AI Agent相关技术与产品发展得如何了？
从技术与产品角度看，AI Agent的发展路径已逐渐清晰，应用落地持续推进。其核心架构“底层大模型 + 工具调用 + Agent Infra（环境、记忆、接口、安全等）”初步成型。其中，基础大模型决定Agent的能力上限，需具备任务理解、拆解规划及执行推理能力。 当前AI Agent技术架构可拆解为三部分：底层大模型提供智能基础，工具系统实现功能扩展，Agent Infra则支撑运行环境与系统集成。模型与工具构成核心，Infra则提供开发支持与稳定性保障。
衡量AI Agent能力的重要指标之一是其能完成的复杂任务长度。产业目标是打造可在长链条任务中保持高成功率的Agent，这对大模型的推理稳定性与系统架构提出更高要求。
近年来，AI Agent所能处理的任务长度呈指数级增长。据海外研究机构METR数据显示，在50%成功率下，Agent任务时长已达到小时级。未来有望实现以天、月为单位持续工作的通用型Agent，真正成为下一代生产力工具。
基础大模型的幻觉率降低是实现长链条任务执行的关键。模型能力决定Agent上限，而工具调用则帮助其充分发挥潜能。在各项能力中，代码生成（Coding）与工具调用（Agentic）尤为关键——大量任务依赖代码作为中间介质，因此模型的编程能力直接影响Agent表现。目前，主流厂商正重点投入提升这两项能力。
从技术演进趋势看，AI Agent正经历两条重要转型：
从WorkFlow Agent到端到端Agent
Workflow Agent适用于规则明确、流程固定的场景，已在B端广泛应用；而端到端Agent具备更强泛化能力，可应对动态复杂任务，被视为C端通用Agent的主要发展方向。从单Agent到多Agent架构
单Agent独立完成任务，架构简单；多Agent通过协作分工提升系统整体能力，具备更高可扩展性与问题解决能力，适合处理超复杂任务。多代理协同将成为高级Agent系统的主流架构。
AI Agent的商业化实践有何进展？
C端与B端发展路径分化
C端Agent强调通用性，旨在以标准化产品满足大众用户的多样化需求；B端Agent则聚焦特定场景，深度嵌入企业业务流程，提升运营效率。市场主导力量不同
C端由大厂与创业公司引领：OpenAI、Anthropic、Google等海外巨头持续优化基础模型与开发平台；国内字节跳动（扣子）、阿里（夸克）、百度（如流）也加速布局。创业公司如Manus、GenSpark、Flowith、智谱、Minimax等纷纷推出通用Agent产品，抢占先机。 B端则由企业服务厂商推动落地：Microsoft、Salesforce、ServiceNow等海外SaaS企业已形成完整产品矩阵并实现规模化应用；国内B端软件厂商也在积极跟进。
海外商业化进度领先于国内
海外凭借领先的大模型能力、旺盛的企业IT预算和成熟的数字化基础，在AI Agent商业化上走在前列。2024–2025年，海外B端Agent厂商的订单与收入规模较国内领先一个数量级。模型即应用趋势显现
头部大模型厂商正从“基础设施提供者”向“直接应用提供者”转变。OpenAI、Anthropic等公司年化收入已达数十亿美元级别，其模型既可作为Agent底层支撑，也可直接作为Agent使用。C端订阅与B端调用需求双轮驱动，商业化拐点逐步临近。
AI Agent的商业化拐点或将随通用型产品的成熟而到来。尽管当前全球领先企业的年收入仅数亿美元，短期进展未达预期，但长期来看，市场需求广泛存在，供给端尚未完全匹配。未来需进一步提升大模型能力，并深化应用场景融合，打通商业闭环。
应更关注AI Agent的长期市场空间与竞争格局，而非纠结于短期商业化节奏。随着技术进步与成本优化，AI Agent有望开启真正的智能生产力时代。
本文部分观点和图表摘自中金公司软件、电信和教育研究团队《人工智能十年展望（二十四）：AI Agent元年已至，应用拐点或将到来》（发布日期：2025-7-17）
报告发布机构：中国国际金融股份有限公司