Vol.56 没有人知道到底什么TM是Agent…

摘要

• Agent的行业热度尚未转化为真实需求，供需两端都在对“只有概念、没有方案”投票。 群响一万多会员、往届单场常有2,000—3,000人参会，AI创业课首日却仅报900人；庄明浩援引的美国To B调研则显示，94%的企业不满意其AI vendor。“大家都知道AI是一个宝藏”，但至今多数服务仍停留在“收割焦虑和讲点逻辑”。

• 从L1到L2已形成“通用、少控制、只奖励结果”的路径共识，但这套法则能否把行业带到L3仍是最大悬念。 OpenAI路径中的L1聊天机器人、L2推理者、L3 Agent、L4创新者、L5组织者，头部公司正处在从L2向L3走的节点；2025年从企业尝试走向真正落地、由Agent承接答案的时间点共识，庄明浩认为仍有较多一厢情愿成分。DeepSeek R1等强化学习实践支持“更少的控制，更多的智能”，却不等于Agent也能摆脱边界、工作流与人为结构。

• 应用层最大的投资风险，仍是模型一次升级就吞掉创业公司多年构建的产品能力。 归藏认为，GPT-4o图像生成几乎可以用自然语言覆盖复杂Stable Diffusion工作流，再次提示“能力没有收敛之前，谨慎做应用”；但产品并非没有价值，Manus给出的“看见”范式——规划、to-do list、逐步执行、归纳与完整交付——正在成为L3的人机交互语言。

• Agent尚无统一定义，但行业正在收敛到记忆、规划、工具使用和行为四项特征。 真正的跃迁不是更会说，而是“从语言到行为”：调用现有工具已足以完成大多数通用任务，难点转向上下文、权限、数据与安全架构，以及如何把搜索、浏览器、商业软件和代码执行串成端到端结果。Deep Search与Deep Research的底层差异，对用户而言最终都要让位于结果质量。

• 机会结构已开始分层：通用Agent与平台生态看起来偏向巨头，早期投资相对集中于专业Agent；基础设施虽不完善，却因此涌现大量项目。 Browser Use在3月22日融资1,700万美元，Browserbase成为Enterprise Tech 30早期榜首，A1Base甚至只为Agent提供Email、WhatsApp和电话号码身份；“产业链分工太细了”本身，正是Infra层尚未定型的机会信号。

• “边界不清楚的叫Agent，边界清楚的就不叫了”，意味着概念估值最终必须让位于具体业务。 按这一暴论，AI搜索、AI Coding、Deep Research一旦明确交付边界，可能就不再强调Agent标签；所谓微信Agent虽有小程序作为“手”的潜在优势，却受隐私、权限与微信谨慎节奏约束。“上一次遇到包容这么多东西的概念还是Metaverse呢。”

• 庄明浩认为，Agent商业化未必会长期停在每月20美元，任务级成本、ARR与自动化价值将更早接受市场检验。 Manus按约1美元兑100积分收费：15分钟的数据分析约2美元、25分钟网页开发约3.6美元、80分钟应用开发约9美元，用户必须判断“什么任务值得你花几美金去执行”；在推理仍贵、复杂环境不可靠、用户仍需盯守的现实下，普通白领工作自动化可能比“诺贝尔水平”的科研推理更有利可图。

精读

1. 热度没有转化为需求，概念先于解决方案爆炸

• 庄明浩用群响的报名反差开场：一万多付费会员、往届大课通常到场2,000—3,000人，AI创业课在全力推荐后首日却只有900人，远低于原先“第一天三千人就满了”的预期。

• 刘思毅给出的解释被完整保留：“大家都知道AI是一个宝藏”，但创业者同样清楚，除了焦虑营销和逻辑讲解，市场仍没有探索出一套真正可服务他们的解决方案。

• 另一侧也不乐观：庄明浩援引美国To B企业调研称，回看2024年，94%的企业不满意其AI vendor，满意者只有6%。与此同时，他提到市面上应该已经出现《Manus极简入门》，形成一种荒诞对照。

• 智谱又发布了AutoGLM沉思，一个类似Deep Research的AI Agent；Agent、Deep Research、AutoGLM、GLM、沉思层层叠加，让非行业用户无从理解，也暴露技术、产品与市场团队之间的巨大语言裂缝。

