除了外部独立APP的"反制"，整个技术生态的成熟度也未做好迎接Agent全面接入的准备。对此，火山引擎智能算法负责人吴迪对第一财经记者表示，当前 行业对AI与Agent的探索仍处于摸索阶段。过渡阶段里，市场需求已存在，但模型尚不完善，企业实践也各具特色，这种状态预计还会持续三年左右。从生 态与第三方视角来看，行业"是否准备就绪"的核心在于Agent 工具的完善。吴迪透露，公司内部已投入大量精力，尝试将存量功能转化为Agent可识别、可 调用的工具。 谭待向记者补充称，不论是豆包AI助手还是APP等产品，本质都是由众多复杂Agent构成的集合。哪怕是搜索、垂直领域问答等不同功能，背后都对应不同 逻辑的Agent，而如今Agent待突破的两大核心挑战包括基础能力支撑与真实线上落地要求，满足健全性、运行时稳定性、弹性伸缩、数据安全等高标准。 2025年迈入尾声，海内外大模型头部厂商密集发力，包括Seedance 1.5 pro在内的多款多模态大模型更新迭代。对此，谭待分析称，多模态让大模型能像人一 样 "看、听、说、做"，标志着AI应用往更深的场景走了。以前用大模型多为文字聊天，现在要让它办实事，不管是开车时的路况 ...

"后发有劣势也有优势，关键是把手里的牌打好。" 文 丨 贺乾明 今年下半年，火山引擎调整 2021 年定下的千亿元年营收目标：原定 2029 年-2031 年的实现周期不 变，目标金额上调数百亿元。 当我们问 "这是谁的要求" 时，火山引擎总裁谭待说，是团队主动上调，是他们的 "务实浪漫"。多数 人低估了火山引擎拿下 AI 云的决心。 他们的信心来源，是火山引擎 MaaS（模型即服务）收入和豆包大模型能力提升都超出预期。12 月 18 日，火山引擎举办冬季 Force 原动力大会，谭待宣布，今年 12 月，豆包大模型日均 Token 处理量超 过 50 万亿，半年增长超 200%。 增长的动力不只来自字节旗下豆包、即梦等 AI 应用快速发展，还有一批外部客户在深入使用大模 型：累计使用上万亿 Token 的超过 100 家，比全球云计算巨头 AWS 还多了一倍。 "大模型能力持续提升，会解锁新场景，从而带动 Token 使用量增长。" 谭待说，比如生图、生视频的 需求过去一年随着 Seedream、Seedance 模型成熟迅速上涨。 这次大会，火山引擎又升级多款大模型。豆包基础大模型 1.8 版本， 强化多 ...

腾讯AI战略与组织调整 - 近期完成组织调整，新成立AI Infra部、AI Data部、数据计算平台部，以整合内部力量，统一模型团队[4] - 任命Vinces Yao（姚顺雨）为首席AI科学家，并兼任AI Infra部、大语言模型部负责人，其曾为OpenAI研究员，是Operator与Deep Research核心贡献者[4] - 新成立的AI Data部负责大模型数据及评测体系建设，数据计算平台部负责大数据和机器学习的数据智能融合平台建设[6] 人才争夺与团队建设 - 在AI人才招聘上表现激进，2025年校招对中意人才出价高50%是基准线，最高可达2倍薪资挖人[8] - 正以加倍薪资积极挖角字节跳动等公司的顶尖AI人才[8] - 新任负责人姚顺雨已帮助混元团队从字节、阿里及多家AI初创公司招募到数位核心员工[9] 自研模型进展与成果 - 整合原有团队并调整训练目标后，成果迅速显现，于12月5日发布全新大模型HY 2.0，在推理和效率上有显著进步[10] - 整个2025年，混元团队发布了超过30个新模型，其3D模型已位居全球领先梯队[10] - 公司内部已形成共识：必须拥有不能拖后腿的自研模型能力[4][17] 市场竞争与产品化驱动 - 2024年第三季度开始感受到紧迫感，外部重要因素是字节旗下豆包日活逼近1000万，被视为产品初步站稳脚跟的分界线[14] - 决定坚定在AI助手类应用方向加大投入，必须以产品化、商业化方式竞争，并于2025年初将“元宝”应用调整至云与智慧产业事业群[15] - 借助开源模型DeepSeek，“元宝”月活在2025年初1个月内突破4000万，一度在苹果免费下载榜跃居第一，但后续增长放缓，凸显自研模型的重要性[15][17] 行业趋势与未来赛点 - 行业验证铁律：模型能力决定产品上限，对话依然是AI应用的核心形态[19] - 智能体正成为下一个竞争赛点，字节推出豆包手机将赛场推向新阶段[20] - 公司总裁刘炽平明确表示微信最终会推出一个智能体，但同时指出AI市场仍处于非常早期的发展阶段[23]

