没有人明白到底什么是Agent，当下AI行业认知：盲人摸象

摘要：25年开年以来，业界对于Al Agent（人工智能代理）的讨论尤其多，可当深入了解后，就会发现大多停留在概念层面，落地举步维艰。哪怕引入Manus机制，情况也未见好转。

25年开年以来，业界对于Al Agent（人工智能代理）的讨论尤其多，可当深入了解后，就会发现大多停留在概念层面，落地举步维艰。哪怕引入Manus机制，情况也未见好转。

虽然AI成为当下最热话题，但没有人知道到底什么是Agent，反映出当下对Al Agent的迷茫。

下面，通过几个小故事，看看Al Agent所处的行业环境。

美国ToB企业调研数据显示，2025年初回顾2024年，94%的企业对AI服务商不满意，仅6%满意。这和群像大课遇冷相互印证，说明AI在实际应用中，与企业期望差距很大。

随后，中国头部AI模型公司智谱推出AutoGLM沉思Al Agent产品。但对非专业人士来说，产品名里的专业术语让人一头雾水。

这反映出AI行业概念泛滥、从业者与用户沟通不畅的问题，企业内部技术团队和公关团队也常相互不理解。这几个案例表明，AIagent落地困难重重。

OpenAI将AI发展分为L1-L5五个阶段，分别是L1聊天机器人、L2推理者、L3Agent、L4创新者、L5组织者。当前，全球头部公司大多处于从L2向L3过渡阶段。

回顾AI发展历程，从早期基于规则研究，到机器学习、神经网络，再到Google发布Transformer架构，AI迎来快速发展。

2022年GPT3问世，年底ChatGPT引爆AI热潮，我们进入L1阶段，获得通用大模型，打破了单一领域的限制。

进入L2阶段，思维链（COT）等技术发挥重要作用，通过复杂输入刺激大模型产生复杂输出。训练从预训练转向后训练，实践证明，仅对结果激励，配合简单强化学习就能实现L2。

DeepSeek基于基础模型V3强化学习，推出DeepSeek-R1的Zero版本，后经优化得到R1，并应用到拉玛和千问模型，提升了它们的性能。

从AI早期到L1、L2阶段，形成两个共识：追求通用能力，打破场景边界；通过强化学习，减少对模型的干预，仅对结果激励。迈向L3阶段时，这两个共识是否依然适用，值得探讨。

以GPT3、GPT3.5为代表的是模型，ChatGPT则是产品。过去两年多，行业靠加大资金投入提升模型性能，头部科技公司投入持续增加。在产品层面，DeepSeek爆火时，产品形式并无创新，核心是智能加开源。

这让人思考，在AI时代，产品和商业模式创新是否不如智能创新重要？

近期，GPT4发布新的图片生成功能，“吉卜力风格”照片在社交网络走红。大模型一次更新，可能取代创业公司长期投入的算法和模型，这说明创业公司过度依赖大模型存在风险。

随着AI大模型产品发展，产品变得越来越复杂。以智谱的AutoGLM沉思版为例，产品实现和功能并不理想。从用户和产品角度看，Manus的“看见”理念很重要。过去使用ChatGPT看到机器吐字、使用DeepSeek-R1看到模型推理过程，这种直观体验成了产品设计范式。在L3阶段，用户期望看到Agent的规划、执行和归纳过程。

秘塔搜索新功能也体现了“看见”的重要性，搜索答案转换为互动网页时，展示HTML代码滚动和进度条，让用户了解转换过程。

从开源技术到可用产品，差距巨大。美国“Enterprise Tech 30”创业公司榜单显示，AI Native公司比例上升，产品趋势抬头，非技术导向的PLG公司占比也在增加。但头部厂商对Agent理解有差异，OpenAI的深度研究（Deep research）是面向研究的端到端模型，这让我们对Agent究竟是模型还是产品更加困惑。

用“盲人摸象”形容当前行业对AI Agent的讨论很贴切。不同人对AI Agent理解不同，难以形成统一的定义。

在游戏领域，AI早已应用，如足球游戏和吃豆人游戏中的AI元素。但这些算不算AI Agent呢？

从2023-2024年初的YC-AI项目看，AI Agent相关项目已成为第七大分类，当时模型能力有限，项目实现方式多样。

随着行业发展，从L1到L2再到L3，经历从简单到复杂、再到简单又到复杂的过程。L1阶段认为自然语言就行，后来发现需要提示词工程和思维链；L2阶段提示词重要性降低，为实现L3又引入Workflow，但从逻辑上讲，L3可能不应依赖workflow和限制场景。比如，GPT4更新图像生成功能后，有人认为其可通过自然语言完成复杂图像生成工作流。

目前，对AI Agent的共识逐渐收敛。2022年底ChatGPT发布后，2023年是模型竞争年，2024年应用年效果欠佳，2025年需新突破，ToB市场也期待AI落地。通用仍是行业追求的目标，场景化和垂类应用也有空间。实现AG需要端到端训练，强化学习和推理是基础，但实际应用中存在上下文长度超标、外部工具调用困难等问题。

目前对AI Agent普遍描述有四个特征：有记忆、有规划能力、能使用工具、有行为记忆。大模型发展中，上下文长度内卷问题一直存在。推理模型出现后，计划制定变容易，引发对AG的新讨论。在工具使用上，当前工具生态丰富，重点是解决现有工具的调用问题。从语言到行为的转变，是从L2到L3及更高阶段发展的关键。

CB insights发布的AI Agent行业地图，将Agent行业分为基础层、平台层、应用层。

通用模型厂商，如美国的七姐妹、OpenAI，以及国内的腾讯、阿里等，不仅提供AI Agent服务，还打造开发工具和平台，构建Agent生态。这似乎说明通用Agent是大型厂商的发展方向，Manus等产品的定位因此值得思考。

在模型应用方面，ChatGPT、微软Copilot等公司处于领先地位。

有学者认为，能做好模型应用的公司不多，因为这需要高留存和高时长的软件支持。从投资角度看，早期投资主要集中在专业Agent领域，通用Agent领域被头部公司占据，垂直行业的Agent在美国仍有待发展。

基础层基建不完善，催生了大量相关项目。比如，DeepSeek和Kimi使用推理模型时的搜索服务由谁提供，就是问题。所有头部厂商都想把Agent打造成平台，近期MCP讨论增多，就因为它专注基建设施和工具调用，OpenAI也发布了Agent SDK并兼容MCP。

一些公司在这一领域取得成功，如Browser Use，3月22日获得1700万美金融资，Browserbase是“Enterprise Tech 30”今年早期公司榜单第一名，专门为Agent提供访问网站所需身份。

在AI Agent讨论中，边界不清晰的被称为Agent，边界清晰后就不再叫Agent，比如AI搜索、AI代码编程等。这说明AI Agent概念缺乏明确界定，和曾经的元宇宙概念一样，看似包罗万象，实则难以定义。

此前，网上流传微信Agent相关截图，声称微信将推出Agent，以IMA为雏形，开放多种权限。但这大概率是假消息，IMA由CSIG开发，微信不太可能将其作为中枢，且微信数据涉及大量个人隐私，调用存在难题。不过，小程序可能是微信Agent未来的实现方式，微信肯定会探索，但实施和节奏把控将考验微信团队。