《甲子光年：2025中國AI Agent 行業研究報告（二）（43頁）.pdf》由會員分享，可在線閱讀，更多相關《甲子光年：2025中國AI Agent 行業研究報告（二）（43頁）.pdf（43頁珍藏版）》請在三個皮匠報告上搜索。

1、出品機構：甲子光年智庫智庫院長：宋濤撰寫分析師：努爾麥麥提買合木提發布時間：2025.32025中國AI Agent 行業研究報告（二）注：AIGC生成內容亦對本報告有貢獻CONTENTS目 錄Part 01AI Agent的全球認知與發展演進Part 02AI Agent的技術突破與行業重構Part 03AI Agent的商業實踐與場景突破Part 04AI Agent的未來趨勢與挑戰AI Agent 進化之路：大模型點燃智能體的變革引擎，加速AI走向應用數據來源：公開資料，專家訪談，甲子光年智庫整理Agent（代理）一概念起源于哲學，描述了一種擁有欲望、信念、意圖以及采取行動能力的實體。在

2、計算機科學和人工智能領域，Agent（智能體）是一個具有自主性、感知能力和決策能力的實體。智能體能夠通過傳感器感知其所處的環境，并根據其內部狀態和預設的目標，通過執行器對環境進行影響。智能體的目標通常是在給定的環境中實現特定的任務或目標。大型語言模型（LLMs）的出現為智能代理的進一步發展帶來了希望人工智能領域存在AI Agent與 AI Workflow，其存在區別：AI Workflow（工作流）：指的是一系列預先定義好的大模型調用步驟，像是在“軌道上”運行，步驟固定，可預測。每一步驟都有明確的輸入和輸出AI Agent（智能體）：AI Agent 更加自主，由大模型自行決定執行多少步驟，

3、直到問題得到解決。AI Agent會持續循環，例如與客戶溝通或迭代代碼修改，步驟數量不固定哲學領域自主意識與決策能力1計算機領域2大模型階段自主式軟件程序，能夠感知環境并做出響應5從簡單規則到復雜決策系統AI Agent發展歷程AI Agent概念的重新定位：從工具到數字助手的進化大模型引爆AI Agent討論：大模型的突破，讓AI Agent從實驗室走向實際應用大模型賦能的新特性：強大的語言理解和生成能力認知智能的突破：更接近人類思維的推理能力大模型激活AI Agent發生質變提升大模型持續進化大腦級“基礎設施大模型推動AI Agent的普惠化：讓AI Agent從學術討論走向實際應用大模型

4、搭臺，AI Agent能力進階，撬動產業重構并澆筑生態AI Agent能力基石目標導向進化感知-決策閉環記憶外延系統多模態環境理解實時推理動態行動鏈個性化知識庫行業經驗圖譜任務拆解過程反思策略迭代產業重構人聚焦創意決策AI Agent接管大部分規則性操作效率革命場景拓展B端C端金融風控Agent供應鏈調度Agent健康管家沉浸式學習教練產業生態完善開發平臺零代碼Agent工廠分發網絡企業級Agent市場個人Agent訂閱商店硬件載體手機 AI眼鏡 機器人（AI Agent從虛擬助手進階為實體化服務終端）數據來源：公開資料，專家訪談，甲子光年智庫整理AI Agent 破繭：從被動聽命的工具附庸到

5、主動出擊的智能先鋒通過自主感知與決策能力提升，顛覆傳統 AI 定位，全方位重構人機協作嶄新生態基于目標的邏輯推演與沖突解決MIT“認知內核”理論框架動態推理環境/語音/文本實時解析Google DeepMind的SIMA游戲Agent多模態感知非預設路徑的彈性行動生成微軟AutoGen多Agent協作系統自主決策交互數據驅動的策略迭代OpenAI GPT-4自我反思機制持續進化AI Agent能力組成自主能力定義：感知決策全鏈路閉環傳統AI工具AI Agent任務觸發人類指令觸發（如Siri問答）環境感知自主啟動（如特斯拉FSD預判剎車）決策機制規則驅動（if-else邏輯樹）目標驅動（LLM

6、生成動態策略樹）交互模式單次請求-響應長期記憶支持的連續對話與協作能力邊界限定場景封閉系統跨領域經驗遷移（如醫療Agent轉金融風控）與傳統AI工具的顛覆性差異 AI Agent通過自主感知和決策能力，實現從被動響應到主動任務啟動的轉變和動態策略生成。它提升了產業效率，廣泛應用于金融和健康等多個場景，并重構生態系統，包括智能體開發平臺和硬件。在大模型的支持下，AI Agent正從“工具”轉變為“協作者”，引發生產關系的變革數據來源：公開資料，專家訪談，甲子光年智庫整理AI Agent的產業價值：重塑人機協作方式，推動效率變革從效率工具到智能協作者的范式升級，AI Agent成新時代的革命性生產

7、力生產力轉變協作效率提升交互方式進化傳統軟件：固定流程+人工操作，如Excel表格智能助手：動態規劃+自主執行，如Notion AI自動生成報告更快：對比人工，AI Agent秒級完成數據清洗更準：Nature 2023一篇論文顯示，醫療Agent診斷準確率提升40%自然語言指令多模態任務流，如Kimi“幫我分析Q3財報并制作PPT”現階段構建法則1例：從會議紀要生成逐步擴展至全流程項目管理測量指標：任務完成率/錯誤率下降曲線簡單起點+量化驗證2反例：僅做Prompt包裝的產品將被淘汰正例：AutoGPT構建工具調用生態護城河綁定模型進化3方法論：用目標推理驗證框架替代傳統功能清單AI Age

8、nt思維培養時間效率值傳統工具AI助手智能體協作ChatGPT引爆交互革命節點2023年AI Agent提升生產效率數據來源：公開資料，Anthropic，甲子光年智庫整理AI Agent的商業模式：移動時代APP的繼承與超越從“應用商店”到“智能體”平臺的轉型升級，推動AI生態的快速重構與創新發展 從應用到智能體服務的升維：AI Agent繼承APP的規?；职l能力，但通過大模型實現三個突破服務動態進化、收益與價值實時匹配和開發者用戶模型協同進化。預計到2027年40%的企業服務將由AI Agent組合交付，這不僅是技術升級，更是軟件經濟規則的重構移動App時代操作系統應用商店用戶AI Ag

9、ent時代大模型Agent平臺服務平臺數據模型增強Agent服務繼承：APP時代的核心基因通用性：跨行業標準化接口（如醫療Agent診斷/教育Agent輔導）案例：OpenAI GPTs已覆蓋200+垂直場景訂閱經濟：從軟件買斷制按需服務付費（如Salesforce Einstein按調用量計費）數據：企業Agent訂閱市場年增速達137%服務化交付：功能模塊化+實時更新（如ChatGPT插件動態加載）開發者生態：低代碼平臺+收益分成模式（GPT商店開發者分成超2億美元）網絡效應：用戶反饋直接訓練模型越用越智能的飛輪（對比APP版本迭代滯后）超越：AI原生生態重構數據來源：公開資料，專家訪談，

10、甲子光年智庫整理AI Agent的核心能力剖析：認知能力重塑智能差異大模型能力持續進化，推動AI Agent從任務執行者（copilot）向決策主體跨越 AI Agent正通過認知能力的三重重構建立競爭壁壘：在感知層打破模態邊界，在決策層構建動態規劃，在進化層實現終身學習。這使其超越Copilot的工具定位，成為真正的數字員工。到2026年認知型Agent將覆蓋70%的企業復雜決策場景，重新定義生產力革命CopilotAI Agent決策層級輔助建議+人工決策自主執行，如AutoGPT調用API適應能力固定場景預設響應跨領域策略遷移，從醫療到金融跨領域覆蓋成本效率單任務ROI測算全流程價值閉環

