Agent如何突破大模型的想象力？

推荐语

Agent突破大模型想象力的深度洞察。

核心内容：
1. Agent发展现状与未来趋势
2. 2B和2C需求差异及商业模式探索
3. 大模型能力与Agent整合的挑战与机遇

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

现场持续了两个多小时，有许多精彩的观点碰撞。我整理了可披露的精华信息，分享给大家，希望可以帮助大家对当前Agent发展有一些更清晰的认知。

Q：大家什么时候感觉到Agent在加速了？有没有感受，或者今年有没有什么主题词是比较明确的？

姬阁阁：一个非常深刻的体会就是，模型的能力其实是有阶段式上升的。

Agent的需求在这一代里面跟上一代互联网有一个巨大的不同，在互联网时代2C其实是走在2B前面的。而这一波企业级的需求，跟2C是齐头并进的，但是在这个过程当中，因为2B对确定性的要求更高，所以在前期走的很困难。

但大模型，不管是性能上，还是准确性上的，或是对于成本的压缩上，都有非常明显的提升，这就是我最大的感受，新的商业模式快要生成。

梁宇：我可能有稍微保守一点的观点，就Agent这个问题现在还没有大规模的到来，只是有加速的趋势。

我觉得有一个比较认同的其实是DeepSeek带来的，很大程度上改变了B端的预期。

C端这一块，真正要完成的是：从工具，到逻辑，到分解，到真正帮用户完成一个闭环。细分领域正在发生，但泛化方面，还有很远的路要走，

杨劲松：从今年DeepSeek出来之后，一些Agent场景就已经在落地了。从客户的问询量有非常明显的增长。今年可能第一个季度完成了去年80%的收入。客户对于场景的明确性，也比去年有一些提高。

侯宏：2B需要认知啊，B端客户容易实施卡壳，因为数据不ready。B端仍处于摸索过程。要想清楚布局Agent有什么竞争力、跟以前投IT有什么样的区别。

C端我觉得没有什么惊喜。国内的话，目前还是赔钱赚吆喝，背后的商业模式是什么样的，从创业者的角度看，这方面还没有想清楚。

在2B和2C 之间还有一种中间类型，小B大C。已经有一些闷声开始赚钱的。核心是把行业经验模式化，模式化能够实现生产的边际效益覆盖边际成本。

Q：前一段时间看了一篇文章，讲到说，现在的大模型的能力其实已经OK了，即使现在大模型的能力不再提高，也有很多应用的路要走。

大家觉得现在大厂也都在去做Agent，大模型原来这套训练、推理，包括算力这套方式还不是最优级的？

侯宏：模型跟Agent 之间的关系，我觉得，模型即产品这条路有局限或者说有边界。

把 Agent 的能力内化到模型里面去，这个趋势是客观存在的。但是其实从广大创业者的角度与之对应的思路，应该考虑加入智能体系生态。

模型的能力已经具备，但模型怎么样和本地的私有数据、以及它内部的工具，甚至内部的IT系统，怎么样去整合？模型本身永远只是一个中枢，利用模型去整合更多的工具的时候，一定要知道模型训练特性什么什么、怎么把工具训练进去，模型的边界在哪？那这个边界有可能出现哪里？

第一是否有一些私有数据；第二在场景里面找到边界，如果说创业的场景没有边界，那就应该止损。如果能用其他的方式建立自己的壁垒，比如有产业资源。要跳出技术思维，从一个整个产业的大格局看自己能卡位什么样的点好。

姬阁阁：作为一个开发者来讲，我觉得我不会去探索增强模型的能力。在Agent开发中，只有能够给大模型提供完整的、准确的上下文，才能驾驭好这个大模型。

另外一方面，假设没有产业壁垒是不是就没有什么优势呢？我觉得可能也还有一些机会，比如把一些工程性的事情做的足够精细化。也就是其实脏活累活，但如果积累的足够深，也能够成为一些壁垒。

