文｜新眸 鹿尧

当我们谈论Agent时，究竟在谈论什么？

是替代人类的数字劳工，还是辅助决策的智能伙伴？

今年初，一场由Manus引发的产品井喷，吸引了行业对“智能体价值”的集体审视。作为承接大模型落地的关键形态，Agent被普遍认为即将重构人与机器协作的基本范式。

这场热潮中，对“时间窗口”的把握显得尤为重要，杨通2016年创立的开为科技（KiWi），在Manus上线后的一个月内，迅速推出了对标产品Roles Space（螺丝空间），通过自然语言生成初步流程，自动拆解任务后输出结果。针对“Agent技术护城河不高”的争议，他坦言，“随着LLM开源、MCP协议标准化，基础技术确实不再是独家秘方。”

在他看来，现在的AI创业早已过了技术垄断的阶段，而是进入“产品驱动+运营驱动”的综合竞争。但也同时强调，Agent的壁垒，或许在于对场景的解耦——把多智能体协作、长周期规划、工具调用等技术模块，整合成可落地的“任务级解决方案”。

争议的焦点在于，Agent是否真正解决了“复杂问题处理”的痛点。数据显示，当前主流Agent产品在单轮对话场景（如信息查询）的完成度可达80%以上，但在涉及多工具调用、长周期规划的复杂任务中，成功率骤降。

作为一个连续创业者，从社交APP、计算机视觉，到如今的Agent，当行业陷入“Agent万能论”与“泡沫论”的争辩时，杨通对AI的看法带着技术人的理性与创业者的敏锐。

他承认Agent的空间远超机器视觉（“市场规模可能是百倍千倍”），但拒绝空谈技术颠覆，而是聚焦“如何让智能体真正进入企业workflows”；看好MCP协议的革命性，但也坦言“长周期规划、多智能体协作仍有技术卡点”；相信人机协作是未来，但强调“人类永远需要在关键环节‘踩下刹车’”。

“现阶段Agent能完成70%的执行性工作，比如数据清洗、报告生成、流程自动化，但剩下30%的策略决策、创意判断、风险鉴别，必须由人类主导。”

这个赛道的争议从未停歇。

随着百度、字节等大厂入局，Agent竞争愈发复杂。大厂的优势是流量与资本，但也受制于“大象转身”；创业公司的机会，或许是大厂不愿涉足的“深水区”，但当大厂开始复制小而美模式，他们的差异化能维持多久？

面对国内C端AI产品的盈利困境，用户付费习惯尚未养成，高昂的GPU成本让市场成为‘烧钱战场’，如果转向B端，又如何界定可量化的ROI，让企业愿意为“数字员工”买单？

一系列追问之下，这个新兴领域的未来，既不取决于技术参数，也不依赖资本故事的包装，而在于那个最朴素的问题：它是否让人类的工作与生活，变得更简单、更高效、更有尊严？

在技术泡沫与务实创新的博弈中，问题的答案，将预言Agent是否真的是改变世界的开端。

以下是《新眸》和杨通的对话精选：

01、理性看待争议，技术壁垒的相对论

新眸：从机器视觉转型AI赛道，开为转型的关键契机是什么？

杨通：对于大厂来说，转型可能意味着放弃原有优势，但对初创公司，转型是主动拥抱更大的机会。

当时主要考虑两点，首先是技术迭代的窗口期。十年前ResNet的出现让计算机视觉准确率明显提升，催生了AI四小龙。但近年来，Transformer架构和大模型带来了更颠覆性的机遇——NLP让AI从“理解图像”进阶到“理解世界”，结合虚拟世界与物理世界的交互接口，Agent具备了规划、协作、使用工具的能力，其中的商业价值和市场空间远超单一的计算机视觉。

其次是考虑到市场逻辑的本质区别。我们原先业务主要是ToG和部分ToB，本质上仍是互联网经济的延伸；现在通过MCP协议将所有SaaS工具“智能化”，使其成为Agent可调用的模块，彻底重构了软件的使用方式。这种变革不仅覆盖ToB领域，还延伸到ToC场景，市场规模可能达到计算机视觉的数十倍甚至百倍。

所以我们判断，这是一个能在全球AI竞争中“换道超车”的关键节点。

新眸：Agent概念近两年爆发式增长，尤其近期市场出现不少类Manus产品。你认为他们的核心竞争力是什么？

杨通：这个问题的核心在于AI创业逻辑的转变。

现在技术壁垒确实不像十年前那样高，大模型开源、开发框架普及，以及Cursor等工具提升工程师效率，基础技术能力已相对标准化。比如Manus的核心优势并非技术独家，而是“先手”和“运营”。

