Agent如何突破大模型的想象力？

撰文：董指導

前段時間，我作為嘉賓和主持人，參加了一場線下閉門會，主題是Agent如何突破大模型的想象力。其他四位嘉賓分別是：

侯宏，北大國發院管理學助理教授，劍橋大學戰略學博士；

姬閣閣，Chat2API創始人，“產品二姐”主理人

梁宇，創世伙伴創投合伙人；

楊勁松，未來式智能創始人。

現場持續了兩個多小時，有許多精彩的觀點碰撞。我整理了可披露的精華信息，分享給大家，希望可以幫助大家對當前Agent發展有一些更清晰的認知。

Q：大家什么時候感覺到Agent在加速了？有沒有感受，或者今年有沒有什么主題詞是比較明確的？

姬閣閣：一個非常深刻的體會就是，模型的能力其實是有階段式上升的。

Agent的需求在這一代里面跟上一代互聯網有一個巨大的不同，在互聯網時代2C其實是走在2B前面的。而這一波企業級的需求，跟2C是齊頭并進的，但是在這個過程當中，因為2B對確定性的要求更高，所以在前期走的很困難。

但大模型，不管是性能上，還是準確性上的，或是對于成本的壓縮上，都有非常明顯的提升，這就是我最大的感受，新的商業模式快要生成。

梁宇：我可能有稍微保守一點的觀點，就Agent這個問題現在還沒有大規模的到來，只是有加速的趨勢。

我覺得有一個比較認同的其實是DeepSeek帶來的，很大程度上改變了B端的預期。

C端這一塊，真正要完成的是：從工具，到邏輯，到分解，到真正幫用戶完成一個閉環。細分領域正在發生，但泛化方面，還有很遠的路要走，

楊勁松：從今年DeepSeek出來之后，一些Agent場景就已經在落地了。從客戶的問詢量有非常明顯的增長。今年可能第一個季度完成了去年80%的收入。客戶對于場景的明確性，也比去年有一些提高。

侯宏：2B需要認知啊，B端客戶容易實施卡殼，因為數據不ready。B端仍處于摸索過程。要想清楚布局Agent有什么競爭力、跟以前投IT有什么樣的區別。

C端我覺得沒有什么驚喜。國內的話，目前還是賠錢賺吆喝，背后的商業模式是什么樣的，從創業者的角度看，這方面還沒有想清楚。

在2B和2C 之間還有一種中間類型，小B大C。已經有一些悶聲開始賺錢的。核心是把行業經驗模式化，模式化能夠實現生產的邊際效益覆蓋邊際成本。

Q：前一段時間看了一篇文章，講到說，現在的大模型的能力其實已經OK了，即使現在大模型的能力不再提高，也有很多應用的路要走。

大家覺得現在大廠也都在去做Agent，大模型原來這套訓練、推理，包括算力這套方式還不是最優級的？

侯宏：模型跟Agent 之間的關系，我覺得，模型即產品這條路有局限或者說有邊界。

把 Agent 的能力內化到模型里面去，這個趨勢是客觀存在的。但是其實從廣大創業者的角度與之對應的思路，應該考慮加入智能體系生態。

模型的能力已經具備，但模型怎么樣和本地的私有數據、以及它內部的工具，甚至內部的IT系統，怎么樣去整合？模型本身永遠只是一個中樞，利用模型去整合更多的工具的時候，一定要知道模型訓練特性什么什么、怎么把工具訓練進去，模型的邊界在哪？那這個邊界有可能出現哪里？

第一是否有一些私有數據；第二在場景里面找到邊界，如果說創業的場景沒有邊界，那就應該止損。如果能用其他的方式建立自己的壁壘，比如有產業資源。要跳出技術思維，從一個整個產業的大格局看自己能卡位什么樣的點好。

姬閣閣：作為一個開發者來講，我覺得我不會去探索增強模型的能力。在Agent開發中，只有能夠給大模型提供完整的、準確的上下文，才能駕馭好這個大模型。

另外一方面，假設沒有產業壁壘是不是就沒有什么優勢呢？我覺得可能也還有一些機會，比如把一些工程性的事情做的足夠精細化。也就是其實臟活累活，但如果積累的足夠深，也能夠成為一些壁壘。

