還記得三個月前那個讓全網(wǎng)歡呼的AI Agent嗎？

2025年3月，Manus橫空出世，憑借一段“智能體自主完成任務(wù)”的演示視頻，一夜之間成為科技圈寵兒。發(fā)布一周內(nèi)，200萬用戶擠破頭預(yù)約，內(nèi)測碼被炒至10萬，仿佛AI的下一個ChatGPT時刻已經(jīng)到來。

然而，這場狂歡僅僅持續(xù)了130天。當(dāng)?shù)谝慌脩粽嬲w驗產(chǎn)品時，美好的幻想被實際使用感受擊碎。人們發(fā)現(xiàn)，號稱全能助手的產(chǎn)品底層技術(shù)完全依賴大模型API拼接，實測過程中只執(zhí)行少數(shù)標(biāo)準(zhǔn)化任務(wù)，面對復(fù)雜場景常常束手無措。

實際上，Manus的困境并非孤例。另一家明星Agent企業(yè)瀾碼科技早在2025年初就因融資斷裂，停發(fā)員工薪資數(shù)月，目前正尋求并購機會。

雖然通用智能體被廣泛認為是實現(xiàn)AGI的必經(jīng)之路，但現(xiàn)實卻給了這個美好愿景沉重一擊。行業(yè)報告預(yù)測，到2027年，約40%的AI Agent項目可能因成本失控或商業(yè)模式不清晰而被淘汰。

那么，通用Agent賽道的窘境，是否折射了整個Agent行業(yè)的困局？未來的Agent要怎么做，才能被市場買單？

在讓Manus一夜爆紅的那段視頻里，智能體能自動篩選簡歷、分析股票、規(guī)劃旅行，甚至能像人類一樣“思考”復(fù)雜任務(wù)。此后，內(nèi)測邀請碼一碼難求，資本蜂擁而至，硅谷頂級風(fēng)投Benchmark領(lǐng)投7500萬美元，公司估值飆升至5億美元。媒體爭相報道，稱其為下一代人機協(xié)作的范式。

一時間，Manus成了AI創(chuàng)業(yè)的標(biāo)桿，仿佛它真的能改變世界。

然而，狂熱的追捧之下，質(zhì)疑聲悄然浮現(xiàn)。

隨著時間推移，用戶發(fā)現(xiàn)Manus的實際體驗遠不如宣傳那般驚艷。熱度迅速消退，訪問量逐月下滑。

一方面，Manus的核心能力并非自研，而是依賴OpenAI的GPT-4和Anthropic的Claude等第三方大模型，自己只做封裝。業(yè)內(nèi)人士嘲諷它是“AI套殼智能體”——能拆解任務(wù)，但執(zhí)行時依賴預(yù)設(shè)的RPA，一旦遇到意外情況，就會直接卡殼。比如，大規(guī)模用戶涌入后，Manus的響應(yīng)速度明顯變慢，算力瓶頸凸顯。有用戶反饋Manus經(jīng)常在復(fù)雜任務(wù)中卡殼，給出不合理的答案。

另一方面，高昂的價格讓不少用戶望而卻步。19-199美元/月的定價甚至與ChatGPT等頭部大語言模型持平，但其實測效果又遠被甩在身后。失衡的性價比讓不少付費用戶感到自己被欺騙了。比如，Manus號稱能完成電商比價等復(fù)雜任務(wù)，但在實際操作過程中漏掉拼多多、天貓數(shù)據(jù)，核心數(shù)據(jù)甚至出現(xiàn)事實錯誤；金融建模時，Manus仍使用2023年的β值，與實時市場嚴重脫節(jié)，偏差超過15%；視頻能力上，輸入指令“貓狗和諧相處的溫馨畫面”，Manus卻給出了一個狗頭貓身的“弗蘭肯斯坦”式生物。

可以說，那些花高價訂閱（19-199美元/月）的用戶，等來的不是一個智能助手，而是一堆隨時可能出錯的模型能力的剪輯與拼接。

實際上，Manus風(fēng)評直下并非偶然，它的困境折射出整個通用AI Agent賽道的集體困局——技術(shù)未成熟就急于商業(yè)化，資本催熟泡沫掩蓋產(chǎn)品缺陷。