Manus作为一款通用型Agent产品，抢占了市场窗口期，早期的营销快速积累百万级用户，尽管留存率和使用时长未必理想，但凭借流量效应获得BenchmarkCapital等机构大量的融资，估值飙升。这种“融资能力→技术投入→生态构建”的循环，本身就是竞争力的一部分。

简单来说，现在AI创业进入“产品驱动+运营驱动”的全周期竞争。就像当年的Snapchat用滤镜重新定义社交，Agent时代需要重新定义人机交互的“新界面”。

C端产品依赖用户体验和裂变能力，B端则更注重市场拓展与销售落地。短期团队需要在技术和产品设计上建立复合壁垒；长期则取决于资源整合能力——当行业进入成熟期，头部效应会加剧，最终比拼的是融资规模、生态布局和全球化能力。

有争议也并非坏事。对创业公司，市场声量能快速建立品牌认知，只要产品有突出亮点，就能形成融资和迭代的抓手。

新眸：最近有款叫Fellou的产品主打“浏览器+AI+工作流”，声称要颠覆传统浏览器，你对此怎么看？

杨通：Fellou定位是“Agent原生浏览器”，主打的网页内容总结、自动化填表等功能，本质上是Agent在浏览器场景的工具化延伸，而ChatGPT、Manus等通用智能体通过插件形式已能实现类似效果（如用ChatGPT总结网页内容）。用户没有强动机为“专用浏览器”迁移——毕竟Chrome、Safari等主流浏览器的用户习惯、插件生态已非常成熟。

另外必须要考虑的是，浏览器作为入口级应用，成功依赖“自带流量+生态绑定”。回想90年代的IE、如今的Chrome，背后是Windows系统、安卓生态的支撑。Fellou作为独立产品，既没有硬件/系统级流量加持，也未展现出超越现有Agent的独特价值（比如更精准的网页交互、更深度的工作流整合），用户接受度可能会有限。

对比来看，通用Agent虽然也面临留存难题，但聚焦“复杂任务处理”，场景更垂直、痛点更明确。在现有技术框架下，Agent与浏览器更可能是“功能叠加”，而非“颠覆”。

新眸：大厂也推出了一些产品，比如前不久百度的“心响”。

杨通：我也关注了“心响”。它跟Manus这些Agent产品思路不太一样，和传统大模型应用也有本质区别。大模型擅长“快问快答”，Agent是处理“复杂任务”

举个例子：比如你问“新街口哪家咖啡店人气高”，大模型几秒钟就能列出结果；但要是想深入分析“这些咖啡店的客群特点、盈利模式，以及位置对客流的影响”，就需要Agent花更长时间来回搜索数据、交叉验证信息，还要调用不同工具（比如查地图数据、扒行业报告），最后整合出一份完整的分析报告。

相比Roles把智能体拆成了“分工明确的助手”，大家按流程协作。“心响”走的是角色化路线，比如处理法务问题时，会分配不同专业的“律师角色”，做旅游规划时搭配“向导角色”和讲解的数字人。这种模式挺有意思，实际效果得看后续市场反馈。

02、商业化迷雾：C端的泡沫与B端的觉醒

新眸：国内AIC端产品大多面临盈利困境，Agent的商业模式该如何破局？

杨通：这里有个残酷的现实：国内用户很难为通用型Agent买单。高昂的GPU成本、激烈的流量竞争，让C端创业变成“烧钱游戏”。除大厂有流量和资本支撑外，大部分创业公司都把C端业务转向海外了。

但B端市场却展现出截然不同的图景，我们给企业做的方案，核心是让Agent当“数字员工”，让Agent用ERP、CRM这些软件，帮助处理数据分析、报告生成等任务时，最终人工审核，价值变得可量化。

新眸：C端AI产品每天几十款上线，大部分昙花一现，原因是什么？

杨通：随着大模型API开放，创业团队能在几周内搭建出基础Agent框架，不过功能集中在对话、内容生成，缺乏差异化。市面上80%的C端智能体都主打“全能助理”，实际体验与ChatGPT高度重合。

就中美市场来看，用户早已被头部产品（如ChatGPT、Midjourney）占据心智，且对“虚拟助手”的付费阈值很低，每月20美元已是敏感带。创业公司为获取流量，不得不投入高额营销费用，容易获客成本高于收入。