腾讯AI组织架构与人才引进 - 腾讯内部官宣大模型研发组织架构调整，新成立AI Infra部、AI Data部、数据计算平台部，以全面强化大模型研发体系与核心能力 [6] - 姚顺雨加盟腾讯，出任“CEO/总裁办公室”首席AI科学家，向总裁刘炽平汇报，同时兼任AI Infra部、大语言模型部负责人，向技术工程事业群总裁卢山汇报 [4][7] - AI Infra部将负责大模型训练和推理平台技术能力建设，聚焦分布式训练、高性能推理等核心技术 [8] - AI Data部负责大模型数据及评测体系建设，数据计算平台部负责大数据和机器学习的数据智能融合平台建设 [8] - 此次架构升级旨在强化工程化优势，提升AI大模型研究能力，聚焦公司AI战略布局，提升研发效率 [8] 姚顺雨背景与成就 - 姚顺雨是前OpenAI研究员，拥有清华大学姚班背景和普林斯顿大学计算机博士学位，是NOI奥赛银牌得主和安徽省高考探花 [2][16] - 他是Tree of Thoughts（思维树）、ReAct等知名研究的作者，也是SWE-bench、SWE-agent等一系列研究的核心贡献者 [3][27] - 博士期间师从GPT-1第二作者Karthik Narasimhan，从事智能体方向研究，毕业后加入OpenAI [18] - 其研究工作贯穿Agent研究关键节点，包括提出CALM、WebShop等 [19] 姚顺雨的AI发展观点 - 姚顺雨在2024年8月发表博文《The Second Half》，提出AI正处在“中场休息”阶段 [21] - 他认为AI上半场以模型和方法为中心，核心是“把模型训出来”；下半场重心将转向任务定义、系统构建与评估体系 [22] - 关键问题从“能否训练模型解决XX”转向“什么问题值得被解决”以及“如何判断AI是否真的进步”，评估成为决定方向的前置条件 [23] - 真正重要的不是继续堆模型规模，而是让模型在真实任务和系统中经得起检验 [24] - 他认为Agent的本质不是“会用工具”，而是“能推理并泛化” [26] - 创业公司的最大机会不在模型，而在交互方式 [28] 腾讯AI产品与业务进展 - 过去一年，腾讯混元大模型发布了超过30个新模型 [9] - 2024年12月5日发布的混元2.0显著改进了预训练数据和强化学习策略，在复杂推理与文本生成场景表现国内领先 [9] - 混元3D模型保持全球领先水准，开源社区下载量超过300万 [9] - 腾讯元宝AI应用用户规模稳居国内前三，成为最受新中产欢迎的AI原生应用，上线初期保持每天一个版本的迭代频率 [10] - 腾讯将元宝的AI能力融入微信、QQ、音乐、会议等国民级产品中 [10] - 腾讯混元大模型已在内部超过900款应用和场景中落地，包括腾讯会议、微信、广告、游戏等 [10] - 公司内部超90%的工程师使用腾讯云代码助手CodeBuddy，50%新增代码由AI辅助生成，代码评审环节AI参与度达94% [10] 腾讯AI战略与行业地位 - 腾讯被认为拥有完备的AI要素：丰富场景、海量数据、生态资源，以及谋定后动的战略风格 [14] - 公司通过组织变阵、人才引进、产品（如元宝）和开源（如混元3D）等多方面举措，明显开启了AI进程上的提速 [12][13] - 引进姚顺雨这样的顶尖人才，被视为腾讯开启AI攻坚的证明 [11]

此次调整也是腾讯在今年紧锣密鼓的AI布局中，颇为重磅的一步。 36氪独家获悉，腾讯近期完成了一次组织调整，正式新成立AI Infra部、AI Data部、数据计算平台部。 12月17日下午发布的内部公告中，腾讯表示，Vinces Yao将出任"CEO/总裁办公室"首席 AI 科学家，向 腾讯总裁刘炽平汇报；他同时兼任AI Infra部、大语言模型部负责人，向技术工程事业群总裁卢山汇 报。 腾讯并未披露Vinces Yao的中文名或过往履历。不过，36氪了解到，Vinces Yao即为数月前入职腾讯的 姚顺雨，他毕业于清华和普林斯顿大学，曾任OpenAI研究员，是OpenAI首批智能体产品Operator与 Deep Research的核心贡献者。 此前，混元大模型团队虽是腾讯的公司级项目，拉通了各个BG的不同板块，就TEG内部而言，参与到 混元模型研发的就有大预语言模型部、AI Lab、机器学习平台等等部门。经过调整后，模型团队内部力 量会更加统一。 新成立的 AI Data 部、数据计算平台部，将分别负责大模型数据及评测体系建设、大数据和机器学习的 数据智能融合平台建设工作。 其中，王迪继续担任大语言模型部 ...

