文 | 融中财经
核心观点：
时至 2025 年，随着 Manus、GenSpark 以及其他海内外大厂 C 端 &B 端 Agent 产品的持续涌现，行业对于 AI Agent 在技术架构和产品形态层面正在逐步成型，2025 年正在成为所谓的 "AI Agent 元年 "。
AI Agent 核心理念是让大模型自主调用各类工具去执行更加复杂的任务。作为生成式 AI 的高级形态，AI Agent 覆盖技术体系、算力资源、数据治理及生态建设等多个维度，准入门槛显著高于一般大语言模型应用。
根据 IDC 发布的预测，2024 年 AI Agent 全球市场规模约 52.9 亿美元。中国企业级 AI Agent 应用市场在 2028 年的保守规模将超过 270 亿美元，预计到 2030 年可增长至 471 亿美元。
到 2028 年，约 33% 的企业级软件应用将内置具备自主功能的 AI Agent 系统，远高于 2024 年时不足 1% 的渗透率，这表明在未来数年内 AI Agent 从辅助工具向业务决策层面的演变成为重大趋势。
行业概述
（1）定义
AI Agent（智能体）是一种基于大模型实现控制流决策的应用系统，其核心理念是让大模型自主调用各类工具去执行更加复杂的任务。
目前单一的 LLM（大语言模型）并不能很好地执行一些长链条任务，在很多场景中也需要调用各类工具。因此，AI Agent 与 LLM 之间存在着明确的递进关系。
AI Agent 与传统 AI、AIGC（人工智能生成内容）之间亦存在着明确的层次递进和功能定位差异。下图展示了用户与传统聊天机器人、AIGC 以及 AI Agent 产品交互时的对话结果，可以看出，AI Agent 产品在用户交互体验和自动化能力上具有明显优势。
（2）技术框架
目前 AI Agent 已初步形成了底层大模型 + 各类工具 + 配套 Agent Infra（环境、记忆、工具及内容接口、安全等）的产品技术架构。
底层大模型主要提供核心的理解与推理能力，负责理解任务需求，并为上层的任务规划、拆解与执行提供支撑。
各类工具赋予 Agent 解决各类细分任务的场景能力，可供模型按需进行调用。
配套 Agent Infra 在各个层面支撑着 Agent 能力的构建。环境类组件（如虚拟机、浏览器插件等）为 Agent 提供虚拟计算与任务执行环境；工具类组件（如 MCP）帮助 Agent 实现对外部工具的统一与高效调用；内容类组件（如 RAG）则支持 Agent 对内部与外部文本信息的检索与处理；此外，还包括记忆类组件、安全类组件等，为 Agent 提供长期状态存储与安全保障。
（3）特征
AI Agent 的主要特征包括自主性、规划与记忆、闭环执行能力。
自主性是指 AI Agent 无需人工持续干预，可独立完成目标。规划与记忆是指 AI Agent 可以将复杂任务分解为多个子任务，并通过有效的记忆机制存储和调用信息。闭环执行能力是指 AI Agent 能够持续监测执行效果，并通过学习反馈进行自我优化迭代。
（4）分类
AI Agent 主要分为通用 AI Agent 和垂直 AI Agent，前者强调多任务、多场景、跨行业的复杂应用，强调平台化和生态化；后者适合高专业壁垒、强合规要求的细分领域，强调定制化和专业化。
总体上看，面向 C 端用户的 AI Agent 应用更多主打通用性，目标能够以较为标准化的产品形态去满足大众用户泛化的 Agent 需求；而面向 B 端企业的 AI Agent 应用则更多会聚焦垂直场景，更偏向于通过与业务流程更为深度的融合来帮助企业实现生产力的提升。
行业发展历程
从 2023 年大模型行业兴起之后，AI 行业就开始摸索 AI Agent 的产品形态，从最初的 AutoGPT，到后续的 LangChain 等都属于 AI Agent 行业前期的积极探索。
2023 年至今，全球 AI Agent 行业发展重点事件如下图所示：
时至 2025 年，随着 Manus、GenSpark 以及其他海内外大厂 C 端 &B 端 Agent 产品的持续涌现，行业对于 AI Agent 在技术架构和产品形态层面正在逐步成型。当前 Agent 产品虽然可能在能力上仍有所欠缺，但在框架上可能已经是形成了未来通用 Agent 类产品的基本框架，2025 年正在成为所谓的 "AI Agent 元年 "。
