AI Agent，正在杀死 toB 软件

去年年底，OpenAI创始人奥特曼在首届开发者大会上放了个预言：未来各行各业，每个人都能拥有一个AI Agent。紧接着，比尔·盖茨也发了一篇千字博文，断言AI Agent会彻底改变人机交互的方式，甚至碘伏整个软件行业。大模型的浪潮还没退，AI Agent的风口又来了。

国内这边，科技巨头们也没闲着。钉钉推出了AI PaaS，百度智能云拿出了千帆大模型平台，各自都在抢滩布局。说白了，随着大模型的不断迭代，AI Agent爆发的那个节点，已经越来越近了。

AI Agent“寒武纪”，大爆发

什么是AI Agent？

作为新生事物，AI Agent目前还处在从理论走向应用的探索期。2023年6月，OpenAI的应用研究主管Lilian Weng给出了一个很经典的定义框架：

到了2024年的红杉资本人工智能峰会上，吴恩达进一步补充，认为Agent应该具备四种核心能力——反思（Reflection）、使用工具（Tool use）、规划（Planning）以及多智能体协同（Multi-agent collaboration）。

可以看到，业内几位大佬的认知基本是趋同的。通俗点讲，Agent就是一个能感知环境、自主决策、执行复杂任务的智能实体。现阶段，它主要靠大语言模型（LLM）驱动，再加上记忆、规划和工具调用这几个关键模块来落地。

AI Agent，大爆发

大约5.4亿年前的寒武纪，绝大多数动物“门”在短短两三千万年里集中间出现，地球生命迎来了一次大爆发。今天的大模型领域，有点像那个场景——BabyGPT、AutoGPT、Generative Agents这些实验性产品接二连三地冒出来，让人恍惚觉得，大模型的下半场正在经历一场属于硅基生命的“寒武纪大爆发”。

就像生命演化一样，未来的Agent世界里，应用层会涌现出越来越多的新物种。它们会不断升级迭代，进化出更复杂的智能形态。虽然目前Agent能做的事情还比较有限，但像HuggingGPT这样的项目，已经在局部模块上展示出了使用工具的潜力。随着技术逐渐成熟，Agent最终会像人类的进化那样，做到独立思考、自主执行，并自动解决各种问题。

中国VS美国，AI Agent发展现状

中国：巨头引领，初创涌动

投资圈里流传着一个说法：十个AI应用里面，五个是办公Agent，三个是AIGC。作为公认的大模型落地最佳载体，Agent在国内的发展势头，用“百舸争流”来形容一点不为过。

首先是巨头引领。前面提到的钉钉AI PaaS和百度智能云千帆大模型平台，走的都是平台模式，给中小公司提供基础设施，类似OpenAI的GPTs。AI PaaS包含了模型训练平台、模型调度平台和插件开发平台三部分。最底层是AI基础设施，第一层开放了各类通用大模型和插件，企业可以调参打造专属模型；第二层是模型调度平台，涵盖上下文记忆、智能规划、模板管理、通用能力和提示工具。基于这些能力，生态内的企业就能开发出各种各样的AI应用。而百度智能云千帆大模型平台，同样由AI基础设施、基础管控平台、通用大模型训练、提示工程、模型精调等模块构成。两者各有千秋：百度的大模型训练功能更细化丰富，钉钉则更注重简化流程、降低使用门槛。

除了大厂，专注应用层的创业公司也盯紧了Agent。它们船小好掉头，尤其在垂直领域，更容易快速创新、推出针对性的产品和解决方案。比如面壁智能一口气推出三款产品：XAgent是能自行拆解复杂任务的超强AI智能体应用框架；AgentVerse是一个让Agent扮演角色、彼此互动的通用平台；ChatDev则是基于群体智能的AI原生应用开发平台。还有至简天成推出的1024Code，以自研的云端编程环境1024PaaS为核心，通用大模型为基座，耗时近一年打造了一套自主决策链AI Agent，能够感知编程环境、自主阅读代码、运行并Debug。