Gartner預(yù)測，到2027年，40%的智能體項目將因“成本過高、商業(yè)價值不明”被淘汰。

而當(dāng)潮水退去，裸泳者才將現(xiàn)形。Manus的故事，或許正是這場大浪淘沙的開端。

就在幾個月前，Manus的爆火讓人們以為通用智能體的時代已經(jīng)來臨，創(chuàng)業(yè)者們前赴后繼地涌入這個賽道，仿佛只要給自己的產(chǎn)品貼上Agent標(biāo)簽，就能輕松獲得資本青睞。然而現(xiàn)實是，大批通用AI Agent產(chǎn)品折戟沉沙，行業(yè)初期的浮躁與泡沫逐漸顯露。

為什么通用Agent沒有像大語言模型那樣讓市場持續(xù)振奮？

因為市面上槽點偏多的通用AI Agent產(chǎn)品本質(zhì)上都只是大模型的一層皮。它們調(diào)用GPT-4或Claude等頭部模型API，加上一個定制的前端界面，就稱自己是Agent了。這種模式開發(fā)門檻低、上線速度快，但也意味著同質(zhì)化嚴重、護城河稀薄。同類產(chǎn)品都空洞地執(zhí)行著“接收輸入→調(diào)用模型→解析輸出→展示結(jié)果”的統(tǒng)一流程，沒有競爭力，而一旦大模型接口價格上漲或政策變化，就可能難以為繼。

進一步講，通用Agent的大模型依賴癥導(dǎo)致它卻缺乏統(tǒng)一的底層架構(gòu)設(shè)計，常常陷入泛而不精的宏大敘事，缺乏明確產(chǎn)品定位。

通用Agent，其實在民間還流傳著一個不太雅觀的稱號——縫合怪。就是說，產(chǎn)品為了展示多功能性，強行整合RPA、爬蟲、數(shù)據(jù)分析工具，導(dǎo)致系統(tǒng)臃腫，無法真正適應(yīng)復(fù)雜任務(wù)，用戶在實際體驗過程中效果不佳。麥當(dāng)勞與IBM合作開發(fā)的AI Agent，因在真實餐廳環(huán)境中頻繁出錯，最終被放棄。由于技術(shù)效果與業(yè)務(wù)需求之間存在落差，當(dāng)企業(yè)發(fā)現(xiàn)投入巨資引入的Agent產(chǎn)品并沒有帶來預(yù)期的效率提升，自然會放棄繼續(xù)投入。

沒有人愿意買單，用戶留存率和轉(zhuǎn)化率少，但通用Agent的成本卻不低。與專業(yè)Agent相比，通用Agent依賴多個大模型API，token消耗量更大。且由于任務(wù)泛化性更高，通用Agent產(chǎn)品開發(fā)和維護都需要持續(xù)投入大量算力和工程資源。然而，很多創(chuàng)業(yè)公司在起步階段盲目采用互聯(lián)網(wǎng)時代“先圈用戶后變現(xiàn)”的免費獲客模式，忽視了通用Agent服務(wù)的高成本特性。而這種高成本、低轉(zhuǎn)化的矛盾則直接導(dǎo)致了，一旦融資跟不上、公司很快就會陷入現(xiàn)金流危機。

不難看出，通用Agent創(chuàng)業(yè)的泡沫正在破裂，那些無法實現(xiàn)商業(yè)化、僅靠講故事和堆模型吸引資本的公司注定逃不過被淘汰的命運。

但通用智能體不被看好，能代表Agent這條路已經(jīng)封死了嗎？

當(dāng)前AI Agent領(lǐng)域正經(jīng)歷一場殘酷的洗牌——高昂的研發(fā)成本、模糊的商業(yè)化路徑，讓不少玩家黯然退場。然而，在一片“哀鴻遍野”中，仍有像GenSpark、Salesforce這樣的企業(yè)逆勢增長，不僅活了下來，還跑通了可持續(xù)的商業(yè)模式。

為什么Agent賽道冰火兩重天，我們或許可以從這些成功盈利公司的生存模式來一探究竟。

首先，小而美優(yōu)于大而全。

許多AI Agent的失敗，源于試圖打造萬能助手，結(jié)果既無法超越通用大模型，又難以在具體場景中真正落地。他們過分追求技術(shù)的通用性和智能度，卻忽略了企業(yè)客戶真正關(guān)心的問題——我買這個東西，到底能做什么？

與盲目追求通用智能的做法不同，一些Al Agent公司選擇在垂直領(lǐng)域深耕，針對痛點提供定制化解決方案，將智能體嵌入到客戶的業(yè)務(wù)流程中，建立技術(shù)和數(shù)據(jù)壁壘。