11、：企業運營成本降超三成競爭分水嶺：CopilotAgent的跨越多模態感知動態規劃持續學習人機共情知識圖譜技術演進：大模型重塑AI本質基本能力理解：百億級參數解構語義如，GPT-4準確率較傳統NLP提升58%生成：跨模態內容創造如Stable Diffusion 3實時文生視頻交互：上下文記憶達128k tokens如Anthropic Claude 3企業實踐能力提升模型能力提升大模型迭代數據積累能力增強場景擴展數據來源：公開資料，專家訪談，甲子光年智庫整理大模型能力提升：基于大模型的AI Agent可顛覆現有的工作范式關鍵特征代表用例L1（簡單步驟跟隨）代理通過遵循用戶或開發者預先定義的確

12、切步驟來完成任務?！按蜷_ Messenger”“打開郵箱中第一封未讀郵件并讀取內容”，“給愛麗絲打電話”L2（確定性任務自動化）基于用戶對確定性任務的描述，代理在預定義的動作空間中自動完成步驟?！安樵儽本┙裉斓奶鞖狻盠3（戰略任務自動化）基于用戶指定的任務，代理自主使用各種資源和工具規劃執行步驟，并根據中間反饋迭代計劃直至完成?！敖o愛麗絲打視頻電話”L4（記憶和上下文感知）代理感知用戶上下文，理解用戶記憶，并有時主動提供個性化服務?！案嬖V掃地機器人今晚打掃房間”，“告訴愛麗絲我明天的日程安排”L5（數字人格）代理代表用戶完成事務，代表用戶與他人交互，確保安全和可靠性“找出最近適合旅行的城市”面

13、向過程的傳統模式面向目標的Agent模式人工操作流程固化（如CRM分步驟錄入）動態目標拆解（如自動生成客戶方案）固定菜單/按鈕自然語言+多模態交互標準化批量處理個性化按需生成歷史數據統計分析實時反饋驅動模型進化AI Agent的能力提升促進工作范式轉移基于大模型Al Agent不同自動化程度所需要的能力簡要分析從工具執行到自主決策的能力升維，最終實現Agent從“四肢”到“大腦“的進化 AI Agent正引發生產力范式的雙重革命：在能力維度，通過記憶感知（L4）和數字人格（L5）實現人類意圖的深度理解；在產業維度，推動工作流從操作說明書式過程執行轉向結果導向的智能編排數據來源：公開資料，專家訪

14、談，甲子光年智庫整理AI Agent成為企業級軟件服務的破局點從“流程固化”到“任務智能”，企業軟件從工業化到智能化的質變 AI Agent正通過三層重構顛覆企業服務：交互層（自然語言取代復雜界面）、邏輯層（目標導向替代流程固化）、價值層（從人適應系統轉向系統服務人）。到2026年60%的企業將部署AI Agent，其核心價值不僅是效率提升，更是通過降低數字化摩擦釋放組織創新潛能傳統企業軟件AI Agent解決方案流程數字化，如ERP/SAP剛性規則任務目標驅動，如動態拆解KPI平均3個月員工培訓自然語言指令，零學習門檻僅覆蓋30%高頻場景解決70%非標需求版本迭代周期6個月實時在線學習（周級

15、模型微調）VS傳統軟件VS AI Agent的破局對比AI Agent實踐案例供應鏈管理傳統企業軟件AI AgentSAP需手動配置參數，平均響應72小時沃爾瑪：動態預測缺貨風險，自動生成補貨方案（時效壓縮至15分鐘）客戶服務傳統企業軟件AI AgentCRM預設話術，首次解決率40%Zendesk：通過情感識別+知識圖譜，解決率提升至78%數據來源：Gartner、IDC、企業年報，甲子光年智庫整理AI Agent生產力：打造企業級“數字員工”，重塑生產力邊界的智能范式數字員工正在成為行業標配，提供自動化、高效、準確的工作支持 數字員工正逐步成為各行業的標配，通過自動化和智能化的支持，顯著提

16、升工作效率和準確性。它不僅幫助企業降低成本，還通過數據分析為決策提供支持，推動個性化服務與國際化擴展。未來，企業將更加依賴這一新型“數字員工”，以保持競爭優勢和市場適應性定義進化：具備自主任務處理能力的AI系統集群，覆蓋感知-分析-決策-執行全鏈路戰略價值：人效提升：RPA+AI實現業務流程自動化率超80%決策精度：機器學習模型使運營決策準確度提升65%成本結構：三年期ROI達400%，人力密集型場景降本45%核心價值主張數據來源：Gartner，McKinsey，IDC，德勤，甲子光年智庫整理技術復雜度業務進度基礎技術創新技術核心業務支撐系統客戶交互層運營中樞層決策支持層創新拓展層多語言全球

17、化系統元宇宙交互接口市場洞察風險建模財務自動化供應鏈優化智能客服個性化推薦724無間斷服務、企業數字孿生構建預制業務組件庫、低代碼開發平臺動態工作流引擎、自適應學習系統混合云架構+知識圖譜能力價值應用基礎AI Agent技術支撐場景應用與拓展AI Agent場景化應用矩陣AI Agent提升員工數字化素養傳統培訓體系AI Agent賦能體系知識傳遞單向灌輸（課程考核）場景化浸潤（工作流實時反饋）技能應用脫離實際業務場景任務驅動的自適應學習，如AWS Q優化運維決策）進化速度年度更新周期實時模型微調（周級知識庫迭代）AI Agent破局傳統困境教練模式：實時工作流指導，如Microsoft 36

18、5 Copilot文檔優化建議助手模式：自動生成分析報告，如Salesforce Einstein案例：平權效應：自然語言交互使技能獲取效率提升5倍時間員工數字化能力水平傳統工具AIAgent2周6月技術門檻：非IT員工需學習復雜系統，平均培訓成本20,000/人知識斷層：20%關鍵崗位人員掌握80%數字化技能起點VS相比傳統，AI Agent個性化賦能員工AI Agent加速員工數字化水平提升，重塑人機協作的知識平權和專業化進程數據來源：斯坦福HAI，MIT人機協作研究，IDC，麥肯錫，甲子光年智庫整理AI Agent能力升維，提升員工數字化水平AI Agent 在真實物理世界條件下強于純人

19、工智能（AI）能動性（Agency）價值大于純思考（Intelligence）再高的智力不付諸行動也只是潛能，而中等智力配合高能動性卻能創造實際價值。稀缺性差異高智力的大模型相對常見，而真正具備高能動性的AI Agent卻極為稀缺。能動性能調動并放大智力具備能動性的AI Agent會積極尋求提升自己智力的方法，而高智力的AI模型卻不必然導致更強的行動力。社會結構偏差社會教育體系和社會評價體系過度強調智力測量（對AI也是如此），卻很少關注和培養能動性，導致能動性在AI Agent市場中更為稀缺。AI Agent是AGI的載體：AI Agent是具備能動性的“圖書館”AI是包含所有多媒體形式存儲的

20、知識的“圖書館”，那么AI Agent是、具備能動性、能與物理世界互動、并改變物理世界的“圖書館”能動性是將智力轉化為實際價值的催化劑，是一種比智力本身更具決定性的品質。在相同條件下，高能動性者往往能比高智力者取得更顯著、更持久的成就AgencyIntelligenceAI Agent的能動性優于AI的純智力數據來源：Andrej Kaparthy，甲子光年智庫整理智力(Intelligence)：思考、分析、學習和解決問題的能力能動性(Agency)：主動采取行動、做出決策并影響環境的能力，體現為:主動設定目標并堅定追求在面對障礙時尋求解決方案內在控制點(認為自己掌控命運)自我效能感、決心與

21、責任感的綜合體AgencyIntelligenceVSAI的純智力與AI Agent的能動性AI Agent加速AGI時代的到來當AI推動經濟達到10%增長，才是AGI時代，而AI Agent是將會是AGI重要載體 Satya Nadella為AGI時代的到來設定了一個明確的經濟量化標準：唯有當AI能推動全球經濟實現10%的增長率時，才算真正邁入AGI時代 這一標準的提出建立在對當前經濟現狀的深刻洞察之上-發達國家GDP年增長率僅約2%，若考慮通脹因素，實際增長幾近于零。因此，若AI要引發堪比工業革命的變革，至少需要帶動發達國家實現5-7%的實際增長率。具體而言，以當今100萬億美元的世界經濟