美国：先发优势明显，场景大爆发

在整个AI领域，美国的先发优势是明摆着的，Agent也不例外。不仅技术上领先一步，应用场景也丰富得多。比如微软的AutoGen、OpenAI的GPTs、编程领域的Devin、客服领域的Agent4、零售领域的Regie.AI等等。

AutoGen允许多个LLM智能体通过聊天来解决任务。这些智能体可以扮演程序员、设计师等各种角色，对话过程中就把问题解决了。OpenAI的GPTs则允许任何人创建一个定制版的ChatGPT，帮你学棋盘游戏规则、教孩子数学，或者设计贴纸，完全不需要编码知识。Devin更夸张，它能规划并执行涉及数千个决策的复杂工程任务，每一步都能回忆相关上下文，还能随时间学习并纠正错误，甚至能在几分钟内自行编写整个应用程序。Agent4可以理解自然语言，与用户流畅对话，根据需求和偏好提供个性化服务，还能接听各种品牌的客服话务，按照知识库准确回答客户问题。Regie.AI则专注于零售和电商，能创建自定义销售序列、编写高度个性化的邮件，并与Outreach.io、SalesLoft、Hubspot等平台集成，大幅缩短营销见效的时间。

AI Agent离我们还有多远？

“大脑”还不完善

在AI领域，大模型被看作Agent的大脑，“多模态大模型+Agent”也被认为是通往AGI的可行路径。Agent可以通过不断学习来适应变化的环境，既能胜任已知的多模态任务，也能快速应对未知的挑战。但问题在于，人们期待的是具有真正创造力的Agent——能自主探索环境，发现新的策略和解决方案。

现实是，目前的大模型“大脑”远没有完善到那个程度。这也是大模型还没实现AGI、多模态技术（如图片视频的识别生成）仍在发展中的最大Bug。原因主要有两点：第一，模型迭代远比想象复杂，需要持续大量的财力和人力投入，更新周期很长；第二，数据限制。大模型训练需要源源不断的新数据、新知识，但目前主要依赖自有数据，获取外部数据面临诸多实际困难，这些都直接或间接地拖慢了大模型的发展。

“手脚”还不够强壮

现有的网站和App接口，就像是Agent的手脚。一个健康的API生态对AI Agent的发展至关重要。如果有足够多的网站和App提供公开的API，并且这些API遵循统一标准，Agent就能通过调用它们扩展功能和应用范围。比如，一个Agent可以调用各种API获取信息，提供更丰富、更个性化的服务。

遗憾的是，目前的API生态还没建好。一方面，很多网站和App没有提供公开API，或者提供的功能有限——携程的机票酒店接口、美团的外卖接口、滴滴的打车接口等等，能够开放给Agent的还不够多，限制了Agent的能力边界。另一方面，即使有API，也缺乏统一标准，导致Agent使用时需要花大量时间适应不同的设计和调用方式。

缺乏Agent通用外部框架

统一的底层开发框架，能为Agent提供共享服务和功能，包括数据处理工具、模型训练和测试库、部署监控工具等。有了它，开发者就不用从零开始搭建所有基础设施，开发效率会大幅提升。

如果没有这样的框架，每个Agent都得从地基开始盖。开发者需要自己实现理解、推理、决策、学习等各种能力，工程量之大、成本之高，可想而知。

百花齐放才是春天

在Agent开发领域，目前国内外一些大型平台和公司已经在积极研发并推出应用，比如国内的钉钉、百度，国外的微软、OpenAI。但相比“一枝独秀”，形成“百花齐放”的健康生态显然更重要。这需要更多中小型软件服务商参与进来。

中小型服务商对特定业务场景的理解往往更深，他们开发的Agent能更好地满足用户需求。比如一家专注电商的服务商，可能会开发出根据用户购物历史和喜好做个性化推荐的Agent。另外，由于规模小、灵活性强，他们在开发时能更快尝试新技术和方法，从而推动整个行业的技术创新。

AI Agent，革了toB软件的命

toB软件生态革命来了

AI Agent正在一点点改变面向企业的软件行业。未来的企业，会更依赖钉钉、飞书、企业微信这类集成化平台——打卡、考勤、流程审批、OA、ERP、CRM，所有功能都“长”在平台上。用户不用离开一个平台就能完成所有工作，体验更流畅，成本更低，效率更高。这个趋势带来的结果是：未来独立入口的toB软件会越来越少。毕竟，谁愿意在多个软件之间来回切换？低效、费时、还费钱。