2. L1到L2的成功法则，未必能直接复制到L3

• OpenAI描述的AGI路径是L1聊天机器人、L2推理者、L3 Agent、L4创新者、L5组织者；庄明浩判断，全球头部公司大体处在从L2向L3移动的节点。

• L1的突破是“通用”：从规则、机器学习、神经网络到Transformer，再到GPT-3和ChatGPT，模型不再依靠单一领域数据集只完成一个任务。上一代AI最终扎堆视觉、摄像头与安防，恰是场景被限定后的结果。

• L2则来自更复杂的输入、思维链与后训练。行业曾争论应奖励每一步过程还是最终结果，后来的实践指向强化学习只激励结果、不强加结构；DeepSeek以V3为基础得到R1-Zero，再通过冷启动数据等后训练改善可用性，并把方法复现到Llama和Qwen。

• 因而已有两条共识：“通用”，以及“更少的控制，更多的智能”。庄明浩真正追问的是：L3也应不限定场景、不加工作流，只依靠结果激励吗？节目没有假装给出确定答案。

• 2025年被寄望于让企业从AI尝试走向真正落地，并由Agent承接这一答案；但庄明浩认为，这种时间点上的收敛共识仍有较多一厢情愿成分，场景与垂类同样存在空间。

3. 模型升级仍在吞掉应用层护城河

• 过去两年主线仍是更多资本、基础设施和训练换取更强模型。DeepSeek爆火时，产品形式并无根本创新，核心仍是“智能加开源”；这让庄明浩继续怀疑，产品与商业模式创新是否始终敌不过智能本身。

• GPT-4o图像能力引爆吉卜力风格内容。归藏认为，它几乎可以通过自然语言完成复杂Stable Diffusion图像生成工作流的各种玩法；有人前一天还在学习Stable Diffusion教程，第二天便发现“全部都白看了”。

• 庄明浩引用雨森关于Perplexity的例子：技术人员可能认为它几天就能复现，但如果早期能投几亿美元，如今Perplexity已经是一家100多亿美元的公司；它能否干掉Google另说，早期投资回报本身已经成立。

• 但“套壳”也低估了工程难度。即使只在模型上叠一层薄产品，从需求定义到可靠交付仍很复杂；智谱AutoGLM沉思的实现并不理想，说明“大家知道该怎么做”与真正做出好产品是两回事。

4. 产品趋势开始抬头，“看见”成为Agent的交互语法

• ChatGPT的魔法时刻，是用户看见机器吐字；DeepSeek R1的魔法时刻，是看见模型思考。Manus给出的L3定义把这一逻辑推进到：用户要看见规划、to-do list、网页与代码操作、资料整理、归纳，以及最终网页或报告的完整交付。

• 秘塔搜索把长答案转成互动网页时，特意显示滚动的HTML代码和0%到100%的进度条。生成本身并不神秘，但产品选择让用户“看见过程”，从而把等待转成可感知的劳动。

• 戈飞提出的“4-2-4”原则说明，技术实现只是中间的“2”；前面的需求和产品边界、后面的运营推广，各占更重的“4”。这也是开源方案与用户可用产品之间的真实距离。

• Enterprise Tech 30提供了弱但明确的旁证：AI-native公司占比从2019—2020年的0、2021年的3%，升至2023年33%、2024年40%、2025年50%；非技术导向PLG则由此前约15%—20%升至25%，产品、销售与品牌叙事正在小幅回归。

5. “Agent”仍是盲人摸象，工作流既是补丁也是边界

• 游戏早已有脚本、机器学习和自动行为：足球游戏中不受玩家控制的队友与对手，乃至《吃豆人》中规则各异的四个敌人，都被庄明浩拿来追问是否算Agent。今天争论的其实是大语言模型这一代Agent，而非Agent第一次出现。

• 庄明浩回看2023年至2024年初的YC项目，Agent当时已是第七大分类；项目分别依靠录屏、拖拽、自然语言、RPA、逻辑树和工作流做代理，彼此差异却很小，“又一个共识Agent”甚至可能只是中间态。

• 当时的逻辑是“模型能力不够，workflow来凑”，但工作流无法穷举全部情况，只能限定场景与边界。行业于是反复走过简单、复杂、再简单、再复杂：自然语言之后出现提示词与思维链，推理增强后又为Agent堆上工作流。

• GPT-4o用自然语言覆盖复杂图像工作流，再次提示人类可能被路径依赖带进“弯路”。若L3延续通用与少控制的方向，它最终或许也不应依赖被人工穷举的workflow。

