AI应用从“工具”到“工作流”，下一个引爆点在多智能体系统？

推荐语

AI应用正从单点工具升级为工作流整合，多智能体系统将成为下一波创新浪潮的核心驱动力。

核心内容：
1. AI应用从工具向工作流转型的趋势分析
2. 多智能体系统作为新范式的技术突破与应用前景
3. 行业投资重点从基础设施向垂直场景解决方案的迁移

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

在世界人工智能大会 WAIC 2025上，从大模型、AI Agent、到多模态与“AI+产业”解决方案，各路参展企业再次证明：AI已不再是实验室里的技术炫技，而是实实在在嵌入我们生活与工作的“第二系统”。但当展馆外人头攒动、新品频出，行业内部的节奏却正在发生微妙的变化：

模型参数不再是关注焦点，API调用不再等同于护城河。AI应用，正从“拼能力”进入“拼粘性”；从“拼技术”进入“拼落地”。

7月26日，在非凡产研、TechBuzz、欣孚咨询、霞光社主办的“全球AI+机器人交流活动”上，其中一场由霞光社-CEO-何维主持，嘉宾有WaveSpeedAI -创始人&CEO-成泽毅、Agnes AI-创始人&CEO-Bruce Yang、资深AI投资人-Edward Tsai、Augur Energy AI基金-创投合伙人-Ryan Cunningham的圆桌会议上，他们就“AI软件的未来发展与应用演变”这一话题进行了深度讨论。这场没有Demo Show、没有模特与巨屏，却充满方法论与趋势预判的讨论，或许比任何一次新品发布会都更值得AI从业者关注。

01. 从“工具热”到“工作流战”：AI应用正在走向务实

Agnes AI创始人Bruce Yang提出一个判断：“下一个AI应用的大爆发点，将出现在Agent驱动的工作空间（Agentic Workspace）。”

这一判断并不新鲜，但它正在逐步成为现实。过去AI被用作内容创作的工具，而现在，越来越多的产品开始尝试将AI嵌入用户的工作流程，甚至构建一个可持续运转的“AI团队”。

这种从“工具”向“工作流”的跃迁，其实是整个AI软件生态走向深入的标志。正如投资人Edward Tsai所言：“一个AI系统一旦深度嵌入企业的数百名员工的日常流程，就会形成界面忠诚度（interface loyalty），这远比API的价格更具粘性。”

AI不再只是“能不能用”的问题，而是“好不好用、用得深不深”的竞争。

02. 多智能体系统：下一个范式的雏形

Bruce进一步指出，2025年最大的应用创新，很可能诞生在“多智能体系统（Multi-Agent System）”中。

这是一种更接近真实组织协作方式的AI架构：多个Agent分工协作，彼此传递上下文，围绕一个目标并行工作。

这种范式的出现意味着AI从“一个人干到底”走向“团队作战”——从大模型单点能力，到多个模型或模块围绕任务构建动态结构。这不仅提升了系统的灵活性，也为行业应用打开了新的想象空间。

特别是在内容生成、金融、医疗、跨境电商等任务链条复杂、对准确性和效率都有要求的场景，多Agent架构正在成为新的默认解法。

03. 从基础设施到垂直场景：资金开始转向“问题解决者”

过去两年，AI投融资的焦点集中在底层模型、向量数据库等基础设施。但现在，风向正在转变。

CB Insights数据显示，2025年AI领域的投资中，垂直行业应用已占据最大份额，达到11亿美元，基础设施和水平工具则分别为9亿和6亿美元。

Edward Tsai直言：“基础模型已经在走向商品化，护城河变得脆弱。相比之下，垂直领域、与特定行业工作流高度整合的AI产品更具可持续性。”

投资人开始更加关注“工作流嵌入深度”“客户替换成本”而非“模型参数数”与“API速度”。那种“看上去没那么炫技，但真的能解决问题”的创业公司，反而获得了资本的青睐。

04. 中美生态差异：是巨头主导，还是快速扩散？

在中美AI应用生态对比上，Ryan Cunningham给出一个值得参考的视角。他引用了一本书的概念，将技术的扩散分为两种模式：

• 领导者主导的入侵（Lead Sector Invasion）：由极少数巨头主导；

• 技术的扩散（Diffusion）：AI像水一样渗透到各行各业。

  
  

他认为，美国AI生态更偏向前者，巨头林立，但也更容易形成路径依赖；而中国的AI生态则更强调“扩散性”与“快速迭代能力”——产业用户与开发者联系紧密，反馈机制灵活，技术更易从工具走向产业。