另外，我会私有化部署一个模型，当数据积累到足够丰富时，通过在线的及时迭代反馈得到的模型，也可能成为壁垒。

侯宏：我提出了一个词叫“智能飞轮”，三个角是：模型、数据和智能。对于任何一个企业，不管是 ToC 的还是 ToB 的，不管你是甲方还是乙方，其实都要考虑怎么样把它转起来，转的最快，这是唯一可以依赖的竞争优势。

只做脏活累活是不行的，一定要把这个脏活累活你的经验能够沉淀下来。并且不断成长，这种需要动态的这种竞争优势。

梁宇：我们在讨论大模型、蒸馏小模型以及 Agent 之间的关系时，在焦虑些什么事？无非是担心自己做的Agent 被巨头给碾压了。

但实际上会发现，大模型在不同垂直行业里面去用的时候，玩不转，原因也包括数据不健全等。所谓的行业 know-how、行业数据、是真正决定能否形成好的商业闭环。所以绝对不是很薄的一层。

对于Agent 从业者而言，可以回看上个时代做无人驾驶那一波。其实有两拨人，一拨就是搞论文、研究的，另外一拨人是搞传统产业落地的，最终传统产业的并没有被吞亡。

AI也类似。技术是一个好的开始，但绝对不是决定一切的。能决定生死的，依然是客户、产品、需求、寻找的速度。

杨劲松：一个人类专家去完成特定领域工作时，其实需要两部分知识。一部分叫显性知识，就是能够收集到这些文档文字沉淀下来的，这类的话其实相对还是容易收集到的。

第二类是隐隐性知识。就像解题思路，在做特定任务的时候，第一步做什么、第二步做什么；第一步找什么工具、第二步怎么样去加工。这些之前都没有被很好的文档记录下来的。

如果想让 Agent 能够在特定领域里面工作，实际上需要这两份数据的组合。

我们有一个思路就是如何切入行业。如果说行业有一定壁垒，比如牌照、数据垄断之类，这种情况，可能还是传统公司自己来做Agent，或者他们会投资一些公司来合作。

另一种情况是有专业性但没上述壁垒的话，那可以引入行业专家一起开发，完成冷启动，然后再通过实际使用过程来优化能力。

Q：大家普遍感受到 Agent 在增长，但是还没有到一个爆发。那是不是因为如果大模型的能力只是在文本，那可能这个Agent 就没有什么特别实际的用处。也只有当多模态能力发展到比较强的时候，我们的 Agent 的应用可能性才会更多一点，或者说落地的可能性会更多一些？

姬阁阁：我自己有两个孩子，现在也经常拍照识别昆虫或者是自然界的一些物体，就在用夸克、豆包这样的智能体了。

我觉得多模态有两种，一种就是 midjourney 这种艺术型的。还有一种是对逻辑推理非常清楚的。在一年之前逻辑推理是一个难题，但现在我初中的几何题奥赛题的范围内，模型都能给出正确的思路，这就非常了不得。

所以我觉得如果说超级智能体，比如有1亿日活的话，那么多模态的生图能力，必须要到一定的强度。现在也正在慢慢发生中。

梁宇：每一次技术变革，大量的C端是怎么发展起来的呢？其实就是来自于交互方式的改变，从DOS到Windows 再到手机、再然后语音、多模态照片，每一次的输入都在越来越简单。只有这样，才能让更多人能参与进来。

人的感知、视觉、听觉、味觉、触觉，仍有许多触觉都还没进来。，虚拟和现实之间能够真正结合也需要多模态能力。

侯宏：Agent需要感受环境，当用户可以用图片形式自定义问题，甚至不需要用语言描绘很清楚，但大模型依然可以理解意图时，带来的能力扩张非常显著。

包括在B端，以前中国中小企业信息化、数字化难。一个原因是没有专业的软件人才，小企业主不会用这种复杂的软件。现在可以用智能体，通过MCP去调用各类软件，不用人学，生产力会迅速提升。而多模态能力也非常关键。