应用场景与商业模式
（1）典型应用场景
办公自动化场景
办公自动化场景主要面临重复性任务处理效率低下、错误率高等问题，AI Agent 通过自然语言处理技术（NLP）和轻量级决策算法实现自动化处理。典型案例包括钉钉宜搭推出的 " 智能审批 Agent"，其有效降低企业审批过程中的人工投入成本。
客户服务场景
客户服务场景的主要痛点为客户响应延迟高、复杂问题解决率低。AI Agent 在此领域应用情感计算、大模型上下文理解和对话管理技术，实现高效的自动化客户服务。阿里小蜜的 " 智能客服 Agent" 是典型应用案例，通过该系统客户满意度能够有效提升。
工业智能化场景
工业智能化场景面临人工质检效率低下、设备故障停机损失较大等问题。AI Agent 技术路线适配包括实时数据分析、工业协议兼容及边缘计算技术。华为推出的 " 工业 AI Agent" 在工业质检和设备维护领域取得突出应用效果，使企业质检效率有效提升。
医疗辅助场景
医疗辅助场景主要解决医生文书工作量大、基层医疗诊断准确性不稳定的问题。AI Agent 技术适配包括医学知识图谱构建、可解释性算法和多模态大模型等。典型案例是医联推出的 "AI 辅助诊断 Agent"，其能够自动生成精准诊断报告，有效提高基层医疗诊断准确率，极大提升医疗服务水平。
（2）商业模式
销售模式
AI Agent 行业的销售模式相对多元化，主要包括直销与行业顾问协作、渠道合作与生态分销以及品牌建设与用户心智三种。直销模式聚焦核心行业和高价值客户，强调深度定制化落地；渠道合作模式依托合作伙伴网络，快速覆盖区域市场和中小客户；品牌建设模式则通过行业影响力提升客户信任度和议价能力，形成长期竞争优势。
盈利模式
AI Agent 行业的盈利模式主要分为 SaaS 订阅与分层定价、结果导向型分成、定制开发与综合收费以及混合收费模式四种类型。SaaS 订阅模式适合标准化产品，具备稳定现金流特征；结果导向型分成适合高价值且成果可量化的场景，收益与客户价值紧密绑定；定制开发模式以项目制为核心，适配高壁垒行业的深度需求；混合收费模式则结合多种方式以适配不同客户类型与业务场景。
行业全景与市场规模
作为人工智能的重要应用方向，AI Agent 通常被归入 " 新一代信息技术产业 " 中的人工智能领域。它的行业覆盖范围较为广泛，包括但不限于算法与模型、计算基础设施与平台、软硬件集成，以及面向特定场景的行业化解决方案。
（1）产业链结构
上游环节以算力、模型和数据服务为核心，构成 AI Agent 技术创新的基础，是驱动智能体迭代的关键。
中游环节聚焦平台开发、技术集成及功能创新，是承担 AI Agent 产品落地的重要角色。
下游环节围绕金融、医疗、制造、零售、交通等场景开展应用部署，推动企业智能化转型和用户体验升级。
整体价值分布中，上游占比约 40%（算力 25%、模型 10%、数据 5%），中游占比约 30%（平台与工具链 20%、开发者生态 10%），下游应用占比约 30%（效果付费 60%、订阅制 30%、定制开发 10%）。
（2）市场规模
近年来，随着人工智能技术的快速迭代，AI Agent 概念逐步从学术探讨走向产业落地。从全球范围来看，根据 IDC 发布的预测，2024 年 AI Agent 全球市场规模约 52.9 亿美元。中国企业级 AI Agent 应用市场在 2028 年的保守规模将超过 270 亿美元，预计到 2030 年可增长至 471 亿美元。
根据融中咨询数据，2024 年，我国 AI Agent 市场规模约为 695 亿元，2025 年规模有望突破 1,735 亿元，到 2027 年进一步扩张至 5,442 亿元，2023 – 2027 年间的年均复合增长率约为 77%。
技术渗透率方面，根据融中咨询预测，AI Agent 技术在办公自动化、智能客服和数据处理等通用场景中的应用渗透将快速提升，预计 2025 年进入规模化推广阶段，并在 2027 年前进一步扩展至金融、医疗、工业制造等行业场景。
