在企业数字化转型的浪潮中，Agent智能体正扮演着越来越重要的角色，它们如同一套为企业量身定制的“标准答案”，不仅提供了清晰的使用指南，甚至连投资回报率都已事先计算完毕。
“今年，我们专注于为特定场景构建大模型，明年我们将深入探索更多可能性。目前，我们正与云服务合作伙伴讨论数字员工的构建问题。”一位物流履约平台的独角兽企业负责人向我们透露。
Agent智能体不仅是实现通用人工智能（AGI）的关键一步，也是衡量大型语言模型从量变到质变的重要标志。只有当大型语言模型发展到一定阶段，Agent智能体的潜力才能得到充分释放。
2024年7月，OpenAI提出了通往AGI的五个发展阶段，Agent智能体正处于L3级别，预示着我们即将迈入L2级别，即具备人类推理能力，能够解决复杂问题。
然而，国内企业智谱AI在发布智能体AutoGLM时提出了不同看法，他们认为大模型已达到L3级别，能够使用工具和执行动作，尽管对工具的掌握尚未达到自我学习的程度。
市场需求已经表明，企业级Agent智能体的趋势愈发明显。预计到2028年，全球Agent市场规模将达到2850亿美元。
对于企业而言，AI的核心价值在于降低成本和提高效率，而现有的聊天机器人远远不能满足这些需求。因此，在2024年大模型商业化的浪潮中，国有企业等大型企业开始通过开发行业大模型来升级内部IT建设，或解决特定场景下人工难以处理的问题。
但并非所有企业都有能力构建行业大模型或进行大模型开发；经过一年的商业化探索，企业对于如何构建和使用大模型仍缺乏清晰的认识。
他们更需要的是一套“标准答案”。Agent智能体正是这样的答案，它们为企业提供了明确的使用指南和预先计算好的投入回报比。
据外媒Medium报道，到2024年底，各行各业将有5亿个Agent智能体，而到2025年，这个数字将激增至500至1000亿个。
海外AI企业已经加入了Agent智能体的竞争。融资超过130亿美元的AI巨头OpenAI、融资超过73亿美元的Anthropic、Adept、Imbue和Magic AI等企业都在积极投资Agent智能体的开发。
在国内，云服务提供商、大模型厂商、运营商和软件厂商等也已经开始探索Agent智能体。从2024年初开始，百度、腾讯、阿里等互联网巨头纷纷推出了基于自家大模型平台的低代码、无代码Agent开发平台，并提供了完整的算力层和模型层服务。
这些平台的推出，一方面是为了扩大模型生态圈，另一方面也是为了在AI大模型时代争夺新用户。但实际上，通过这些平台搭建的Agent智能体，还不能算是OpenAI所描述的“Agent”，后者更侧重于行动层面。
例如，在企业中充当“数字员工”的角色，真正实现降本增效。而真正在行动层面的Agent智能体，目前还主要存在于大型企业中。
除了云服务提供商和大模型厂商，一些软件厂商也在尝试通过SaaS+AI的方式打造智能体。
以Salesforce为例，这家海外SaaS巨头推出了SDR和爱因斯坦教练，帮助企业筛选销售线索、安排会议，并提供与潜在客户相似的人物视频形象，帮助销售人员通过角色扮演来排练话术。
Agent智能体之所以成为2025年的主叙事，是因为随着大模型技术的成熟，客户更关心的是谁能够为他们提供标准答案，谁能像拼图一样完美匹配企业痛点。
这些答案无疑都指向Agent智能体。
从技术到落地，Agent智能体成为AI的第一步。根据2024年大模型中标项目来看，中标类型主要分为三类：算力、行业大模型、智能体。
通常，只有政府、大型央国企或需要大量GPU的行业，如自动驾驶企业、运营商等，才有购买算力的需求。
对于行业大模型而言，采购方也通常为大型企业。一方面，开发行业大模型需要企业有足够的IT积累；另一方面，搭建行业大模型需要重新梳理企业内的知识，打通IT系统间的壁垒，增加了开发难度。
