WAIC 2026规模史上最大，Agent成为全场最高频词。但同一天，美银调查显示45%基金经理认为AI泡沫是最大风险，某头部厂商复盘56%的Agent项目死在工程层。这面照妖镜照出的，是真革命还是大泡沫？
上海世博展览馆，10万平米，1100家企业，3000多项展品。你猜出现频率最高的词是什么？
不是"大模型"，不是"算力"，是Agent。
从百度的搭子到企业微信的"大圆"，从阿里云的Agent Native Cloud到腾讯的企业级智能体开发平台ADP4.0——每家展台都在喊同一句话："我们落地了。"
但就在WAIC开幕同一天，大洋彼岸传来了一个不太和谐的声音。
01 照妖镜第一照：45%基金经理说"泡沫"
7月17日，美国银行发布了7月全球基金经理调查。结果显示：45%的受访者把"AI泡沫"列为当前最大的尾部风险，大幅超越了"第二波通胀"的26%。
一个月前，这个数字还只有28%。一个月内跳了17个百分点。
更有意思的是，独立分析师Ed Zitron直接把OpenAI称为"业界雷曼兄弟"——意思是一旦它倒下，整个AI市场会像2008年雷曼倒闭一样引发系统性崩盘。OpenAI已经在6月秘密提交了IPO申请，目标估值1万亿美元。
你想想，一个还没盈利的公司，估值1万亿。这不是泡沫什么是泡沫？
但说实话，基金经理的担忧也不完全是空穴来风。他们的逻辑是这样的：
AI基础设施投资额巨大——英伟达单季收入破5000亿人民币，全球AI资本开支今年预计超过2万亿。但回报呢？拿着顶流融资的AI明星公司开始批量倒闭，Yupp这类曾经的明星创业公司已经撑不住了。
钱花出去了，但没人赚到钱。这句话几乎可以概括当前AI行业最核心的矛盾。
不过，我的判断是：基金经理看到的是资本市场层面的泡沫，但Agent是不是泡沫，不能只看股价。得看它到底能不能办事。
02 照妖镜第二照：56%的项目死在工程层
这是最扎心的数据。
7月17日，某头部AI厂商披露了一份内部复盘报告。他们分析了上百个企业级Agent项目的失败原因，结论很反直觉：
56%的失败，来自Harness（执行底座）工程层，而不是大模型本身。
什么是Harness？说白了，就是Agent的"手脚"。大模型是大脑，负责理解意图和做规划。但真正去查数据库、调接口、改文件、走审批流程的，是Harness这一层。
很多企业的做法是这样的：花大价钱买最好的模型，GPT-4o、Claude Sonnet 5、Kimi K3，换了又换。但模型再强，到了真正要执行任务的环节，卡住了。
举个例子。一家做电商的客户，想让Agent自动处理退换货。模型层没问题——大模型能理解"用户要退货"，能生成回复话术。但真要走到ERP系统里查订单状态、调用物流接口生成取件单、在财务系统里做退款记账——这些动作需要精确的API编排、错误重试、状态管理。
模型不知道怎么调你的ERP。它只会说"好的，我帮你处理"。
所以这组数据真正告诉我们的是：
Agent的问题不在"聪不聪明"，在"能不能办事"。
展示环节，Agent看起来什么都能做。提问量增长20倍、能写代码、能做PPT、能点奶茶。但一进生产环境，接上真实系统，跑真实业务流程，大量项目就露馅了。
这个"露馅"不是因为模型不够强，而是因为工程层没做好。任务调度混乱、工具调用编排出错、异常处理缺失——这些都是工程问题，不是AI问题。
更有意思的是，根据同一份报告，不同框架之间的Token消耗最多相差4.7倍。多Agent框架的成本是单Agent的3-5倍，但质量提升不足50%。
钱花了，事没办成。这才是Agent落地最大的坑。
03 照妖镜第三照："50%能用，30%纯炒概念"
如果说56%的工程层失败是"想做但没做好"，那还有一批是"压根就没想做"。
有篇在技术圈刷屏的文章，把市面上的Agent分了三类：
- 真落地的（约20%）
：代码开发、数据分析、客服自动化，这些场景任务边界清晰、成功率高 - 看着能用实际很坑的（约50%）
：自动写方案、自动运营社媒、自动采购——"看着像那么回事，细看全是废话" - 纯炒概念的（约30%）
：PPT做得漂亮，demo跑得溜，但一问生产数据就顾左右而言他
