智能体泡沫：当数字管家变身“弗兰肯斯坦”，谁将为那失落的黄金买单？

TL;DR：

曾被奉为人工智能下一圣杯的通用AI Agent，正遭遇商业化的严峻挑战，其过度依赖大型模型API、成本高昂且价值模糊的模式，导致市场泡沫迅速破裂。成功的路径正转向垂直细分领域，通过明确的投资回报率、数据壁垒与生态建设，方能从“烧钱”游戏走向可持续盈利。

曾几何时，科技界对“AI智能体”（AI Agent）的憧憬，犹如淘金热时期对那一片片据说蕴藏着无尽财富的矿区。今年3月，随着Manus的横空出世，一段“智能体自主完成任务”的演示视频在网络上掀起狂澜，仿佛预示着一个由数字管家主宰的新时代即将降临。200万用户蜂拥而至，内测码被炒至天价，硅谷的顶级风投亦闻风而动，_7500万美元_的巨额注资将Manus的估值推向_5亿美元_的高峰，一切迹象都指向：AI的下一个“ChatGPT时刻”业已到来。

然而，短短_130天_，这场由屏幕上的流畅演示所点燃的狂欢便戛然而止。当首批尝鲜者拿到那张昂贵的“入场券”（每月_19至199美元_）时，他们赫然发现，期望中的全能助手竟是一堆随时可能“卡壳”的模型能力剪辑与拼接。用业内人士更不留情面的话来说，这不过是“AI套壳智能体”——一个依赖于OpenAI的GPT-4和Anthropic的Claude等第三方大模型API的“数字傀儡师”，一旦脱离预设脚本，便手足无措，甚至能将猫狗的和谐画面“缝合”成一个怪诞的“弗兰肯斯坦”式生物¹。Manus的窘境并非孤例，另一家明星Agent企业澜码科技也因融资断裂而陷入困境，这不禁让人反思：这场对通用智能体的集体迷恋，是否终将演变成一场泡沫的破裂？

通用Agent：从“空中楼阁”到“皇帝的新衣”

这股破灭的幻象，其根源在于通用AI Agent所患的“大模型依赖症”与“泛而不精”的通病。市场上的通用Agent产品，其核心竞争力并非源于原创的底层技术，而是对现有头部大模型API的简单调用与封装。这种“接收输入→调用模型→解析输出→展示结果”的简陋逻辑，虽开发门槛低、上线速度快，却也意味着极度的同质化和脆弱的护城河。金沙江创投的朱啸虎曾一针见血地指出，“90%的Agent市场会被大模型吃掉”²，这无疑是对那些仅靠“讲故事”吸引资本，却缺乏核心技术壁垒的“缝合怪”们的当头棒喝。一旦大模型接口价格上涨或政策生变，这些“空中楼阁”便摇摇欲坠。

更令人担忧的是，这些号称“全能”的通用Agent，在实际应用中往往流于宏大叙事，却缺乏清晰的产品定位。它们试图包揽从简历筛选到股票分析的各项任务，结果却像一把过于钝的瑞士军刀，看似功能繁多，实则无一精通。麦当劳与IBM合作开发的AI Agent，在真实餐厅环境下因频繁出错而被迫放弃，便是企业客户对这种“技术泡沫”投出的不信任票。当投入巨资却换不来预期的效率提升，投资回报率（ROI）的考量，便会毫不留情地击碎那些美好的科技幻想。

高昂的运营成本与模糊的商业价值，更是压垮骆驼的最后一根稻草。通用Agent需要调用多个大模型API，其token消耗量远超专业Agent，加之任务泛化性带来的巨大算力与工程资源投入，使得其成本居高不下。然而，许多初创公司却盲目沿袭互联网时代的“先圈用户后变现”模式，忽视了通用服务的高成本特性。这种“高成本、低转化”的矛盾，一旦遭遇资本寒冬，便迅速演变为现金流危机。Gartner的预测犹如一记警钟：到2027年，约40%的AI Agent项目可能因成本失控或商业模式不清晰而被淘汰¹。Manus的故事，不过是这场大浪淘沙中，第一块被潮水冲刷上岸的礁石。

突围之路：从“秀肌肉”到“造血机”

在这一片“哀鸿遍野”之中，仍有少数企业逆势而行，不仅存活下来，更跑通了可持续的商业模式。它们的成功并非源于更宏伟的愿景，而是扎实的“技术+场景”落地，以及对商业价值锚点的深刻理解。

首先，“小而美”优于“大而全”。那些试图打造“万能助手”的通用Agent，最终发现自己既无法超越通用大模型，又难以在具体场景中真正落地。而成功者，如GenSpark，则在垂直领域深耕，将智能体深度嵌入客户的业务流程，从而建立起技术和数据壁垒。GenSpark在发现AI搜索领域已被巨头垄断后，果断转型聚焦办公自动化、数据分析和文件管理等企业刚需场景，在短短_45天内实现了3600万美元的年度经常性收入_¹。其金融行业客户撰写投资研究报告的时间从三天缩短至八小时，学术机构用户文献综述效率提升_50%_¹。这些实实在在的效率提升，远比那些“改变世界”的空洞宣言更具说服力。

其次，解锁客户的_“付费意愿”至关重要。企业客户购买AI Agent，绝不仅仅是为了其技术概念，而是为了可量化、可审计、可节省成本的解决方案。Salesforce的Agentforce之所以能在上线一年内吸引_5000家机构部署并实现10亿美元年化收入¹，正是因为它兼具“可解释”和“按需付费”两大特性：每个AI决策都能回溯推理过程，降低了企业信任门槛；同时提供按对话次数付费的灵活模式，使成本结构更为透明。这表明，在商业世界里，算法的优雅远不如其带来的真金白银更具吸引力。

最后，构建_“数据反哺与社区创新”的生态护城河，是实现长期增长的关键。在技术日新月异的时代，产品必须“越用越聪明”。成功的专业型Agent通过在真实场景中收集大量用户反馈，构建数据闭环，进而反哺智能体快速迭代。例如，医疗Agent PathChat在积累了大量独家医学数据后，其肿瘤识别准确率从_78.1%提升至89.5%¹，进一步巩固了其专业护城河。而Salesforce通过开放Agent平台，允许第三方开发者创建应用，进一步丰富了平台功能，形成良性循环，将单一产品提升为难以撼动的生态系统。

简而言之，那些在AI Agent寒冬中仍能挺立的企业，无不是将技术与特定场景深度结合的务实者。他们洞察市场的真正需求，而非沉迷于炫技。Manus的故事或许是对急功近利的警示，它提醒着整个行业：AI Agent的使命，在于成为人类的得力助手，而非资本游戏中的空中楼阁。任何渴望超越昙花一现的技术，唯有脚踏实地、聚焦真实场景、创造可量化的价值，才能真正走出困局，迎来属于自己的春天。

引用

• AI Agent
• 商业化困境
• 通用智能体
• 垂直AI
• 投融资泡沫