炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

　　來源：清科研究

　　AI Agent作為AI大模型商業化落地的重要應用形式，正從技術工具逐漸升級成為新型生產要素，行業發展進入規模化落地的關鍵期，賽道投資熱度高漲。2025年8月，國務院《關於深入實施「人工智能+」行動的意見》提出，目標到2030年，我國新一代智能體應用普及率超90%。2026年2月，工信部、網信辦、國家發改委等八部門聯合發布《「人工智能+製造」專項行動實施意見》，提出目標到2027年推動3-5個通用大模型在製造業深度應用，推出1000個高水平工業智能體。

　　01

　　AI Agent強調自主性、目標導向性，是大模型商業化落地的重要應用

　　AI Agent（AI智能體）主要是指能夠感知環境、自主規劃、進行決策和執行動作以實現目標的智能體。根據國際標準化組織（ISO），AI Agent可使用傳感器感知環境並通過效應器響應，具有自主性和權限。根據Gartner界定，AI Agent是指一個自主或半自主的軟件實體，利用人工智能技術感知、做出決策、採取行動，並且在數字和物理環境中實現企業或者個人的業務目標。相較於傳統AI工具，AI Agent強調自主性、交互性、反應性、適應性等特徵，具有高度自主、強行動力、處理複雜任務、持續學習、實時交互能力等優勢。

　　在Agent「感知-決策-行動」閉環系統中，AI大模型將賦能AI Agent的核心推理與知識中樞環節，提供對話、邏輯推理、內容生成、代碼理解等通用能力，是驅動Agent智能化的關鍵技術，但其本身不具備自主行動能力。企業現有的CRM等業務系統則會為AI Agent系統提供具體的應用場景與執行對象，提供感知數據和效果價值反饋閉環。未來三者將更深度的融合，AI大模型作為「智能底座」持續進化，AI Agent將成為企業新的「數字員工」，串聯起各個業務子系統，而企業現有的各業務系統將通過Agent化改造，愈加智能化、自動化及個性化。

　　根據技術架構不同，AI Agent可分為反射型智能體、基於模型智能體、基於目標智能體、基於效用智能體、學習型智能體五大核心類型。其中，反射型智能體是基於條件-行動規則的直接響應，實現成本低，不具備記憶能力，主要應用於工業自動化控制、簡單客服機器人等場景，同時在物聯網場景可為複雜智能體系統提供基礎支撐。基於目標智能體是將複雜目標分解為可執行的子任務，通過路徑規劃、動態調整實現多目標的平衡和優化，主要應用於項目管理、營銷活動優化等場景。學習型智能體代表了智能體技術的最高形態，具備從經驗中學習和自我改進的能力，是實現真正自主智能的關鍵技術路徑，主要應用於智能客服進化、動態定價系統、個性化推薦等場景，但目前仍面臨冷啓動問題、樣本效率、安全性保證等難題。

　　02

　　頂層政策明確支持新一代智能體應用普及，AI Agent市場迎來快速增長

　　AI Agent產業鏈由上至下分為基礎層、平台層、應用層。上游基礎層主要包括基座大模型、知識增強、向量數據庫等必要核心技術；中游平台層主要包括agent的開發框架、編排平台、通用型和專業型智能體等；下游應用層主要包括企業級應用、消費級應用，以及通用生產力工具等。企業級應用的垂直行業領域主要有金融、通信、能源、醫療等，消費級應用場景主要包括個人助理、教育輔導、生活服務等。此外，下游還包括代碼助手、寫作助手、數據分析助手等衆多通用型生產力工具。

