眼下，Agent正在成為AI應(yīng)用最具爆發(fā)性的方向之一：資本大力押注、玩家競(jìng)相入局，企業(yè)也爭(zhēng)先恐后落地Agent，唯怕掉隊(duì)。

根據(jù)IDC預(yù)測(cè)，中國(guó)企業(yè)級(jí)Agent應(yīng)用市場(chǎng)規(guī)模在2028年保守估計(jì)將達(dá)到270億美元。

喧囂之下，Agent落地困境也逐漸顯現(xiàn)。一方面，Agent執(zhí)行任務(wù)的廣度、深度和效率仍受技術(shù)限制，比如用多Agent解決復(fù)雜問(wèn)題，可能需要等半小時(shí)甚至更久。另一方面，模型怎么選、應(yīng)用場(chǎng)景在哪、Agent如何部署等難題也成為企業(yè)的困惑。

機(jī)遇與挑戰(zhàn)并存，廠商玩家們時(shí)刻思考自身在Agent賽道上的角色：

有玩家自我定位為“全棧人工智能服務(wù)商”，憑借AI和云基礎(chǔ)設(shè)施優(yōu)勢(shì)向全局發(fā)力；有玩家選擇“強(qiáng)強(qiáng)聯(lián)合”，共同切下Agent應(yīng)用市場(chǎng)的一塊蛋糕；有玩家則致力于成為小而精的“專業(yè)者”，試圖以垂直領(lǐng)域know-how在Agent賽道爭(zhēng)得一席之地。

百舸爭(zhēng)流中，一些先行者嘗試給出自己的階段性思考。（本文作者為雷峰網(wǎng)主筆，長(zhǎng)期關(guān)注Agent領(lǐng)域，歡迎添加微信skylar_12_14交流。）

擁擠的Agent賽道，頭部玩家何以突圍？

從全球范圍看，在Agent賽道，AI巨頭和云大廠是兩大玩家。

在Agent商用元年，玩家們不約而同采取同樣的策略：先降低企業(yè)使用Agent的門檻，爭(zhēng)奪企業(yè)級(jí)市場(chǎng)。

依托底層大模型能力，AI巨頭在Agent賽道上具備先發(fā)優(yōu)勢(shì)。

比如頭號(hào)玩家OpenAI基于ChatGPT的模型能力推出ChatGPT Agent。但其野心不止于此，還開(kāi)始進(jìn)軍Agent開(kāi)發(fā)平臺(tái)，推出企業(yè)級(jí)開(kāi)發(fā)套件AgentKit。

與此同時(shí)，更為“全能型”的云大廠則憑借云與AI等基建設(shè)施、龐大客戶群和廣泛的平臺(tái)生態(tài)，成為Agent賽道里的主力玩家。

對(duì)于云廠商而言，布局Agent具有重要的戰(zhàn)略意義：Agent是未來(lái)的資源消耗大戶，其給云業(yè)務(wù)帶來(lái)的增長(zhǎng)潛力不容小覷。

比如，Google基于Gemini系列模型的能力，推出Gemini Enterprise（Gemini企業(yè)版），為企業(yè)提供構(gòu)建Agent的無(wú)代碼工具和Agent庫(kù)。AWS推出Amazon Bedrock AgentCore，為企業(yè)構(gòu)建Agent提供從開(kāi)發(fā)到上線的能力底座。

也有云大廠如阿里云等，憑借“全棧AI服務(wù)商”的定位展開(kāi)了更全面的布局。

比如在模型層，通義大模型家族為Agent開(kāi)發(fā)、應(yīng)用提供“大腦”，覆蓋語(yǔ)言、語(yǔ)音、視覺(jué)、多模態(tài)等領(lǐng)域。在開(kāi)發(fā)層，阿里云打造了“一站式”大模型服務(wù)和Agent應(yīng)用開(kāi)發(fā)的百煉平臺(tái)，并推出互補(bǔ)協(xié)作的無(wú)影AgentBay，提供安全、可信的任務(wù)執(zhí)行環(huán)境，幫助企業(yè)開(kāi)發(fā)、部署符合自身業(yè)務(wù)邏輯的Agent。

而在應(yīng)用層，阿里云也有企業(yè)級(jí)一站式平臺(tái)AgentOne，結(jié)合阿里在電商領(lǐng)域的行業(yè)know-how，推出了多款開(kāi)箱即用的Agent。

