Agent 2025：AI的窄门与宽路

内容/林书

编辑/咏鹅

校对/莽夫

随着在复杂推理、多模态融合以及自主代理（Agent）能力上更强大的GPT-5发布，有人高呼“AI Agent时代真的来了”，也有人持谨慎态度，认为“GPT-5是对AI Agent创业者的洗牌”。

从总体来看，当前的AI Agent市场，缺乏能真正穿越周期的、展现出“Agent比人类更懂执行”的产品。

究其根源，在于当前的Agent类产品普遍面临着两个深层次的结构性问题：一是Agent类产品普遍为“单点”赋能；二则是相当多的企业，都将重心放在了打造所谓的“通用”功能上。

当前的大多数Agent产品，往往专注于优化单一任务或特定场景（如信息检索、报表生成、任务自动化），但缺乏对企业生产链条中多个环节的协同整合能力。这种“单点”赋能模式导致Agent在复杂、跨部门的业务流程中难以发挥“枢纽”作用。

造成这一现象的原因，既有技术上的短板，也有组织上的滞后。

从技术上来说，一部分Agent应用在技术上并不成熟，在执行涉及复杂逻辑、多步骤或调用多个工具的任务时，常出现卡顿、失败或耗时过长的问题。

以Manus为例，不少用户发现在测试中一旦任务涉及多个工具（如文件+邮件+ Notion +云盘），Manus就常常会在执行中卡住、步骤结果传递错误，或耗时超过一小时。这反映出了此类Agent应用缺少显式记忆机制，以至在多轮对话中状态信息经常丢失，甚至误用旧信息；或是各工具接口无统一协议，调用全靠prompt“蒙”。

而像扣子空间这样的产品，在进行“根据数据绘制图表”的任务时，完成的状态、质量也十分潦草，难以达到“合格”要求。

这说明现在相当一部分的Agent，基本只有一层prompt调用API，缺乏一整套结构化的、统一的数据接口，以及相应的推理链条。

而从组织结构上来说，当前很多企业实际上并未完成适应AI时代的“人机协作”转型。

一个明显的例子是，今年上半年，有相当一部分企业落地了编程类Agent应用cursor，但得到的反馈却是此类应用没有显著提效。

原因就在于，在企业的实际运作中，一段代码从写出来，到真正“用得上”，往往要经历需求澄清、任务拆解、代码开发、审核、测试等多个环节，涉及跨部门协调。

现在的问题不是Agent写得慢，而是企业没有把Agent“嵌进流程”中去。整条“软件交付流水线”仍然是人主导的、审批制的、串联式结构。

结果便是AI可能节省了20%的开发时间，但流程中60%的瓶颈根本不在编码环节，而在于组织流程和人为因素。这使得Agent带来的效率提升，在陈旧的“人治”流程面前几乎被完全抵消，全都化作了乌有。

现阶段，包括BAT、字节在内的大厂，都擅长做平台和demo，例如阿里的钉钉+夸克、百度的千帆App Builder等，但真正把复杂垂直业务完成端到端改造的案例并不多，大部分还是小规模试点或简单辅助。此外，很多企业做了大量POC（概念验证），但真正投入规模化使用的很少。

根据ThoughtWorks报告披露，因为业务协同不足与运营成本高，高达88%的AI POC未能进入大规模部署。研究发现，每家公司推出的33个AI概念验证项目中，只有4个能够进入生产阶段。

究其原因是互联网大厂更擅长做“通用能力+流量和平台”，而真正把垂类行业的脏活、定制、合规、实施做到位，则需要线下深耕与行业Know-How积累，这和它们的业务属性、考核体系和商业动力并不十分匹配。