文 | 王吉偉

2025年，全球AI領域迎來兩大標志性事件：中國團隊研發的DeepSeek-R1開源模型以“推理成本僅OpenAI的3%”引爆開發者生態，而通用智能體Manus則以“任務自主執行閉環”刷新公眾對AI生產力的認知。

這兩項技術突破，不僅標志著AI Agent（智能體）從實驗室走向產業應用，更預示著人機協作模式將迎來根本性重構。

AI Agent的本質，是能夠感知環境、規劃任務并執行行動的智能實體。與傳統大模型（如GPT系列）相比，其核心差異在于“思考-行動”閉環能力”的構建：大模型聚焦語言處理，擅長生成文本、回答問題，但需依賴人工指令驅動；AI Agent以LLM為“大腦”，整合規劃模塊、記憶系統與工具接口，可自主調用API、操作軟件甚至跨平臺完成任務。

這種能力躍遷的背后，是技術架構的顛覆性革新。以DeepSeek-R1為代表的推理模型，通過純強化學習（RL）訓練突破傳統監督微調（SFT）局限，在數學推理（MATH-500測試97.3%）、編程競賽（Codeforces評級超越96.3%人類）等場景展現類人思維。

Manus通過多智能體協同架構，將任務拆解、工具調用與結果驗證模塊化，實現從“用戶指令”到“交付成果”的全鏈路自動化。雖然Manus不是技術的創新，卻證明了多智能體協作系統的工程可行性，并成功引發了學術、技術、產業、創投等各界對通用智能體的探索與研究熱情。

在大模型與AI Agent快速迭代與發展的同時，“模型即應用”模式也在不斷被提及。很多人都認為該模式正在終結傳統API時代，激進之人更認為2年之后大模型企業可能就會停止API服務。

DeepSeek等推理模型對AI Agent有什么影響？Manus為行業帶來了哪些啟示？AI Agent行業現狀如何？又該怎么應對“模型即應用”帶來的行業挑戰？

3月29日，王吉偉頻道在「廈門大學數據庫實驗室」主辦的「大數據百家講壇」上，做了一場題為《DeepSeek、Manus與AI Agent行業現狀》的分享，圍繞AI Agent的概念、技術發展、行業應用現狀以及對企業經營的影響進行了一些探討。

本文是這次分享的文字整理版，希望能夠帶給大家一些啟發。需要PPT的小伙伴，可以在微信公眾號「王吉偉」 回復250329獲取資源。

一、前言：什么是AI Agent

今天我分享的主題是《DeepSeek、Manus與AI Agent行業現狀》，分為5個部分：

• 什么是Al Agent
• DeepSeek等推理模型對Al Agent的影響
• Manus通用智能體帶來的行業啟示
• Al Agent行業現狀
• Al Agent如何影響企業經營

在正式開始這個分享之前，有必要先聊一下什么是AI Agent，便于大家更好地理解后面的內容。

1、AI Agent的定義與概念內涵

在2023年3月，AutoGPT橫空出世，那時人們開始接觸AI Agent，但對其并不了解。7月份，OpenAI的翁麗蓮發表了一篇名為《LLM Powered Autonomous AI Agents》的博文，詳細介紹了基于大語言模型的AI Agent的技術架構，被認為是目前比較理想的技術架構。

該架構包括基礎規劃、工具使用等模塊，再加上大語言模型，共四個模塊，通過使用工具，最后采取行動，基本構成如下圖。

關于智能體的概念，很多組織從不同角度出發，給出了很多定義。比如IBM將AI Agent定義為一個自主執行任務的系統或程序。Anthropic最近也對AI Agent下了一個簡潔定義：AI Agent是大語言模型動態指導自己的流程和工具使用的系統，保持對完成任務方式的控制。

現在我們所說的AI Agent，基本都是基于大語言模型的，也就是LLM Based Agent。

目前，業界對復旦大學NLP團隊提出的定義比較認可，即AI Agent是一種能夠感知環境、進行決策和執行動作的智能實體。

在此定義下，AI Agent主要分為感知、規劃和行動三部分。感知后開始規劃，做出決策，然后行動。行動完成后，進入觀察環境的循環，繼續感知，再進一步規劃、優化，最后采取更好的行動，這是最簡潔的AI Agent表達式。

