這則需要技術演進、組織適配與產業(yè)生態(tài)協(xié)同等多種因素協(xié)同作用。

END

       原文標題 : Agent 2025：AI的窄門與寬路