在云與AI巨頭之外，近兩年涌現(xiàn)的明星初創(chuàng)企業(yè)也成為Agent賽道的潛力玩家。

這類玩家多聚焦垂直場(chǎng)景，以行業(yè)know-how形成競(jìng)爭(zhēng)壁壘，比如Cursor專注于服務(wù)開(kāi)發(fā)者的編程Agent，Harvey推出法律領(lǐng)域的垂直Agent。

不難看出，在Agent賽道，頭部玩家們目前呈現(xiàn)出兩種截然不同的競(jìng)爭(zhēng)姿態(tài)：

一是全能型選手，即具備“全棧AI”能力的玩家。

“全棧AI”至少覆蓋三層能力：底層的芯片、算力基礎(chǔ)設(shè)施，中間層的云計(jì)算平臺(tái)，以及上層的模型算法。比如阿里云、谷歌云等。

二是具備某項(xiàng)特長(zhǎng)的玩家，選擇與其他頭部廠商生態(tài)聯(lián)盟，實(shí)現(xiàn)強(qiáng)強(qiáng)聯(lián)手。

以模型算法見(jiàn)長(zhǎng)的OpenAI便是典型代表。一方面，OpenAI與微軟Azure合作，將包括GPT系列在內(nèi)的多個(gè)模型托管在Azure AI Foundry上，由Azure提供各類云服務(wù)；同時(shí)還與數(shù)據(jù)平臺(tái)緊密合作，將GPT模型原生集成到Databricks數(shù)據(jù)平臺(tái)上，幫助企業(yè)在自身數(shù)據(jù)上快速構(gòu)建Agent。

星火燎原，Agent是否帶來(lái)了顛覆式變革？

廠商玩家們?cè)贏gent賽道激戰(zhàn)正酣，Agent在企業(yè)落地的熱度也絲毫不減。

阿里云百煉高級(jí)產(chǎn)品專家徐志遠(yuǎn)介紹，目前Agent在企業(yè)的應(yīng)用場(chǎng)景主要有三類：

第一類是技術(shù)維度方面，對(duì)視頻、音頻、文檔等多模態(tài)復(fù)雜內(nèi)容進(jìn)行處理和二次加工，是目前重要的應(yīng)用場(chǎng)景之一；

第二類是對(duì)話機(jī)器人、智能客服等交互類場(chǎng)景，比如具備情感陪伴、多模態(tài)且有復(fù)雜場(chǎng)景技能的學(xué)習(xí)機(jī)、AR玩具等終端；

第三類則是不為大眾所知但應(yīng)用價(jià)值高、調(diào)用規(guī)模大的智能巡檢和風(fēng)控場(chǎng)景。

據(jù)他觀察，率先完成Agent落地的是用戶交互高頻的消費(fèi)電子行業(yè)，但與此同時(shí)，像畜牧等傳統(tǒng)行業(yè)也在逐步推進(jìn)Agent。

雖然Agent以星火燎原之勢(shì)席卷各行各業(yè)，但業(yè)內(nèi)普遍都有一個(gè)共識(shí)：Agent帶來(lái)的顛覆式行業(yè)變革仍在醞釀之中。

一方面，Agent仍有諸多技術(shù)瓶頸亟待突破。

Agent的能力主要取決于大語(yǔ)言模型、記憶系統(tǒng)、任務(wù)規(guī)劃能力以及工具使用能力，但目前在模型幻覺(jué)、多模態(tài)整合、記憶管理、遷移泛化等方面仍存在技術(shù)難點(diǎn)。

同時(shí)，Agent從實(shí)驗(yàn)室走向企業(yè)的“落地”過(guò)程中也面臨諸多技術(shù)挑戰(zhàn)。比如不同系統(tǒng)之間融合難、多Agent之間難以協(xié)同等問(wèn)題。

眼下，企業(yè)使用的業(yè)務(wù)系統(tǒng)主要有購(gòu)買現(xiàn)成的套裝軟件、自研的業(yè)務(wù)系統(tǒng)以及兩者相結(jié)合的模式。Agent與企業(yè)原有的ERP、CRM等系統(tǒng)的融合不能一概而論。

“企業(yè)對(duì)軟件的定制化能力受限于軟件本身。比如ERP軟件只能在其開(kāi)放的接口上實(shí)現(xiàn)自動(dòng)化，相對(duì)受限；而企業(yè)自研的業(yè)務(wù)系統(tǒng)改功能、改流程相對(duì)容易一些。”阿里云公共云事業(yè)部首席解決方案架構(gòu)師韓鴻源表示。