　　2025年8月，國務院《關於深入實施「人工智能+」行動的意見》明確提出，到2030年，我國新一代智能體應用普及率超90%。這表明AI Agent不再只限於效率工具，而是能夠驅動業務增長的新型生產要素，未來市場空間廣闊。在國家政策驅動、核心技術突破、規模化場景價值驗證、資本深度押注等多重因素共振下，AI Agent產業實現快速發展，應用場景爆發式增長。根據多家權威機構的市場預測，AI Agent領域未來5年仍將保持快速增長。據Markets and Markets預測，全球AI Agent市場規模預計將從2024年的51億美元增至2030年的471億美元，CAGR達44.8%。Gartner預測到2026年底企業級應用中集成任務專用AI agent的比例將由2025年的不及5%提升至40%。

　　03

　　AI Agent玩家類型衆多，市場競爭日益複雜，商業模式呈多樣化

　　AI Agent領域市場參與者類型較多，主要包括1）AI原生平台或框架商，代表性企業包括LangChain、CrewAI、Dify等；2）科技與雲服務巨頭，代表性企業包括阿里雲、騰訊雲、Google、Microsoft、火山引擎等；3）大模型廠商，代表性企業包括OpenAI、Anthropic、智譜等；4）垂直行業解決方案商，代表性企業包括明略科技、深度賦智、億量科技等；5）傳統企業轉型者，代表性企業包括用友網絡、科大訊飛、金蝶等。

　　目前，AI Agent的市場競爭愈加複雜，基於AI原生平台或框架商主要提供開發平台、框架或底層算法等，具有技術領先，通用性強的特點。科技與雲服務巨頭則基於「模型+雲+生態」構建全棧能力，打造智能體作為生態入口，優勢在於技術、算力、數據、生態整合能力極強，提供一站式解決方案。大模型廠商下場，嘗試將部分智能體能力內置到模型層。垂直行業解決方案商深耕特定行業，將AI Agent與業務深度結合，解決具體痛點，優勢在於行業Know-how深厚，產品針對性強，能快速交付價值。傳統企業轉型者則將AI Agent能力嵌入或集成到現有成熟產品線，實現智能化升級，優勢在於擁有龐大的存量客戶和深厚的業務理解，能平滑賦能現有系統。

　　目前，AI Agent領域主流的商業模式包括SaaS訂閱模式、平台生態模式、企業定製化服務等。其中，SaaS訂閱模式的產品形態主要為開箱即用的應用，具有低成本、快速啓動，可降低AI使用門檻的特點和優勢。平台生態模式的產品形態主要為Agent開發平台/應用商店，實現賦能與連接，同時構建生態壁壘，潛在價值巨大。企業定製化服務則更多是私有化部署的專屬Agent系統，與客戶業務深度集成，具有高契合度、高可控性，能夠解決最複雜的核心業務問題的特點和優勢。

　　04

　　AI Agent應用領域廣泛，需求呈明顯差異化、垂直專業化，商業價值愈加凸顯

　　AI Agent具備多樣化的工作範式，可滲透的行業較為廣泛。目前，AI Agent已在媒體和娛樂、旅遊酒店、客戶支持、金融服務等多行業實現服務落地，尤其是在客服、代碼開發、營銷、數據分析等應用場景的商業價值愈加凸顯。例如，AI Agent在客服場景可顯著縮短相應時間，通過對話理解提升問題解決率，在電商、銀行等行業快速滲透。AI Agent在軟件開發領域具備代碼生成、代碼審查、文檔生成等作用，可幫助GitHub Copilot用戶平均編碼速度提升55%，bug率降低15-20%。AI Agent在數據分析領域可實現自然語言查詢、自動化報表生成、異常檢測等功能，在零售、企業財務管理領域滲透率快速提升。

　　此外，同一應用場景下往往需要不同類型的Agent協同工作。例如，在一個智能工廠中，用基本反射型智能體負責設備安全監控和緊急停機，用基於模型的智能體進行設備狀態預測和維護建議，用基於目標的智能體制定生產計劃和資源調度，基於效用的智能體則負責優化整體運營效率和成本控制，最後通過學習型智能體從生產數據中持續優化工藝參數。因此，企業在AI Agent實踐中通常也會遵循「基礎能力建設-智能化升級-價值優化-自適應進化」，從簡單到複雜、從局部到全面的實施路徑。

