Agent突破大模型想象力的深度洞察。

核心内容：

1. Agent发展现状与未来趋势

2. 2B和2C需求差异及商业模式探索

3. 大模型能力与Agent整合的挑战与机遇

现场持续了两个多小时，有许多精彩的观点碰撞。整理了可披露的精华信息，希望能帮助大家对当前Agent发展形成更清晰的认知。

说到Agent加速的感知，几位嘉宾分别分享了各自的观察。姬阁阁提到，一个深刻的体会是模型能力在阶段式上升——这一波Agent需求与上一代互联网有个巨大不同：企业级需求与消费级需求几乎是齐头并进的。但2B对确定性的要求更高，前期走得比较艰难。不过随着大模型在性能、准确性和成本压缩上的明显提升，新的商业模式正在生发。

梁宇则持相对保守的看法：Agent还没有大规模到来，只是有加速趋势。DeepSeek的出现很大程度上改变了B端的预期。在C端，真正要完成的是从工具到逻辑、分解再到帮用户完成闭环——细分领域正在发生，但泛化还有很长的路要走。

杨劲松观察到，从今年DeepSeek出来后，一些Agent场景已经在落地了，客户问询量有明显增长，第一季度就完成了去年80%的收入，客户对场景的明确性也比去年有所提高。

侯宏指出，2B端客户容易在实施上卡壳，因为数据不ready，B端仍处于摸索过程，需要想清楚布局Agent有什么竞争力、和以前投IT有何区别。C端则没什么惊喜，国内还是赔钱赚吆喝，商业模式尚未想清楚。但2B和2C之间有一种中间型——小B大C，已经有人闷声赚钱了，核心是把行业经验模式化，实现边际效益覆盖边际成本。

关于大模型能力与应用落地之间的关系，有观点认为即使模型能力不再提高，也有大量应用的路要走。侯宏认为，模型即产品这条路有边界。把Agent能力内化到模型里是客观趋势，但创业者的思路应该是加入智能体系生态。模型本身是中枢，关键是怎么和本地私有数据、内部工具、IT系统整合。创业者在场景中要找到边界——有私有数据、有产业资源，就可以建立壁垒；如果场景没有边界，就应该止损。

姬阁阁从开发者角度表示，不会去探索增强模型能力，而是专注给大模型提供完整准确的上下文，这样才能驾驭好模型。即便没有产业壁垒，也可以把工程性事情做精细，脏活累活积累足够深也能成为壁垒。还可以私有化部署模型，当数据积累丰富时，通过在线迭代反馈得到的模型也能成为壁垒。

侯宏提出了“智能飞轮”概念：模型、数据和智能三个角，无论ToC还是ToB、甲方还是乙方，都要考虑如何把它转起来、转得最快，这是唯一可依赖的竞争优势。只做脏活累活不行，必须把经验沉淀下来并持续成长。

梁宇认为，讨论大模型、蒸馏小模型与Agent之间的关系时，焦虑的无非是怕被巨头碾压。但大模型在不同垂直行业里玩不转，原因包括数据不健全等，行业know-how和行业数据才是决定商业闭环的关键，绝不是很薄的一层。回看无人驾驶时代，有两拨人：搞论文研究的和搞传统产业落地的，后者并没有被吞没。技术上是一个好的开始，但决定生死的是客户、产品、需求和寻找的速度。

杨劲松谈到，人类专家完成特定领域工作需要两部分知识：显性知识（文档文字）和隐性知识（解题思路、步骤、工具使用）。想让Agent在特定领域工作，需要这两份数据的组合。切入行业时，如果有壁垒（牌照、数据垄断等），传统公司会自己做Agent或投资合作；如果只有专业性但没壁垒，可以引入行业专家完成冷启动，再通过实际使用优化能力。

关于多模态能力是否影响Agent落地，姬阁阁用自己的体验举例：经常用夸克、豆包等智能体拍照识别昆虫。多模态有两种：艺术型（如midjourney）和逻辑推理型。一年前逻辑推理是难题，现在初中几何奥赛题模型都能给出正确思路，这非常了不得。超级智能体要达到1亿日活，多模态生图能力必须到一定强度，现在正在慢慢发生。

梁宇指出，每一次技术变革大量C端发展起来，都源于交互方式的改变——从DOS到Windows、到手机、再到语音和多模态照片，输入越来越简单，才能让更多人参与进来。人的感知还有听觉、味觉、触觉没有进来，虚拟与现实结合需要多模态能力。

侯宏认为，Agent需要感受环境，当用户可以用图片自定义问题、大模型仍能理解意图时，能力扩张非常显著。在B端，以前中国中小企业信息化难，是因为没有专业软件人才，现在可以用智能体通过MCP调用各类软件，生产力会迅速提升，多模态能力也非常关键。