另外，我會私有化部署一個模型，當數據積累到足夠豐富時，通過在線的及時迭代反饋得到的模型，也可能成為壁壘。

侯宏：我提出了一個詞叫“智能飛輪”，三個角是：模型、數據和智能。對于任何一個企業，不管是 ToC 的還是 ToB 的，不管你是甲方還是乙方，其實都要考慮怎么樣把它轉起來，轉的最快，這是唯一可以依賴的競爭優勢。

只做臟活累活是不行的，一定要把這個臟活累活你的經驗能夠沉淀下來。并且不斷成長，這種需要動態的這種競爭優勢。

梁宇：我們在討論大模型、蒸餾小模型以及 Agent 之間的關系時，在焦慮些什么事？無非是擔心自己做的Agent 被巨頭給碾壓了。

但實際上會發現，大模型在不同垂直行業里面去用的時候，玩不轉，原因也包括數據不健全等。所謂的行業 know-how、行業數據、是真正決定能否形成好的商業閉環。所以絕對不是很薄的一層。

對于Agent 從業者而言，可以回看上個時代做無人駕駛那一波。其實有兩撥人，一撥就是搞論文、研究的，另外一撥人是搞傳統產業落地的，最終傳統產業的并沒有被吞亡。

AI也類似。技術是一個好的開始，但絕對不是決定一切的。能決定生死的，依然是客戶、產品、需求、尋找的速度。

楊勁松：一個人類專家去完成特定領域工作時，其實需要兩部分知識。一部分叫顯性知識，就是能夠收集到這些文檔文字沉淀下來的，這類的話其實相對還是容易收集到的。

第二類是隱隱性知識。就像解題思路，在做特定任務的時候，第一步做什么、第二步做什么；第一步找什么工具、第二步怎么樣去加工。這些之前都沒有被很好的文檔記錄下來的。

如果想讓 Agent 能夠在特定領域里面工作，實際上需要這兩份數據的組合。

我們有一個思路就是如何切入行業。如果說行業有一定壁壘，比如牌照、數據壟斷之類，這種情況，可能還是傳統公司自己來做Agent，或者他們會投資一些公司來合作。

另一種情況是有專業性但沒上述壁壘的話，那可以引入行業專家一起開發，完成冷啟動，然后再通過實際使用過程來優化能力。

Q：大家普遍感受到 Agent 在增長，但是還沒有到一個爆發。那是不是因為如果大模型的能力只是在文本，那可能這個Agent 就沒有什么特別實際的用處。也只有當多模態能力發展到比較強的時候，我們的 Agent 的應用可能性才會更多一點，或者說落地的可能性會更多一些？

姬閣閣：我自己有兩個孩子，現在也經常拍照識別昆蟲或者是自然界的一些物體，就在用夸克、豆包這樣的智能體了。

我覺得多模態有兩種，一種就是 midjourney 這種藝術型的。還有一種是對邏輯推理非常清楚的。在一年之前邏輯推理是一個難題，但現在我初中的幾何題奧賽題的范圍內，模型都能給出正確的思路，這就非常了不得。

所以我覺得如果說超級智能體，比如有1億日活的話，那么多模態的生圖能力，必須要到一定的強度。現在也正在慢慢發生中。

梁宇：每一次技術變革，大量的C端是怎么發展起來的呢？其實就是來自于交互方式的改變，從DOS到Windows 再到手機、再然后語音、多模態照片，每一次的輸入都在越來越簡單。只有這樣，才能讓更多人能參與進來。

人的感知、視覺、聽覺、味覺、觸覺，仍有許多觸覺都還沒進來。，虛擬和現實之間能夠真正結合也需要多模態能力。

侯宏：Agent需要感受環境，當用戶可以用圖片形式自定義問題，甚至不需要用語言描繪很清楚，但大模型依然可以理解意圖時，帶來的能力擴張非常顯著。

包括在B端，以前中國中小企業信息化、數字化難。一個原因是沒有專業的軟件人才，小企業主不會用這種復雜的軟件。現在可以用智能體，通過MCP去調用各類軟件，不用人學，生產力會迅速提升。而多模態能力也非常關鍵。