此外，面對(duì)復(fù)雜的業(yè)務(wù)場(chǎng)景，單一的通用Agent并不能滿足企業(yè)需求。業(yè)內(nèi)普遍認(rèn)為，多Agent協(xié)同是Agent在企業(yè)落地應(yīng)用的重要趨勢(shì)。

徐志遠(yuǎn)提到，目前在業(yè)內(nèi)，多Agent模式面臨的一個(gè)難題是決策鏈路過(guò)長(zhǎng)，當(dāng)多個(gè)Agent協(xié)同處理時(shí)，思考時(shí)間和處理過(guò)程很長(zhǎng)，甚至可能需要等待半小時(shí)以上；

另外一點(diǎn)則是通信難題，當(dāng)多個(gè)Agent分別來(lái)自不同廠商時(shí)，在技術(shù)和業(yè)務(wù)層面上能否實(shí)現(xiàn)通信、解決鑒權(quán)和身份認(rèn)證等問(wèn)題。

另一方面，在企業(yè)側(cè)，Agent的落地還面臨不少非技術(shù)卡點(diǎn)。

比如AI落地企業(yè)中“特別有意思”的一個(gè)現(xiàn)象是：去年的難題是找不到落地場(chǎng)景，而今年的難點(diǎn)則是場(chǎng)景不收斂。

再比如，模型如何選用、選擇哪些業(yè)務(wù)場(chǎng)景、應(yīng)用架構(gòu)怎么落地也是企業(yè)面臨的主要困境。其中更多真實(shí)、瑣碎的卡點(diǎn)難點(diǎn)可添加作者微信skylar_12_14交流。

不僅如此，阿里云無(wú)影事業(yè)部AI產(chǎn)品負(fù)責(zé)人屈立威告訴雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))，不同類型的企業(yè)對(duì)Agent的需求也不同。

中小企業(yè)最關(guān)心Agent如何落地部署的問(wèn)題；而AI原生企業(yè)雖然對(duì)Agent了解更深，且擁有大量算法工程師，但運(yùn)維工程師相對(duì)缺乏，所以希望廠商解決復(fù)雜的運(yùn)維問(wèn)題；

科技驅(qū)動(dòng)的大企業(yè)則更希望訓(xùn)練自己的大模型，針對(duì)業(yè)務(wù)場(chǎng)景做強(qiáng)化學(xué)習(xí)或后訓(xùn)練，面臨的難題是Agent落地中的具體技術(shù)挑戰(zhàn)，比如如何把企業(yè)數(shù)據(jù)清洗成AI能讀懂的格式、怎么做API的封裝等；

此外，從數(shù)據(jù)到語(yǔ)料的轉(zhuǎn)化，也是大模型及Agent在企業(yè)落地需要克服的難題之一。阿里云政企事業(yè)部產(chǎn)品解決方案與服務(wù)管理總經(jīng)理霍嘉指出，有數(shù)據(jù)并不代表就有語(yǔ)料，“我們?cè)谥笇?dǎo)或幫助客戶做query（向數(shù)據(jù)庫(kù)或搜索引擎等發(fā)起的查詢指令）項(xiàng)目時(shí)，50%-70%的時(shí)間都在處理從數(shù)據(jù)到語(yǔ)料的關(guān)系”。

面對(duì)“落地難”，解法在哪？

破局Agent落地困境，既需要廠商的技術(shù)攻關(guān)，也需要企業(yè)認(rèn)真思考Agent如何“為我所用”。

首先，要繼續(xù)保持技術(shù)革新。

Agent的智能程度高度依賴底層大模型的能力。對(duì)于廠商來(lái)說(shuō)，在模型快速迭代的當(dāng)下，既要不斷提升模型本身的創(chuàng)新，也要提升背后的系統(tǒng)性工程能力。

此外，Agent在業(yè)務(wù)場(chǎng)景中執(zhí)行任務(wù)的廣度和深度需求，也倒逼著開(kāi)發(fā)范式的革新。

過(guò)去主流的預(yù)定義編排式、單次決策智能式兩種范式，正朝著更高級(jí)的技術(shù)范式演進(jìn)。阿里云、Google等國(guó)內(nèi)外主流廠商正在探索如何讓Agent具備更強(qiáng)的自主規(guī)劃、多輪反思與循環(huán)執(zhí)行能力，包括如何應(yīng)對(duì)Agent在復(fù)雜業(yè)務(wù)場(chǎng)景中的系統(tǒng)融合、多體協(xié)同等問(wèn)題。