Agnes AI创始人Bruce则进一步指出，中美产品设计在交互逻辑上日趋相似，但估值体系和领导力构成却仍有较大差异。

一个细节是：他建议创业者在保持中国工程和供应链优势的同时，要努力融入美国的资本市场——中美“双轮驱动”，可能是未来非美AI公司的唯一路径。

05. 未来三年，AI软件会走向何方？

在圆桌的最后，几位嘉宾对未来做出预测，观点各有侧重，却都指向一个方向：融合、效率与智能自治。

Bruce Yang 提出，“AI软件未来将朝向‘自我演化（Self-Evolving）’系统发展”，软件开发不再是人写代码，而是构建能自我生成、迭代的软件生态。

Edward Tsai 认为，“AI会从辅助编程拓展到市场、销售等更多部门，创造‘小团队高收入’的新组织范式。”

Ryan Cunningham 提出“环境计算（Ambient Computing）”的愿景：未来，个性化AI将像空气一样围绕用户运行，而构建低成本、高性能的AI微服务接口，将成为新的机会窗口。

而来自WaveSpeedAI的成泽毅则总结得更为直接：“最终，每家公司都不得不变得强大、全面、不可替代。因为用户只愿意为‘超级应用’买单。”

06. WAIC之后，真正的AI进化将在幕后发生

2025年的WAIC展厅里，“多智能体”“行业Copilot”“环境计算”“大模型全家桶”成为频繁出现的关键词。AI技术在持续更新，但外显的创新越来越像一次次“界面优化”或“接入集成”。

而在展厅之外，更深层的竞争正在展开：

谁能将AI嵌入千行百业的工作流，谁能用Agent解决企业里的真实刚需，谁能构建出高效率、可持续、可扩展的智能系统，谁就能在下一个阶段站稳脚跟。

大模型之后，真正的AI战场，不是参数，而是场景；不是演示，而是协同；不是“生成内容”，而是“生成系统”。

正如那位投资人所说：“未来AI软件的进化，将是从写软件，到写能写软件的软件。”

而留给AI创业者、产品人和工程师的挑战也很明确：下一次WAIC，你是否还有资格站在主舞台上？

07. 对话原文

何维：Hello，大家好，我是来自霞光社的何维。我们建立了一个生态系统，旨在帮助中国企业走向全球，尤其是在AI、跨境贸易和机器人等领域。

好，让我们开始今天的话题。欢迎来到这个论坛，我们将深入探讨AI软件。今年可以说是AI应用的爆发年。无论是SaaS，还是智能设备，我们都能看到AI、软件和硬件的结合正在如何颠覆我们的生活。在过去的六个月里，像一些AI领域的独角兽公司和许多中小型企业，都在不断拓宽AI能力的边界。这让我想起了2000年左右的互联网热潮。

今天非常荣幸能邀请到几位AI领域的杰出人士，共同探讨AI软件的未来发展和应用场景的演变。那么，我们开始吧。首先，请每位嘉宾做一个简单的自我介绍。

成泽毅：Hello，大家好，我是成泽毅，WaveSpeedAI的创始人兼CEO。我们公司可以说是亚洲第一家生成式AI网红（Generative AI Influencer）媒体平台。我们从创立之初就立足全球，致力于为全球的开发者提供最快、最具成本效益的视频和音频网红营销服务。目前，我们的客户遍布世界各地，包括欧洲、亚洲以及美国。公司正在快速增长，我相信到今年年底，我们将在市场上占据相当可观的份额。

Bruce Yang：Hello，我叫Bruce，是Agnes AI的创始人。我们是一家总部位于新加坡的AI公司，专注于文本生成、AI Agent和相关社区的建设。大家可以把我们想象成一个AI原生的“微软Office套件”。我们也在构建自己的大语言模型，并以此为基础进行优化。目前，我们的日活跃用户已经超过2万，并且增长非常迅速，我们预计这个月底能达到5万的日活。

Edward Tsai：大家好，我是Edward Tsai，一家专注于垂直领域AI的风险投资基金的管理合伙人。我的职业生涯始于投资领域，最近几年一直非常关注AI赛道的投资。我曾投资过像Cruise Automation这样的自动驾驶公司，也曾在中国工作过，任职于360等公司。中国市场的迭代速度令人惊叹，很高兴能在这里和大家交流。