竞争格局
（1）行业竞争格局
作为生成式 AI 的高级形态，AI Agent 应用覆盖技术体系、算力资源、数据治理及生态建设等多个维度，准入门槛显著高于一般大语言模型应用。
当前 AI Agent 行业正处于加速演进阶段，国内竞争格局呈现出 " 全球技术主导、本土应用多元、生态协同共生 " 的特征，现阶段主要参与者大致分为四大类：国际科技巨头、新兴独立实验室、国内头部平台企业与创业公司，以及开源社区与开发者生态。
国际科技巨头主要包括 OpenAI、Google、Microsoft、Amazon 等企业，凭借长期积累的算法技术、计算资源、全球用户基盘以及资本能力，在大模型及智能体操作系统层面建立了领先优势。以 OpenAI 为例，其基于 GPT-4o 的智能体 Operator 与 DeepResearch 系统在自然语言交互、任务分解与工具调用方面具备高度一体化能力，率先实现通用 Agent 能力在网页端的落地。
新兴独立 AI 实验室主要包括 Anthropic、Mistral、xAI 等，普遍采用差异化定位，在安全可控、低幻觉率、任务规划链式推理能力等技术路径上取得进展。 例如，Anthropic 推出的 Claude Opus 系列强化了智能体在企业环境下的稳定性、响应精度与记忆能力，其推出的 MCP（Model Context Protocol）协议推动了工具与模型之间的标准化通信，成为构建开发者生态的重要抓手。
国内企业以字节跳动、阿里巴巴、百度等为代表，聚焦 AI Agent 平台化、工具化与行业化方向，竞争重心逐渐从通用能力转向 " 通用模型 + 应用框架 + 行业插件 " 的整合策略。字节跳动通过 " 扣子 " 平台实现从模型调用、工具集成到多智能体工作流的封装支持；阿里通过钉钉 AI 助理市场构建 Agent Store，结合政企系统打通办公场景链条；百度则以文心智能体平台为核心，围绕 Agent Builder、Model Builder 等组件提供完整的模型构建、任务执行与部署链路。
此外，以 Monica、Seed、AutoGLM 等为代表的开源框架与垂直场景初创公司在协作任务、跨模态建图、领域知识注入等细分领域形成差异化竞争格局，推动智能体由 " 大模型实验室能力 " 向 " 产品级部署能力 " 转化。
总体来看，当前 AI Agent 行业处于平台能力成型、应用生态扩展、标准体系探索的过渡期，竞争由模型性能的单点突破逐步演进为生态体系、场景集成、工具链闭环的综合博弈。
（2）行业集中度
AI Agent 行业虽然技术门槛较高，但整体市场仍处于爆发前夜，行业集中度具有 " 两头集中、中段多元 " 的典型特征。一方面，模型底层能力与算力资源掌握在少数国际巨头手中，形成较为稳固的技术支配格局；另一方面，在具体场景应用、交互设计与行业融合方面，区域化与差异化创新能力显著，导致市场呈现多点竞争态势。
在全球范围内，OpenAI 与 Anthropic 合计市场渗透率已超过 50%，Google、Amazon 紧随其后构成第二梯队。从收入体量的角度来看，目前全球范围内年化收入能够达到数十亿美元级别的只有 OpenAI、Anthropic 等大模型公司，其既可作为 Agent 应用的基础模型，也可以直接作为 Agent 应用的角色。
国内方面，字节跳动、阿里、百度在平台框架与垂直落地能力方面形成主导地位。以大模型能力为核心的算力集中度极高，但智能体平台与应用生态集中度仍处于分散状态。随着 MCP、A2A 等协议标准的建立和开源框架的推广，中小企业与开发者群体在本地化部署垂直领域定制方面快速发展，促使行业集中度总体呈现 " 底层集中、上层分化 " 的结构演进趋势。
从平台用户量、模型调用量与 API 开放程度观察，行业整体尚未形成完全的寡头垄断局面。特别是在教育、金融、医疗、政务等场景中，具备专业数据资源与场景理解能力的本地服务商正在崛起，进一步稀释头部平台在应用层的集中程度。
企业分析
与国外以 OpenAI、Anthropic 为代表的少数头部企业不同，我国在应用场景覆盖度和中小企业创新活力方面更具多样性和广度。