22、規模為基準，10%的增長意味著每年將創造10萬億美元的新增價值，這一指標巧妙地將抽象的技術進步轉化為可衡量的經濟增長目標GDP增速（%）AGI時代18201995174020042025時間1%12%11%10%9%8%7%6%5%4%3%2%1870工業革命蒸汽機普及使工業生產率提升300%信息技術貢獻超60%信息革命不同時期技術革命對GDP增速的影響數據來源：Satya Nadella、英國工業革命中的技術變革，美國勞工統計局，甲子光年智庫整理突破AGI的核心指標量子計算有望加快滲透現在AGI時代發達國家GDP增速約2%（實際增長近零）5%-7%實際增長工業革命期英國年均增速2-3%全球經

23、濟增量窄AI貢獻約0.1%-0.3%年增10萬億美元（10%增速）工業革命200年累積增長10倍技術滲透率AI覆蓋10%職業（OpenAI）覆蓋80%職業與經濟活動電力普及率達90%耗時40年基于LLMs的AI Agent推動下，AGI時代有望在十年內到來 當前，AGI（通用人工智能）尚未形成統一標準，行業領袖從不同維度提出定義：認知能力、科學發現與經濟創造。Anthropic CEO阿莫代主張AGI需具備“多領域人類頂尖水平”，如AI Agent在醫療、法律等場景中完成諾貝爾獎級任務；谷歌DeepMind CEO哈薩比斯則認為AGI的核心是“信息稀缺下的理論創造”，例如Project Ast

24、ra通過多模態融合自主設計量子算法，接近愛因斯坦式科學突破；而OpenAI與微軟則聚焦經濟價值，特斯拉FSD等AI Agent通過全自動駕駛每年節省全球物流成本超3000億美元，驗證了“千億美金系統”的潛在標準認知能力科學發現經濟創造代表者AGI標準預測時間Anthropic CEO Dario AmodeiGoogle DeepMind CEODemis HassabisOpenAI Sam AltmanMicrosoft CEO Satya Nadella多領域全才型智能（如諾貝爾獎級跨學科能力）人類水平認知泛化（無需領域微調）信息稀缺下的理論創新（如發明相對論）自主創造復雜系統（如設計新

25、棋類規則）單系統創造千億美元價值推動GDP年增10%（發達國家）2026-2027年2030年代初期2027-2030年AI Agent的多元實踐正推動AGI從技術概念走向現實：認知能力不斷擴展，科學發現需突破多模態創造力，經濟價值倒逼規?；涞?。不同維度下的AGI標準和預期到來的時間數據來源：Satya Nadella、Sam Altman，Dario Amodei,Demis Hassabis，甲子光年智庫整理AI Agent在規?；涞氐倪M程中需正視其衍生的“杰文斯悖論”困境模型優化與普及浪潮下的算力黑洞與破局路徑，技術單點優化與系統性指數擴張 AI技術的能效悖論已然顯現：當單個智能體能

26、效提升30%時，全球算力需求卻激增50%，揭示出典型的杰文斯陷阱。據國際能源署，2030年AI或將消耗全球5%電力 AI Agent在發展及普及過程中還需要：重構技術架構削減冗余計算，云邊端動態調度化解能耗峰值，共享算力經濟遏制資源空轉，此外量子計算也可以解決AI Agent面臨的數據能力和能源消耗所帶來的挑戰。這場能效革命標志著AI發展邏輯的根本轉向從參數軍備競賽轉向單位能耗智能產出的效能競爭工業革命信息革命AI革命核心資源煤炭、鋼鐵電力、數據算力、數據技術驅動瓦特改良蒸汽機摩爾定律大模型能力不斷提升矛盾表現單臺機器耗煤量降低30%，但總消耗量增加10倍單芯片能耗降低50%，但數據中心總耗電

27、量增加400%單任務能耗降低30%，但全局算力需求增速達50%/Y觸發機制規?；a需求激增網絡效應與用戶擴張智能泛在化部署解決路徑石油替代煤炭能效標準+低功耗芯片算法革新+架構革命演進特點單維度能源消耗能源+數據雙重消耗算力+數據需求大增，量子計算取得突破杰文斯（Jevons）悖論破局之道模型優化如DeepSeek計算能力革命性突破如微軟量子計算芯片Majorana 1數據來源：甲子光年智庫整理CONTENTS目 錄Part 01AI Agent的全球認知與發展演進Part 03AI Agent的商業實踐與場景突破Part 04AI Agent的未來趨勢與挑戰Part 02AI Agent的

28、技術突破與行業重構AI Agent時代企業進化三重奏重構人機邊界激活知識資本重塑生產范式，從數字助力到認知重構的企業操作系統 當AI Agent滲透率突破40%臨界點，企業將經歷從工具使用到認知共生的范式遷移。這不僅帶來58%的運營效能提升，更將重構企業DNA知識資產成為新資產負債表核心科目，流程智能化為新的核心競爭力，最終實現組織從機械執行體向認知有機體的進化人均配備3.2個專屬AI Agent復雜決策支持響應速度答復提升，高達400%技能斷層填補：新員工培訓周期壓縮至72小時數字員工能力放大器員工-Agent協作閉環需求解析知識調用方案生成反饋優化人機協作革命202520262027202

29、8人機協作基建期知識資產貨幣化生產范式操作系統知識資產引擎知識沉淀：將200+業務場景SOP轉化為可計算模型資產增值：客戶服務知識庫實現35%的復用溢價風險防控：合規知識網格覆蓋98%業務觸點隱性經驗顯性化革命生產模式躍遷流程認知解構與重組，促進生產模式發生變革，具體提前在縮短銷售周期、售后服務和管理范式進化等銷售一體化：線索孵化周期從45天縮短到11天售后鏈式反應：故障預測提前量達72小時管理范式進化：從科層制向神經網狀結構遷移數據來源：Gartner，McKinsey，德勤，甲子光年智庫整理不同領域的場景化突破：企業級場景與個人場景全面覆蓋研發、設計、采購、物流等企業生產經營與個人工作生活

30、娛樂全場景覆蓋滲透率場景成熟度文旅智能導覽Agent零售動態定價Agent工業設備預測維護Agent醫療影像診斷Agent金融投研Agent典型場景 AI Agent的應用潛力進行全場景分析：行業滲透率方面金融/醫療/工業較高，其次為消費/教育，之后是文旅/建筑；在企業級AI Agent場景成熟度方面研發/供應鏈高于人力/財務；在個人級AI Agent場景成熟度方面，健康/學習高于娛樂等 應用潛力較高的場景為：專業領域的自動化助手&生活化的個性化陪伴伙伴可能最先突破，尤其是金融、法律、醫療等專業等領域AI Agent普遍應用的關鍵要素金融投研Agent縮短80%盡調周期醫療診斷Agent誤差率

31、降至2.3%工業運維預測準確率91%數據治理企業場景個人場景數據治理健康管家流程重塑教育Agent知識資本化娛樂生成成本降45%釋放30%人力就醫頻次降低32%學習效率提升2.4倍AI內容占比15%年增35%場景價值雙螺旋模型臨界指標5Agent/百人觸發組織智商躍遷財務杠桿1美元Agent投入替代3.2美元人力成本生態拐點2025年知識圖譜覆蓋80%標化場景數據來源：信通院，Gartner，甲子光年智庫整理；金融、醫療、教育、工業制造、文旅率先突破，賦能全場景價值鏈 金融、醫療、教育、工業制造、文旅五大行業憑借技術融合與政策支持，已進入規?；瘧霉拯c。其全鏈條場景覆蓋能力將重塑產業生態，成為

