AI Agent：是「真香」预警，还是「智障」翻车？

摘要： AI Agent：从概念到现实，是助手还是幻影？引言：Agent之火，烧向何方？当ChatGPT还在为人们提供信息咨询时，AI Agent已经开始尝试接管我们的工作。从Op...

AI Agent：从概念到现实，是助手还是幻影？

引言：Agent之火，烧向何方？

当ChatGPT还在为人们提供信息咨询时，AI Agent已经开始尝试接管我们的工作。从OpenAI的Operator到国内创业公司蝴蝶效应推出的Manus，AI Agent似乎正在成为人工智能的下一个风口。但令人兴奋的背后，我们是否应该保持一丝冷静？AI Agent真的能像比尔·盖茨所说，让我们永远摆脱搜索网站和亚马逊吗？

1、AI Agent：一场“类人”的进化？

1.1 Manus横空出世：更进一步的自主性？

Manus，这款号称“全球首款通用型AI Agent产品”，的确让人眼前一亮。它能够独立思考、规划并执行复杂任务，直接交付完整成果。例如，在筛选简历时，Manus可以自动解压文件、上传简历、浏览简历，并记录重要信息，给出自动排名建议，还能根据工作经验等重要维度，将候选人分为不同等级。

与传统大模型相比，Manus似乎展现出了更进一步的自我思考和自我规划能力。它不只是提供想法，还能帮用户把想法变为现实，解决实际问题。这种全链路自主执行能力，是通过“规划-执行-验证”的多代理协同架构实现的，用户无需过多干预，只需等待结果。

1.2 OpenAI和Anthropic的入局：巨头的布局

实际上，OpenAI和Anthropic也在积极布局AI Agent。OpenAI推出了Operator和Deep Research，前者定位为AI助手，后者则像一个“AI研究员”，能够大幅缩短研究时间。Anthropic则推出了Computer Use，让用户能够像指挥人类一样指导Claude操作电脑。

1.3 Devin的出现：AI软件工程师的雏形

此外，Cognition AI推出的Devin更令人印象深刻。Devin是一个自主Agent，能自主学习不熟悉的技术，端到端地构建和部署应用程序，自己改bug，甚至还能训练和微调自己的AI模型。

1.4 AI Agent的核心：效率与准确度

AI Agent的工作原理可以概括为四个步骤：感知、信息处理、执行、输出。要真正成为人类的AI助手，效率和准确度至关重要。Manus之所以能脱颖而出，很大程度上是因为其在GAIA基准测试中取得的突破性成绩，解决复杂问题的准确率高于Open AI同类产品。

AI Agent的出现，让AI完成了从被动响应到主动执行的跃迁。当AI开始突破认知层，转向行动层，AI时代或许才真正到来。

2、AI Agent：巨头与独角兽的竞逐

2.1 行业共识：2025年爆发元年？

百度创始人李彦宏认为，2025年可能会成为AI智能体爆发的元年。市场研究机构Gartner也将Agentic AI列为2025年十大技术趋势之一。德勤AI研究院也认为，AI智能体将改变基础业务模式，实现新的工作、运营和价值交付方式。

2.2 大厂的策略：赋能业务，完善生态

各大科技公司纷纷入局AI Agent领域。百度将智能体应用到移动生态的各个场景，包括百度新搜索、百度文库、百度电商、文小言等产品。阿里则将AI智能体重点放在了To C领域，将其融入到通义APP中。腾讯也计划在微信、QQ、输入法、浏览器等产品中推出AI智能体。字节跳动则推出了与OpenAI Operator功能相似的UI-TARS。

大厂们凭借算力、数据等优势，基本都是在模型端、应用端、智能体开发平台协同三个领域闭环发展。字节跳动的扣子、腾讯云的腾讯元器、百度智能云千帆AgentBuilder、阿里云大模型平台百炼等一站式智能体开发平台均已上线。

2.3 独角兽的策略：场景落地，商业变现

在AI独角兽中，智谱是最早探索Agent的初创企业，推出了自主智能体AutoGLM。阶跃星辰则宣布发力智能终端Agent方向，与吉利汽车集团、OPPO、智元机器人等企业深化合作关系。月之暗面的Kimi上线了Kimi+智能体商店，旗下有20多个由官方提供的智能体。

AI初创企业布局智能体的思路在于，通过自身模型能力与智能体的结合，推出更多可场景化的落地方案，寻找商业变现的路径。

3、AI Agent：理想很丰满，现实很骨感？

3.1 Manus的困境：是通用，还是“套壳”？

Manus的爆火也引发了一些质疑，例如通用型的“套壳”嫌疑、官网卡顿等问题。Manus团队也承认，当前的Manus距离正式版还有很远的路要走。

Manus的困境，实际上是当下AI Agent赛道的缩影。

3.2 AI幻觉：无法避免的难题？

AI Agent面临的首要问题就是AI幻觉。OpenAI的Operator可能因数据污染生成错误结论；Manus在实际应用中也常因系统权限限制无法完成订餐、支付等任务。

DeepSeek-R1幻觉率高达14.3%，GPT-4.5幻觉率为7.1%。某种程度上，AI幻觉能力与其推理能力正相关。也就是说，越聪明的AI大概率幻觉越强。

幻觉问题无疑是AI Agent爆发的主要障碍，尤其是在金融、医疗、法律等高风险领域，任何误差都可能引发严重后果。

3.3 数据缺乏：进化的瓶颈？

幻觉问题的根源在于数据的缺乏。AI需要源源不断的数据反馈来进化，而数据的训练离不开实际的应用落地。

目前，C端智能体大多定位智能助手，可通过读取语音指令理解用户意图，并模拟人类行为，完成订机票、点外卖、筛简历等基础日常需求和工作。但用户留存和心智培养仍然是个问题。像Manus这类主打通用的Agent，或许很难在垂直场景下发挥作用。

3.4 B端落地：定制化与安全性

B端智能体则需要提供更为专业和定制化的服务。在B端场景下，Agent可充当数字员工、个人助理、营销客服等工种，真正为企业创造价值。一些声音认为，B端Agent市场有望率先起量。

但企业对数据安全和隐私保护非常重视，AI Agent在处理企业数据时，必须确保数据的安全性和保密性，防止数据泄露和滥用。

落地当然不容易，这需要不断扩展的算力、数据、场景做支撑。但市场的热情已经被点燃，玩家都在为“让AI帮人做事”而努力。

当大模型与Agent深度融合，一个更智能、更主动、更个性化的AI时代正加速到来。这一次，独角兽和大厂们都在加速奔跑，没有一个甘心落后于时代。

（完）