我国 AI Agent 行业的关键参与者呈现非上市企业数量多、创新活跃度高的特征，形成了从基础能力供给、智能体平台研发到应用场景落地的完整体系。非上市企业在模型微调、工具链开发和多智能体平台等领域表现突出，是推动技术演进与商业化落地的核心主体。
（1）智谱 AI
智谱 AI 是一家专注于认知智能大模型研发与产业化的科技公司，由清华大学计算机系知识工程实验室（KEG）的技术成果转化而来，成立于 2019 年 6 月。公司合作研发了 GLM-130B 大模型，并基于此打造了 AIGC 模型及产品矩阵。
AutoGLM 是公司推出的首款智能体产品，可基于文字或语音指令模拟人类操作手机，支持自主执行长步骤操作及跨 App 任务。2025 年 3 月 31 日，公司正式发布 AutoGLM 沉思，可自主浏览网页、检索分析数据并生成报告，能够实现 " 边想边干 "。公司最新发布的旗舰模型 GLM-4.5，是一款专为智能体应用打造的基础模型。
（2）MiniMax
MiniMax 是一家通用人工智能科技公司，自主研发了一系列多模态通用大模型，并基于这些自研模型推出一系列 AI 原生产品，包括 MiniMax、海螺 AI、MiniMax Audio、星野等。
2025 年 6 月 19 日，MiniMax 发布其通用智能体产品—— MiniMax Agent，在网页开发、PPT 制作、深度研究等领域表现突出。MiniMax Agent 采用分层协作框架，由 " 总调度 Agent" 和多个 " 执行 Agent" 协同工作，支持 7 个智能体的协同任务处理。同时，通过长程记忆与反思机制，实现高达 100 万的上下文窗口，确保任务执行的连贯性和准确性。
（3）字节跳动
字节跳动成立于 2012 年，是一家专注于信息分发的互联网公司，涉及短视频与资讯平台，企业服务、教育、电商等多元化领域。
Coze（扣子）是字节跳动旗下一款重要的智能体开发平台，发布于 2024 年 2 月 1 日，主要面向普通用户和开发者。它的特点是简单易用，无需编程基础就能快速上手。在扣子平台上，用户可以通过拖拽式的零代码方式或简单的低代码方式，轻松搭建基于先进 AI 大模型的各类智能体应用。2025 年扣子空间（Coze Space）内测，提供任务规划、多工具协同功能，支持竞品分析、用户研究、金融分析等场景，通过 MCP 协议集成飞书、高德地图等工具。
（4）阿里巴巴
阿里云是阿里巴巴集团旗下的云计算及人工智能科技公司，成立于 2009 年，总部位于杭州。阿里云推出以数据为中心的智能体平台，通过 Spring-ai-alibaba 框架整合工具链，支持多 Agent 协同、任务编排与数据流转。
2025 年 7 月 28 日，阿里云正式推出了首款专为 AI Agents 打造的 " 超级大脑 " ——无影 AgentBay。这台云端电脑能执行代码运行、网页浏览、数据分析、程序开发、表格制作等基础任务，具备视觉理解、自然语言控制、任务解析等 AI 技能，可在 Windows、Linux、Android 等多个系统间切换，调用云上的算力、存储和工具链资源。
此外，瓴羊（阿里全资子公司）于 2025 年 7 月 23 日正式发布首批企业级 Agent 产品，覆盖客服、销售、企业服务等领域，服务 5 万余家企业，包括宝洁、一汽红旗等头部客户，形成 " 数据即服务（DAAS）" 的商业模式。
（5）百度
2024 年 4 月，百度推出 AgentBuilder，支持基于文心大模型快速构建 AI 原生应用，降低开发门槛，为开发者提供一站式智能体开发方案。2025 年 8 月，百度推出首批 AI 数字员工，覆盖营销、招聘、课程顾问等 7 个核心岗位，深度融合大模型、数字人技术和行业 Know-How。
C 端面向普通用户设计的通用 AI Agent 心响，主打移动端体验，通过 " 灵感广场 " 等模块降低使用门槛，提供晚安故事、AI 绘本等生活化功能。
（6）Monica
Monica.im 成立于 2023 年，专注于 AI 助手开发，公司依托多种开源 AI 模型，提供浏览器扩展、移动应用、AI 模型 API 平台等服务。