楊勁松：許多做大模型的團隊，有一個假設，就是人類的知識最終都可以通過文字和符號來表達的。如果為了追求終極超級智力的話，可能文字做到極致就可以了。

那為什么還有多模態，其實是外界需要有這樣一個互動，增加對外部世界的理解。未必是模型最佳的方式，但是是人類最適用的方式，價值最大。

Q：Agent應該垂直？還是通用？

另外，瞄準年輕人，是一個非常好的方式，因為從創新產品理論來講的話，年輕人對新鮮事物接受度最高的，生命周期更長。大家怎么看夸克這個產品？

侯宏：對于夸克的建議，最核心的問題是在阿里整個集團的定位，要弄清楚。到底是走平臺化流量這一條線，還是走智能化改造這一條線，邏輯是不一樣的。

通用還是垂直，取決于創業者的基因。如果能夠專注要做的事，并且能夠長期坐冷板凳，還有資金支持，那可以做通用。

而要做垂直，需要有產業資源，要思考能夠以 AI 為核心去整合的資源是什么？壁壘一定是來自于一個系統，而不可能來自于模型，因為模型是公用的。不是說通用和垂直怎么賺錢，而是說在垂直這個賽道下，我能夠怎么做才能夠更賺錢。

楊勁松：首先我覺得討論技術對社會或者對行業影響的時候，大概有三個維度：

第一個層面，由于這種新技術，會不會出現一種新的業態，把目前商業模式顛覆掉？

第二個層面，基于原有業態，整合大模型或者 agent ，有沒有一些新的商業模式或者新玩法。

第三個層，也就是降本增效。對創業者的啟發，有沒有可能一種商業模式誕生，或者在一個特定的場景里，比傳統玩家有十倍提升的效率。并能在價值鏈條里，分最核心的那一塊。

有時候也會用田忌賽馬的方式，跟傳統產業比，發揮技術優勢；跟大廠比，要發揮深入行業的優勢。

姬閣閣：我剛才在思考一個問題，就是一款Agent，什么功能才有用戶愿意付錢享受。

像論文學習這種有一些創造性的活，我自己不太愿意付費，因為我覺得我有創造力。但重復性的勞動，不能給我帶來潛在的價值，就更愿意付費、節省精力來做創造性工作。所以，C端可能就是在用戶不愿意干的活上面，激發用戶的付費意愿。

關于垂直和通用，我自己的經歷是，先從當個功能開始、慢慢增加功能、調用更多工具、解決更多問題。總結就是，慢慢的從垂直走向，二者并不矛盾。

當你的用戶群足夠通用的時候，你給模型什么樣的數據，就會形成什么樣的產品。最后長成通用型的。

粱宇：這里最核心的矛盾是訓練、推理分離的。如果能夠將二者結合，并實現實時改變，那能力就會非常恐怖，會是非常值得期待的技術趨勢之一。

Q：搜索應該算是大部分人比較公認使用習慣。從傳統搜索變成深度搜索。從技術角度，或者產品力角度，怎么看？

楊勁松：其實用戶本身對這個產品的認知，遠不如我們想給他傳遞的那么清晰。不管科技產品還是快銷產品，各種宣傳，其實只是為了讓用戶記住一點點關鍵信息。這就是顯示，也應該成為定位。

傳統搜索出來的結果，頭三條的黃金點擊位置，占到了所有的點擊量的90%~95%之間。第二頁的信息，可能都沒機會展示了。用戶的預期，就在前面幾行。

所以Google 拼了老命要保證信息排序是好的，因為好的排序意味著提供的結果滿足用戶的預期，用戶覺得好用，就還會回來繼續使用。第一要快，第二要準。

用戶其實是焦慮的，不會提問題，不停地更換檢索詞來找到自己想要的答案。從這個角度上來說，基于大模型的理解能力、推理能力、總結能力，能夠給用戶更有價值的信息是非常好的。