Ryan Cunningham：大家好，我叫Ryan Cunningham，是Augur Energy AI基金的投资人及研究员，同时也是我们创投部门的合伙人。我从2017年开始进入AI行业，当时在Uber工作，负责为我们的调度系统部署深度学习模型，并在全球范围内扩展运营。

今天，我的工作重点聚焦于AI基础设施，涵盖软件、硬件以及能源系统。我与一个全球性的黑客马拉松网络有合作，所以每个月我都能看到大量涌现的、质量非常高的新项目。很高兴来到这里。

何维：再次欢迎各位。AI确实是一个非常热门的话题，每个人都在讨论大语言模型和AI Agent。那么从各位的视角来看，AI在产业落地方面进行到哪个阶段了？哪些因素会推动其最快增长？

成泽毅：从我们的角度来看，将AI技术包装成开发者或消费者可用的产品非常重要，而不是仅仅销售技术本身。我们发现，对于很多开发者客户来说，他们最关心的其实是最终内容的质量。因此，我们也调整了策略，不仅提供技术支持，也开始提供高质量的生成内容。我们看到，提供优质内容能够帮助这些应用开发者吸引并留住更多的终端消费者。

Bruce Yang：我们认为有两个领域已经取得了巨大的成功。首先是内容创作领域，随着ChatGPT等工具的出现，这一点已经成为共识。其次，我们认为下一个将迎来巨大成功的范式将是AI Agent驱动的工作空间（Agentic Workspace）。想象一下，AI可以帮你制作PPT、处理文档、进行协作，并在团队内部共享信息和上下文，这无疑是下一个AI应用的巨大增长点。

长远来看，我们认为“AI for Social”（社交AI）将是下一个浪潮。随着AI在情感捕捉和与用户建立信任方面的能力越来越强，我们已经看到了AI在社交网络中强大的转化潜力。所以，如果我们展望下一个阶段，工作空间的生产力提升和AI社交将会是取得巨大成功的应用层。

Edward Tsai：回顾AI应用的发展很有趣。大概两三年前，很多应用都集中在通用领域，比如写作或编码工具。但在过去一年里，我看到了越来越多专注于特定用例的垂直应用。最大的变化在于，随着模型能力越来越强，更多来自不同行业的专业人士开始观察AI如何被应用，并将其引入到自己的行业中。

例如，我投资了一家为牙科诊所提供AI助手的公司，他们使用语音技术来处理预约等事务。这种情况也出现在其他行业，比如汽车保养的预约调度。这些垂直领域的创业公司会思考：“我该如何利用生成式AI、语音技术或文档处理能力，并将它们应用到我的行业里？” 我们看到，这类公司往往增长迅速，并且拥有非常好的产品市场契合度（Product-Market Fit）。

Ryan Cunningham：我记得两年前，尤其是在2022年11月ChatGPT发布后，所有人都看到了机会，都在讨论同样的话题。当时涌现出大量的创业公司，他们试图用ChatGPT来包装一个针对特定领域的营销工具，这让我想起了当年“Uber for X”的创业热潮，很多创业者都想做“某个领域的Uber”。

但到了2023年，我们看到那些已经拥有大规模用户的平台展示出了真正的优势。AI模型本身并不像人类那样严格区分法律、会计或金融等不同领域。因此，那种认为每个垂直领域都需要一个独立模型的想法被证明是错误的。

现在到了2024年和2025年，最成功的公司往往是那些从一个非常具体的、创始人非常了解且拥有独特市场渠道的用例开始的公司。他们从一个实际问题出发，然后利用AI技术去解决它。

何维：好的，让我们进入下一个话题。我想先问Bruce和成总，你们的公司都在做AI应用，你们如何看待AI应用未来的演变？是否存在一个“杀手级应用”？

成泽毅：我们平台支持着大量的应用开发者。我们看到，现在一些非常聪明的开发者已经在使用AI，特别是AI视频生成技术来提供服务。他们从我们这里购买服务，然后可以卖给他们的终端消费者，并获得很高的收入。他们最关心的往往是质量。所以我们也调整策略，从单纯提供技术支持，转向同时也提供高质量的生成内容。我们发现，优质的内容能帮助他们吸引更多用户。

Bruce Yang：我们今年观察到的一个趋势是，AI创业公司越来越多地采用“多智能体系统”（Multi-Agent System）。中国有句老话叫“三个臭皮匠，顶个诸葛亮”，同样的事情也发生在AI领域。多智能体系统已经成为一个新的范式，无论是通用应用还是垂直应用。今年在应用层最大的创新，很可能就出现在多智能体系统上。