2025 年 3 月 6 日，Monica 推出全球首款通用 AI Agent 产品 Manus，具备独立思考和系统规划的能力，引起世界关注。Manus 可以整合 200+ 工具链，实现跨平台操作，如自动解压文件、分析简历、生成 Excel 表格等。同时，Manus 通过规划代理、执行代理、验证代理分工协作，实现多智能体协作。此外，还可以在隔离环境中运行任务，解放本地算力。
（7）BetterYeah
BetterYeah 是国内 AI Agent 领域的先行者，聚焦为企业提供智能体相关全链路 Al Infra 基础设施。2025 年 7 月，公司宣布完成 B 轮融资，融资金额超亿元人民币。
BetterYeah 的核心产品主要有企业级 AI Agent 开发平台、企业级智能体 Nova Agent、Yeah 客服等。其中，BetterYeah Al Agent 开发平台自 2023 年 9 月发布以来，凭借行业领先的 NeuroFlow 开发框架、VisionRAG 非结构化数据处理框架及专业 LLMService，为企业提供全栈智能体开发能力，涵盖专业工具链、多角色协同、精细权限控制、跨环境部署及企业级安全保障。Nova Agent 计划 2025 年 Q3 发布，支持行为学习驱动任务自动化、多 Agent 协作拆解复杂流程，具备自主进化能力。
（8）幽孚科技
幽孚科技成立于 2017 年，是一家专注于人工智能技术的企业服务提供商，致力于为企业客户提供新一代 BI 工具和数字化应用构建工具，帮助企业实现数据驱动的业务发展。
公司旗下产品 AlgForce Ai 通过打造 "AIGC+ 数据洞察 " 解决方案，基于生成式 AI、低代码引擎等，帮助企业的非技术人员数据洞察辅助业务决策。
（9）壹沓科技
壹沓科技深耕供应链领域，2020 年推出 " 运小沓 1.0" 为供应链客户实现单场景自动化。2022 年，公司推出 " 运小沓 2.0"，可以实现跨场景自动化串联；此后，" 运小沓 3.0 定 " 位为供应链物流智能执行引擎。
2025 年 7 月 27 日，壹沓科技正式发布供应链领域首个具备自主规划能力的垂类 AI Agent 智能体平台——运小沓数字员工 4.0，在询盘、报价、接单、订舱、客服等核心环节显著提升企业效率与客户体验。该产品具备自主规划能力，是供应链领域首个具备自主规划能力的垂类 AI Agent 智能体。
政策分析
近几年，我国陆续出台政策推动 AI Agent 产业健康发展，形成了以监管引导、产业激励和资金人才扶持为核心的综合体系。在监管方面，强调通过标准化建设、数据与算法合规要求等手段，确保产业在安全可控的前提下稳步发展；在鼓励方面，持续推动 AI Agent 与制造、医疗、交通、智慧城市等重点行业深度融合，拓展应用场景；在扶持方面，通过设立专项基金、税收优惠和投资补贴等方式降低创新成本，并加强感知、推理、人机交互等核心技术攻关及人才培养，为行业的持续创新与规模化落地奠定基础。
未来发展趋势
（1）应用部署率大幅提升
根据研究机构 Gartner 预测，到 2028 年，约 33% 的企业级软件应用将内置具备自主功能的 AI Agent 系统，远高于 2024 年时不足 1% 的渗透率。同时，预计至少 15% 的日常工作决策将在智能体系统中由其独立完成，这表明在未来数年内 AI Agent 从辅助工具向业务决策层面的演变成为重大趋势。
（2）AI+ 代码将成为最为成熟的 Agent 场景
从功能角度，AI+ 代码类 Agent 产品的迭代速度继续加快，用户使用体验与应用深度持续提升；从商业化角度，不仅是专注编程领域的 Cursor 等创业公司产品收入加速增长，同时 Claude 等大模型的商业化增量很大一部分也是来自于编程相关的应用需求。
（3）多智能体系统兴起
开放源代码框架如 OpenAI Swarm 和 Microsoft 的 Magentic-One 等，推动多智能体系统协作能力的发展。Magentic-One 采用 orchestrator+ 专项智能体架构，具备高效任务分解与柔性调度能力，代表新时代 AI Agent 协作框架趋势。多智能体系统适于协同执行复杂业务，增强系统整体执行效率与鲁棒性，是未来 AI Agent 发展方向的重要一环。