B端的Agent主要是“替代低端操作”，客户愿意为效率提升付费，这也是我们笃定ToB的核心，更看重“可量化的ROI”。

新眸：哪些领域对Agent的需求度较高，愿意付费买单？

杨通：一类是面向办公场景，比如一些嵌入式的工具帮用户自动生成PPT大纲、整理会议纪要，替代了Trello、Notion等传统协作工具功能。再者是传统BI工具，比如Tableau、PowerBI，痛点是操作门槛高，而Agent能通过自然语言指令完成各类任务。最后是AIGC，从图文创作到视频剪辑，Agent正在重构营销内容生产链。

至于C端市场，付费场景集中在“应急”，比如学生写论文时用Agent做文献调研、职场人用其生成PPT大纲，典型产品如Jasper、NotionAI，采用订阅制，用户群体以高频文案工作者、科研人员为主。

新眸：这些产品在国内B端市场的商业模式，和传统SaaS软件有什么区别？

杨通：商业模式并无本质区别，依然以订阅制服务为主，但产品形态和价值交付方式更“智能化”。

新眸：如何突破传统SaaS的瓶颈？

杨通：我们的核心优势在于“AI驱动的降本效率”：传统SaaS开发一个复杂功能可能需要6-12个月，而我们基于大模型和MCP协议，能在1个月内完成同等能力开发。再直白点，盈利周期更短，依托AI自动化，我们2025年三季度基本盈利，而传统SaaS企业平均需要3-5年实现盈亏平衡。这种效率提升让我们能以更低价格提供更优质服务。

新眸：现在AI行业也常提到“先烧钱买流量，再思考变现”的旧模式，您认为未来AI产品的变现逻辑会如何演变？

杨通：AI时代的变现逻辑与传统互联网有本质区别，十年前互联网产品核心成本是人力与获客，而AI产品的算力成本占比超过80%。以200万用户规模为例，仅算力设备投入就可能高达3000万美元，远超人员与获客成本之和。

这种变化导致AI产品必须“上线即变现”，流量越大，算力亏损越严重。例如OpenAI虽用户基数庞大，但高昂的算力成本倒逼其必须快速推出付费版和企业级API收费。

就现在看，C端靠场景化付费。像Cursor、Perplexity等产品，解决高频刚需，以订阅制实现盈利。这类产品的核心是“单次使用价值明确”，用户为具体功能付费。B端是ROI导向的企业服务，客户付费意愿强于纯流量型产品。

新眸：广告模式会被最终选择吗？

杨通：存疑。通用型Agent的用户使用时长碎片化，难以形成稳定广告流量；另一方面，企业级AI产品更注重数据安全与效率，广告植入可能破坏用户体验。目前来看，广告可能仅适用于低算力成本的轻量工具类产品。

新眸：总结来看，AI变现的核心逻辑是什么？

杨通：核心在于“价值可量化”与“成本可覆盖”——无论是C端的“场景刚需付费”，还是B端的“效率提升收费”，本质都是让用户清晰感知“使用收益超过支出”。

与互联网时代“先圈地后变现”的模式不同，AI产品必须在上线初期就证明“商业价值≥成本”，否则将陷入“流量越大、亏损越重”的陷阱。未来成功的AI企业，一定是在垂直场景中实现“高价值密度”的玩家。

新眸：能否举例说明您看好的AI变现案例及其优势？

杨通：C端垂直场景的刚需型产品，比如Cursor，精准定位高频场景，通过“免费试用+高级功能订阅”，程序员日均使用时长超过2小时，付费转化率达15%。还有Perplexity，几乎使用3-5次复杂调研后，付费转化率超过20%，因为“节省的时间成本远高于订阅费用”。

B端企业效率的工具型产品，比如微软Copilot for Business，绑定企业现有工作流成为刚需，还有我们的Roles解决客户实际难题，按任务收费，年度订阅，有60%的客户复购率。

03、大厂的焦虑与创业公司的生存空间

新眸：之前微软把Copilot嵌入Office和Teams，定位成企业工作流的中枢。它和Agent的关系关系是什么，为什么当时会有定位上的争议？

杨通：Copilot是Agent在办公场景的垂直化应用，争议简单理解，是大公司在新旧技术衔接时的矛盾。

2023年刚推出时，Copilot以“插件”形式存在于Word、Excel中，用户通过对话框下达指令，本质是Agent调用Office功能的轻量化形态。这种模式贴合企业现有工作流，降低了使用门槛。

