2025Agent元年AI行业从L2向L3发展20250828

2025年08月29日00:15 关键词关键词 agent智能终端大语言模型AI应用模型开源生态MCP编程工具调用推理能力多模态能力竞争格局投资机会市场需求生产力提升降本增效AI资本融资商业模式 全文摘要全文摘要 在近期的讨论中，分析人士强调了人工智能（AI）智能体作为未来技术发展的关键领域，预计智能终端和智能体的渗透率将在未来十年达到100%。自2023年以来，AI智能体在多个应用领域展现出潜力，推动其发展的关键因素包括技术进步、市场期待以及开源生态的繁荣。讨论覆盖了通用型与垂直型AI智能体的优劣势，指出不同类型智能体在满足不同市场需求方面的差异。 2025Agent元年，元年，AI行业从行业从L2向向L3发展发展20250828_导读导读 2025年08月29日00:15 关键词关键词 agent智能终端大语言模型AI应用模型开源生态MCP编程工具调用推理能力多模态能力竞争格局投资机会市场需求生产力提升降本增效AI资本融资商业模式 全文摘要全文摘要 在近期的讨论中，分析人士强调了人工智能（AI）智能体作为未来技术发展的关键领域，预计智能终端和智能体的渗透率将在未来十年达到100%。自2023年以来，AI智能体在多个应用领域展现出潜力，推动其发展的关键因素包括技术进步、市场期待以及开源生态的繁荣。讨论覆盖了通用型与垂直型AI智能体的优劣势，指出不同类型智能体在满足不同市场需求方面的差异。报告还预测了市场对AI智能体的接受度、竞争格局，并强调了把握投资机会的重要性，建议长期配置平台巨头，关注垂直应用和MCP进展，以抓住AI投资窗口。 章节速览章节速览 ● 00:00 AI Agent发展与投资机会探讨发展与投资机会探讨对话围绕AI Agent的发展阶段、未来趋势及投资机会展开，强调了自2023年大语言模型爆发以来，AI Agent 正进入快速渗透期，预计未来两三年将是百花齐放的窗口期，投资者应关注这一领域的潜在机会。 ● 01:36深度报告：深度报告：Agent赛道爆发原因与竞争格局分析赛道爆发原因与竞争格局分析报告回顾了Agent赛道在2023年爆发的原因，包括技术成熟与融资环境改善等前提条件。强调Agent 不仅是效率提升的工具，更是通往L4的重要环节，将影响未来互联网流量入口。报告重点分析了通用型与垂直型Agent的竞争格局，以及大厂与初创公司在该领域的禀赋与优劣势对比，同时更新了四月以来行业内的新变化与趋势。 ● 02:59 A股赛道爆发原因与股赛道爆发原因与Agent技术市场分析技术市场分析对话探讨了A 股赛道爆发的三大核心原因：技术进步、市场需求及开源生态的推动。技术方面，模型能力的显著提升支撑了Agent完成复杂任务。市场方面，投资者期待生产力提升的工具，Agent符合这一需求。开源生态中，MCP的推出显著增强了Agent能力。此外，还介绍了几种主流Agent类型及其应用场景，如编程类和研究型Agent。 ● 05:47 AI发展阶段与技术突破：从发展阶段与技术突破：从L1到到L3的演进的演进对话探讨了AI技术从2022年末至2025年初的发展，特别是推理模型的出现如何推动了AI从L1到L3 阶段的演进，强调了底层模型成熟度对AI能力提升的重要性。指出准确率对于多步骤任务执行的关键作用，并展示了模型能力迭代的快速趋势及未来AGI的愿景。 ● 08:12 MCP简化大模型与工具交互的重要性简化大模型与工具交互的重要性 MCP作为USB转接器的角色，简化了大模型与工具之间的交互方式。传统模式下，每种模型与工具的交互需独立调用，而在MCP模式下，所有模型和工具仅需与MCP连接，极大简化了交互流程。MCP的重要性在于为模型提供了脚手架，增强了其功能性和可用性，是推动技术发展的重要因素。 ● 09:16 AI Agent交互技术解析：交互技术解析：Function Calling、、MCP、、Agent to Agent与与Broker Use对比对比对话探讨了四种AIAgent交互方式：Function Calling、MCP、Agent to Agent和Broker Use。Function Use则模拟人类浏览网页与工具交互，短期失败率较高，但长期看因通用性强而具发展潜力。 ● 11:46 AI应用市场与资本趋势分析应用市场与资本趋势分析对话围绕AI应用市场的发展趋势及资本市场的变化进行讨论，指出2023年为模型探索年，2024 年应用探索年，但多数应用未能解决核心业务痛点，2025年需实现实际价值。资本方面，美元基金因看好数字智能体概念而广撒钱，导致初创公司估值虚高，而人民币基金则态度务实，对商业模式和技术壁垒要求更高。 ● 13:06 AI Agent定义与分类定义与分类讨论了AI Agent的定义，指出并非所有名为Agent的产品都是真正的Agent。真正的Agent 需具备对话、推理、长期能力、工具调用及规划能力中的至少四种，全具备则为全自动Agent。 ● 14:06 AI Agent的发展与应用：从半自动到全自动的探索的发展与应用：从半自动到全自动的探索AIAgent从半自动到全自动的发展路径，强调了其在提升效率、降低成本方面的作用，以及作为AGI 讨论了发展关键环节的重要性。目前，大多数AIAgent仍处于需要人类介入的半自动阶段，但随着技术进步，其任务完成能力和成功率将逐步提升，最终有望实现全自动操作，展现出创新性和创造力。 ● 16:09 AI Agent改变互联网流量入口格局改变互联网流量入口格局对话讨论了AI Agent如何改变互联网流量入口格局，从传统搜索引擎和门户网站转向垂类信息平台，再到AI Agent 作为前端与用户交互。垂类应用可能转为后端，引发与内容平台的博弈，影响用户交互和广告收入。 ● 18:04 AI Agent任务执行成本与传统聊天应用对比任务执行成本与传统聊天应用对比对话讨论了AI Agent执行任务时消耗的大量tokens ，指出其成本显著高于传统聊天应用。以完成一个任务需花费约十元人民币为例，反映了AI Agent的高成本特点，强调了与ChatGPT等聊天应用在成本上的指数级差异。 ● 18:59竞争格局分析：垂直型竞争格局分析：垂直型VS通用型通用型Agent报告主体部分分析了垂直型与通用型Agent的竞争格局，指出垂直型Agent 短期内落地更快，适合初创公司，而通用型Agent代表未来竞争方向，需提升底层模型能力。当前通用型Agent面临产品界面相似、解决实际问题能力不足等困境，如处理网页信息和交互时存在缺陷，需后续技术进步解决。 ● 23:26 AI Agent争议与价值评估：技术封装与产品能力争议与价值评估：技术封装与产品能力讨论了AI Agent如Minus因基于现有技术封装而引发的争议，强调评估AI Agent 价值应从产品能力和工程化能力出发，而非单纯技术壁垒。指出AI Agent赛道的长期潜力不变，但行业将经历洗牌，务实和技术扎实的团队更易获得认可。 ● 26:17大模型与垂类大模型与垂类AI赛道分析赛道分析讨论了大模型在初期发展阶段的特性及其与产品的紧密关联，预测边缘AI模型供应商可能停止API 销售，强调大厂在通用型大模型及agent生态布局上的优势。垂类AI因聚焦单一领域、工作流清晰而落地更快，现有客户基础有助于加速收入增长。分析了上市公司在AI领域的布局，指出产品需解决特定行业问题并带来商业价值，团队近期发布深度报告，持续关注agent领域选股。 ● 30:23 AI Agent能力迭代与投资策略分析能力迭代与投资策略分析报告探讨了AI Agent未来发展的两大方向：核心能力迭代与从垂直领域向通用型发展。核心能力包括工具调用、规 划、记忆、可靠性和协作，每项能力将逐步增强。投资建议包括关注模型能力提升、平台巨头竞争、垂直领域深壁垒玩家，以及重视AI投资窗口期。 