文章核心观点 - 在AI、具身智能等赛道高度拥挤、共识形成极快的市场环境下，早期投资的决胜点已从“赌赛道”转向对“人、周期及非共识”的深刻理解，即挖掘“认知红利” [1][2] - 投资机构正通过全链条布局、深度研究输出、个人IP打造等不同方式构建独特的“认知模型”和项目雷达，以在红海中识别机会 [1] - 保持投资“手感”、建立正向反馈循环以及在行业低谷期坚持布局，是捕捉下一个成功项目的关键 [1] 投资机构概况与策略 - **红杉中国种子基金**：成立于2018年，管理规模超过100亿人民币，7年来支持了400多家早期公司，其中约70%为第一轮投资，致力于成为创业者“最早的”投资人 [3] - **元禾原点**：成立12年，为元禾控股旗下早期投资平台，已投资300多个项目，主打硬科技、早期及医疗健康标签，依托国资背景与市场化结合 [4] - **峰瑞资本**：成立10年，为综合型早期基金，覆盖医疗、科技和消费，旨在赛道热起来之前进入，以对抗板块轮动周期 [5][6] - **心资本**：专注于科技与数字化领域的早期风险投资机构，团队曾投资小鹏汽车、满帮、速腾聚创等项目的早期轮次 [7] 当前重点投资方向 - **具身智能与AI硬件**：被视为重要方向，包括机器人、AI驱动的消费电子等 [8] - **AI应用与基础设施**：包括AI模型、应用、GPU、推理芯片等 [8][12] - **前沿与交叉学科**：包括AI for Science、量子科技、生物制造、核聚变、氢能、6G等“十五五”未来科技方向 [9] - **非共识与留白**：机构均保留一部分资金用于布局确定性不高、处于极早期的新兴技术和方向 [10][12] 构建认知差异的关键要素 - **投人重于投赛道**：早期投资的核心是识别优秀的创业者，例如红杉投资宇树科技主要基于对创始人王兴兴坚韧品质的认可，尽管当时行业共识不足 [14] - **长期跟踪与体系化布局**：通过长期（如5-10年）持续关注和投入，在赛道爆发前形成前瞻性认知，例如元禾原点自2011年投资江苏北人后，体系化布局了机器人及自动驾驶赛道 [16] - **穿越周期与低谷期布局**：在行业低谷期坚持投资，以便在技术拐点或市场回暖时抓住机会，例如红杉在去年市场不热时投资了外骨骼公司极壳和智能眼镜公司Even Realities [14][19] - **个性化认知模型**：投资决策如同大模型，每个人的背景、经历和过往案例（参数）不同，导致对同一创始人的评估和兴奋点截然不同 [21] 项目来源与机构影响力构建 - **红杉的全链条与孵化机制**：通过从想法阶段到IPO的全阶段布局，积极进行人才追踪和创业孵化，构建持续迭代的行业认知 [13][24] - **峰瑞资本的内容影响力**：通过创始人李丰（丰叔）的活跃输出、团队深度研究分享以及线上线下活动（如播客、美国路演）提升品牌能见度，间接促进优质项目触达 [25][26] - **心资本的思考开源**：通过运营“AI大航海”公众号（年更新5-6篇深度文章）开源关于AI的思考，旨在吸引志同道合的创业者，形成学习、投资、输出的正向循环 [26][27][28] - **元禾原点的资源融合**：作为人民币基金，学习美元基金开放打法，依托地方产业资源和国家方针引导，同时坚持市场化竞争，在硬科技领域与头部美元基金出现更多交汇与合作 [30][31] 未来投资展望关键词 - **AI全面聚焦**：机构普遍表示将大部分资金投向AI相关领域，峰瑞资本计划将70%资金投到AI上，近乎All in AI [33] - **AI基础底座**：元禾原点强调将更加注重在AI基础底座发力 [34] - **AI应用细分**：红杉中国表示将继续聚焦AI应用的各个细分领域 [34] - **投有积累的人**：心资本强调投资那些在特定领域有“10万小时积累”的创始人 [32]