比如今年突然闖進公眾視野的Agent黑馬——Genspark。這家公司員工僅僅二十人，卻在Super Agent上線45天后便實現(xiàn)了3600萬美元的年度經(jīng)常性收入。

一個重要的原因是找準(zhǔn)了專業(yè)賽道。

Genspark最初做AI搜索，但發(fā)現(xiàn)該領(lǐng)域已被Google、Perplexity等巨頭壟斷，于是果斷轉(zhuǎn)型AI Agent，聚焦辦公自動化、數(shù)據(jù)分析和文件管理等企業(yè)剛需場景。

據(jù)悉，Genspark驗證效率比傳統(tǒng)搜索引擎提升60%，虛假信息過濾率高達98%。實際應(yīng)用場景中，金融行業(yè)客戶使用GenSpark后，投資研究報告撰寫時間從3天縮短至8小時；學(xué)術(shù)機構(gòu)用戶反饋，使用GenSpark進行文獻綜述時，效率提升了50%。

靠著在垂類領(lǐng)域做到極致，半路轉(zhuǎn)行的Genspark得以在Agent競賽突出重圍。

其次，解鎖付費意愿很重要。

解決了做什么后，另一個問題就是：這個AI到底能幫客戶賺多少錢，或者省多少錢？

許多通用Agent公司沉迷于炫技，卻忽略了企業(yè)運營的真正痛點——ROI（投資回報率）。當(dāng)每個產(chǎn)品都號稱自己有Agent能力，破局者靠什么脫穎而出？

關(guān)鍵在于幫助客戶定義AI的價值錨點。Salesforce的Agentforce之所以能在上線一年內(nèi)吸引5000家機構(gòu)部署、實現(xiàn)10億美元年化收入，就是兼具可解釋和按需付費兩個特性：可解釋，每個AI決策都能回溯推理過程，讓企業(yè)清楚知道“AI為什么這么判斷”，降低信任門檻；按需付費，除了會員制，平臺還提供了按對話次數(shù)付費的商業(yè)模式，讓企業(yè)選擇更靈活、成本結(jié)構(gòu)更透明。

深度綁定業(yè)務(wù)流程的AI Agent因直接解決了企業(yè)痛點，從而獲得持續(xù)的商業(yè)收入。這也說明了，企業(yè)客戶不只為Agent的概念買單，而是為可量化、可審計、可省錢的解決方案買單。

最后，數(shù)據(jù)反哺、社區(qū)創(chuàng)新建立生態(tài)護城河。

技術(shù)日新月異，企業(yè)想要存活，必須保持競爭力，讓產(chǎn)品越用越聰明。要與時俱進，上述成功部署、受到市場認可的專業(yè)型Agent產(chǎn)品還要進一步在真實場景中收集大量的用戶反饋，構(gòu)建數(shù)據(jù)閉環(huán)，建立社區(qū)網(wǎng)絡(luò)，才能進一步反哺智能體快速迭代。

醫(yī)療Agent PathChat通過分析顯微鏡圖像和患者數(shù)據(jù)，幫助醫(yī)生快速識別腫瘤，在積累了大量獨家醫(yī)學(xué)數(shù)據(jù)后，將識別準(zhǔn)確率從78.1%提高到89.5%，進一步鞏固專業(yè)護城河；Salesforce推出的Agent平臺允許開發(fā)者創(chuàng)建各種行業(yè)Agent應(yīng)用，第三方的加入豐富了平臺功能，反過來又吸引更多企業(yè)客戶采用Salesforce的AI方案。

將單一產(chǎn)品上升為生態(tài)系統(tǒng)的Agent公司，將更難被撼動。

簡言之，那些在Al Agent寒冬中依然挺立的企業(yè)雖各有高招，但無不是將技術(shù)與場景深度結(jié)合的務(wù)實者。而那些一味追逐風(fēng)口、忽視用戶需求的投機者，終將被歷史淘汰。Manus的故事或許還無法輕易定調(diào)，但它留給業(yè)界的討論是有價值的：Al Agent的使命，在于成為人類的得力助手，而不是資本游戲中的空中樓閣。

任何不想只是曇花一現(xiàn)的技術(shù)，唯有腳踏實地、聚焦場景、創(chuàng)造價值，才能真正走出困局，迎來屬于自己的春天。

審核編輯 黃宇