相關(guān)的探索正在持續(xù)落地。比如在破除Agent與原有業(yè)務(wù)系統(tǒng)的融合壁壘上，業(yè)界廣泛應(yīng)用由Anthropic提出的MCP協(xié)議（模型上下文協(xié)議），打破API通信的“最后一堵墻”，解決Agent在執(zhí)行任務(wù)中調(diào)取業(yè)務(wù)系統(tǒng)數(shù)據(jù)的問(wèn)題；

作為MCP協(xié)議的補(bǔ)充，由Google提出的A2A協(xié)議（Agent互通協(xié)議）也正被業(yè)界所驗(yàn)證，不同廠商、不同場(chǎng)景Agent的通信和協(xié)作壁壘正在被打破。

比如阿里云百煉平臺(tái)依托A2A協(xié)議實(shí)現(xiàn)了跨Agent的調(diào)用：平臺(tái)上的Agent能夠靈活調(diào)度其他符合A2A標(biāo)準(zhǔn)的Agent；平臺(tái)上的Agent發(fā)布為A2A協(xié)議后，也能被外部Agent無(wú)縫調(diào)用。

而在阿里生態(tài)內(nèi)部，高德、淘寶、釘釘、閑魚(yú)等業(yè)務(wù)也正在逐步轉(zhuǎn)化為Agent形態(tài)，通過(guò)百煉實(shí)現(xiàn)跨場(chǎng)景的智能協(xié)作，從而構(gòu)建更加繁榮開(kāi)放的Agent Store生態(tài)。

其次，除技術(shù)攻關(guān)之外，行業(yè)know-how也尤為重要。

多Agent協(xié)同不只涉及鑒權(quán)和身份認(rèn)證等技術(shù)上的通信問(wèn)題，還涉及到業(yè)務(wù)問(wèn)題，如費(fèi)用如何統(tǒng)一、成本如何判斷，以及面臨標(biāo)準(zhǔn)統(tǒng)一、范式統(tǒng)一、最佳實(shí)踐普及的困境。

徐志遠(yuǎn)認(rèn)為，這更多不是技術(shù)問(wèn)題，而是需要企業(yè)思考自身業(yè)務(wù)與多Agent技術(shù)形態(tài)的融合方式，以及結(jié)合成本和效果綜合考量Agent的組合關(guān)系。

此外，霍嘉還提到，Agent程序開(kāi)發(fā)最難的部分是處理復(fù)雜的corner case（邊緣案例，即不常見(jiàn)、極端或特殊的場(chǎng)景），期待后續(xù)深入企業(yè)一線的開(kāi)發(fā)者們可以多分享實(shí)際處理這類案例的經(jīng)驗(yàn)，集全行業(yè)之力共同把Agent開(kāi)發(fā)好。

徐志遠(yuǎn)也透露，阿里云正在推行百煉創(chuàng)客計(jì)劃，招募企業(yè)開(kāi)發(fā)者分享經(jīng)驗(yàn)，并開(kāi)展AI實(shí)訓(xùn)營(yíng)，希望將企業(yè)實(shí)踐轉(zhuǎn)化為內(nèi)部分享、對(duì)外課程或聯(lián)合運(yùn)營(yíng)活動(dòng)，把Agent編排等業(yè)務(wù)經(jīng)驗(yàn)分享給更多企業(yè)，幫助企業(yè)將業(yè)務(wù)遷移到AI時(shí)代的Agent上。

毫無(wú)疑問(wèn)，Agent的落地需要廠商、企業(yè)以及全行業(yè)共同破局，而作為“基建者”的云廠商發(fā)揮著越來(lái)越重要的作用。

正如十多年前，很多企業(yè)客戶不知道怎么“用云”，云廠商職責(zé)就是與企業(yè)一道，幫助他們“上云、用云、治云”，而十幾年后的今天，云廠商與企業(yè)再次聯(lián)手，一起撥開(kāi)AI的迷霧。

作者持續(xù)關(guān)注Agent領(lǐng)域熱點(diǎn)話題，歡迎添加作者微信skylar_12_14交流。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。