文章核心观点 2025年被行业普遍视为“AI Agent元年”，技术可行性与初步价值已在客服、理赔等标准化场景得到验证[1] 然而，行业当前面临的核心挑战是如何同时跑通技术、产品与商业三条曲线，形成可持续的正向闭环[2] 从技术概念走向规模应用的关键路径，以及产业先行者们在探索中所面临的思考与抉择[4] 嘉宾背景与工作重点 - **联汇科技CEO赵天成**：团队聚焦于研发终端侧多模态模型，并探索让智能体从数字世界走向物理世界，实现“物理智能体”[11] 核心方向是通过智能体网络串联无人机、机器人、摄像头等智能终端，实现从感知、决策、执行到反馈的完整闭环[12] - **蚂蚁集团徐达峰**：团队主要聚焦两个方向，一是重构软件研发方式，构建名为WeaveFox的智能研发体系，旨在将AI转变为研发体系的原生能力[15] 二是致力于将多智能体能力带给大众用户，推出了“蚂蚁百宝箱”及“百宝箱超级智能体”，目标是打造无需代码、开箱即用的通用Agent平台[16] - **小宿科技联合创始人杜知恒**：公司打造面向Agent的一站式基础设施平台，其中尤为重要的产品是为Agent设计的搜索引擎，提供多语言、全球化的搜索工具，以及模型服务、AI沙盒等多样化Agent工具集[18][19] 落地效果与价值体现 - **多模态能力带来的突破**：2025年是视觉语言大模型（VLM）大幅成熟的一年，GPT-4o、Gemini 3等模型对图像和视频的理解能力有质的飞跃[20] 这使得智能体能够直接处理视频、扫描件、图片等混合多模态数据，打开了大量以前不敢想的场景[20] - **执行智能体带来的价值跃升**：执行智能体能够直接操控机械臂等设备在现场解决问题，其价值远超仅提供提醒的智能体[21] 例如，客户为仅具备监控功能的终端可能最多支付一千元，而为具备执行能力的智能体则愿意支付十万元，实现了价值一百倍的提升[21] - **Coding Agent的效率提升**：在蚂蚁的实践中，Coding Agent已从“写一段代码”进化为“跑一段流程”，能自动生成可上线代码[25] 在多个规模化项目中，稳定实现了3~5倍的效率提升，过去需要工程师半天调试的任务，现在Agent几十秒就能完成[25] - **垂类软件的AI化**：上一代SaaS公司正在快速引入AI能力，显著提升了服务客户的效率与质量[24] Agent在核心工作流中已能交付实习生水平的结果，例如做PPT、写产品文档、写代码等[24] 优秀AI Agent的衡量指标 - **结果交付能力**：优秀的Agent应能在特定场景交付一个相对完整的结果，其价值应与人力价值对比，而非仅看作软件订阅费[27][29] 即便存在“堆砌Token”的争议，通过AI节省的人工成本也远超Token投入的费用[28] - **可进化性**：Agent应具备在实际应用中通过丰富上下文、记忆和用户反馈不断学习与进化的能力，而非初始部署后一成不变[32] 用户需接受渐进式优化的模式，而非要求初始阶段就达到95%的准确率[32] - **人机协作流程设计**：优秀的产品需设计好人机协作流程，能够在犯错时暴露不确定性、具备回滚能力，并能顺畅地将任务交由人工接管[35] 它应像一位可靠的同事，而不仅是效果惊艳但缺乏协作性的工具[35] - **可控性、可解释性与稳定性**：这些是Agent产品的基础要求[35] 未来关键演进方向与卡点 - **关键演进方向**： - **可靠性提升**：可靠性是所有智能体成为“每个人每天都在使用”的工具前必须解决的核心问题，尤其在进入物理世界后，可靠性要求更为严苛[56][57] - **物理世界融合**：AI最终必须能够走向现实世界，替代部分蓝领工作，这需要VLA、世界模型等技术的有效拼合[56] - **渗透率提升**：预计2026年，在巨头大规模投入的推动下，AI整体渗透率将显著提升，头部Agent将进入二三线城市并被非专业用户广泛使用[60][61][62] - **架构创新**：未来可能出现全新的架构取代当前“大语言模型+其他模型”的组合形式[56] - **发展关键卡点**： - **双脑架构**：在物理场景中，需构建“双脑架构”，即云端大脑负责决策，端侧小脑模型负责快速执行（如控制无人机飞行），这需要新的框架来集成大脑与小脑[42][43] - **企业级安全与权限**：Agent在企业大规模落地时，面临访问核心资产数据、隐私和安全审计的挑战，需要建立为Agent设计的安全基础设施和权限体系[45][46][47] - **商业可持续性（负毛利问题）**：目前市场上绝大多数Agent以负毛利运营，完成任务所付出的代价高于用户支付意愿，这对创业者是巨大挑战，商业模式跑通是关键[49] - **使用门槛**：面向大众的产品，使用门槛必须足够低，不能预设用户具备专业知识或懂代码[51] 率先被改变的行业与场景 - **容错空间较大的场景**：在未来6个月内，那些失败结果不具灾难性、容错空间较大的场景可能率先实现工作流彻底改变，例如AI做三次的成本仍低于人工全程成本的场景[34] - **软件工程**：由于工具链成熟、有上一代数字基建基础、任务偏向结构化且自动化收益高，软件工程领域可能面临较大的冲击和变革[36][37] 进入新阶段的标志性节点 - **高频应用渗透**：当每个人每天最高频使用的三个APP中有两个是Agent时，意味着进入了新发展阶段[72][73] - **非技术人群广泛使用**：当年长者或非技术行业的人真正开始使用Agent改变生活方式或提升体验时，例如妈妈开始用Agent画PPT[69][71] - **现象级应用出现**：在泛娱乐等赛道出现提供情绪价值的Killer App（现象级应用），并扩展到智能硬件上[65]

文章核心观点 - AI产品竞争格局呈现多元化发展，互联网巨头凭借全产品矩阵形成生态优势，而初创公司则深耕细分人群以优化体验[2] - AI产品用户规模和活跃度的增长引擎正从通用头部产品转向长尾高细分产品，新兴赛道和Agent产品表现突出[6] - AI产品形态正从工具向集成化工作台和具备执行能力的桌面端Agent演进，Web端与桌面端定位逐步分化[28][31] APP端AI产品现状 - Web端AI产品总访问量和MAU增长停滞，数据持平在6亿和1.3亿人次，头部产品数据出现轻微下滑[6] - 用户增长引擎转变，长尾高细分产品成为增长主力，AI健康等新兴赛道表现瞩目[6] - 综合化办公Agent和垂直赛道Agent用户增长亮眼，显示Agent产品价值得到验证[6] - 头部集中化态势减弱，中腰部产品下载量和日活提升明显，TOP 5产品市场占有率从超60%降至50%以内[14][15] - 智能助手类产品累计下载超5亿，日活超8100万，在APP端占比约33%和32%，但比重较第二季度下降[16] - AI效率办公类产品累计下载量接近5亿，领先于AI创作（近2.7亿）和AI文娱生活（近2.6亿）赛道[17] - AI健康细分赛道增长迅速，蚂蚁AQ和字节小荷AI医生发布两个月累计下载分别达近1400万和近200万[17] APP端用户规模TOP 10 - 夸克以约2.51亿累计下载量位居第一，豆包以约2.33亿紧随其后[7] - 用户规模数据量级在1000万以上的产品共有23款[7] APP端用户新增TOP 10 - 2025年9月APP端AI产品总新增下载超1.66亿，相比6月的1.3亿上涨超27%[9] - 豆包和夸克是9月唯二新增下载量超两千万的产品，分别达约2700万和约2300万[9][10] - 新增千万级产品共4款，百万级产品共24个，相比6月（16款）增长明显[9][10] APP端用户活跃TOP 10 - 2025年9月平均每天有近3亿人次使用AI APP，数据相比6月增长近50%[12] - WPS以约6100万DAU位居第一，共8款产品DAU超千万[12] - DAU在百万级以上的产品从6月的15个增加至20个，腰部以上产品是活跃用户增长主要贡献者[12][13] Web端AI产品现状 - 9月Web端总访问量超6亿，较6月的5.7亿有所增长；总活跃用户数约1.24亿，与6月基本持平[27] - 头部产品访问量和活跃用户有所下滑，TOP 10访问量门槛从1900万降至1700万，月活TOP 10门槛从370万降至340万[27] - 流量被AI Agent类产品分走，该品类有7款产品入围榜单，对多个效率类细分赛道形成挤压[32][33] Web端使用规模TOP 10 - 访问量千万级的Web端AI产品维持在10款，DeepSeek、豆包和夸克访问量位列前三，在整体中占比达47%[18] - DeepSeek以约1.15亿总访问量位居第一，豆包约8500万，夸克约8200万[18] - 豆包9月访问量比6月增长约2500万，百度AI搜索9月访问量相比6月增长超1800万，涨幅达74%[19][20] Web端用户活跃TOP 10 - MAU百万级产品共有19个，百度AI搜索月活数据连续两月显著增长，稳定在千万级梯队[22] - 夸克以约1900万独立访客数位居第一，豆包Web端月活用户从6月约820万增长至9月突破1000万[22][23] Web端用户粘性TOP 10 - 用户粘性TOP 10被AI办公效率应用和AI智能助手应用垄断，莫高设计以9.5次人均访问次数领先[25] - 人均访问次数在5次以上的产品共有23款[26] AI产品形态演进趋势 - 头部产品从"工具"向沉浸式"工作台"转变，进行系统深度集成[28] - 随着Agent能力植入，桌面端形态更符合国内用户习惯，代表有Kimi的OK Computer模式和阶跃星辰的桌面伙伴小跃[29][30] - 未来桌面端基于Agent侧重执行，Web端则侧重相对简单的信息再处理[31] - Agent产品能够端到端交付成果，不仅挤占Web端头部产品空间，也对多个效率类细分赛道形成挤压[33]