32、經濟增長的核心引擎數據來源：甲子光年智庫整理行業具體應用場景金融數字化支付、區塊鏈、智能風控加速滲透醫療AI輔助診斷、遠程醫療、精準醫療技術突破教育個性化學習平臺、虛擬現實（VR）教學場景落地工業制造工業互聯網、智能工廠、數字孿生技術應用文旅沉浸式體驗、智慧景區、IP衍生經濟崛起產品設計生產/服務金融工業文旅教育醫療建筑能源主要場景協同延伸場景營銷運營管理客戶服務科技服務多行業全鏈條潛在應用場景具體應用場景AIGC產業格局重構：大模型競爭進入“生態+場景”下半場未來決勝關鍵開放生態、垂直深耕與數據閉環能力 大模型競爭已從技術“軍備競賽”轉向生態協同與場景落地效率的比拼。產業競爭焦點已從單純的技

33、術突破，轉向了更復雜的生態系統構建與商業價值實現。成功的關鍵在于如何將技術創新轉化為可持續的商業模式，并在特定垂直領域形成不可替代的競爭優勢落地策略案例開放生態開發者激勵計劃、模型微調工具包百度文心“千帆生態”接入超800家企業高質量數據應用行業知識庫構建、數據隱私合規解決方案科大訊飛醫療大模型與三甲醫院數據合作商業化能力按需付費模式（API調用量）、訂閱制SaaS阿里通義千問推出企業專屬模型版本社區共創用戶反饋驅動迭代、開源社區貢獻獎勵機制Hugging Face模型眾包優化案例在大模型競爭下半場一些典型案例上半場競爭聚焦通用大模型技術突破（參數規模、多模態能力）競爭焦點轉向 生態整合能力（

34、開發者社區、API開放度）與 垂直場景滲透率（行業Know-how與商業化閉環）下半場產業格局變化生態壁壘通用大模型廠商通過開放API、工具鏈吸引開發者，構建技術護城河。未來核心競爭力場景縱深細分領域產品需綁定行業痛點（如醫療影像診斷、工業質檢），實現“數據-模型-業務”閉環。用戶粘性降低學習門檻（無代碼交互）、建立培訓體系，提升企業端采納率。數據來源：甲子光年智庫整理AI Agent產業廠商動態：動作越來越頻繁，行業競爭趨于白熱化時間（年月）產品/技術參與者意義2024年9月BetterYeah AI Yeah客服BetterYeah AI 基于原有企業級AI Agent開發平臺，發布首款官

35、方AI應用Yeah客服2024年9月容聯云容犀CopilotAgent 容聯云為企業在營銷和客服領域提供全面的AI解決方案，有效提升企業營銷轉化率，降低客訴率。2024年10月微軟Dynamics 365集成自主AI Agent 微軟增強企業管理軟件的智能化水平，實現多業務領域的自動化，提高企業運營效率。2024年10月卓世科技“AI家庭醫生”智能體卓世科技通過深度強化學習優化醫療健康、政務、文教傳媒、能源制造行業復雜推理，降低模型部署成本，打造全鏈路AI解決方案。2024年10月中國移動靈犀消息智能體中國移動推動AI在通信領域的應用，提升用戶通話等場景中的體驗，拓展智能體在通信場景中的應用邊

36、界。2024年12月谷歌Gemini 2.0驅動的AI Agent原型谷歌拓展AI Agent在多領域的應用，推動多模態AI Agent的發展，為用戶提供更全面、智能的服務。2024年12月中國電信星辰智能體中國電信通過自主規劃和工作流兩大模式解決大模型落地痛點，快速搭建“會展助手”智能體，提升工作效率。2024年12月字節跳動MarsCode 字節跳動為國內開發者提供一款功能強大的AI代碼編程工具，提高編程效率，推動國產AI編程工具的發展。2025年1月Claude 3.5 Sonnet升級版Anthropic 提升AI在代碼開發和計算機操作模擬方面的能力，為開發者提供更智能的輔助工具，推動

37、AI在軟件開發領域的應用。2025年1月AI Agent Operator OpenAI 拓展AI Agent的功能邊界，為用戶提供更強大的自動化任務執行和知識生成能力，推動AI Agent在多領域的應用。2025年1月阿里云推出通義千問Qwen2.5-Max模型 阿里云提升國內大模型在多模態交互和復雜任務處理方面的能力，為AI Agent的開發提供更強大的基礎模型支持。2025年1月拓爾思拓天大模型AI Agent工具鏈拓爾思降低AI Agent的創建門檻，推動AI在多個行業的應用落地，為行業智能化轉型提供有力工具。具備任務規劃、流程編輯與自動執行功能，已在金融、政務、媒體和智庫等多個行業場

38、景落地。2025年2月GitHub Copilot Agent模式GitHub 提升AI在代碼開發中的自主性和智能性，推動軟件開發模式的變革，提高代碼開發的效率和質量。2025年2月DeepSeek-R1 幻方量化降低AI Agent開發門檻，推動開源生態與行業應用的結合，為國內AI Agent的發展提供新的技術支撐和開源資源。2025年2月視語坤川智能體應用平臺中科視語基于視覺大模型實現工業柔性產線與交通管理智能化，端云協同加速傳統行業AI滲透。2025年3月ManusMonica.im工具鏈整合能力的規?；S升迎來中國AI Agent重大突破時刻，推動AI Agent從對話智能升級為生產力

39、操作系統。AI Agent產業在2024年第四季度至2025年初呈現快速迭代態勢，從技術競爭轉向生態價值重構。通信運營商、科技巨頭和專業廠商的多元競爭，推動該領域從單點突破走向模型-工具-生態的協同創新 企業競爭焦點已從通用能力轉向場景深耕與生態整合，尤其在企業管理、代碼編程等高頻場景構建數據閉環優勢。通過降低開發門檻、開放API接口，加速形成技術-應用-反饋的正向循環，這將重塑產業格局與價值分配2024 年 9 月 至今AI Agent 領域行業動態數據來源：甲子光年智庫整理AI Agent發展趨勢：輕量化、可持續與泛在智能DeepSeek的出現實現了從“暴力計算”到“精準效能”的技術躍遷

40、AI Agent正經歷從中心化到泛在化的歷史轉折：小模型突破馮諾依曼瓶頸（模型體積縮小80%）、低能耗重構算力經濟（單位智能成本下降99%）、跨場景釋放長尾價值、多模態重塑人機接口（語音/視覺/觸覺融合）。這場變革的本質是將智能從云計算神殿帶入現實毛細血管。此外，DeepSeek驗證了開源模型超越專有模型的可能性，其技術路徑或將成為AI Agent從實驗室走向產業的核心推手技術升維：通過輕量化（大幅降低成本）與精準化（準確率明顯提升），突破“暴力計算”時代能效天花板生態重構：DeepSeek開源戰略催生開發者社區熱度，推動智能從“中心化云”向“邊緣節點”滲透倫理覺醒：推理路徑可視化與主動倫理框

41、架，重塑企業級AI信任基線產業爆發：在工業（能效管理）、消費（多模態硬件）、開源（個人開發者）三大陣地驗證“普惠智能”可行性。預計2027年60%企業將采用DeepSeek類方案未來技術四維演進數據來源：Yann LeCun、IDC、甲子光年智庫整理維度技術突破標桿實踐小模型TinyML技術（10億參數）微軟Phi-3：手機端運行，醫療診斷準確率98%低能耗能效比提升50倍（MoE架構）谷歌Gemini Nano：單設備推理功耗1W跨場景元學習遷移框架（場景切換耗時5分鐘）特斯拉Dojo：工廠家庭機器人無縫遷移多模態神經符號系統（文本3D場景生成）OpenAI Sora：物理引擎實時渲染技術重

42、構隱私計算：聯邦學習使醫療數據不出域輕量化：DeepSeek-R1 API價格僅為行業均值的5%，推動企業級部署成本下降90%精準認知：支持金融/醫療等長尾場景多模態需求商業價值重構以DeepSeek R1模型為例，通過開源協作與高效架構設計，推理成本相比傳統模型大幅降低，使中小企業可負擔高精度AI Agent部署以DeepSeek為例，在零售電商、金融保險等復雜場景的獨立解決率得到提升，減少人工干預需求技術對產業的重構DeepSeek的出現AI Agent技術路徑的循環：算法創新+算力突破再次成為新的突破點技術創新一直圍繞著核心三要素，2025年再次進入算法創新+算力突破新階段數據來源：甲子

