与大模型不同，Agent就像是一个“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。
“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”。一家物流履约平台独角兽企业告诉产业家。
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。
另外，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。
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。
当然，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。
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。
然而，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。
可以看到，如今关于Agent的一切，叙事都正在展开。
作者|思杭 编辑|皮爷 出品|产业家
本文由人人都是产品经理作者【产业家】，微信公众号：【产业家】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。