有人可能会问，如果GPT-5变得无所不能，集成了搜索、Agent等所有功能，那创业公司还有什么机会？我的看法是，即使模型本身再强大，多智能体在特定行业的应用中依然有巨大潜力。这就像一个团队协作，分工明确才能高效。

另一个趋势是，我们看到中国的模型公司也在构建自己的应用层。这对我们这些创业者来说意味着什么机会呢？我们发现，虽然美国的模型很强大，但中国的模型在成本上更有优势，有时能以更低的成本达到类似的效果。所以我们的策略是，利用两边的资源优势。我们用最顶尖的美国模型来开拓市场，但后端架构可能会用性价比更高的中国模型来替代。这样，我们就可以在服务好美国主流市场的同时，也把目光投向东南亚、拉丁美D洲等其他市场。

何维：好的，那我们来谈谈投资。我想请问Edward和Ryan，与两年前相比，现在AI领域的投资有什么不同？

Edward Tsai：我最近看了一份CB Insights关于2025年顶尖AI公司的研究报告。数据显示，大约11亿美元投向了垂直AI领域，9亿到10亿投向了基础设施（Infra），另有约6亿投向了水平通用应用（Horizontal Application）。

最大的变化是，两三年前，大量的资金和关注都集中在基础设施上，比如向量数据库、基础模型等。而两年后，尤其是在一些开源模型发布后，人们意识到基础模型本身可能正在变得“商品化”，面临着价格压力。同时，像Google等巨头发布的视频生成模型，质量又高，成本又可能更低。

这意味着，所有依赖于API调用的纯技术层公司，其护城河会比较脆弱。因为客户今天用GPT的API，明天就可能因为另一个模型效果更好或更便宜而换掉。相对而言，我认为更持久的是所谓的“工作流或界面忠诚度”（Workflow or Interface Loyalty）。当一个AI工具深度融入到一家公司成百上千员工的日常工作流中时，即便有竞争对手提供便宜20美元的方案，高昂的替换成本和学习成本也会让公司望而却步。因此，我们看到，那些由行业资深人士创立、能够将AI技术与特定行业工作流深度结合的垂直应用公司，现在正受到更多关注。

Ryan Cunningham：我非常同意Edward的观点。如今，投资者对于那些只强调技术指标（比如成本降低或速度提升）的公司变得更加谨慎。客户通常不太关心你的模型是便宜了一点还是快了一点，他们真正关心的是在特定任务上输出的质量。

两年前，很多公司因为基础模型的快速进步而被“降维打击”，他们的技术优势不再是护城河。而今天，我们更看好那些真正痴迷于解决客户问题的团队。他们可能用一个复杂的多智能体系统来实现卓越的性能，但这对于客户来说应该是“不可见”的。最好的产品是，它能为客户解决一个特定的问题，而其背后的实现方式感觉就像“魔法”一样，而不是把技术本身作为卖点。

何维：在中国，投资人也变得更加务实了。他们不仅要求用户增长，也要求商业模式的验证。接下来我们聊聊中美AI生态的差异。Ryan，你如何看待两个生态系统的优势和劣势？

Ryan Cunningham：有一本书叫《科技与伟大力量竞争》，它将技术在经济体中的转型分为两种模式：一种是“领导者主导的入侵”（lead sector invasion），即技术被少数巨头垄断；另一种是“扩散”（diffusion），即一项关键技术渗透到经济的各个领域。

我认为这个框架很好地捕捉了中美AI生态的动态。在美国，学术研究与产业实践之间的联系似乎没有那么紧密，资源更倾向于集中在少数几个大赢家身上，这可能导致生态系统的脆弱性和技术锁定的风险。

相比之下，中国的产业用户和技术开发者之间的生态系统连接得更为紧密。AI技术更容易渗透和扩散到制造业等不同领域，并根据消费者反馈进行快速迭代。因此，我认为中国在AI的产业化应用和快速迭代方面具有优势，而美国则在诞生拥有绝对市场优势的巨头方面更胜一筹。

Edward Tsai：我在中国工作的经历让我对此深有感触。大家都知道中国的“千团大战”，一个团购模式出来，立刻就有四百家公司跟进。中国市场的特点是非常善于“复制和学习”（copy and learn）。他们观察什么是最好的，然后迅速模仿和应用。这使得中国在消费互联网和AI产品上做得非常出色。

