AI Agent 行业的全球图景痴汉，中国和硅谷正在走上两条道路。

硅谷正在缓缓拆掉影响 Agent 发展的墙，从 0-1 的配置次第。从 Anthropic 推出了 MCP 灵通契约，和谐了大模子贯穿讹诈的方式，到谷歌发布名为 Agent2Agent（A2A）的全新灵通契约，配置了 Agent 与 Agent 之间的对话言语。越来越多的互联网公司开动加入 MCP 阵营，包括 Anthropic 的老敌手 OpenAI，硅谷卓越 2000＋企业，国内阿里百真金不怕火平台、魔搭开发社区开动构建基于 MCP 的平台，腾讯云、百度云等云平台也在连接加入。

看起来节律明晰井井有条。

而国内的 AI Agent 界限，则显得愈加躁动。一边 Manus 以"全自动 Agent "的故事引爆着成本上升，另一边则是也曾的行业独角兽澜码科技碰到发展危险，被曝出停薪资、停社保依然卓越三个月，并于近期对数十名职工拔除就业合同。

" Manus 爆火后，投资东说念主把运筹帷幄著述甩给咱们指责‘东说念主家这样牛，你们为什么不能？’" 某 Agent 公司创举东说念主在收到如斯盘问时，她以致找不到合适的言语向资方解释，什么是模块"缝合怪"。但与此同期，这种错杂又在给他们带来实打实的新增订单需求。客户不再问 AI Agent 是什么，而是径直提需求下订单。

它们都指向一个重要的信号：Agent 行业正从"看法考据期"迈入"生态定型期"，本事步调与生意模式的"分水岭"已然显露。在这两种不同的氛围背后，是两种不同的道路，硅谷千里迷于对 AI Agent 制定例则，而中国公司依然在抢跑了。

中国为什么莫得 MCP？

最初咱们必须明确的是：Agent 不单是是一种讹诈形态，将其陋劣对比"超等讹诈"施行上是对其本色的歪曲。Agent 代表了一条全新的产业链，它贯穿并整合了多个本事时弊，需要更动简直扫数这个词互联网生态的软件资源。

咱们陋劣制作了面前 Agent 产业生态的图谱（天然它是动态变化的）以供大家清醒。现时，构建实在通用的智能体需要两个中枢身分：一是遒劲的"大脑"：能够接管任务并进行细巧拆解，对每个门径的微操作都能好意思满践诺，这要求大模子具备遒劲的多模态材干；而是可靠的"当作"，则能够清闲践诺在多样环境中，确保跨平台、跨开发的一致性阐扬。

针对 To C 和 To B 两种场景，对 Agent 的材干要求截然有异：To C 的通用型 Agent 毋庸追求极高准确性，但需要更强的通用性和机动性，依赖遒劲的"大脑"进行决策；而 To B 场景下的"数字职工"则要求极高的准确性，对机动性要求相对较低，更依赖高效清闲的"当作"践诺材干。

因此，行业内简直酿成共鸣：通用型 Agent 深度依赖基础模子材干，本色上是模子厂商材干的延长，会随模子升级而进化，创业公司在此界限能阐扬的空间极为有限。

从这一视角看，Anthropic 作为基础模子厂商率先推出 MCP，并非因其领有最强话语权，而是因其最需要与互联网现存软件生态配置贯穿，杀青底层材干的整合与买通。

硅谷与中国在 Agent 界限的发展各异，恰是两地软件生态长久积贮酿成的根底区别的径直反应。硅谷软件生态以高度步调化和互联互通为中枢特征。制造业 Agent 数字职工打造者语核科技创举东说念主翟星吉精确指出："好意思国市聚积，每个细分场景不时会有孤立的 SaaS 公司提供垂直服务，这使得互通互联成为 Agent 发展的必要条款"。在 SaaS 普及率卓越 80% 的环境下，Salesforce、Slack 等头部居品成为企业标配，天然催生了对步调化接口的热烈需求。

在 MCP 等和谐契约框架下，现存 SaaS 服务天然成为生态构成部分，既服务末端用户，又能被其他 Agent 调用。企业级数字职工 AI Agent 平台来也科技 CTO 胡一川形象地比方：" MCP 对行业的影响肖似于 USB-C 步调化对电子开发的影响，它大幅诽谤了开发成本。以前 100 个开发者贯穿 100 个用具需要 10000 项使命，面前通过 MCP，两边只需准备好对应接口，即可杀青全面贯穿，使命量呈指数级下跌。"

比拟之下，中国软件生态发展不平衡，而这种软件生态的根底各异，最终导致了中国缺少肖似 MCP 的和谐契约步调。这不单是 Agent 本事旅途的不同，更显露了数字基础设施发展阶段的不同。

一朝 MCP 与 A2A 构建起智能体宇宙的"水电煤"基础设施，自后者要么接入这套体系成为生态参与者，要么被排斥在主流交互相聚除外。

那么制定步调的东说念主将掌合手了最重要的话语权，如同咱们所见的安卓系统，或是 Cuda，当下国内 Agent 公司都正濒临着是加入照旧孤立发展的重要节点。

从现时的情况来看，似乎中国互联网的基础模子公司，并莫得别辟门户的盘算。 4 月 15 日，魔搭推出全新 MCP 广场，上架千余款热点的 MCP 服务。魔搭 MCP 居品司理告诉硅星东说念主："咱们正在成为 MCP 的生态共建者，包括配置一些 MCP 讹诈的 BenchMark痴汉，以及给一些讹诈提供启动流量等等。"