2025年AI行业预测复盘与格局演变 - 文章核心观点：对2025年AI行业的20个关键预测进行了复盘，大部分关于行业格局和技术路径的判断得到验证，但对技术进步、基建成熟度和AI交易复杂性的预期存在过度乐观 2026年AI领域将在争议中继续发展，World Model、多模态、机器人等方向存在积极信号，但OpenAI高达1.4万亿美元的资本支出计划也意味着市场预期已被推至高位 [2] 模型与云服务格局 - 微软投资Anthropic，结束了模型与云服务的独家绑定关系 Anthropic的Claude模型在Azure上线，OpenAI则与AWS签署了价值380亿美元的多年合作协议，并与其他云服务商合作，实现了“所有模型在所有云上”的格局 [5][6][7] 主要科技公司的竞争态势 - Google凭借TPU算力、分发渠道（Android/Chrome）和DeepMind人才优势，在2025年第四季度通过Gemini 3模型成功扭转了“AI落后者”的形象，回归“AI王者”地位 [8][9] - 科技巨头（Mag 9）凭借对云、算力、分发渠道等关键资产的掌控，在AI大规模应用时代持续受益，从收取“流量税”转向收取“基建税” [57][58][59] 操作系统与智能体竞争 - 模型公司之间的竞争演变为“操作系统”之争，拥有OS被视为最高护城河 Anthropic发布了MCP和Claude Skills，OpenAI推出了App SDK，旨在定义Agent运行标准并掌控应用分发权 [10][11] - Agent被视为运行在LLM OS上的“App”，其发展重点从知识生成转向任务生成，交互形态探索包括AI浏览器、Artifacts、Canvas和语音等 [33][34] 智能体的发展与落地 - Coding Agent是2025年的重要落地场景，实现了从IDE内联补全到“给需求、生成甚至改造整个项目”的Agentic工作流转变 Claude Code的年经常性收入突破10亿美元，Cursor的ARR和估值增长了10倍以上 [13] - 衡量Agent能力的关键指标是处理长周期任务的成功率，其任务长度正以指数级增长，大约每7个月翻一倍，预计2029年能处理时长为1个工作月的任务 [17][18] - Context Engineering成为Agent落地的核心基础设施和决定性竞争因素，其重要性超越了提示工程和RAG，旨在解决冗长上下文带来的性能瓶颈 [22][23] 算力硬件市场动态 - OpenAI o1模型开启的复杂推理需求对硬件内存带宽和互连能力要求极高，导致大量高端推理需求回流至NVIDIA生态，推动其市值在2025年内突破5万亿美元 CSP自研芯片受限于软件生态和性能，难以承接最前沿的模型工作负载 [24][25] 模型训练技术演进 - 2025年最重要的技术范式转移是算力投入从预训练侧转向强化学习规模化，后训练阶段与预训练的算力消耗量级相当，成为核心训练阶段 OpenAI为此提出了“Mid-Training”的组织形式 [26][27][28] - 合成数据在2025年未能实现技术突破，过度依赖合成数据会导致模型坍塌和特征同质化 高质量的专家策划数据变得更为关键，成为RL学习中稀缺的奖励信号燃料 [29][30] 推理模型商业化与产品形态 - 强推理模型如o1系列验证了推理规律，但其商业化受限，因为强推理并非大众需求，在ChatGPT产品中使用率不到5% 后端通过Model Router机制将复杂查询自动分发给推理模型，加速了商业化渗透 [31][32] - Chatbot的竞争基本结束，成为基础的自然语言指令入口 AI产品形态竞争转向创造Agentic工作流和探索AI原生交互 [33][34] 多模态与持续学习 - 多模态智能在2025年取得显著进展，例如Google Nano Banana Pro展现出逻辑与物理推理能力，DeepMind的Genie 3定位为通用世界模型，可从文本生成可交互3D环境 [38][39] - 持续学习与在线学习在2025年未获解决，其技术实现难度被低估，仍面临灾难性遗忘、记忆存储结构等前沿科学难题，是开启AI新范式的关键命题 [35][36][37] AI商业化与市场应用 - OpenAI在电商广告领域动作激进，探索即时结账、购物研究等功能，但广告收入超过订阅的预测仅部分验证，低估了构建广告业务的现实难度和Google的护城河 [40][41][42] - 自动驾驶公司Waymo业务持续增长，截至2025年12月每周提供超过45万次付费行程，较一年前几乎翻番，但Google并未推动其IPO，反而追加了50亿美元投资 [43][44] 行业并购与整合 - 2025年AI领域并购活跃，“收购式招聘”成为明显趋势，例如Google通过技术许可协议“截胡”Windsurf团队 但预期中的中小GPU云整合并未发生，因AI需求暴增推动其业务上涨 [45][46][49][50] 能源与AI科研 - 数据中心功耗爆炸式增长使得稳定电力供应成为稀缺资产，核电成为可靠基荷电源，获得科技大厂采购协议 美股核电板块公司在2025年涨幅远超纳斯达克100指数，最高超出368个百分点 [51][52][53] - AI+科研快速发展，各学科涌现出专属基础模型，例如Google DeepMind的AlphaGenome、Arc Institute的Evo2、微软的MatterGen等，分布在DNA序列、蛋白质设计、材料生成等多个重要模态 [54][55][56] 资本市场表现 - 美股科技板块在2025年4月经历大幅回调，从2月高点下跌近18.9%，但随后在AI投资热潮推动下恢复增长，并在第三季度创下新高 AI应用企业采纳速度在加速，例如Salesforce的AgentForce产品在半年内ARR从1亿美元增长至5.4亿美元 [61][62][63]

（文章来源：第一财经） 中信证券研报表示，从OpenAI企业端AI的数据来看，2025年企业级AI处于场景探索阶段，用户数和流 量实现高增，能力平权和人员降本价值凸显，且行业整体渗透率仍有较大提升空间。展望2026年，我们 认为以强化学习技术发展为基础的Agent主线仍将持续演进，带动AI从降本到增收打开更多应用场景， 其中数据分析、代码生成、人力招聘、销售辅助、智能客服等场景需求较为清晰。建议持续关注AI在 财务、人力、销售、生产、供应链等管理软件核心模块上的商业进展。 ...

文章核心观点 - AI Agent的时代已经到来，成为行业共识和确定性机会，但当前的基础设施（包括算力、成本、数据、软件生态）尚不完善，无法完全承接其爆发式发展，这既是挑战也孕育着新的商业和投资机遇 [5][9][14][15] Agent成为行业焦点 - 2025年12月，行业人士分赴NeurIPS会议与亚马逊云科技re:Invent展会，分别关注前沿AI研究与务实的AI落地机会 [4] - 在亚马逊云科技re:Invent展会上，与十多名美国开发者交流后形成的共识是：Agent的时代已经到来 [5] - 亚马逊云科技CEO Matt Garman宣布的12项AI新发布均围绕Agent的基建、开发和管理，并判断AI Agent正在让AI的价值真正释放 [5] - 相比2024年re:Invent展会只有不到五家厂商谈论Agent，2025年展会中宣称要做Agent的展商数量激增 [5][6] 基础设施面临严峻挑战 - 行业普遍认为当前Agent的基础设施还很薄弱，面临成本高昂和AI-first能力不足的问题 [9] - Agent发展的速度是破坏性的，厂商对Agent开发的需求呈指数级增加，对训练、推理算力及数据存储软硬件带来巨大挑战 [9] - 行业已逐渐从GPU短缺演变成了内存短缺 [9] - 在推理成本的巨大压力下，“为降低成本做开发”成为美国Agent创业圈新的竞争力评价体系 [11] - 市面上AI Agent的成本，平均百分之八九十都在推理上，AI应用公司需要将推理成本降低80%才能有真正的利润 [11] - 风险投资机构普遍会询问Agent初创公司推理成本以及订阅收入能否覆盖推理成本 [11] 软件生态尚未适配 - 当前的软件生态是为人类开发，而非为AI Agent开发，尚未做好被Agent调用的准备 [12] - 人类与AI对软件的使用偏好不同，AI讨厌需要浪费更多Token打通的“数据孤岛”，且在面对众多调用接口时容易因注意力分散而产生幻觉或智力下降 [13] - 厂商需要围绕“给Agent使用”的理念开展软件革命，包括：设计让Agent能简单表达需求的交互界面、避免制造数据孤岛、控制成本 [14] 基础设施领域的商业与投资机会 - 优化AI基础设施以降低模型调用过程中的推理成本，正成为基础设施创业的新风向 [15] - 2025年9月，英伟达被曝豪掷超9亿美元，拿下了AI基础设施初创公司Enfabrica的技术授权并雇佣了其CEO [15] - 数据作为Agent的另一项重要基建正受到重视，数据库厂商在展会中占据半壁江山，数据决定了Agent对业务和场景的理解 [15] - 数据库厂商面临的新命题是：寻找能与Agent更有效交互的数据库形态，以及进行扩容以承接爆发式的Agent开发需求 [15] - 有数据库展商表示近期正计划投资几个在美华人的AI基础设施项目 [15] - 若人人追逐最显性的Agent应用而无人做好匹配的基建，Agent可能成为泡沫 [17]

