文章核心观点 - AI Agent 在 2025 年接过生成式 AI 大模型的接力棒，成为创业投资市场最拥挤的赛道，但做出一门能收上钱的生意需要穿越无数个“看起来很美”的幻觉 [5] - AI Agent 创业潮由多重因素驱动，包括技术门槛降低、大厂人才溢出、国家战略支持及市场快速增长，但风险资金趋于谨慎，投资向头部集中 [9][10][11] - AI Agent 的机会在于基座模型做不到的事情上，如垂直行业专家，其成功关键在于找到真需求、实现产品市场匹配（PMF）并触发数据飞轮效应 [14][17][18] - AI 创业存在“AI 幻觉”，误以为最难的是做出产品，实则挖掘真需求、应对基座模型能力吞噬及解决数据线上化等业务挑战更为关键，最终挑战回归到“人”的问题 [20][21][23][24] 一、AI加持下的又一次创业潮 - 创业潮兴起：AI Agent 创业潮始于 2025 年初，由 Manus 率先打开市场，随后大厂迅速跟进，成为 2025 年种子轮投资的流行赛道 [8] - 驱动因素： - 技术门槛降低：AI 编程工具（如 Cursor、Lovable、Claude Code）让非专业开发者也能快速构建原型 [9] - 人才溢出：互联网大厂离职员工加入创业，例如百度原副总裁景鲲创立的 MainFunc（产品 Genspark）种子轮获 6000 万美元，一年半内融资超 4 亿美元，估值达 12.5 亿美元；钉钉原副总裁王铭创立的攀峰智能获数千万融资；截至 2026 年初，仅字节离职员工创立的 AI 公司就超过 30 家 [9] - 活动与政策支持：AI 主题黑客松（Hackathon）在一二三线城市、高校及大厂广泛举办；2026 年政府工作报告首次写入“智能体”，国家战略定位升级 [10] - 市场规模与融资：2025 年中国 AI Agent 行业市场规模达 182.34 亿元，同比增长 78.03% [10]；头部项目吸金能力强，估值水涨船高，但投资机构对大量中小创业者倾向于“少而分散”的策略 [10]；风险资金更加谨慎，倾向于跟随头部机构跟投 [11] - 二级市场与创业趋势：智谱、Minimax 等公司上市为投资方带来成倍回报，月之暗面等公司在排队上市 [11]；核心人物呈现年轻化趋势，投资机构青睐年轻的“小天才”，例如高三学生陈广宇参与 KIMI 研发并受马斯克点赞，成为创投圈的金字招牌 [12] 二、Agent靠什么超越基模能力？ - 机会定位：AI Agent 的机会在于基座模型无法直接解决的专业场景，需要具备行业知识、问题解决能力和主动性，扮演“行业专家”角色 [14][17] - 垂直行业应用案例： - 法律行业：Quote.law 是一个面向法律专业人士的 AI Agent 协作平台，旨在改造材料分散、工作低效的古老行业，其长期愿景是成为“法律领域的支付宝” [15][16]；阿育法则专攻 B 端数据合规，将律师经验沉淀为 Prompt 与 Memory 数据库，帮助中小企业以约 2 万至 2.5 万元的成本替代原本六位数的律师费 [16] - 制造业：语核科技为制造业企业搭建“基座+私有数据”的 Agent 系统，例如帮助造船厂的新人业务员在 Agent 辅助下快速输出过去需资深工程师数周才能完成的售前方案，实现流程自动化改造 [17] - 成功关键要素： - 找到真需求：避免点子新颖但无市场的项目，需验证用户是否愿意付费 [17] - 验证产品市场匹配（PMF）：例如先找到 100 个愿意付费的用户 [18] - 团队能力：既懂业务又懂技术的组合更容易吸引投资人 [18] - 触发平台效应与数据飞轮：用户越多，Agent 积累的私有语料和行为偏好越丰富，输出质量越高，用户粘性越强；企业客户业务流程一旦嵌入 Agent，替换成本很高 [18] - 挑战与悖论：大多数 Agent 创业公司尚未跨越“冷启动”阶段以触发数据飞轮便已出局 [18] 三、创业的“AI幻觉”和“人的问题” - “AI幻觉”：AI 降低了产品制作门槛，但形成了新的幻觉——误以为“创业最难的是把产品做出来”，实则挖掘真正的需求才是核心挑战 [20]；市场存在泡沫，部分订单源于追求 AI 潮流的 FOMO 心态，而非真实持久的需求 [20] - 外部竞争压力：基座模型能力不断增强（如上下文扩展至百万 Token），正在吞噬部分原本需要 Agent 架构解决的需求，使仅依赖提示词工程和轻量级封装的 Agent 面临生存压力 [21][22] - 数据挑战：垂类 Agent 的优势在于处理未被线上化的数据，但这些数据可能因从业者自我保护、经验非标准化或伦理原因（如医疗、网络安全行业）而“永远不会被线上化”，构成发展障碍 [23] - “人的问题”：创业最大挑战回归到“人”，包括找到既懂复杂业务又对新科技敏感的合适合作者，以及团队内部（如业务与技术背景创始人之间）的有效沟通 [24]；AI 并未降低“懂业务、懂技术、懂人”的综合门槛 [24] - 历史轮回：技术发展常经历从工具崇拜到泡沫破裂的轮回，只有解决“永恒问题”的创业者能在退潮时立足 [25]