要点回顾要点回顾 今天我们讨论的主题是什么？今天我们讨论的主题是什么？ 今天我们主要来交流关于agent的观点，认为这是未来人工智能发展的重要方向，并分享关于agent目前所处发展阶段、未来演绎趋势以及投资机会的看法。 为什么现在为什么现在agent赛道会爆发？赛道会爆发？ agent赛道爆发主要有三个原因：首先，技术上模型能力提升是关键，当前模型在预训练、强化学习、推理和多模态等方面的能力显著增强，能够支撑agent完成各种任务；其次，市场方面，在经历了模型投资热潮后，市场期待看到AI技术带来明确的生产力提升和降本增效，而agent符合这一期待；最后，开源生态的突破，例如MCP的推出，也明显提升了agent的能力。 报告中对竞争格局有何判断？报告中对竞争格局有何判断？ 报告中对竞争格局进行了深入分析，对比了通用型agent和垂直型agent，以及大厂与初创公司在禀赋和优劣势上的差异。 技术进步如何推动技术进步如何推动agent的发展？的发展？ 2022年底出现的chat BT以及2023年初deep seek等模型的推出，标志着推理模型的成熟，这为agent执行复杂任务提供了底层支持，从而推动了agent赛道的发展。 OpenAI将将AI发展划分成了哪些阶段？发展划分成了哪些阶段？ OpenAI将AI的发展阶段分成了五个阶段，从L1到L5，其中L5类似于自动驾驶的全自动驾驶阶段。之前如check boat处于L1阶段，推理模型处于L2阶段，而agent则更接近L3阶段，因为它不仅具备聊天框和推理能力，还具有一定的动手操作能力。L3之后，我们可能会看到具有创新能力的AI，最终目标是实现通用型人工智能（AGI）。 为什么准确率对为什么准确率对A智能来说是一个重要的指标？智能来说是一个重要的指标？ 准确率之所以重要是因为agent需要执行包含多个步骤的任务，每个步骤的成功率都影响最终任务的成功率。如果每个环节的成功率较低，任务很可能失败。因此，底层模型的成功率对于衡量A智能的智能程度至关重要，并且目前看来，这些模型的能力迭代速度非常快，还没有看到明显的天花板。 MCP在推动在推动AI发展中的作用是什么？发展中的作用是什么？ MCP（可能是某种技术或协议的缩写）起到了类似USB转接器的作用。在MCP出现之前，大模型与各种工具和数据库交互时需通过各自的API，这导致了交互复杂且需要多种调用方式。而在MCP模式下，所有模型只需与MCP连接，简化了交互过程，使得agent能够更方便地使用各类工具，就像给大脑添加了脚手架，极大地提高了可用性。 MCP、、agent to agent以及以及broker use这几种交互方式有何区别？这几种交互方式有何区别？ 交流。这两者在本质上并无太大区别。broker use则是另一种交互方式，它模拟人类看网页的方式，直接与网页和其他工具进行交互，而非通过底层API或代码。目前，由于技术原因，broker use的失败率较高，但在长期看，由于其更强的通用性和模拟人类交互的特点，被认为是未来的发展方向。 市场需求和资本环境对市场需求和资本环境对AI领域的影响如何？领域的影响如何？ 市场需求方面，2023年是模型探索年，2024年出现了许多POC产品，但很多仅停留在表面的应用层，未能深入解决核心业务痛点，更多像是玩具类的产品。市场期待在2025年看到AI能带来实际的降本增效或营收增长的效果。资本环境上，美元基金倾向于广撒钱投资有潜力的agent概念产品，同时部分人民币基金因商业模式和技术创新壁垒不明显而持观望态度，导致融资状况有所波动。 目前目前agent赛道上主要的产品类型是什么？为什么赛道上主要的产品类型是什么？为什么AM agent（半自动或全自动（半自动或全自动agent）很重要？）很重要？目前我们能做到的主要是一些半自动的agent，即human in the loop模式，在执行任务过程中需要人工介入以确保任务的成功率