当前Agent的发展进行到了什么阶段

尽管尚未有明确的产品定义，但Agent类别与应用场景已迅速丰富。工程师流程调优与否对应Agent发展的两条不同路线。学界普遍认为Agent需要具备规划能力；而业界如OpenAI仅强调Agent能够独立完成任务； Anthropic则将Workflow和Agent进行了明确划分。当前随着大模型、 NLP与多模态等技术不断发展， Agent类别与应用场景迅速丰富，有望迎来价值落地。

中美大厂Agent发展思路存在差异，B端厂商则均关注平台化布局。对比当前海内外AI Agent布局现状：北美云厂商主要关注帮助客户高效部署模型和Agent，而B端厂商更聚焦打造Agent创建和管理平台；国内互联网大厂Agent布局仍延续互联网时代用户流量逻辑，通过类“Manus”的通用Agent产品抢占用户，B端企业则类似北美，基于AI/Agent平台选取有价值的产品进行落地。

Agent类产品对算力消耗大，关注后续技术突破->商业化落地拐点。从Manus定价及表现推断，Agent对话交互Token消耗或达十万以上，远超chatbot类AI产品，我们认为原因主要如下：1）长上下文窗口对token的消耗量大；2）多Agent/工具通信造成token量增长；3）验证模块对token的大量消耗；4）多模态场景token消耗量更大；因此AI底层算力需求仍然是产业不可或缺的一环。此外，当前Agent落地仍面临意图混淆、多Agent合作、幻觉等多种问题，学界及业界均积极探索，技术迭代下商业化规模落地可期。