　　與此同時，智能體應用正加速從通用型向垂直領域專業化發展。不同行業對智能體類型的需求呈現出明顯的差異化特徵。例如：製造業注重生產效率和質量控制，側重具有預測能力、流程優化目標類的agent應用；金融業強調風險控制和個性化服務，偏向效用優化、持續學習型agent應用；醫療健康注重診斷準確性和治療效果，主要使用基於目標和學習型智能體等。此外，隨着邊緣計算技術的成熟，邊緣端越來越多部署智能體，通常採用輕量化的反射型或基於模型的架構，能夠在資源受限的環境中提供實時響應能力。

　　05

　　AI Agent領域投資熱度顯著提升，上游核心技術、垂直場景agent等賽道備受關注

　　2025年以來，AI Agent領域的投資熱度顯著提升，大額孖展事件頻發。2025年4月，Manus獲美國風投Benchmark領投的7500萬美元孖展。2025年9月，Anthropic獲Iconiq Capital、光速創投等衆多機構130億美元F輪孖展。2026年1月，階躍星辰獲上海國投、國壽股權、浦東創投等衆多機構50億元B+輪投資。同時，該領域發生多起併購事件。例如：通用Agent代表性企業Manus被Meta以數十億美元收購；亞馬遜收購通用人工智能Adept，以快速補強其在AGI和Agent方面的研發能力；北森以1.8億元收購培訓Agent廠商酷渲科技；OPPO戰略收購寫作Agent廠商波形智能等。

　　AI Agent領域投資階段主要集中於早期和成長期，投資賽道由通用平台向垂直行業專業型Agent拓展，金融、銷售、法務、代碼、客服等專業型agent領域的投資事件較多。其中，數據豐富、問題明確且垂直領域實現價值高的企業備受資本關注，且投資機構優先考慮已有付費客戶和正向現金流的agent企業。同時，上游核心技術底座的投資關注度明顯提升，Agent框架和編排、機器學習安全、可觀測性與治理等細分領域投資熱度提高。

　　06

　　多智能體系統、分佈式網絡、RaaS商業模式成Agent發展重要趨勢

　　目前，AI Agent商業化落地仍面臨技術能力、經濟性、生態、安全等方面的困難和挑戰。在技術層面，AI Agent目前仍以單點任務賦能為主，整合複雜業務流程能力有限，且存在長任務鏈執行時穩定性欠缺和成功率不足的問題，此外，通用大模型處理專業業務的能力也較有限。在商業層面，存在通用Agent解決痛點不深，企業級Agent雖價值高但落地門檻高的情況。在生態層面，企業內部系統集成困難，MCP等標準協議往往不足以支撐企業複雜的系統，同時強依賴外部大模型廠商，存在模型成本上升或斷供風險。在安全層面，AI Agent的自主性引入（提示詞注入、權限串聯）過程中引入新型安全風險，相關的監管法規和合規界定有待進一步完善。

　　面對以上挑戰，AI Agent將向多智能體系統（Multi-Agent Systems）發展，通過不同專業智能體的相互溝通、協調和合作，以完成更復雜的任務。這一過程中將催生出新的通信協議、編排平台和治理框架。同時，AI Agent生態協同加速趨勢明顯，系統架構將從單體式向分佈式智能體網絡演進，催生AgentOps平台需求，通過統一的智能體監控、調度與優化機制，支撐企業構建自主可控的智能體網絡，推動AI Agent廠商從單一產品競爭向「技術底座+生態整合」能力比拼，在此過程中行業集中度或將進一步提升。此外，AI Agent商業模式正從訂閱制的SaaS模式向結果服務制的RaaS（Result as a Service）轉型，將Agent價值與企業實際業務成果深度綁定，推動行業從「賣工具」向「賣價值」升級。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：常福強