我觉得美国的创业者可以从中学到一点，就是更加开放地去观察和借鉴。我会建议创业者，不仅要了解你所在领域的直接竞争对手，更要广泛地关注整个生态系统中正在发生什么。因为AI的应用是如此广泛，其他行业的应用方式很可能给你带来启发。比如，一个做电商广告创意的AI公司，它的技术理念完全可以被借鉴到其他需要理解和生成内容的产品中去。保持好奇心和广泛的视野至关重要。

Bruce Yang：我认为随着AI的普及，中美在产品层面的差异正在缩小。你看现在很多新的AI产品，界面和交互逻辑都非常相似。所以我不认为在产品研发上存在巨大的鸿沟。

但有两个显著的区别。第一是“估值套利”（Valuation Arbitrage）。如果你在中国服务客户，同时也在服务美国市场，你可以获得更高的估值，因为美国的资本市场更成熟，资金更充裕。所以如果你的想法足够大，应该去争取美元基金。

第二是领导力层面。我们看到，尽管AI领域的很多顶级构建者（Builders）是华人，但在大型AI公司中，华人担任最高领导者的非常少。除了少数几位，比如黄仁勋（Jensen Huang）等，在C级别的高管中，华裔面孔并不多。但我相信，这种情况未来会有所改变，华人不仅会在技术构建层面，也将在领导力层面主导新的AI浪潮。

成泽毅：我认为中美创业环境最大的不同在于“容错率”。在美国创业相对更“安全”，或者说更像一个“团队游戏”，而不是纯粹的商业竞争。而在中国或其他非美国国家，创业者必须更加现实，因为任何一个小错误都可能致命。

比如，你选错了技术路线，或者选错了供应商，都可能让公司迅速倒闭，你没有时间和空间去调整策略。我们自己就经历过，曾经考虑过的一个GPU供应商，后来出了问题，幸运的是我们没有选择它。我认识的一些开发者，甚至需要白天去餐厅打工来维持生计，晚上再继续开发自己的应用。这种情况在美国是难以想象的。

何维：非常感谢。最后一个问题，让我们展望未来。AI软件的下一站会去向何方？

Bruce Yang：我认为未来AI软件的一个重要方向是构建能够“自我进化”（self-evolve）的系统。未来的软件开发，不再是开发软件本身，而是开发一个能够递归式地开发软件的系统。这有点像科幻电影《流浪地球》里的MOSS，它能够自动化整个工业体系。随着GPT-5及更强模型的出现，这将成为可能。

另一个趋势是全球化。在当前的地缘政治环境下，作为一家有全球化雄心的公司，你必须学会在中美两个市场中找到自己的位置，利用两边的优势。比如，利用中国的工程师红利和供应链，同时去争取估值更高、市场更成熟的美国市场。这对于非美国本土的创业公司来说，几乎是唯一的选择。

成泽毅：从长远来看，我认为最终会趋于“融合”（converge）。每一家公司、每一个产品最终都会变得非常相似。这并非因为它们互相抄袭，而是因为用户的需求最终会趋向于用一个超级应用来解决所有问题。因此，任何能够存活下来的应用，都必须变得功能极其强大和全面，这是由用户需求驱动的。

Edward Tsai：我补充两点。第一，AI会更深度地融入我们的个人生活。现在我们用ChatGPT来做旅行计划、查询信息，未来AI会更主动地帮助我们，比如主动安排日程、提醒我们锻炼、给出健康饮食建议等。

第二，企业对AI的应用仍处于非常早期的阶段。目前我们看到了AI在辅助编程方面带来的巨大效率提升，很多公司甚至因此暂停了初级软件工程师的招聘。我相信这种效率提升会扩展到市场的、销售等更多职能部门。公司会变得越来越精干（lean）。未来，一个只有10到15人的团队，创造出五百万到一千万美元的年收入，将成为常态。

Ryan Cunningham：我同意之前的观点，我们确实看到了产品在用户界面和体验上的融合。这让我对“环境计算”（Ambient Computing）的概念非常着迷，即一个个性化的AI实体，无时无刻地跟随着你，接收你的个人设备输入。

如果未来通用模型真的会接管越来越多的工作流，那将意味着巨大的能源消耗，因为推理和思考会消耗海量算力。这就创造了一个巨大的机会：如果你能构建一个超高效率的API，让那个个性化的AI能够以极低的成本和极快的速度执行某个它关心的工作流，那么你就在为AI本身提供服务，解决它的“痛点”。这将是一个巨大的软件和服务市场。

何维：好的，我们今天的讨论就到这里。非常感谢各位嘉宾的精彩分享！