杨劲松提出，许多大模型团队假设人类知识最终都可以用文字和符号表达，追求超级智力的话文字做到极致就可以。多模态是为了增加对外部世界的互动，未必是模型最佳方式，但却是人类最适用的方式，价值最大。

在Agent该垂直还是通用的讨论中，侯宏认为这取决于创业者的基因。如果能够专注、长期坐冷板凳且有资金支持，可以做通用；做垂直需要有产业资源，壁垒一定来自系统而非模型。模型是公用的，关键是在垂直赛道下怎么才能更赚钱。杨劲松补充了三个影响维度：新技术是否碘伏现有商业模式；基于原有业态整合大模型能否产生新玩法；降本增效——有没有可能在一个场景里实现十倍提升，并在价值链中分到核心那块。有时候要用田忌赛马的策略：跟传统产业比技术优势，跟大厂比行业优势。

姬阁阁从付费意愿角度思考：创造性的活她不太愿意付费（觉得自己有创造力），但重复性的劳动愿意付费来节省精力。所以C端激发付费意愿的关键在于用户不愿意干的活。关于垂直和通用，她的经验是先从单一功能开始，逐步增加功能、调用更多工具、解决更多问题，慢慢从垂直走向通用，二者不矛盾。给模型什么样的数据，就会形成什么样的产品。

梁宇指出，训练和推理分离是目前的核心矛盾，如果能将二者结合并实现实时改变，能力会非常恐怖，是值得期待的技术趋势之一。

关于搜索从传统向深度搜索的演进，杨劲松认为用户对产品的认知远不如产品方想传递的那么清晰。传统搜索头三条结果占点击量的90%-95%，用户的预期就在前面几行。Google拼命保证排序质量，因为好的排序让用户觉得好用并回流。用户常常焦虑，不会提问题，会不停更换检索词。大模型的理解、推理、总结能力能提供更有价值的信息。用户搜索的目的是做决策，AI搜索要替用户高效、有质量地解决决策问题。商业模式可以重新构建，但只要有价值就有机会。

姬阁阁认为DeepSearch一定有价值，传统搜索只能看三四个链接，AI可以直接看30个，扩大搜索面、给出更准确的信息。DeepSearch更像分析师，DeepThink更像科学家或哲学家，帮助用户反复思考。

侯宏预测未来AI搜索有两个价值主张：便利省时间，以及精确信息并信任它。但目前还是形式逻辑准确，专业性不够，未来可能会有垂直搜索。而且搜索不是为了获取信息，而是为了做决策，沿着这个路径会衍生出很多有趣功能。

关于Agent是否有先发优势，梁宇认为工具要在C端占据用户心智并不容易，只要有更好的工具用户就会切换，粘性不足。但在B端有先发优势，因为B端资源有限，客户不愿重复建设，如果能把数据、know-how、场景结合起来，就形成了强壁垒。杨劲松补充，有用户体量才能帮助提升产品、继续获取用户，这才能形成先发优势。在通用Agent场景下，先发优势不明显，因为无法用规模用户持续创造更佳效果，且开发技术门槛相对不高。除非能尽早成为新入口。普通创业有机会被并购也不错，但要形成牢固且可守的先发优势很有挑战。

姬阁阁认为构建先发优势，如果不是天才，就从脏活累活做起，从第一个客户开始积累和信任。侯宏则指出，企业战略是为了获得超额利润，只做脏活累活很难实现超额利润。除了积累信任，卡位也很重要——在生态位里找到不易被替换的位置。同时别太担心被大厂淘汰，项目也培养了团队能力，可以寻找新机会。创业者很难找到一个能做20年的事情，保持创业思维很重要。

最后谈到Agent全面落地的瓶颈与标志性事件。姬阁阁认为C端最难克服的是用户使用惯性，这需要时间。虽然很多AI产品已超越现有体验，但切换仍有过程。B端瓶颈一是数据完备性，二是准确性——多个领域只有90%准确率不够。预计今年10月或年底会出现更强的推理模型，且成本很低，从而加速落地。

梁宇认为最先爆发的会是数据完备性强的行业，比如金融，这里的数据完备指大量已经处理好的结构化数据。C端要观察对新技术最敏感的小圈子，如果出现主流未注意的流行且与AI相关，就是爆发点。

杨劲松提到互联网时代的经典公式：新体验-旧体验-迁移成本。用户目前困扰是不确定AI结果是否可信，需要技术提升来改善。AI在企业端大规模使用还需要组织结构、文化上的适应与改变，甚至职能要重新设计，这都需要时间。如果还是传统模式，AI价值量会打折扣。

侯宏补充，除了技术和产品，资本入局驱动用户教育也值得关注。他现在关注的领域是智能体互联网，而不是单个智能体——这是一个生态和网络层面相互促进的事情。