該表達式稱為PPA，即感知、規劃、行動三個詞的首字母組合。PPA表達式雖簡單，但包含豐富內容。感知涵蓋人體五覺及其他延伸感觸；規劃包括目標設定、信息收集、分析等；行動則涉及利用工具、合作溝通等，行動本身還可進一步拓展。

2、還有很多人在問AI Agent與大模型的區別

大模型聚焦語言處理，以文本交互被動響應指令，應用于內容生成等場景；AI Agent以LLM為核心，具備多模態交互和自主執行能力，可完成跨場景復雜任務。

兩者的區別，可以體現于定義與目標、核心能力、應用場景、技術實現、局限性等幾個方面，詳情見下圖。

3、解決應用落地問題：從單智能體到多智能體

AI Agent的終極設計目標是要打造真正自主執行各種任務并能夠學習進化的智能體，但限于當前大語言模型及AI Agent本身的技術限制，目前還達不到這個目標。

要解決這個問題，要么實際把大場景跨應用的業務細分化，針對細分場景設計智能體，因此產生了垂直智能體。垂直智能體可以垂直于業務場景，也可以垂直于一行細分領域，但垂直于一個領域的更有可能是多智能體。

多智能體架構也是智能體在復雜業務場景應用的解決方案，把一個復雜場景分解為多個簡單任務，讓不同角色的智能體去執行不同的任務，并且這些任務還可以無限的細分下去，讓更多的智能體調用不同的工具去執行，進而產生了智能體網絡，并衍生出群體智能。

4、智能體的四種設計方式

吳恩達教授提出的智能體設計方法有四種：反思（Reflection）、工具使用（Tool Use）、規劃（Planning）和多智能體協作（Multi-agent Collaboration），多智能體協作正是其中之一。

從這四種設計方式而言，現在的大語言模型尤其是推理模型能夠反思、規劃和進行簡單的工具使用，都可以算是智能體。

5、Agentic workflow

受限于當年的技術條件與企業復雜應用環境，這些智能體設計方式仍然不能滿足企業需求，企業需要的是把大模型和智能體真正融入業務運營的流程中，Agentic workflow便應運而生。

Agentic workflow通過工作流編排把大模型、ERP、CRM等系統及API、數據等工具封裝為智能體、AI應用或者解決方案，可以解決大量的業務流程自動化，但仍然需要人工進行各種功能的預制構建，更像是一種LLM賦能的低代碼工具，感覺這種方式很不Agent，距離自主智能體越來越遠了，是不是？

6、通用智能體

技術圈一直都在探索真正的自主智能體，直到前段時間Manus的出現，雖然到現在還拿不到邀請碼，但它讓大家看到了自主智能體的雛形，即便執行一個任務需要幾十分鐘乃至更長的時間。manus號稱全球第一個通用智能體，這個概念也跟著manus火了起來。但一些人并不認同，至于為什么，這點我們后面再講。

目前通用智能體（General AI Agent）被看作是一種能夠自主執行任務、進行復雜決策并適應多種環境的高級人工智能系統。從當前智能體產品形態來看，可以分為兩類：

一類是被稱為computer use Agent的類似Manus的產品，采用大模型（推理模型+多模態模型）+API模式，通過屏幕截圖來識別屏幕元素，以API接口調用各種工具執行任務。

另一類是在RPA等流程自動化工具基礎上融合AI Agent架構并把RPA當作超級工具的Agent，這類產品基于原有業務流程自動化技術的沉淀，適配大模型、RAG、屏幕識別等技術，實現智能體流暢操作電腦上各種應用。

受大模型能力、技術架構、工作模式等因素的影響，目前第一類通用AI Agent在體驗上并不是很好，等待時間長，任務執行能力差，效果不可控。第二類通用AI Agent因為RPA本身就已經與PC、手機等終端有了很好的融合與適配，體驗上比前者要好很多

二、DeepSeek等推理模型對AI Agent的影響

前面簡單介紹最近兩年AI Agent發展的基本路徑。其實所有問題的原點，最終還要回到大模型上。LLM Based Agent的能力與功能取決于LLM的性能，如果大模型能力足夠強大，智能體也就能做到勝任更多業務場景。當然大模型足夠強大了，可能也就不需要智能體了，這個涉及到了模型即應用，后面會講。