AI Agent加速淘汰toB软件

哪些toB软件会被加速淘汰？简单数据分析类、标准流程类（OA、业务、营销、财务等）、执行自动化类（RPA软件）、轻咨询类、传统教育类。

这类软件负责处理和分析海量数据，帮企业做决策。但随着大模型技术发展，AI平台能提供更智能的数据分析和预测服务，传统数据分析软件相形见绌，被取代是迟早的事。

大模型强悍的数据处理和学习能力，可以通过分析大量办公数据，自动化处理那些重复性高、规则明确的任务。OA、业务审批流、营销自动化等标准化程度高的软件，面临的风险不小。

RPA的优势是模拟人类操作，替代重复性高、规则明确的任务，比如财务账务处理、客服自动回复。但缺点也很明显：无法处理复杂变化的流程，需要人类决策的任务不适合，而且配置和编程的门槛较高。而基于自然语言处理和机器学习的AutoGPT，能自动理解、学习和模仿人类工作，正在让RPA逐渐“失宠”。

这类软件帮企业了解行业动态、市场趋势和竞争状况。但大模型提供的智能化行业分析和咨询服务显然更胜一筹、也更便利。未来不只是软件，整个轻咨询行业都会受到巨大冲击。

相比编程教育、英语陪练等传统线上教育软件，AI大模型能自动生成教学方案，提供更个性化、精准的内容，减少对人工教学的依赖。

三类软件，会越来越好

当然，也有三类软件不仅不会被淘汰，反而会越来越重要：复杂业务管理软件、拥有稀缺数据的软件、行业管理软件。

ERP、WMS、TMS这类软件，帮企业实现资源优化配置、进销存管理和运输监控。它们处理的数据量大、流程复杂，需要结合企业实际情况做定制化开发。AI可以提供辅助，但想完全取代？很难。

精密制造、离散制造等工业软件，以及新药研发管理、设备生产管理等行业软件，通常处理高度专业化的数据和算法。这些数据和算法本身就是稀缺资源，只有少数企业能拥有。再加上处理这些专业知识时，人类的经验和判断仍有重要作用，门槛高，AI大模型短期内难以替代。

设备生产管理、新药研发管理这类软件，帮助企业在研发、生产、质量、物料等方面实现规范化、流程化和标准化。不同行业的业务和管理模式差异巨大，AI技术很难针对每个行业开发出通用的管理软件。

toB软件，不出众就出局

不出众，就出局

AI大模型正在一步步蚕食toB软件的市场份额，这个趋势越来越清晰。但这不代表toB软件只能坐以待毙。恰恰相反，正是由于对行业的深入理解，toB软件公司可以根据行业特性和需求，定制开发AI Agent，提供更精准有效的服务。比如一家服务医疗行业的软件公司，可以开发出帮医生分析病历、提供诊断建议的Agent，这是外行很难做到的。

相比之下，Google、Amazon等科技巨头虽然在AI技术上实力雄厚，但基于时间和资源成本的考量，他们无法也不愿意深入到每一个特定行业、去理解那些细碎的需求。而这，正是toB软件行业“向死而生”的关键路径。

打不过就加入

AI发展到今天，有远见的toB软件从业者，必须懂得“抱大腿、找大哥”。打不过就加入，不丢人。管它是钉钉AI PaaS还是百度智能云千帆大模型平台，能“为我所用”就是好的。在这些平台上选择适合自己的模型和算法，快速开发和部署AI Agent，底层基础设施和运维都不用操心。而且，toB软件还能通过平台服务获得更多客户，既增加了营收，又收集了更多数据，怎么算都划算。

乔布斯说过：“人们不知道他们想要什么，直到你向他们展示它。”AI Agent正在向越来越多的世人和潜在用户展示它难以匹敌的能力和效率。toB软件行业和从业者们，是时候该动起来了——要么与时俱进，薅AI时代的羊毛；要么调整方向，另做选择。总之，不能原地不动了。