你算算，真落地的只有20%左右。剩下80%，要么是半成品，要么是空气。
这个数据跟IDC在WAIC上预发布的报告形成了一种微妙的反差。IDC说：全球活跃Agent数量2025年是2860万个，2026年达到7940万个，2030年增长到22.16亿个。
听着很猛。但"活跃Agent"怎么定义？一个用户每天跟它说一句话就算活跃？还是会话时长、任务完成率、实际业务价值这些指标才算？
说白了，DAA（日活智能体数）这个指标，跟当年移动互联网时代的DAU一样，可能掩盖了很多问题。一个App日活1亿但人均使用时长30秒，跟日活100万但人均使用30分钟，完全是两回事。
数据不骗人，但定义数据的人会。
04 反面参照：千问送奶茶和"业界雷曼兄弟"
说到Agent"能办事"和"能崩"，不得不提今年2月的"千问送奶茶"事件。
当时阿里千问上线了一个功能：用户说一句话，Agent就能自动帮你点奶茶。听起来很酷，对吧？结果上线当天，全民薅羊毛，服务器直接崩了。
崩了之后呢？阿里复盘了三重技术瓶颈：高并发下的意图解析延迟、第三方接口的限流机制缺失、以及最关键的——Agent在异常情况下的降级策略。
说白了，就是"能办事"和"办好事"之间，隔着一个完整的工程体系。
而国际市场上，情况也没好到哪去。OpenAI被叫做"业界雷曼兄弟"，不是因为它的技术不行，而是因为它的商业模型还没跑通。月烧数亿美元的训练成本，收入增长但亏损也在扩大。一旦IPO估值不及预期，整个AI赛道的信心都会动摇。
Agent最大的风险不是技术不够强，是商业模型不够真。
05 但真正落地的，是什么？
说了这么多泡沫，那Agent到底是不是全是空气？
不是。
WAIC上我看到了几个真正在做"生产级Agent"的案例，值得说说。
企业微信的"大圆"：不是聊天机器人，是嵌在工作流里的AI助理。你在企业微信任何工作界面左滑就能唤起它，它能看到你当前的工作上下文，帮你处理具体的审批、日程、文档任务。关键在于——它不是独立App，是长在已有业务系统里的。这意味着工程层的集成问题被天然解决了。
阿里云的Agent Native Cloud：把"Agent原生"做到了基础设施层面。不是"在云上跑Agent"，而是"云本身就是为Agent设计的"。开发平台、云桌面、基础设施三层打通，企业不用从零搭执行底座。
百度的搭子：入选WAIC"镇馆之宝"，日均用户提问量增长超过20倍。它的特点是什么？场景足够窄。它不做"万能Agent"，只做搜索和问答场景。场景窄，任务边界就清晰，成功率自然高。
这几个案例有个共同点：它们都不是在做"通用Agent"，而是在特定场景里把工程层做扎实。
通用Agent就像万金油，什么都懂一点，什么都做不深。垂直Agent就像专科医生，只看一个领域，但看到极致。
我的判断是：2026年下半年，真正能跑出规模化营收的Agent公司，一定是垂直场景的。通用Agent的坑太深，不是一家公司能填满的。
06 判断：不是泡沫，但鸿沟比你想的深
回到开头那个问题：AI Agent到底是真革命还是大泡沫？
我的回答是：两者都是。
Agent作为技术方向，不是泡沫。它代表的是AI从"能聊"到"能办事"的跃迁，这个趋势是真实的。当IDC预测2030年全球活跃Agent达到22亿个的时候，我相信这个数字大概率会兑现。
但Agent作为当前的市场热度，有泡沫。很多公司在没有解决工程层问题的情况下，拿着demo去融资、去上市、去喊"落地了"。这批公司里的相当一部分，会在未来12-18个月内被市场筛掉。
筛掉它们的不是竞争对手，是真实的生产环境。
展示Agent和生产力Agent之间，隔着一整条鸿沟。这条鸿沟叫工程层——任务编排、工具调用、错误处理、状态管理、异常降级。这些东西不性感，没人愿意在展台上展示，但它们决定了Agent能不能真正跑起来。
WAIC上展示的是前50%——炫酷的demo、流畅的对话、惊人的数据。照妖镜照出的是后50%——56%的失败率、50%的半成品、45%基金经理的泡沫担忧。
最后说一句：活下来的Agent，不是最炫的，是最能办事的。
— AI智链未来 — 用大白话讲 AI、web3圈的事 |