杨劲松：许多做大模型的团队，有一个假设，就是人类的知识最终都可以通过文字和符号来表达的。如果为了追求终极超级智力的话，可能文字做到极致就可以了。

那为什么还有多模态，其实是外界需要有这样一个互动，增加对外部世界的理解。未必是模型最佳的方式，但是是人类最适用的方式，价值最大。

Q：Agent应该垂直？还是通用？

另外，瞄准年轻人，是一个非常好的方式，因为从创新产品理论来讲的话，年轻人对新鲜事物接受度最高的，生命周期更长。大家怎么看夸克这个产品？

侯宏：对于夸克的建议，最核心的问题是在阿里整个集团的定位，要弄清楚。到底是走平台化流量这一条线，还是走智能化改造这一条线，逻辑是不一样的。

通用还是垂直，取决于创业者的基因。如果能够专注要做的事，并且能够长期坐冷板凳，还有资金支持，那可以做通用。

而要做垂直，需要有产业资源，要思考能够以 AI 为核心去整合的资源是什么？壁垒一定是来自于一个系统，而不可能来自于模型，因为模型是公用的。不是说通用和垂直怎么赚钱，而是说在垂直这个赛道下，我能够怎么做才能够更赚钱。

杨劲松：首先我觉得讨论技术对社会或者对行业影响的时候，大概有三个维度：

第一个层面，由于这种新技术，会不会出现一种新的业态，把目前商业模式颠覆掉？

第二个层面，基于原有业态，整合大模型或者 agent ，有没有一些新的商业模式或者新玩法。

第三个层，也就是降本增效。对创业者的启发，有没有可能一种商业模式诞生，或者在一个特定的场景里，比传统玩家有十倍提升的效率。并能在价值链条里，分最核心的那一块。

有时候也会用田忌赛马的方式，跟传统产业比，发挥技术优势；跟大厂比，要发挥深入行业的优势。

姬阁阁：我刚才在思考一个问题，就是一款Agent，什么功能才有用户愿意付钱享受。

像论文学习这种有一些创造性的活，我自己不太愿意付费，因为我觉得我有创造力。但重复性的劳动，不能给我带来潜在的价值，就更愿意付费、节省精力来做创造性工作。所以，C端可能就是在用户不愿意干的活上面，激发用户的付费意愿。

关于垂直和通用，我自己的经历是，先从当个功能开始、慢慢增加功能、调用更多工具、解决更多问题。总结就是，慢慢的从垂直走向，二者并不矛盾。

当你的用户群足够通用的时候，你给模型什么样的数据，就会形成什么样的产品。最后长成通用型的。

粱宇：这里最核心的矛盾是训练、推理分离的。如果能够将二者结合，并实现实时改变，那能力就会非常恐怖，会是非常值得期待的技术趋势之一。

Q：搜索应该算是大部分人比较公认使用习惯。从传统搜索变成深度搜索。从技术角度，或者产品力角度，怎么看？

杨劲松：其实用户本身对这个产品的认知，远不如我们想给他传递的那么清晰。不管科技产品还是快销产品，各种宣传，其实只是为了让用户记住一点点关键信息。这就是显示，也应该成为定位。

传统搜索出来的结果，头三条的黄金点击位置，占到了所有的点击量的90%~95%之间。第二页的信息，可能都没机会展示了。用户的预期，就在前面几行。

所以Google 拼了老命要保证信息排序是好的，因为好的排序意味着提供的结果满足用户的预期，用户觉得好用，就还会回来继续使用。第一要快，第二要准。

用户其实是焦虑的，不会提问题，不停地更换检索词来找到自己想要的答案。从这个角度上来说，基于大模型的理解能力、推理能力、总结能力，能够给用户更有价值的信息是非常好的。

