“今年，我们是针对具体的场景构建大模型，等到明年会进行更深一步的探索。目前我们正在和云服务伙伴讨论构建数字员工的问题”。
如果说 AGI 是大模型的终极目标，那么 Agent 智能体则是实现这一目标过程中的关键节点。它同时也是衡量大语言模型“从量变到质变”的关键。换句话说，只有当大语言模型达到一定成熟度后，Agent 智能体才会迎来真正意义上的爆发。
2024 年 7 月，OpenAI 定义了通往 AGI 的五个等级（见下图），其中 Agent 智能体就位于 L3，并声称我们即将达到 L2 级别，即具备人类的推理水平，能解决多种复杂难题。
几个月后，那个被外媒称作“国内最有可能成为 OpenAI “的企业智谱 AI，发布智能体 AutoGLM 时则表达了不同的观点。在智谱看来，大模型已经达到 L3，即可以使用工具、执行动作的级别，只不过其对工具的掌握能力还不够，并不能成自我学习。
然而，从市场需求的角度，企业级 Agent 的趋势已经显现。据统计，到 2028 年，全球 Agent 市场预计达到 2850 亿美元。
对企业而言，AI 真正的价值是降本增效，而现在的聊天机器人远远无法满足需求。于是，在 2024 年大模型商业化的一年里，以国央企为首的大型企业开始通过开发行业大模型的方式，来升级企业内部 IT 建设，或者解决特定场景下人工难以解决的问题。
但问题是，并不是所有企业都有“资本”建行业大模型，或做大模型开发相关工作；而且经过一年的大模型商业化探索，一个结论是，企业对如何构建大模型，怎么用还不够清晰。
它们更需要一套“标准答案”。
而与大模型不同，Agent 就像是这个“标准答案”，直接摆在企业面前，就连使用说明书和企业最看重的投入回报比都计算好了。
一“ Agent 战事”，前奏已打响
一个真实数据是，据外媒 Medium，截至 2024 年末，将有 5 亿个 Agent 分布在各行各业。等到 2025 年，这个数字将上升至 500～1000 亿个。
海外 AI 企业已经加入到 Agent 这场战事当中。
首先是融资超 130 亿美元的 AI 巨头 OpenA 已经加入到这场 Agent 竞赛中；其次是融资超 73 亿美元的 Anthropic；AI Agent 企业 Adept 投资 4.13 亿美元开发 Agent；AI Agent 企业 Imbue 投入 2.2 亿美元；Magic AI 斥资 1.45 亿美元用于 Agent 研发。
而在国内，云厂商、大模型厂商、运营商、软件厂商等等也早已开始了 Agent 的探索。
从 2024 年初开始，以百度、腾讯、阿里为首的互联网厂商都纷纷发布自家的 Agent 开发平台。它们都是基于自家的大模型平台，为用户推出低代码、无代码的 Agent 开发平台。此外，在推出 Agent 开发平台的同时，他们还为此推出了完整的算力层和模型层的服务。
像上述互联网大厂推出的这些 Agent 开发平台，一方面是为了扩大模型生态圈；另一方面，也是 AI 大模型时代新一波的用户争夺战。但实际上，严格意义上讲，通过这些开发平台搭建的 Agent，还不能够称之为 OpenAI 所描述的“ Agent ”，后者更倾向于行动层面。
比如在企业里充当“数字员工”的角色，真正达到降本增效的作用。
而对于真正在行动层面的 Agent，目前还停留在大型企业。在产业家此前统计的大模型中标项目中，结果显示，到 2024 年，智能体已经成为一种趋势，而且在行业分布中，电信运营商采购大模型的比例位居前三，主要采购的智能体为智能客服。
除了云厂商和大模型厂商，一些软件厂商也在尝试以 SaaS+AI 的方式打造智能体。
一个成功的案例是，海外 SaaS 巨头 Salesforce 推出 SDR（销售开发代表）和爱因斯坦教练，具体来讲，他们可以帮助企业筛选甄别销售线索，安排会议，然后提供与潜在客户长相相似的人物视频形象，以帮助销售人员通过角色扮演来排练他们的话术等等。
那么究竟为什么说 Agent 会成为 2025 年的主叙事？
因为随着大模型技术、产品和商业化愈加成熟，客户最关注的不是大模型榜单，也并非大模型的新技术，抑或是模型架构等等，企业真正关心的是谁能为他们提供一个标准答案，谁能像拼图一样，严丝合缝地与企业痛点进行匹配。
而这些答案无疑都指向 Agent。
二.从技术到落地
Agent 智能体成为 AI 第一步
根据 2024 年大模型中标项目来看，中标类型主要分为三类：算力、行业大模型、智能体。
通常情况，只有政府、大型央国企，或是需要消耗大量 GPU 的行业，如自动驾驶企业、运营商等，他们才有购买算力的需求。