43、光年智庫整理每年AI技術創新發展的方向圍繞三要素迭代展開 算力、數據、算法的三角創新體系，在動態循環之中再次進入算法創新階段2022年：算法創新為主，ChatGPT發布，引發Transformer架構的風潮迭起2023年：數據創新為主，數據合成、數據標準等成為高質量數據集建設的熱點方向2024年：算力創新為主，算力邁向超萬卡時代，算力運營商等產業新物種誕生2025年：再次進入算法創新與算力突破階段2022年時間2025年2024年2023年AI技術成熟度？算法創新數據創新算力創新算法創新未來核心三要素的創新循環算力突破量子計算芯片Majorana 1DeepSeek算法變革推動AI普惠應用，加

44、速AI Agent普及和應用 DS基于算法工程方面的優化，DS能夠實現性價比更高的模型推理能力（價格低、效率高、性能強、可部署在端側平臺）大模型的價格快速下降。OpenAI 的 o1 每輸出 100 萬令牌收費 60 美元，而 DeepSeek-R1 只需 2.19 美元。這將近 30 倍的價差，讓算力成本不再是模型門檻，正在讓基礎模型層“平民化”。推理成本的顛覆性降低，將會推動C端產品在大多數應用場景得到落地。尤其是在星云象限和星團象限之中的應用場景，將會得到全面的落地DeepSeek的性價比&效率優勢，有望加速具身智能技術發展普及降低訓練成本降低推理成本以較低的成本訓練出高質量的模型加速研

45、發速度、加速迭代速度、降低開發門檻性能更強的中小模型蒸餾更低的計算成本在真實硬件上運行端側平臺部署、提升反應速率、降低計算能耗低成本和高效率對于實現規?；瘧煤蜕虡I化至關重要DeepSeek的“高性價比”有望解鎖AI Agent的理解、推理及普遍應用網站創建直播帶貨3D交互內容生成聊天機器人數字孿生音樂生成海報設計藥物研發商品展示語音識別輔助治療文本摘要歸納智能助教語音合成視頻拍攝與制作數字人文案創作陪護聊天機器人繪畫設計搜索引擎翻譯辦公文本改寫/擴寫新聞采編編程與代碼自動生成游戲內容生成智能客服人像美顏科研學術知識問答金融交易分析師研究報告生成劇本創作圖：甲子星空坐標系生成式AI在C端應用場

46、景的商業潛力評估X NPS值Y滿意度光年象限星團象限星辰象限星云象限側重商業落地側重產品效率提升側重產品體驗待重塑產品AI Agent的場景化應用：大模型走向行業落地的第一步所有行業都值得用AI重新做一遍，AI Agent是實現這一目標的關鍵形式數據來源：公開資料，專家訪談，甲子光年智庫整理專業性高（容錯性低）自由度高（容錯性高）重復性工作交互性工作金融、醫療、法律、財務、生產、物流、資管、人力等專業性極強的領域，往往需要專崗專職人員進行多年學習完成金融、醫療、法律、財務、生產、物流、資管、人力等專業性極強的領域，往往需要專崗專職人員進行多年學習完成游戲、娛樂、影視、營銷、廣告、教育等需要更多

47、靈感及創意的領域游戲、娛樂、影視、營銷、廣告、教育等需要更多靈感及創意的領域更自然，更類人，帶有情緒價值的表達，并且表達中迅速形成合理的反饋專業性內容的整理、收集、分析、反饋及生成交付專業性內容的整理、收集、分析、反饋及生成交付更自然，更類人，帶有情緒價值的表達，并且表達中迅速形成合理的反饋個性化媒體推薦社交媒體運營情感分析虛擬助手AR/VR體驗示例游戲NPC廣告文案視頻轉繪影視設計底稿評測打分示例數據分析報告撰寫風控管理人才評價財務報銷示例理財顧問人才招聘醫療助手安全預警客戶服務示例Manus：工具鏈整合能力的規?；S升推動中國AI Agent重大突破，迎來GPT時刻Manus在交互及用戶體

48、驗上有大創新大突破，但受限于模型與數據，護城河暫未能構筑ManusManusGPT/ClaudeGPT/Claude核心能力主動調用瀏覽器、代碼編輯器等工具直接完成任務通過文本對話提供建議，無法直接操作外部工具運行環境云端獨立計算環境，無需用戶監督依賴用戶提供的運行環境（如本地設備）協作模式類人類同事：中途可調整需求，支持偏好記憶（如以后都這樣做）工具型交互：需逐步指導，偏好需重復說明主要優勢自動化執行復雜任務-多領域任務融合處理-迭代式成果優化即時問答-創意文本生成-簡單數據處理適用場景批量文件處理、深度調研分析、跨平臺數據整合與可視化信息查詢、內容創作、基礎代碼協助、簡單任務指導用戶交互特

49、點簡單提示即可輸出完整內容需詳細分步指導-每次對話需重新說明需求任務執行特性后臺自主運行（委托-交付模式），支持中途干預調整策略需要持續對話引導，復雜任務易中斷學習進化能力通過用戶反饋持續優化工作模式對話歷史記憶有限，需重復訓練成果交付形式直接生成最終成果文件（報告/可視化圖表/處理后的數據包等）提供文本/代碼建議，需人工復核執行2025年將成為AI Agent商業化應用元年。對于現階段 AI 產品而言，護城河主要為模型+算力、數據、用戶體驗。頭部玩家以不同路徑筑墻：OpenAI有強大的模型基座，Google深耕數據搜索，而新銳產品（Perplexity、Cursor和Manus）則有大量用戶

50、數據沉淀后的用戶體驗Manus 的工作流程呈現清晰的分層協作架構：用戶發起需求后，模型首先進行任務拆解與規劃，生成結構化待辦清單；調度器隨即分配子任務至專用Agent群，驅動虛擬機中的瀏覽器/Python環境執行數據抓取、API調用等操作；執行結果實時回傳并由Claude 二次介入，整合多源數據生成最終報告。該架構通過高低階模型協同與工具鏈（調用6-8個工具）深度綁定構建出從需求輸入到成果交付的完整自動化鏈路與其他AI產品（GPT/Claude）相比Manus的護城河在于生態占位+數據飛輪：通過早期發布搶占企業自動化中樞生態位，沉淀用戶場景數據（如合同審核流程偏好），形成越多人用越懂需求體驗越

51、精準的閉環。其分層架構（Claude規劃/Qwen調度/Agent執行）雖可復刻，但業務流寄生性（用戶核心流程深度綁定）與動態知識圖譜（實時優化私有化工作流）構成遷移壁壘Manus 與其他AI產品比較數據來源：公開資料，甲子光年智庫整理工作原理Manus是中國AI Agent領域的現象級產品，其階段性突破的核心在于工具鏈整合能力的規?；S升，但技術護城河也相對薄弱。在Manus發布后次日便出現了OpenManusCONTENTS目 錄Part 01AI Agent的全球認知與發展演進Part 04AI Agent的未來趨勢與挑戰Part 03AI Agent的商業實踐與場景突破Part 02A

52、I Agent的技術突破與行業重構AI激起的浪花，促進AI Agent迅速成為潮流多鏈與跨模態融合D.A.T.A框架解決跨鏈數據交互，多模態模型（如Gemini 2.0）增強環境感知數據來源：甲子光年智庫，2025年；實時感知與自主決策升級隨著大模型能力提升和硬件水平進化，從“指令-響應”轉向主動規劃大語言模型模型層強化學習模塊記憶系統工具集成工具層執行類工具信息類工具算法類工具代理執行器執行層規劃模塊安全與驗證機制開發框架基礎設施層算力平臺數據平臺應用與生態層經濟模型企業服務金融科技內容創作行業場景 AI Agent技術架構正從單點技術突破轉向“模型-工具-生態”協同進化升級。未來競爭將聚焦

