AI Agent行业现状 - 2025年被普遍认为是"Agent元年"，To C和To B类型Agent成为行业焦点，To B类型Agent更贴近商业需求和真实场景 [2] - 行业呈现两极分化：一方面Agent应用繁荣，另一方面许多企业仍面临算力成本高、数据孤岛、场景价值模糊等落地难题 [2] - 2024年智能体构建平台中标项目570个，公开金额项目372个，总金额23.52亿元；2025年上半年中标项目已达371个，是去年同期3.5倍，接近去年全年三分之二 [3] - 火山引擎自2024年下半年起连续夺得中标数量第一，2025年上半年同时获得中标金额与数量双项第一 [3] 技术发展与商业路径 - 大模型产业从基础设施层向应用层延伸是必然趋势，应用层被视为更快拥抱新技术的路径 [4] - 企业更愿意为看得见的价值付费，自上而下的业务驱动模式更受青睐 [5] - 大模型商业模式演进：从卖算力(卡时)→按token收费→按使用量/订阅制→最终将按效果和价值收费 [6] - 智能体爆发需要达到技术临界点(大模型能力)、商业生态完善(工具使用协议等) [6] - 模型与智能体开发平台相辅相成，共同决定应用上限 [6] 企业落地实践 - 企业高层普遍高估AI Agent，一线人员容易低估，且多数企业将AI Agent视为传统软件工程，忽视其持续学习调优特性 [8] - 企业发挥新技术价值需要付出与技术服务商相当的精力，大模型生态分工尚未明确 [9] - 火山引擎HiAgent定位为"一站式智能体工作台"，提供数字员工全生命周期管理，实现从模型到应用全链路打通 [11] - HiAgent 2.0升级体现在"上下左右"迭代：向上提供行业模板库(0.8到1)，向下模应一体融入模型工具链，向左统一智能体入口，向右实现开发运营一体化 [15][16] 行业应用前景 - IDC预计2025年生成式AI优先落地办公助手等生产力场景，其次是金融、能源、零售、制造等垂直行业 [7] - 企业AI化路径：先迭代软件/硬件工具→业务流程变革→商业模式和组织形态变化 [7] - 没有通用智能体，智能体高度依赖场景，面临模型能力边界探索、工程实践缺乏等挑战 [7] - 未来软件应用将呈现Agent与传统模式长期共存的状态 [18] - 企业级Agent在垂直领域纵深远超消费级应用，并发能力等成为关键指标 [18] 基础设施与生态 - 大模型早期发展需要端到端把控，从芯片到云基础设施到大模型本身都不能有短板 [10] - Agent更依赖全栈基础设施，火山引擎注重模型效果和推理性价比投入 [20] - Agent天然具有用户黏性，源于数据沉淀形成的长期记忆和知识库 [21] - 相比传统云计算，Agent可能增加云厂商价值厚度，因其对基础设施的强依赖性 [20][21]