2024年迭代后，Copilot试图整合视觉语言模型、复杂任务和自动化任务，功能更接近通用Agent。但微软面临一个核心矛盾：作为靠Office软件盈利的巨头，既要让Copilot展现智能体的先进性，又不能动摇Office的主体地位，导致功能“既像工具又像平台”，用户难以清晰认知。

对比创业公司，Copilot绑定了亿级用户的办公生态，但传统软件的架构限制了智能体的自由度，高昂的定价策略也让中小客户望而却步。

新眸：百度、字节等大厂产品纷纷入局，创业公司的生存空间在哪里？

杨通：大厂的优势是流量与资源，但庞大的组织架构让他们难以快速转身。比如微软Copilot的转型阵痛。创业公司的机会在于“小而美”的场景深耕，我们之前服务的某跨境电商客户，需要Agent同时对接ERP、CRM、海外社交媒体，这种垂直场景的深度适配，是大厂标准化产品难以覆盖的。

更关键的是，Agent时代正在打破“赢家通吃”的互联网定律。就像OpenAI与Anthropic的竞争推动技术进步，正在构建多元共生的生态。大厂搭建基础设施，创业公司在细分领域开疆拓土，这种“热带雨林式”的生态，最适合技术创新。

新眸：创业公司与大厂竞争比，各有哪些优势？

杨通：这一轮AI革命让所有人站在了同一起跑线，我觉得创业公司的优势更明显：更灵活、更专注、更纯粹。大厂往往受限于原有业务框架，比如百度可能得需兼顾搜索生态，微软要平衡Office原有功能，而创业公司可以彻底聚焦Agent原生设计。小船掉头快，大船资源足，在技术变革期，创新力或许比规模更重要。

新眸：Agent会有终极形态吗？未来三年可能有哪些关键变化？

杨通：终极形态难以定义，但下一阶段的核心变化一定围绕“人机协作深化”，当前Agent需要用户频繁介入每一步操作，未来会进化为“隐性协作”——AI自主规划复杂任务，仅在关键节点请求人类决策。随着多模态交互普及，结合语音、视觉的交互方式会成为主流。用户通语言描述，Agent同步生成演示，过程中自动识别用户表情反馈，动态调整内容。

预计未来3个月内，市场会出现至少5-10款聚焦“低介入度协作”的Agent产品，我们也在研发类似功能，目标是让用户在8小时工作中，有4小时能通过Agent提升效率。

新眸：近两年，您对Agent的认知发生了哪些关键变化？

杨通：确实很多变化。

早期认为Agent是“替代人力的工具”，现在意识到它是“连接一切的生态节点”。以后Agent不仅能调用ERP、CRM系统，还会接入更多企业私有工具，形成“Agent+X”的协作网络。

过去关注模型精度、工具调用效率，现在更注重“场景价值密度”。比如为零售客户开发的智能定价Agent，不是比拼技术参数，而是看能否将定价周期从3天压缩到2小时，是否真正降低了人力成本。

这种变化让我们更聚焦客户真实需求，不是做“全能Agent”，而是成为特定场景的“效率刚需”。

新眸：“人机协作”是Agent的核心形态，这种协作模式会如何改变工作方式？

杨通：理想的Agent不是独立的智能体，而是人类的“数字影子”。比如律师使用Agent会自动检索法律数据库、生成诉讼提纲，但最终决策仍由人类决定，整体来看，最好是“70%机器执行+30%人类决策”。

技术层面，我们正在解决“长周期规划”与“多智能体协作”的难题。当Agent能自主规划复杂任务、动态调整执行策略，并在出错时主动请求人类介入，才算真正协作智能。这不是简单的技术叠加，而是需要将“人类反馈机制”深度融入模型训练，让Agent学会“用错误学习”，而不是一味顺从。

新眸：如何去期待Agent的普及？

现在C端用户感知较弱，解决这一问题的关键，是场景不断下沉与交互不断简化，如同2000年的浏览器、2010年的移动应用，Agent可能经历“工具化→平台化→基础设施化”三阶段：现阶段作为效率工具服务企业与高频用户，未来可能嵌入手机、汽车等终端，成为类似“操作系统”的底层设施，实现“无感化普及”。

新眸：未来五年，开为希望以怎样的定位被行业记住？

杨通：证明Agent的商业价值，留下“AI产品化”的方法论遗产，比如如何将实验室技术快速转化为可落地的企业级解决方案，为后来者提供路径参考。