而且，用户搜索的目的，是为了做决策。因此，AI搜索也要能替用户去高效的、有质量地解决一个决策问题。

商业模式怎么构建可能是问题。毕竟不能再采用传统广告植入的模式。但我有信心，但凡有价值，就有机会。

姬阁阁：Deep search 一定是价值的，传统模式只能看三四个链接，但AI可以直接帮我看30个链接，扩大了搜索面，也给出更准确的信息，提高效率。

Deep search更像是一个分析师。Deep think更像一个科学家或者哲学家帮助用户反复去思考。

侯宏：未来的 AI 搜索有两个价值主张，一是便利，省时间；二是精确信息，并信任它。但目前还是形式逻辑准确，专业性仍不够。所以未来可能会有垂直搜索。

而且不只是搜索，搜索并不是为了获取信息，而是为了做决策。沿着这个路径，AI搜索会有很多有趣的功能和发展。

Q：Agent有先发优势吗？应该是在什么因素上积累，才有可能形成一个比较好的优势？

梁宇：我们讲 agent 的时候，不可避免的有个隐含意思，就是很大程度把它当工具。而工具要在C端占据用户心智，其实并不容易。只要有好的工具，用户就会切换，粘性不一定足够。

B端的话，是有先发优势的。因为B端资源是有限的。客户不愿意重复建设、重复体验一些工具。如果能把数据、know-how、场景结合起来，那一定是比较强的壁垒。

杨劲松：有用户体量能帮助提升产品、然后继续获取用户，这才能形成先发优势。在通用Agent场景下，先发优势并不明显。因为没办法用规模用户，去持续创造更佳的效果。而且，Agent的开发技术门槛相对也不高。

除非能尽早成为新入口，才有先发优势。普通创业的话，有机会被并购，也是非常不错的。但形成牢固的先发优势，而且要能守得住优势，其实是比较挑战。

姬阁阁：我想聊下如何构建先发优势。我自己的体验就是，如果不是天才，可能就是先从脏活累活做起。然后从第一个客户开始，形成积累和信任。

侯宏：企业之所以要有战略，是因为要有竞争优势，从而获得超额利润。如果只做脏活累活，就很难实现超额利润。

我觉得除了积累信任之外，卡位也很重要。在生态位里找到不容易被替换的位置。另外，也别担心被大厂竞争淘汰掉。因为这些项目，也培养了团队能力，可以寻找其他新的机会。

创业者很难找到一个可以做20年的事情，要保持创业思维，也很重要。

Q：在 Agent全面落地的过程中有哪些瓶颈，未来两年可能会有哪些事件或者是标志性的东西，能够让我们确信说Agent在加速了。

姬阁阁：我觉得Agent 在C端领域，最难克服的是原有用户使用的惯性。这必须要尊重时间规律。虽然我发现很多AI产品已经超越了现有产品的使用体验，但切换还是有时间的。静静等待，时间会证明一切。

在B端，数据的完备是一个重要瓶颈。另一个就是准确性。有多领域只有90%准确率是不够的。不过这方面应该也会持续提升。在今年10月或者年底，应该会看到更强的推理模型，并且成本会很低。从而加速大模型的落地。

梁宇：最先爆发的，一定是在数据完备性比较强的行业，比如金融。这里的数据完备性是指大量的、已经经过处理好的结构化数据。

C端的话，就是观察一些对新技术、新科技最敏感的人，在这些小圈子里，会有主流没有注意到的流行。如果和AI相关，那就会是一个好的爆发点。

杨劲松：在上一代互联网关于新技术、新产品有个典型描述，要考虑：新体验-旧体验-迁移成本。

现在用户有个困扰，就是不知道AI的结果是否可信。这要靠技术提升来改善。另外，AI如果在企业端大规模使用的话，还要考虑组织结构、文化方面的适应与改变。甚至一些职能要重新设计、组合，这都需要时间、也需要方法论来实施。如果还是传统模式，那AI价值量可能会打折扣。

侯宏：除了技术、产品之外，还有个维度就是资本入局驱动，加速用户教育。我现在关注的领域叫智能体互联网，而不是单个的智能体。这是一个对生态、网络层面，相互促进的事情。