53、于場景深耕聚焦醫療、金融等高壁壘領域，通過專業化數據閉環構建競爭力；企業競爭核心從技術領先轉向場景理解+生態協同，需在通用底層使能者與垂直場景整合者間做出戰略選擇、開放生態的開發者粘性AI Agent產業技術架構社區共創LangChain等框架降低開發門檻，開源社區（如Hugging Face）推動工具生態擴展AI Agent產業技術演進趨勢Al Agent領域成為實現AI價值的重要賽場，不同類型企業各顯身手注：生態格局圖時間截止2025年2月底，由于版面所限，僅通過部分示例企業展示行業應用生態特點。AI Agent產業圖譜企業級AI Agent平臺開發者AI Agent平臺行業應用層平臺框架

54、層算力層（泛AI算力）數據分析供應鏈營銷招聘法律金融科研交通AI PC教育醫療通用企業服務國內重點廠商及產品服務中科視語數據來源：中科視語，甲子光年智庫，2025年視語坤川智能體應用平臺，面向行業提供全方位的智能體生態鏈服務依托大模型賦能行業智能進化，構建知識驅動，多維協同的智能體平臺，助力業務精準決策與高效創新感知推理能力用戶意圖理解多模態信息融合感知與推理規劃決策能力需求和任務拆解執行流程規劃自主學習反思能力自主問題反思自我學習技能提升長短期記憶能力實時對話記憶長期歷史行為記憶交互式信息挖掘能力交互式意圖引導多輪引導信息挖掘工作流場景適配能力工具與函數調用完成任務執行任務執行反饋閉環視語坤

55、川智能體應用平臺通過融合外部工具、知識工程與中科視語行業小模型的深厚積淀，構建貫通感知、規劃、決策、執行與記憶的智能閉環，快速打造面向行業特定場景的高階智能體，為用戶提供前沿的大模型決策引擎與執行賦能行業智能體：能理解、會思考、懂規劃、做決策、去執行機車外觀設計智能體政務智能問答智能體對話式數據分析智能體交通隱患分析智能體能源安全生產智能體建筑專家對話智能體視語坤川智能體應用平臺多模態內容生成多模態內容理解智能助手工作流編排智能分析中科視語（北京）科技有限公司，是中國科學院自動化研究所項目孵化企業。成立于2018年4月，作為通用視覺大模型領域國家隊企業，國家級專精特新“小巨人”企業，自研技術勇

56、立國際前沿，致力于引領通用視覺大模型技術。公司成立以來歷經工業、交通等數十個國家級重大項目的檢驗，核心標桿成果多次榮獲頂級智庫典型應用案例?；谶壿嬐评淼恼Z言理解，精準處理復雜任務；先驗知識引導的視覺模型，高效適應多場景；混合專家機制統一多任務，展現卓越跨領域智能協同融合多模態數據，運用深度語義分析、視覺引擎與跨模態關聯技術，精準提取信息并智能決策，適配復雜場景，實現高效認知與協作結合LLM+RAG技術和Agent的長短期記憶功能，能夠高效利用私域知識，深入理解用戶意圖，提供精準回應，顯著降低大模型的幻覺問題，確保AI應用的準確性與可靠性實現自然語言對話即分析，通過日常對話的方式即可獲得可信的

57、數據，極大降低數據消費門檻，引領數據分析新范式內置強大的工作流引擎和豐富的工具插件，用戶通過拖拽組件，靈活編排工作流，輕松應對復雜業務場景，提升開發效率模型全家桶中科視語坤川通用視覺大模型、DeepseekV3、R1等模型全搭載，為企業打造專屬定制模型，快速調優，精準適配業務需求中科視語智能網聯云控平臺融合視語坤川通用視覺大模型、數字人交互、C-V2X通信等技術，構建新一代智能化智慧交通體系。平臺以車輛、道路、環境的動態數據為核心，結合多源感知，實現協同感知、決策、控制，推動車路協同管控與智能調度。視語坤川通用視覺大模型提供精準環境感知與目標識別，提升智能駕駛與交通監管能力；數字人基于多模態交

58、互，賦能遠程管控、智能指揮與輔助決策。平臺支持設備遠程管理、車輛監測、網聯信息發布、高精地圖、數據分析共享等功能，實現信息融合、智能調度、精準發布，助力智慧交通高效、安全發展。中科視語：智能網聯云控平臺，重塑交通管理新格局應用智能巡游專家分析AI 講解員語音控屏人機對話智能服務3D虛擬人服務多模態交互服務智能推薦智能問答意圖識別語音識別融合感知多模態檢索知識庫服務工具注冊工具庫管理參數配置API函數調用第三方知識圖譜文檔知識庫FAQ知識庫知識庫管理圖譜構建知識融合知識推理文檔解析文檔標注文檔檢索文檔表格業務庫拖拽式生成式工作流管理流程拖拽流程轉譯流程執行組件管理知識索引流程生成智能體應用平臺感

59、知推理長短期記憶閉環控制規劃決策自主學習自主交互智能體算力設備 GPU/NPU網絡&存儲采集設備通用服務器設備 X86/ARM顯示設備基礎設施視語坤川通用視覺大模型基座MLLM FastSAM系列感知AnomalyMoE 系列理解Griffon 系列推理語音對話 數字人講解及智能勢分析 交通事件播報及趨車指引 智慧停車及自主泊技術亮點項目成果建設成效通過智能化的信息交互與協同控制提效交通協同管控，降低交通事故發生率、優化交通流，減少擁堵，提高行車效率智能虛擬助手提供直觀、生動的交通信息展示，通過智能化的數據分析，為交通管理提供決策支持，提升響應速度和決策效率項目亮點新型協同控制：基于智能體，融

60、合融合AI、車路協同、語音識別與合成等多領域先進技術，實現針對垂類場景的新型AI+高效協同控制人機交互新體驗：打造高度智能化虛擬助手，提供接近真人交流的互動控制，提高用戶交互體驗，提效業務處理流程智能體技術：深度融合多模態語音識別與意圖分析，打造個性化且上下文敏感的交互環境，實現平臺級高效協調控制3D虛擬人技術：結合高逼真度渲染和自然語言處理技術，實現栩栩如生的3D虛擬人形象和智能對話國內重點廠商及產品服務 BetterYeah AI斑頭雁（杭州）智能科技有限責任公司，是國內企業級AI Agent智能體頭部廠商，致力于為企業提供AI WorkforceBetterYeah AI專注企業場景，打

61、造專業的生產級AI Agent開發平臺，并圍繞企業客服、銷售、營銷、產研等場景，提供豐富的AI Agent應用，保障企業AI戰略迅速落地。已服務聯想、百麗、追覓、添可、啄木鳥等數百家頭部企業，已落地的企業AI場景豐富深入、價值明顯，團隊具備豐富的落地經驗和行業know-how專注提供企業級AI Agent平臺，助力實現AGI for Organization標桿客戶實踐豐富：深入企業經營系統并直接提供生產力某時尚鞋服集團：以BetterYeah 平臺為AI基礎設施，構建貨品、店鋪、營銷等800+Agent，深入業務場景某互聯網平臺：打造物流、訂單及服務場景等agent，單日任務調用量45萬次某

62、家電頭部品牌：客服agent賦能公司內客服團隊300+人，人力成本降低20%某人力招聘公司：400+招聘Agent，7*24小時實時運行，提效35%企業基于BetterYeah平臺搭建的agent場景核心產品：國內最早發布、領先的企業生產級AI Agent開發平臺行業領先：國內最早發布的企業級AI Agent開發平臺，具備行業先發優勢專業高效：平臺功能豐富，提供從Agent建設到管理的一體化基礎設施市場認可：平臺每月數千萬次任務調用，市場認可度極高實踐豐富：國內落地場景最多的企業級Agent模版市場之一場景賦能：來源客服、銷售、營銷等真實場景，快速復用簡單易用：支持開箱即用，或基于模版快速打造