而且，从过去一年的大模型商业化探索来看，企业对于如何构建大模型和如何使用还不够清晰。因此，行业大模型在特定情况下，并不算是最完美的选项。
但智能体则不同。它更像是一个标准答案，因为它更像是大模型时代针对特定场景的AI解决方案。
例如，智能客服是目前应用最广的领域，其价值显而易见。某客服大模型项目负责人表示，过去智能客服的解决率能达到70%左右，转人工率在30%上下；而应用大模型客服后，解决率可以提升到90%以上，为企业节省了大量成本。
这对企业而言才是最真实的降本增效。
当然，智能体也并非如此成熟。从行业分布来看，应用最广的智能体主要有智能客服、AI代码助手。在互联网厂商内部，智能客服是他们最先尝试的企业级Agent项目。
从客户类型来看，目前采购意愿最强的依旧是大型企业。
在大模型时代，需求侧一个明显的变化是底层资源的消耗，从过去的CPU变成GPU，这意味着企业需要投入更多资源和成本。而如今，无论是能用得起大模型的，还是能用得起智能体的，都主要集中在大型企业/国央企。
百度智能云客悦负责人透露，近两年，POC项目最大的变化是客户比例更偏重于大企业。
任何新事物的诞生都需要探索与创新。在软件行业，企业上线新项目通常都要经历POC这一关键且耗时的步骤。
据了解，一些大厂早在2023年中下旬就开始与央国企进行智能体方面的POC项目合作。未来，随着智能体生态的成熟，这些趋势也将向中小企业延展。
实际上，很多智能体过去都是以SaaS形态存在，而如今Agent则正在成为企业的优先选项。
在大模型时代，从SaaS过渡到Agent，同时也意味着底层架构的颠覆。过去SaaS的底层架构是基于IaaS+PaaS；而今天的底层架构则是基于大模型，即算力层+MaaS/模型层。
而在这种底层架构的颠覆下，并非所有企业都能拿到Agent的入场券。
因为Agent是在大模型或小模型基础上设计的，这意味着Agent企业需要具备模型能力，或者与大模型厂商进行合作。以实在智能为例，这曾是一家传统的软件厂商，主要为客户提供RPA解决方案，但于2023年开始，便依次发布其自研大模型，并开始向Agent转型。
而像百度、腾讯等互联网厂商也是一样需要借助大模型能力，据了解，双方都推出了自家的大模型客服机器人，而且底层的模型能力也分别基于文心大模型和混元大模型。在此基础上，进行模型的精调。
然而，与云计算时代相似的是，大模型时代也有更标准化的Agent版本。这些智能体同样也以更标准化的SaaS版本存在。
当大量标准化版本涌入市场之时，也是2025年Agent叙事的开始。
那么，今天大模型时代下的Agent智能体，和过去传统软件，除了在底层架构方面，还有什么区别？
其中最明显的一个区别就是Agent是有自我学习能力的软件。
虽然在目前阶段，大模型还并没有发展到让Agent能够完全自我学习、自我进化的程度，也就是OpenAI口中的L3阶段；但大模型厂商依据过去服务企业的行业know-how，将其总结成SOP流程喂给Agent，它也能进行半自主进化。
未来，随着大模型能力的进一步提升，Agent将会达到真正的自我学习阶段。届时，也将有越来越多的中小企业加入到Agent的叙事中来。
然而，关于企业级Agent，或者说智能体，从产品路线到企业内部的AI建设，再从商业模式到服务模式，都未形成标准化的范式。
以商业模式为例，过去云计算时代，SaaS软件的付费模式主要分为订阅费、定制化开发两种；而未来，从云计算到大模型时代，当SaaS过渡为Agent形式，则出现了更多元化的付费模式。
目前主要分为三类：
1）按照传统SaaS订阅的方式计费；2）按tokens付费，这也是大模型时代下衍生出的一种新的商业模式，即按需付费，同时也根据其Agent调用的能力付费；3）通过生态合作的方式，根据实际效果进行分成，比如销售额增长、效率提升等等；再或者以系统集成商合作，将 Agent 集成