所以像DeepSeek R1、通義千問 QwQ-32B、文心一言 X1、混元 T1這樣的高質推理模型的出現，對AI Agent性能與功能的提升有著很大的賦能，這里總結了幾點：

DeepSeek通過提升AI Agent的推理決策、規劃執行、工具調用、交互擬人化及多模態個性化能力，推動其“五感”交互自然化，為具身智能發展奠基。

在設計模式上，AI Agent的反思、工具使用、規劃和協作能力因推理模型而增強，能更合理分配任務，提升執行效率。

應用層面，DeepSeek支持本地化部署，保障數據隱私，打破標準化場景限制，向戰略決策和復雜業務優化延伸。

開發部署方面，其開源技術降低成本，助力中小開發者創新，提升市場競爭力。通過算法創新和訓推范式革新，DeepSeek降低算力消耗，實現大規模部署的經濟可行性。

用戶體驗上，DeepSeek讓AI Agent對話更自然智能，提升客戶服務場景中的復雜查詢處理能力。

產業生態方面，以推理大模型為核心的分層技術生態形成，推動跨行業協作與標準化，企業可快速接入實現數據價值挖掘。

在市場競爭格局中，DeepSeek的技術突破助力中國從AI規則接受者向標準共治者轉變，其開源和國產化優勢有望重塑全球AI Agent市場格局。

詳情內容，見下圖。

三、Manus通用智能體帶來的行業啟示

1、Manus的技術構成

Manus的技術構成可分為四個核心模塊與實現機制：多代理協同架構、模型調度與優化、動態任務調度引擎及安全與穩定性支撐。

這一架構通過工具鏈整合優化而非底層模型創新，實現了從任務理解到結果交付的全鏈路自主執行，同時兼顧效率與成本優勢。

從官方視頻展示來看，Manus可以用于零售與電商、金融、教育與研究等領域的多種應用場景。我在書里介紹了智能體在多個領域的應用，在技術部分提到了相關技術架構，在智能體技術發展趨勢和應用發展趨勢方面也有介紹多智能體，可以幫助讀者理解這種智能體。

Manus技術架構通過工具鏈整合優化而非底層模型創新，雖然大家對它的評價褒貶不一，但作為通用智能體，它還是為行業帶來了不少的啟示。這些啟示，主要體現在產業協作革新、生產力重構、技術創新轉型、開源生態協同及倫理與治理挑戰等幾個方面。

Manus的出圈也證明了能夠自主執行相對復雜任務的智能體在現階段是可行的，雖然需要耗費很多的token和時間。那么接下來肯定會有更多的同類產品出現，也會進行更多的優化與迭代，再加上大語言模型的快速發展，今年內這類智能體的體驗應該就能有很大的提升。

四、AI Agent行業現狀

1、應用現狀：B端傾向知識庫，C端五花八門

頭部企業采用“企業大腦”（企業知識庫）架構，整合知識資產沉淀、業務流程數字孿生與安全合規底座，構建端到端智能體服務。中型企業（100-2000 人）采用率最高達 63%，因其靈活性和需求迫切。中小型企業偏好低代碼平臺，通過可視化界面快速開發自動化工作流。

非科技行業（如金融、醫療）的采用率（90%）已接近科技行業（89%），顯示出 AI Agent 的普適性。

25% 的企業已將生成式 AI 與 Agent 結合部署，預計到 2027 年這一比例將升至 50% 。中國500強企業部署AI Agent后，數據準備與分析效率提升58%，決策耗時減少70%68。

小型企業（4 人以下）AI Agent 使用率增長迅速，從 2023 年 9 月的 4.6% 升至 2025 年的 5.8%，反映了小型企業在資源有限下對 AI Agent 的依賴，以降低運營成本和快速擴展 。

個人用戶使用的AI Agent，主要依賴Coze、文心智能體等AI Agent構建平臺上Agent或者使用一些廠商提供的開箱即用AI Agent成品，部分用戶使用一些支持AI Agent的AI應用客戶端，還有一部分懂技術的用戶會在本地部署一套包括大模型在內的AI Agent系統，比如Dify、Ragflow等。