63、個性化應用，迅速實現AI價值閉環BetterYeah AI Agent開發平臺AI Agent應用&模版市場多角色協同：滿足技術、產品、業務多角色在平臺上順暢協同行業模板：豐富的企業級Agent模版，全部基于真實場景，快速復用自動化構建：Agent Copilot，輔助的Code生成工具，庫表AI字段補齊備注清晰直觀的Flow Editor，結構化和圖形化的Prompt Editor，降低學習成本易用專業構建工具：首家同時支持GUI-Flow,Web Code IDE,Py/Node SDK多種開發構建方式AI APP DevOps：針對AI應用開發設計的CI/CD，多套開發環境，版本管理，批

64、量單元測試多套RAG算法，Self-RAG,Self-Planning能力，提高準確率專業豐富的集成能力：提供多端的集成能力，API和Chat SDK集成能力支持多維數據同步：非結構化數據，關系型數據，批量同步API滿足多種企業AI任務：定時任務處理，批任務處理，Webhook任務高井發：支持上萬QPS訪問，每兩周進行大容量并發壓測穩定性：基于模型節點和區域性能的負載均衡算法，保證模型穩定性和響應速度可觀測：提供了豐富的監控和報表能力，實時評估Al應用穩定性，性能，和線上質量，包括監控業務指標達成率靈活高性能技術實力：聚焦企業AI場景，引領技術創新國內重點廠商及產品服務 BetterYeah

65、AIBetterYeah AI Agent平臺作為百麗集團AI應用一體化基礎設施，全面支撐企業核心復雜場景AI落地AI Agent已深入復雜經營場景，實現價值閉環方案特色百麗時尚集團與BetterYeah合作，以BetterYeah AI Agent平臺作為百麗集團AI平臺基礎設施，支撐百麗時尚集團近千人開發團隊，實現AI應用高效開發和迅速落地實踐。開發團隊從“VOC分析”和“內容生成助手”入手，逐步擴展到企業的核心業務貨品全生命周期管理，并為10000+門店不同角色提供服務的 AI 助手。已迅速規劃800+個AI場景并逐步上線，以AI應用推動跨組織信息連接和流程自動化處理。AI VOC助手自

66、動處理、洞察分析小紅書等公域平臺、淘寶天貓京東等電商平臺的終端用戶評論，輔助商品等迭代優化，以供給更加優質的商品，提升消費者體驗AI 貨品助手圍繞“貨”這個企業生命線，貫穿訂貨、入庫、鋪貨、輔料、抽樣、庫存等 22 個關鍵模塊 250 余個子節點，覆蓋總部貨品、地區貨品、電商貨品、加盟貨品、門店、倉庫、工廠質檢中心、供應商，以AI助手推進相關業務執行，協助跨組織信息連接和流程自動化處理，極大提升貨品流轉效率及流程優化店鋪 AI 助手聚焦在全國上萬家最小經營單元店鋪中的店長、店員等角色，以及與上下游區域、品牌總部發生的店鋪終端管理、陳列管理、渠道管理、營促銷管理、巡店管理等關鍵模塊，350 余個

67、子節點，通過 AI 完成店鋪相關的業務操作及運營管理迅速落地驗證想法：BetterYeah平臺模塊化功能+預置模版，幫助百麗2周內落地首個Agent貨品反饋AI助手，低成本快速實現價值驗證加速解鎖更多生產力場景：基于平臺輕松搭建AI應用，百麗快速解鎖營銷文案生成、店鋪AI助理等更多Agent場景，1年內規劃800+AI場景并逐步建設上線企業級復雜場景開發環境：BetterYeah平臺提供多套開發環境、權限體系、安全能力，滿足集團各類復雜開發協同訴求，降低集成開發成本生產級穩定性保障：BetterYeah AI平臺覆蓋AI應用生命周期，持續監控AI應用效果，保障線上質量，快速構建AI應用，響應集

68、團各子業務需求變化AI 內容生成助手通過BetterYeah AI 知識庫、flow 工作流的能力，將百麗旗下 20 余個品牌的全量 SKU 商品詳情，當季潮流時尚、流行元素進行入庫、AI 處理，并結合 LLM、多模態模型能力，原子化生成在小紅書、抖音等9大平臺的標題、tag、正文、腳本等內容，極大提升一線運營人員的效率企業級高擴展性：支持與ERP、CRM、OA等企業系統無縫集成，跨平臺業務聯動，滿足集團多業務線協同及管理需求生產級穩定性：聚焦企業級復雜場景，深入核心業務（貨品流、店鋪流等）直接提供AI生產力，滿足集團10000+人、10000+次調用量敏捷工程能力：模塊化功能+預置模版，輕松

69、構建各類個性化Agent，從場景規劃到落地僅需2周，快速落地AI價值。企業級開發環境：平臺提供多套開發環境、權限體系、數據安全管控，充分滿足集團的AI業務的復雜開發需求卓世科技是一家國家級高新技術企業、國家級專精特新“小巨人”企業，于2018年底在北京成立。公司核心團隊來自百度人工智能團隊，兼具頂尖技術研發能力與成熟的AI產品商業化落地經驗，公司一直秉持“AI普惠”的理念，深耕“AItoB”賦能產業數智化，以自研AI大模型“璇璣玉衡”為核心，深度打造MaaS和Agent雙引擎平臺，全場景AI大模型覆蓋醫療健康、政務企服、文教傳媒和工業制造等領域，深度聚焦醫療健康行業大模型產品及應用，為客戶提供

70、人工智能綜合解決方案國內重點廠商及產品服務 卓世科技以行業大模型驅動產業智能化，引領AI普惠新未來，提升全民健康福祉產品體系卓世科技部分產品參與項目累計申請發明專利102項，覆蓋大模型架構（MoE）、模型微調（LoRA/QLoRA）、數據工程（RAG增強）等核心技術登記軟件著作權40項，涵蓋醫療健康、工業制造等領域智能應用科研成果卓世科技聯合科技部、工信部參與國家級科研攻關，與清華大學精準醫學研究院等頂尖高校共建實驗室，推動AI+醫療創新攜手三大運營商、衛健委、浪潮、青鳥軟通、北京康養、新特能源等企業開發大模型、智能體、數字員工、智慧政務等解決方案，覆蓋醫療、工業、政務、教育等領域，實現技術研

71、發與商業落地的深度協同自主研發MoE（混合專家）架構大模型，獲AAMAS國際自主智能體競賽冠軍國家級專精特新“小巨人”企業（2024年）國家網信辦大模型首批備案企業（2024年）康養行業大模型標準牽頭制定單位（2024年）工信部“2024年度實驗室大模型工作組優秀單位”獲得獎項1.璇璣玉衡大模型2.MaaS+Agent雙引擎平臺MaaS平臺Agent平臺3.醫療健康解決方案AI家庭醫生北京市養老千億大模型4.行業大模型及智能體5.一體機/智能硬件/數字人AI人大屏一體機DeepSeek軟硬融合一體機核心優勢科研、創新及定制化服務能力行業深度定制化服務全棧式行業大模型商業化落地領先優勢：“璇璣玉

72、衡”大模型信創兼容卓世科技AI家庭醫生系統基于璇璣玉衡大模型（MoE架構），支持多模態交互（語音/文本/圖像），響應95%，模型體積壓縮68%，適配國產算力。覆蓋健康咨詢至慢病管理全流程，效率提升40%；賦能基層醫療，簽約率提升30%，響應提速200%。集成跨學科虛擬團隊，動態更新權威知識庫，提供政策咨詢、健康宣教、智能問答、用藥指導、家醫簽約、慢病隨訪等一站式健康管理服務。支持方言與適老化設計，計劃2025年覆蓋全國4000+基層機構，牽頭制定康養行業大模型標準，成為AI+醫療標桿卓世科技璇璣玉衡大模型基于MoE混合專家架構，適配國產算力（華為昇騰），推理效率提升30%-50%，模型體積壓縮