而且，用戶搜索的目的，是為了做決策。因此，AI搜索也要能替用戶去高效的、有質量地解決一個決策問題。

商業模式怎么構建可能是問題。畢竟不能再采用傳統廣告植入的模式。但我有信心，但凡有價值，就有機會。

姬閣閣：Deep search 一定是價值的，傳統模式只能看三四個鏈接，但AI可以直接幫我看30個鏈接，擴大了搜索面，也給出更準確的信息，提高效率。

Deep search更像是一個分析師。Deep think更像一個科學家或者哲學家幫助用戶反復去思考。

侯宏：未來的 AI 搜索有兩個價值主張，一是便利，省時間；二是精確信息，并信任它。但目前還是形式邏輯準確，專業性仍不夠。所以未來可能會有垂直搜索。

而且不只是搜索，搜索并不是為了獲取信息，而是為了做決策。沿著這個路徑，AI搜索會有很多有趣的功能和發展。

Q：Agent有先發優勢嗎？應該是在什么因素上積累，才有可能形成一個比較好的優勢？

梁宇：我們講 agent 的時候，不可避免的有個隱含意思，就是很大程度把它當工具。而工具要在C端占據用戶心智，其實并不容易。只要有好的工具，用戶就會切換，粘性不一定足夠。

B端的話，是有先發優勢的。因為B端資源是有限的。客戶不愿意重復建設、重復體驗一些工具。如果能把數據、know-how、場景結合起來，那一定是比較強的壁壘。

楊勁松：有用戶體量能幫助提升產品、然后繼續獲取用戶，這才能形成先發優勢。在通用Agent場景下，先發優勢并不明顯。因為沒辦法用規模用戶，去持續創造更佳的效果。而且，Agent的開發技術門檻相對也不高。

除非能盡早成為新入口，才有先發優勢。普通創業的話，有機會被并購，也是非常不錯的。但形成牢固的先發優勢，而且要能守得住優勢，其實是比較挑戰。

姬閣閣：我想聊下如何構建先發優勢。我自己的體驗就是，如果不是天才，可能就是先從臟活累活做起。然后從第一個客戶開始，形成積累和信任。

侯宏：企業之所以要有戰略，是因為要有競爭優勢，從而獲得超額利潤。如果只做臟活累活，就很難實現超額利潤。

我覺得除了積累信任之外，卡位也很重要。在生態位里找到不容易被替換的位置。另外，也別擔心被大廠競爭淘汰掉。因為這些項目，也培養了團隊能力，可以尋找其他新的機會。

創業者很難找到一個可以做20年的事情，要保持創業思維，也很重要。

Q：在 Agent全面落地的過程中有哪些瓶頸，未來兩年可能會有哪些事件或者是標志性的東西，能夠讓我們確信說Agent在加速了。

姬閣閣：我覺得Agent 在C端領域，最難克服的是原有用戶使用的慣性。這必須要尊重時間規律。雖然我發現很多AI產品已經超越了現有產品的使用體驗，但切換還是有時間的。靜靜等待，時間會證明一切。

在B端，數據的完備是一個重要瓶頸。另一個就是準確性。有多領域只有90%準確率是不夠的。不過這方面應該也會持續提升。在今年10月或者年底，應該會看到更強的推理模型，并且成本會很低。從而加速大模型的落地。

梁宇：最先爆發的，一定是在數據完備性比較強的行業，比如金融。這里的數據完備性是指大量的、已經經過處理好的結構化數據。

C端的話，就是觀察一些對新技術、新科技最敏感的人，在這些小圈子里，會有主流沒有注意到的流行。如果和AI相關，那就會是一個好的爆發點。

楊勁松：在上一代互聯網關于新技術、新產品有個典型描述，要考慮：新體驗-舊體驗-遷移成本。

現在用戶有個困擾，就是不知道AI的結果是否可信。這要靠技術提升來改善。另外，AI如果在企業端大規模使用的話，還要考慮組織結構、文化方面的適應與改變。甚至一些職能要重新設計、組合，這都需要時間、也需要方法論來實施。如果還是傳統模式，那AI價值量可能會打折扣。

侯宏：除了技術、產品之外，還有個維度就是資本入局驅動，加速用戶教育。我現在關注的領域叫智能體互聯網，而不是單個的智能體。這是一個對生態、網絡層面，相互促進的事情。