下圖是一些行業應用數據，其中有實際應用數據，也有預測數據。

2、產品現狀

AI Agent發展到現在，從企業級角度來其產品形態可以分為通用型、垂直領域專家型、企業級解決方案三個大類別。

當前的AI Agent產品及服務形態，大概有以下幾種。其中常見AI Agent產品包括聊天助手、編碼助手、AI搜索等。

當前的AI Agent產品，具備幾個產品通性。

聊天機器人如ChatGPT、Kimi、通義千問等已發展為綜合應用類AI Agent，具備工具使用和推理功能。AI搜索和編碼助手是較成功的AI Agent產品，傳統搜索引擎和創業項目均有相關產品推出。

C端產品主要集中在AI Agent構建平臺上的用戶自建產品，尚未出現大量爆款應用。眾多廠商將AI Agent開發應用于B端，提供企業級解決方案，企業軟件廠商也紛紛推出相關產品。

目前，B端是AI Agent紅利的主要領域，因企業對安全、可信、可控智能體的需求，以及大語言模型存在的問題，使得基于軟件架構集成Agent的企業級產品更受青睞。

市面上的AI Agent多基于特定知識庫或數據構建，在問答交互方面表現出色，但在程序聯動和操作，如直接操作ERP系統等方面存在局限。

對于6個產品通性，具體見PPT內容。

智能體構建平臺

這里重點說一說智能體構建平臺。

智能體構建平臺，現在已經成為已經成為智能體應用構建與承載的中流砥柱。大家看到的或者體驗的很多智能體基本都是通過一些智能體平臺的構建的。

目前智能體平臺更多的還是面向開發者，普通用戶想構建適合自身需求的智能體還有一定的門檻，當然直接使用開發者們構建的智能體是沒有問題的。

像coze、文心智能體、智譜清言等現在創建和使用已經很簡單，能夠實現一句話創建一個智能體，當然要實現多智能體、工作流等復雜的功能仍舊需要一些時間去學習、理解和應用。所以要想讓更多人更簡單的構建和使用智能體，還需要進一步降低這個門檻。

在AI應用構建方面，智能體構建平臺初步把智能體改造成了基于LLM的低\無代碼平臺，低\無代碼平臺也正在積極融合Agent技術升級為Agent構建平臺。接下來這類平臺都會先向LLM低\無代碼平臺過渡，再慢慢進化為具備更多功能能夠構建復雜智能體的平臺。

產品現狀：產品動態與發展趨勢

很多問答助手都晉級為能夠搜索能調用簡單工具的增強型問答助手，成為AI Agent。

2年前王吉偉頻道所講的的“大模型Agent化”，現在叫作大語言模型即應用（即服務），是當前的主流話題。

大模型都具備較強的推理能力后，DeepReasearch成為大模型Chatbot和搜索引擎的標配功能。當然大部分產品是在原有產品上使用了Agentic RAG等技術，OpenAI的DeepReasearch則采用了專門訓練的模型。

知識庫類的copilot產品，目前都具備搜索、文本處理等功能，后面很有可能會迭代出Agent模式。

語音類Agent與web Agent，將會成為今年爆發的新品類。

在各種新技術的加持下，現在任何應用場景都能構建AI Agent。

3、市場格局：大企業不斷加碼，創業項目不斷涌現

市場由主要科技公司和越來越多的初創公司主導，競爭環境激烈。

AI Agent 市場正在顯著擴展，主要受到自動化和效率需求的推動。marketsandmarkets報告數據顯示，該市場從 2024 年的 51 億美元增長到預計 2030 年的 471 億美元，復合年增長率為 44.8% 。

初創公司和細分市場參與者：CB Insights 市場地圖識別出超過 170 家初創公司，包括 Harvey，該公司在 2025 年 2 月以 30 億美元估值融得 3 億美元，專注于法律 AI 代理 The AI agent market map。其他值得注意的初創公司包括 CrewAI和 ServiceNow等。

國內外大公司動作頻頻，有些公司已經取得了不錯產品成果與市場進展。頭部的大語言模型創業公司，也都在重點開拓AlAgent領域。具體見下面兩張圖。

隨著更多AI Agent產品的解決方案推出，越來越多涉及AI Agent的公司和團隊慢慢浮出水面，行業版圖也逐漸清晰。

國外市場全景圖

左邊是New Economies在2024年6月份繪制的市場地圖，右邊是投資機構Insight Partners給出的2024年12月市場全景圖。可以看到從6月到12月，AI Agent項目增加了這么多，變化還是蠻大的。半年時間便有大量的AI Agent項目出現，并且實現了產品化，可以用于企業與個人的工作與生產。