其次，对于行业大模型来说，采购方也通常为大型企业。一方面由于开发行业大模型同样需要自身有足够强的 IT 积累；另一方面，搭建行业大模型需要对企业内的知识进行重新梳理，还涉及到打通各种 IT 系统之间的壁垒等等，这进一步增加了开发难度。
况且，从过去一年大模型商业化探索来看，一个结论是，企业对如何构建大模型，怎么用还不够清晰。因此，行业大模型在特定情况下，并不算是最完美的选项。
但智能体则不同。它更像一个标准答案，因为智能体更像是大模型时代，针对特定场景的 AI 解决方案。
比如像上述提到的智能客服，也是如今应用最广的领域，其价值就显而易见。某客服大模型项目负责人告诉产业家，过去行业里智能客服的解决率能达到 70% 左右，也就是说转人工率在 30% 上下；而应用大模型客服之后，解决率可以提升到 90% 以上，对于企业来说，10 几天节省了上万元的成本。
这对企业而言才是最真实的降本增效。
智能体也并非如此成熟。首先，从行业分布来看，应用最广的智能体主要有智能客服、AI 代码助手。对此，产业家了解到，在不少互联网厂商内部，智能客服都是他们最先尝试的企业级 Agent 项目。
其次，从客户类型来看，目前采购意愿最强的依旧是大型企业。
要知道，大模型时代，在需求侧一个最明显的变化就是底层资源的消耗，从过去的 CPU 变成 GPU。这意味着企业要耗费更多资源，需要大量成本投入。而如今，无论是能用得起大模型的，还是能用得起智能体的，都分布在大型企业 / 国央企。
百度智能云客悦负责人向产业家透露，近两年，POC 项目最大的变化就是，客户比例更偏重于大企业。
这里要解释一点，任何新事物诞生都需要探索与创新。同样地，在软件行业，如果企业需要上线新项目，通常都要经历非常关键、也非常耗时的一步，即 POC。
据了解，一些大厂早在 2023 年中下旬就已经开始与央国企进行智能体方面的 POC 项目合作了。未来，伴随着智能体生态的成熟，这些趋势也将向中小企业延展。
三.谁能拿到 Agent 入场券？
实际上，很多智能体过去都是以 SaaS 形态存在，而如今 Agent 则正在成为企业的优先选项。
在大模型时代，从 SaaS 过渡到 Agent，同时也意味着底层架构的颠覆。过去 SaaS 的底层架构是基于 IaaS+PaaS；而今天底层架构则是基于大模型，也就是算力层 +MaaS/ 模型层。
而在这种底层架构的颠覆下，并非所有企业都能拿到 Agent 的入场券。
因为 Agent 是在大模型或小模型基础上设计的，这意味着 Agent 企业需要具备模型能力，或者与大模型厂商进行合作。以实在智能为例，这曾是一家传统的软件厂商，主要为客户提供 RPA 解决方案，但于 2023 年开始，便依次发布其自研大模型，并开始向 Agent 转型。
而像百度、腾讯等互联网厂商也是一样需要借助大模型能力，据了解，双方都推出了自家的大模型客服机器人，而且底层的模型能力也分别基于文心大模型和混元大模型。在此基础上，进行模型的精调。
与云计算时代相似的是，大模型时代也有更标准化的 Agent 版本。这些智能体同样也以更标准化的 SaaS 版本存在。
而当大量标准化版本涌入市场之时，也是 2025 年 Agent 叙事的开始。
那么，今天大模型时代下的 Agent 智能体，和过去传统软件，除了在底层架构方面，还有什么区别？
其中最明显的一个区别就是 Agent 是有自我学习能力的软件。
虽然在目前阶段，大模型还并没有发展到让 Agent 能够完全自我学习、自我进化的程度，也就是 OpenAI 口中的 L3 阶段；但大模型厂商依据过去服务企业的行业 know-how，将其总结成 SOP 流程喂给 Agent，它也能进行半自主进化。
未来，随着大模型能力的进一步提升，Agent 将会达到真正的自我学习阶段。届时，也将有越来越多的中小企业加入到 Agent 的叙事中来。
然而，关于企业级 Agent，或者说智能体，从产品路线到企业内部的 AI 建设，再从商业模式到服务模式，都未形成标准化的范式。
以商业模式为例，过去云计算时代，SaaS 软件的付费模式主要分为订阅费、定制化开发两种；而未来，从云计算到大模型时代，当 SaaS 过渡为 Agent 形式，则出现了更多元化的付费模式。
目前主要分为三类：
1）按照传统 SaaS 订阅的方式计费；2）按 tokens 付费，这也是大模型时代下衍生出的一种新的商业模式，即按需付费，同时也根据其 Agent 调用的能力付费；3）通过生态合作的方式，根据实际效果进行分成，比如销售额增长、效率提升等等；再或者以系统集成商合作，将 Agent 集成到其产品或服务中，通过销售分成、合作推广费用等方式实现盈利。