73、減少72%，支持低成本部署。通過RAG技術動態調用行業知識庫（如中醫藥、工業參數），生成專業建議，檢索準確率超95%。賦能醫療、工業、政務、教育等場景：AI家庭醫生提升基層工作效率200%，工業大模型數字顧問優化生產30%，政務智能問答集成2000+政策。牽頭制定康養行業大模型標準，服務累計超1000家企業，成為AI普惠化標桿國內重點廠商及產品服務 卓世科技率先為各級醫療機構提供多模態通用醫療AI解決方案，助力醫療高質量高水平發展卓世科技依托璇璣玉衡大模型（MoE架構），融合多模態交互與知識圖譜技術，為醫療、康養、工業、政務提供全場景AI解決方案；適配多家國產算力，其模型壓縮技術可使模型推理成

74、本下降68%；服務客戶累計超1000家醫療領域AI家庭醫生提升基層工作效率200%，覆蓋北京、天津、深圳、福建、河南等各省市；康養行業牽頭制定行業標準；政務、教育等行業應用落地效果大大提升。獲工信部“實驗室大模型優秀單位”認證，入選2024中國AI產業圖譜，樹立AI賦能實體標桿卓世科技全景產品體系，構筑全鏈路AI能力高地創新點卓世科技“AI家庭醫生”智能體創新點CONTENTS目 錄Part 01AI Agent的全球認知與發展演進Part 02AI Agent的技術突破與行業重構Part 04AI Agent的未來趨勢與挑戰Part 03AI Agent的商業實踐與場景突破算法演進：與行業K

75、now-how深度結合，從通用模型到行業專屬模型基于模型實現從通用智能到行業專屬AI Agent的躍遷，加速場景應用領域知識深度集成行業專屬Agent架構=基礎大模型+領域規則引擎+私有知識庫知識注入范式演進：靜態規則庫 動態知識圖譜 自演進知識網絡典型應用價值：關鍵業務場景決策自動化率明顯提升垂直領域模型架構分層決策架構：通用語義理解層 行業邏輯推理層 企業定制適配層多模態行業適配模塊：跨文本/圖像/時序數據的領域特征提取器算法專業化演進路徑輕量化技術矩陣模型壓縮黃金三角：參數量減少+，推理速度明顯提升，內存占用明顯降低混合精度量化+自適應計算框架=邊緣設備響應延遲優化至毫秒級動態優化體系聯

76、邦學習支持設備端模型持續迭代，周更新率占比大幅提高邊緣緩存+增量學習實現低帶寬環境下的模型熱更新邊緣化部署技術突破AI Agent成為新一輪產業變革的核心驅動，將推動從垂直領域單一環節到跨行業跨領域全生命周期的智能化升級。AI Agent的未來探索：小模型、低能耗、跨場景、多模態基于大數據+小算力+通用小范式大模型的AI Agent成為趨勢AI能力的進化路線圖：AI能力的進化路線邏輯推理為主大數據+大算力+通用范式大數據+小算力+通用小范式大數據+小算力+專用范式AI能力時間邏輯推理機器學習深度學習Transformer感知認知決策學習執行社會協作情感倫理神經網絡195619741980198

77、7199520132020 2021 2022 20232025GPT-3ChatGPT計算機視覺認知科學機器人學自然語言理解機器學習GPT-4DeepSeekAI Agent算力演進：云-邊-端協同驅動的下一代智能范式從集中式智能到泛在化智能的架構革命，重構AI Agent技術及產業體系原始時代數智時代數字時代信息時代工業時代農業時代石器農具+牛機械PC/軟件云、網、端、芯、鏈從生產力角度看，由“手工工具”到“機器工具”的轉換，是人類文明發展史上一個革命性轉折人類文明進化歷程生產工具先進性?信息革命改變信息生產、交換、分配和消費方式，從而改變了生產力及生產關系AIGC的出現在改變人與AI（所

78、代表的智能化機器）的生產協作模式，也在改變人與人之間、人與社會之間的生產協作關系AI Agent的算力分布正在重構智能體系云端高性能智能中樞支撐千億參數級模型的分布式訓練與推理混合專家系統（MoE）、多模態融合框架邊緣實時響應中樞實現毫秒級決策動態模型切片、增量學習與邊緣聯邦學習終端隱私敏感型智能觸手本地化推理混合精度量化、設備自適應計算框架云邊端協同架構：通過任務分級與資源動態調配，實現從集中式智能到泛在化服務的躍遷隱私與效能平衡：終端本地化推理解決數據主權問題，邊緣實時計算突破響應瓶頸，云端持續進化全局智能2025年技術拐點將聚焦混合訓練框架實現云邊協同進化，神經符號系統突破終端因果推理瓶

79、頸。未來三年，構建彈性算力網絡推動AI Agent服務從中心輻射向毛細血管滲透轉型，通過云-邊-端動態協同實現隱私安全、實時響應、全局優化的智能升維社會影響：價值由人和AI Agent共同創造隨著AI Agent技術能力升級，AI Agent從“輔助”到“自主”的定位與角色轉變，逐步實現由邊緣支持向任務主導的層級躍遷AIAgent從L0到L5，AI Agent的自主性隨智能化程度持續發展人類L0L1L2L3L4L5人類智能工作流工作流+部分決策決策能力提升決策占比明顯上升拍板決策非結構化環境自主決策行動執行復雜任務任務推理知識圖譜語義地圖打通垂直領域部分環節鏈路垂直領域多環節輔助垂直領域單一環

80、節輔助信息化AI輔助人人通過AI Agent創造價值直接創造價值從真實世界獲得反饋AI Agent創造價值人AIAgent世界生產過程的價值由人和AI Agent共同創造生產過程價值創造基于高水平大模型的AI Agent同人類創造價值AI Agent的發展在技術、應用和治理/倫理方面面臨的挑戰技術算力基礎設施瓶頸數據獲取與處理難題計算資源不足：大模型訓練與推理需求激增邊緣端部署限制：終端設備算力有限能耗矛盾：輕量化技術降低單任務能耗30%，但全局算力需求增速達50%/年，形成能效陷阱高質量數據稀缺：醫療、金融等敏感數據因隱私限制難以獲取并應用多模態數據融合損耗：數據轉換時易丟失細節，影響決策準

81、確性動態知識更新滯后：模型知識庫更新周期長，無法適應實時場景需求應用跨場景協作能力不足可解釋性與用戶信任危機工具鏈封閉性：現階段更多是工作流，無法靈活整合自主決策數字-物理環境割裂：大模型在真實物理場景中訓練成本高，導致AI Agent工業與醫療等領域的落地黑箱決策機制：大模型內部邏輯不透明，用戶難以理解AI決策依據，導致對基于大模型的AI Agent信任缺失幻覺與誤判風險：AI Agent在開放場景下，可能輸出錯誤信息和決策，需建立實時糾錯與人工復核機制倫理&治理責任歸屬與合規風險倫理與社會公平失衡自主性帶來的法律空白：AI Agent高度自主的決策難以追溯責任主體（開發者/用戶/算法等）監

82、管框架滯后：現有法規（如歐盟AI法案）尚未覆蓋多Agent協同、去中心化決策等復雜場景算法偏見固化：訓練數據中的隱性偏差（如性別、種族歧視）可能被放大，加劇社會不公技能鴻溝擴大：AI自動化替代低技能崗位速度遠超職業培訓體系適應能力，可能引發結構性失業智庫院長宋濤微信stgg_6406商業合作負責人鄭爽微信18600502376THANKS謝謝北京甲子光年科技服務有限公司是一家科技智庫，包含智庫、媒體、社群、企業服務版塊，立足于中國科技創新前沿陣地，動態跟蹤頭部科技企業發展和傳統產業技術升級案例，致力于推動人工智能、大數據、物聯網、云計算、AR/VR交互技術、信息安全、金融科技、大健康等科技創新在產業之中的應用與落地掃碼聯系商務合作關注甲子光年公眾號