Agentic AI行业发展趋势 - Agent成为2025年AI领域最热门关键词 科技巨头和初创公司纷纷布局 谷歌 英伟达 亚马逊均成立专门部门 开源社区涌现LangGraph Agent SDK等框架工具 [1][2] - 微软与Salesforce代表两种不同落地路径 微软主张通用AI操作系统路线 重构SaaS生态 Salesforce主张垂直领域深度集成 增强现有业务流程 [4][6] - 行业从LLM基础能力演进至Agentic对话阶段 核心突破包括Function Call工具调用 RAG知识增强 多模态处理以及AutoGPT任务自动分解能力 [21][22] 企业战略布局对比 - 微软CEO Nadella提出"从App Stack到Agent Stack"变革 设想AI操作系统调度多智能体 接管业务逻辑 目标成为通用人工智能代理体系入口 [4][5] - Salesforce将Einstein Copilot升级为Agentforce 架构关键改进包括用React prompting替代思维链 引入Topic分类机制 增加自然语言包装和主动触发能力 [7][8] - 双方客户规模相当 Salesforce宣称15万客户 微软表示16万客户并基于Copilot打造40万个Agent 但微软当前Agent仍属个人辅助工具 与最终OS级构想存在差距 [9][10] 技术架构演进方向 - 真正Agentic AI需重构整个技术体系 传统数据库设计基于人类决策逻辑 未来存储形式和使用方式将发生根本变化 SQL可能被替代 [12][13] - 任务编排是核心挑战 节点数量增至100量级时面临组合爆炸问题 100个节点全排列达100!种 单个节点顺序错位会导致系统性偏差 [26] - 记忆层实现是关键技术瓶颈 微软设想的跨系统状态管理需结合短期交互与长期语义记忆 实际架构挑战远超预期 [14] 商业化落地挑战 - 成本高昂成为主要障碍 Salesforce的Agentforce按对话次数收费 每次2.5美元 相当于消耗1800万token 中型企业月支出可能达60万美元 [29][30] - 企业级应用要求高可靠性 当前大模型仅能以60%-70%准确率完成3-5步任务 距离95%准确率执行千步任务的理想状态存在巨大差距 [27][28] - 垂直场景优先成为共识 企业倾向从容错性较高领域切入 采用Human-in-the-loop机制 避免端到端决策系统风险 [33] 技术实施建议 - 采用RPA+Agent混合模式实现流程自动化 等待外部技术条件成熟 避免过早全面Agent化 [34] - 聚焦少数前沿大模型获取较好投资回报率 Claude Sonnet 3.5/3.7和Haiku 3.0/3.5是目前较满足Agent能力要求的模型 [28] - 保持架构灵活性 亚马逊在不同业务线并行推进Agent技术 不执着于单一标准化框架 [34] 区域市场差异 - 中国企业更倾向Salesforce式融合路径 因定制化需求多 生态不如海外SaaS标准 需千人千面定制开发 [36] - 从App Stack到Agent Stack转变被视为弯道超车机会 但需先完善软件基础再实现自动化 [36]