這張圖中間主體是Agents部分，這些公司已經推出了AI Agent產品、解決方案或者服務，或者是在原有AI產品基礎上推出的AI Agent。其他部分廠商，他們也正在向AI Agent過渡，或者已經推出了相關產品或服務，還有一些是從自動化角度切入到Agent賽道。

但不管過去的產品形態怎樣，現在他們都在向Agent過渡或轉型。這些企業既有科技巨頭，也有企業服務及自動化領域的名宿，更有大量初創企業。所以，這張圖名為AI Automation & Agents Market Map。

其實從自動化角度看，包括LLM及AI Agent等在內的任何類型的AI技術帶來的都是業務流程的自動化，區別只是自動化程度的高低。

所以王吉偉頻道才在《一本書讀懂AI Agent：技術、應用與商業》中感慨，近幾年生成式AI和AI Agent帶來的企業經營管理與范式的顛覆性變革，但無論技術、架構和方案怎么變化，只要抓住業務流程再造與自動化需求這兩個點，產業鏈上所有參與者都能因創造商業價值而獲得成功。

我們不用過多關注技術的變革與顛覆，重要的是在每個技術變革時代善用這些技術去解決問題，那么你就能成為每個時代的弄潮兒。

國內全景圖

國內的市場情況，王吉偉頻道查閱了兩份行業報告。左邊這張圖是甲子光年在4月份發布的《中國AI Agent行業研究報告》，他們根據當時的市場情況繪制了中國AI Agent生態圖譜1.0版本。當然，這張圖也體現了去年國內智能體行業的生態結構。

右邊這張圖是InfoQ發布的第二季度報告。可以看到智能體產品明顯多了。從4月到6月，一些創業型產品出來了，還有一些大公司也推出了相關產品。當然這是半年前的市場情況，現在的產品要更多。

4、技術現狀

經過幾年的發展，AI Agent的技術進步依賴于多個核心技術特征，這些特征定義了其功能和應用范圍。

大語言模型（LLM）是AI Agent的核心，提供強大的自然語言處理能力，支持多語言和多領域任務。

AI Agent具備多模態能力，整合圖像、音頻和視頻處理，適用于智能家居、醫療診斷和內容創作。通過高級規劃和推理技術進行自主決策，能夠調用外部工具和API，擴展其功能。記憶和學習機制使其能夠存儲和檢索信息，增強學習能力。技術架構通常包括感知、認知和行動三個組件，支持多種分類和多代理協作。

同時AI Agent技術正朝著多個創新方向發展，以提升性能和用戶體驗。增強多模態交互、提高自主性和可靠性、多代理協作、邊緣計算與端側部署、可解釋性和信任及個性化與適應等都是前沿的發展方向。

幾個當前的熱門技術，大家可以多關注。

Model Context Protocol，一種開放協議，用于標準化應用程序向大型語言模型（LLMs）提供上下文（數據）的方式。MCP是由Anthropic推出的協議，現在得到很多廠商和大模型的支持，就連OpenAI和微軟最近也支持了。

• deep reasearch：Deep Research是OpenAI推出的一種研究工具，結合了語言模型和深度搜索能力，用于處理復雜的學術研究任務。
• Agenic RAG：一種結合檢索增強（Retrieval）和生成（Generation）的技術，用于提升AI Agent的知識檢索和生成能力。
• Compuer use：AI Agent調用外部工具（如搜索引擎、數據庫、API等）的能力。
• GUI Agent：一種能夠與圖形用戶界面（GUI）交互的AI Agent，通過模擬用戶操作來完成任務。

AI Agent技術棧

AI Agent技術發展到現在，技術生態基本已經成型，用于構建AI Agent的各種技術正在不斷完善。

下面圖片中，左邊是去年7、8月份投資機構Aura Ventures整理的市場全景圖。其中涉及到了技術部分，他們通過技術表達的形式把相關公司或者產品列到了這種好難過圖中。