6. 收敛的不是定义，而是记忆、规划、工具与行为

• 庄明浩把当前共识压缩为四个特征：记忆、规划、使用工具、产生行为。记忆仍受上下文窗口制约，Manus常见的上下文超限报错说明，这个基础问题并未解决。

• 规划曾依靠工作流等“战术上的努力”，推理模型出现后才显得可行；工具侧则不必急着发明新工具，现有生态已经能完成大多数通用任务，真正问题是怎样可靠调用。

• 工具调用继续带来访问权限、数据架构和安全架构问题。所谓端到端训练并未消除边界，而是与必要限制、强化学习、推理和外部系统连接成新的工程整体。

• 他区分了Deep Search与Deep Research：前者基础是搜索，后者被描述为端到端训练的模型；但用户并不关心底层是RAG还是端到端，只关心结果质量。

• 游戏落地不理想的解释很直接：“这一波的模型叫大语言模型，语言；可是游戏里需要的是行为。”从Computer Use到OpenAI Operator，头部厂商都在尝试让语言模型真正行动，这是L2走向L3的核心。

7. 通用机会归巨头，早期资金偏向专业Agent，基建项目众多

• CB Insights的Agent地图分为三层：Infra；软件开发、数据分析、安全、销售、HR、Marketing等水平工作层；以及法律、游戏、健康等垂直行业层。这个分层也对应不同资本可进入的机会。

• 通用模型厂商与大型科技公司不仅做Agent，也会做开发工具和平台，争夺生态；通用Agent因此更像巨头机会。早期投资则相对集中在专业Agent，垂直行业能否走出类似美国SaaS的格局仍有待验证，国内此前SaaS投资项目的教训也无法回避。

• Infra不完善，反而催生最多项目：开发平台、Multi-Agent、自动化执行、Web测试、数据分析、支付、记忆与搜索服务。MCP之所以突然升温，正因为它试图解决“现有工具如何被调用”；OpenAI也发布了兼容MCP的Agents SDK。

• 具体融资显示资本已下注：Browser Use在3月22日融资1,700万美元；Browserbase登上Enterprise Tech 30早期公司榜首；A1Base只为Agent提供WhatsApp、Email和电话号码，让它拥有注册、收验证码和进入服务所需的“身份”。

8. 边界一旦清楚，“Agent”这个名字可能就会消失

• 庄明浩的第一条暴论是：“边界不清楚的叫Agent，边界清楚的就不叫了。”按这一说法，AI搜索就是AI搜索，AI Coding就是AI编程；Deep Research明确承担研究任务后，人们似乎也不再强调它是Agent。

• 群友的吐槽精准概括了概念风险：“上一次遇到包容这么多东西的概念还是Metaverse呢。”Agent越能解释一切，越可能缺乏可检验的业务边界。

• 对流传的微信Agent路线图，庄明浩认为是假消息：IMA属于CSIG，难成为微信中枢；微信数据高度私人化，权限调用极难；微信连AI搜索都未全量开放，更不可能突然大步放开Agent。

• 他的判断是，微信未来一定会做Agent，而小程序确实可以成为Agent的“手”。但实现方式与开放节奏会受到隐私、安全及微信一贯谨慎的产品节奏约束。

9. 定价与自动化价值将比概念更早接受检验

• “黑猫白猫，抓到耗子就是好猫。”统一入口是否会让超级App重新占优，输入是否只能是自然语言，Agent还能否获得浏览器、小程序、虚拟机，垂类场景数据是否仍有价值，都暂时没有答案；项目只能先看ARR与增速。

• 庄明浩认为Agent未必会永远沿用每月20美元：他列出OpenAI从Free、Plus每月20美元、Pro每月200美元，到设想中的Max每月2,000美元和“博士模型”每月20,000美元，能力差异正在打开定价空间。

• Manus则把成本落到任务：39美元含3,900积分，199美元含19,900积分，免费用户每月1,000积分。NBA得分效率象限图约15分钟、200积分即2美元；婚礼邀请网页约25分钟、3.6美元；复杂交互应用约80分钟、9美元。

• Epoch AI的谨慎判断与此呼应：在“可见的未来”，让Agent浏览互联网、操作商业软件、执行标准白领工作，或比培养诺贝尔水平的科研推理模型更有利可图。但推理仍贵、复杂环境仍不可靠、用户仍需盯守和调整——“还有很多事情要做”。