行业趋势：AI Agent成为发展拐点 - AI Agent的出现被视为AI发展的拐点，将推动AI在各行各业的实践，改变工作、生活和学习方式[2] - Agent将重塑软件形态，冲击传统软件价值链，软件核心将从以流程和功能为核心的App模式，转向以能力和执行为核心的Agent模式[2] - 企业现有IT系统（如ERP、CRM、BI）操作复杂，而AI Agent具备感知、理解、规划、行动及自我反馈能力，能基于目标自主完成任务，更好地帮助企业达成业务目的[4] 亚马逊云科技的战略与产品布局 - 公司认为发挥Agent作用需要四大核心要素支撑：AI基础设施（算力）、推理系统（基础大模型）、企业数据、Agent构建工具[4] - 公司推出Amazon AI Factory服务，将AI基础设施部署在客户自有数据中心，并提供与公有云一致的体验，为不愿上传数据至云端的企业提供保障[4] - 在re:Invent 2025上，公司推出的Amazon Bedrock AgentCore是核心Agent构建工具平台，旨在帮助企业规模化、安全地构建、部署和运营Agent，加速从概念验证到生产环境的转换[6] - Amazon Bedrock AgentCore采用模块化设计，已交付7个组件（Runtime、Memory、Gateway、Browser Tool、Code Interpreter、Identity、Observability），可将企业构建Agent的时间从此前的几个月缩短到几周甚至几天[6] - 公司通过AgentCore Policy提供实时确定性控制确保Agent行为可控，通过AgentCore Evaluations帮助开发者在部署前基于真实行为检查并纠正Agent质量问题[7] - 公司开源的Agent开发框架Strands Agents SDK自今年5月推出后下载量已超过500万，该框架以模型驱动为核心，无需预定义工作流[7] - 公司推出名为Kiro的开发平台，该平台使用业务语言（而非开发语言），能读取业务流程、文档和规则，自动分析任务步骤并生成可执行的Agent，实现从流程到Agent的全自动化生成与运行[7] 对软件开发范式的重塑 - Agent正在改变软件开发的范式，公司推出了三个名为“Frontier Agents”的开发者工具，旨在重新定义软件构建、安全与运维的方式[9] - Kiro Autonomous Agent作为虚拟开发者，能独立完成任务并持续学习，自动化完成功能交付、缺陷分类、提升代码覆盖率等任务，并与Jira、GitHub、Slack等工具集成[10] - Amazon Security Agent作为虚拟安全工程师，在应用设计、代码审查与渗透测试环节充当安全顾问，可提前预判风险、识别代码漏洞，并将传统渗透测试转为按需实践[10] - Amazon DevOps Agent作为虚拟运维专家，能协助团队解决并预防运行故障，通过关联多源数据来调查事件并识别运营优化点，提升系统可靠性与性能[10] - 这些Agent工具标志着AI从技术展示转向核心生产力工具，将重塑开发者全工作流程，为企业带来更低的开发成本、更快的交付速度以及更标准化、可治理的软件工程体系[11] 未来展望：Agent时代的软件与数字化 - 进入Agent时代，企业软件将不再以“应用”为中心，而是以“任务”为中心；企业数字化将从“建系统”转变为“解问题”，实现结果导向（如自动生成报表、监控库存异常）[11] - 从App到Agent的跃迁才刚刚开始，re:Invent 2025仅是这一转变的起点[11]