可以看到每一個技術和解決方案下面都列舉了一些代表性公司。關于這張圖的具體解讀，可以參考圖書第15.2.4節產業格局。

右邊是Letta在今年11月推出最新技術棧統計。它也是從技術視角以AI Agent構建流程的形式，標明哪些技術由哪些技術供應商來提供。單從技術而言，多半年時間又有不少技術公司得到了市場認可。

在技術棧方面，大家可以重點理解《AI Agents Stack》這張圖。左邊這張圖因為時間比較早可以作為參考，當然通過它可以整體把握AI Agent市場結構。

AI Agent技術生態

在文章的開頭，我們先介紹了翁麗蓮提出的AI Agent技術架構。把這個架構圖用技術和企業進行具象化，可以看到下面這張由 Activant Capital繪制的技術供應商角度的AI Agent生態系統圖，也就是左邊這張圖。技術視角的架構圖，可以幫助我們更好地理解智能體。

右邊是關聯技術廠商的一個具象化，它同時也是一個技術成熟與市場增長信念的象限圖，每一種技術以及代表廠商都在這個象限中有合適的位置。通過這張圖，能看到這些技術及產品的市場發展潛力。

AI Agent技術進展

基于大語言模型的AI Agent技術，正在快速發展與迭代。到2024下半年，大模型都向多模態發展，同時10月份OpenAI的o1模型開啟了后訓練時代，可推理、可視覺以及上下文協議等技術的應用，極大地推動了AI Agent在更多場景與領域的的應用。現在，很多大企業都推出了推理模型，對于智能體行業的好處前面已經講過。

上圖的左邊部分，是大語言模型發展前景圖。圖片分為6部分，從左到右我簡單的上面做了做了注解。短短的兩年多的時間里，大模型已經迭代了多次使得AI Agent的功能和能力都在不斷的提升和增加。

右邊是當前的七種主流RAG（Retrieval-Augmented Generation，檢索增強生成）技術架構圖。能夠有效解決AI Agent長期記憶問題的RAG技術，已經在短短的幾年內發展出多種技術架構。其中Agentic RAG作為新一代技術，正在重塑AI Agent的記憶內存。

AI Agent技術框架不斷推陳出新。這里列舉了代表性科技企業微軟和谷歌推出的部分AI Agent技術框架。這個圖表中羅列了微軟的8種技術架構和解決方案，這只是其中一部分，實際上他們推出的相關技術還有很多。

包括谷歌也是一樣，現在開始重點發力AI Agent。在技術社區，AI Agent技術框架更是百花齊放，預計2025年就開始卷多智能體、GUI（UI）智能體和端側智能體了。

下圖是一些AI Agent的開源項目與閉源項目。下面的兩個表格中列出的是已經推出AI Agent技術框架、產品及解決方案的開源與閉源項目。左邊是開源項目，右邊是閉源項目。

這些項目來自智能體沙盒技術供應商e2b的Github倉庫awesome-ai-agents，它通過搜集和提交的方式來累積智能體項目。截至2024年12月底，開源項目110個，閉源項目105個。

當然并不是說目前的AI Agent項目只有這些，還有大量相關項目并不在這個名單中。這里只對這些項目做了簡單介紹，關于每個項目的具體介紹大家可以到Github去查閱。

5、面臨的問題

雖然AI Agent已經逐漸在很多領域實現商用，受限于現階段的技術、生態、用戶接受度等因素，仍然存在一些問題和不足。

AI產品存在的不足，這里王吉偉頻道總結了9點，包括AI Agent存在交互能力局限、工程穩定性上存在隨機輸出和異常處理問題等，詳細內容大家可以看下圖的左邊的表格，我在圖書中也有提及。

AI Agent應用部署方面也面臨著一些挑戰，這里直接引用了langbase《state-of-ai-agents》報告中的調查與總結，詳情見上圖的右側圖表。這份報告我在之前的文章中分享過，大家可參考下面的文章。

推薦閱讀：十篇AI Agent研報，看懂2025年全球智能體行業全景，附下載

具體到當前的AI Agent開發與應用上，這些問題與挑戰主要包括錯誤容忍度、記憶與上下文管理瓶頸、模型智能程度的限制、自我評估能力的缺失、工具集成與協調難題、數據相關挑戰、魯棒性與安全性風險等。詳情見下圖。

