AI Agent行业核心观点 - 2025年被定位为AI Agent"元年"，技术基础和产品路线逐步成熟，产业期待应用端拐点形成商业闭环[1][4] - 基础大模型能力决定Agent上限，Coding与Agentic能力成为厂商竞争焦点[12][21][23] - C端注重通用性，B端强调场景化，商业化路径呈现差异化特征[4][5][36] - 海外商业化进度领先国内，但国内需求拐点渐近[5][43][73] 技术架构与产品形态 - 形成底层大模型+工具+Agent Infra的三层架构，大模型提供核心推理能力，工具赋予场景能力[12] - Agent Infra包含环境、记忆、工具接口等组件，生态仍处早期阶段[13] - 主流开发框架包括AutoGen、Dify、LangChain等，降低开发者门槛[16] - 产品能力分级L1-L5，从规则执行到具备情感协作的通用智能体[18][19] 商业化进展 C端市场 - 大厂和创业公司主导，OpenAI、Google、字节、阿里等积极布局[4][37] - 产品形态包括通用型(Manus、Flowith)和垂直型(Cursor、Harvey)[61][62] - 海外单任务定价0.5-2美元，国内扣子空间低至0.008元/任务[67] B端市场 - 海外Microsoft、Salesforce等形成完整产品矩阵，Oracle、Workday等企业服务商推动落地[37][69] - 国内厂商在开放场景中灵活尝试，DeepSeek加速短期渗透[72][74] - 头部厂商2025年订单可达过亿元级别[74] 关键趋势 - 从Workflow Agent向端到端自主Agent演进[24] - 单Agent架构向多Agent协作系统升级[26][27][29] - 工程化优化降低Tokens消耗，提升性价比[30][32] - Agent任务长度呈现Scaling-Law指数增长，已达小时级[32][33] 区域差异 - 海外模型即应用趋势显著，OpenAI年化收入超100亿美元[52][53] - 国内付费意愿边际改善，产品化基因局部领先[73] - AI+代码成为最成熟场景，海外收入体量领先国内一个数量级[43][44]