這些問題的解決路徑集中在技術優化（如端到端訓練強化推理能力）、協議標準化（如MCP框架優化）及多學科協作（工具鏈整合與記憶增強）等方面。

現在還有一個很明顯的趨勢：模型即應用（服務），模型本身直接構成最終產品或服務，而非通過應用層（如API或第三方軟件）二次開發。比如OpenAI的DeepResearch模型能夠端到端自主完成研究報告生成，無需外部工具調用或人工干預，Claude Sonnet 3.7可直接完成復雜任務（如代碼庫管理）而非僅作為生成代碼的工具，還有很多大模型推出的DeepResearch等功能。

這個趨勢，可能會造成2個結果：

API時代將被終結：大模型廠商（如OpenAI、DeepSeek）將停止對外提供API，轉為直接提供模型作為產品，這個時間可能也就兩年。

應用層被大模型取代：原有“套殼應用”（Wrappers）會被模型廠商直接集成能力的功能淘汰。

這個趨勢一方面讓大模型與智能體的邊界越發模糊，另一方面也讓很多人擔憂智能體未來發展的方向。解決方法是：

一方面需轉向自研模型，另一方面需要垂直領域專用模型的強化學習和推理結合，可直接解決現實場景問題，比如實在Agent就以塔斯大模型結合智能屏幕語義理解（ISSUT）和RPA技術，通過強化學習動態優化任務執行策略。

AI Agent是一種能夠感知環境、進行自主理解、決策和執行動作的智能實體。Agentic Workflow是指通過預定義的多步大型語言模型（LLM）調用靜態完成任務的工作流。Agentic AI是AI具備自主性的能力和行為，代表了AI所能實現的頂峰——獨立行動、學習和適應的能力。

AI Agent向Agentic Workflow的發展以及Agentic AI的興起，正推動行業效率提升和數字化轉型。這些技術改變了企業運營模式，改善了客戶體驗，并為決策支持和自動化服務帶來革命性變化。

它們也延伸了應用價值鏈，改變了行業業態，盡管面臨技術挑戰，但為行業帶來了前所未有的發展機遇。

五、AI Agent如何影響企業經營

企業經營以優化流程、管理資源實現盈利與客戶增長為目標。AI Agent可以系通過降本增效、風險管控與組織革新，成為企業競爭力升級的關鍵引擎，主要通過三個維度影響企業經營：業務運營、戰略決策及組織管理。

當然企業經營是個復雜體系，AI Agent可以在多個企業經營環節與業務場景進行賦能。

目前企業應用AI Agent主要有三種模式：直接使用、客戶端調用API和本地私有化部署。

直接使用適合對數據隱私要求不高、希望快速接入AI能力的企業，尤其是中小型企業，可直接利用市場上現有的AI Agent服務，如實在Agent、Operator、Manus等，或在Coze等平臺構建個性化AI Agent。

客戶端調用API適用于需將AI能力集成到現有系統的企業，通過調用第三方API接口，結合客戶端工具如AnythingLLM、Cherry Studio等，開發智能客服、文檔處理助手等應用。

本地私有化部署適合對數據安全和隱私要求高的大型企業，可在本地環境中部署AI Agent，使用開源框架或自研技術構建技術閉環，如借助LangChain、OmniParserV2等開源項目進行部署。

尾聲：未來寄語

最后，再簡單說幾句對智能體行業未來寄語。

AI Agent給不會編程的普通人帶來了更多機會，讓大家能夠通過自然語言構建個性化智能體應用，可以通過智能體提高個人生產力，可以把這些應用分享給別人使用，更可以通過智能體創業實現自己的夢想。

簡單地說，接下來就如果要創業，你可能不需要再找一個技術合伙人，只要你了解怎么構建智能體，就能創建一個人的公司，一個超級個體。

最后用《一本書讀懂AI Agent：技術、應用與商業》封面引用比爾·蓋茨一句話結束我今天的分享：AI Agent將來未來5年內徹底改變我們的生活。

王吉偉頻道認為，接下來每個人都應該擁抱AI Agent成為時代領跑者，希望大家都能夠更全面地認知和使用智能體，快速成為智能體時代的超級個體，快速用AI Agent賦能企業增效降本與高效運營。

全文完

王吉偉頻道新書《一本書讀懂AI Agent：技術、應用與商業》已出版，輕松讀懂系統掌握AI Agent技術原理、行業應用、商業價值及創業機會，歡迎大家關注。