本该是兵家必争之地的步调制定者，为什么基模厂商罅隙让给了 Anthropic？

据硅星东说念主的了解，一部分原因是因为和谐契约自己可能只是 AI 发展的阶段性产物，从本事的角度来说，一朝配置了 Agent 的通用举止模子（参考机器东说念主模子），就不错绕过 API 或者契约接口，径直完成操作，争也只是一时；另一方面，互联网大厂们快速加入 MCP 阵营后，能够将此前的上风积贮开释，比如魔搭接入了收割支付宝提供的支付 MCP 接口，一朝 Agent 采用了通用的支付接口，支付生态不错在 AI 时期复利，这八成是一个比掌合手契约自己更大的市集。

硅谷修路，中国造车

硅谷通过推动和谐契约步调，对 Agent 生态而言就像是在"修路"，配置基础设施和互联互通的步调。而中国企业则专注于"造车"，打造能在特定场景下高效运行的实用措置决议。加入 MCP、A2A 或其他契约，对中国企业而言只是时辰和采纳问题。不管哪种旅途，最终要让 Agent 生态完整运转，都需要一辆辆"车"实在跑起来。

在中国市集，C 端 Agent 仍处于相等早期阶段，以智谱 AutoGLM 为代表的通用智能体正在积极打磨居品形态、本事道路和生意模式，而绝大多数创业公司则将眼神聚焦在 2B 界限。

"咱们合计畴昔 2-3 年是智能体生意化落地的时弊窗口期。端到端的纯大模子决议 ( 如 Manus 等 ) 不太可能在这个时辰窗口内达到理念念的生意落地水平，因为它们在可控性、清闲性和成本方面仍存在首要挑战。"企业级通用智能体企业实在智能创举东说念主孙林君判断说念。

To B 的快速发展最初开首于市集需求的爆发性增长。"自从本年 2 月 DeepSeek 发布之后，咱们彰着感受到企业级 Agent 市集迎来了一波 ' 爆单潮 '，"翟星吉回忆说念，"仅在最近三个月，咱们在鼓动的新神情就卓越了 20 个，本年的预期营收也卓越了千万。这在以前是很难念念象的速率。"

胡一川也抒发了肖似不雅察："咱们在制造业和金融界限的 Agent 神情询单量比前年同期暴增了数倍。企业客户对 AI Agent 的柔软进度远超咱们预期，尤其是那些有明确历程优化需求的传统行业客户。"

其次是 to B 界限相对明晰的生意模式，比如将销售更动率从 5% 擢升到 6%，固然只加多了 1 个百分点，但对企业来说施行增长了 20%，对大型企业而言这是十分可不雅的收益。

施行上，to B Agent 施行上替代了传统的定制化系统，以更高效的方式措置企业痛点。这些"数字职工"正在酿周全新的生意模式，不同于传统 SaaS 的固定功能，它们能够字据企业需求不竭进化，杀青实在的软件"活体化"。

"其实，MCP 这类契约对 2C 市集的影响稠密于 2B 界限。在企业场景中，系统大多采用闭塞架构，且以土产货专有化部署为主，很少需要贯穿全球互联网讹诈。"翟星吉补充到，这一特色使得中国企业在缺少契约层接济的情况下，被动自主研发从数据处理到践诺操作的全链条本事栈。

语核 Langtum 企业级 Agent 讹诈落地平台

如语核科技，其本事中枢之一在于自研的工业文档贯通引擎，故意处理企业踱步的非结构化数据（将 PDF 格式的工艺参数表更动为结构化数据），以便大模子能够更好地清醒行业专科学问。在硅谷，这本应是孤立细分赛说念的本事时弊，但在中国市集环境下，语核不得不将其作为 Agent 措置决议的一部分径直请托。

"比如在制造业的采购时弊，咱们的 Agent 能够自动校对采购单、查找供应商、比对报价并完成下单历程，将正本需要 2-3 天的使命压缩至 30 分钟内完成，同期还能保持 95% 的准确性。"翟星吉讲说念。

来也科技则是通过将 RPA ( 历程自动化 ) 与 AI 邻接，构建出一个一体化平台，来保证更高准确率和更强机动性。"咱们的决议不是陋劣地将大模子和 RPA 拼接，而是构建了一个能够自我养息的智能系统，"胡一川解释说念，"在传统 RPA 的基础上，咱们加多了决策节点，允许系统在践诺过程中字据及时情况进行判断和旅途养息。"

来也科技数字职工平台架构图

举例，在某大型汽车主机厂的质检时弊，来也科技的 Agent 能够自动识别并处理种种质检文档，当遇到格外情况时，系统会自动调用历史案例库进行比对分析，详情最公根由决议。"这一讹诈将质检文档处理时辰从原来的 8 小时裁汰至 1 小时，准确率擢升至 99.2%，每年为客户省俭东说念主力成本卓越 200 万元。"胡一川补充说念，"更重要的是，跟着使用时辰延长，系统能够不休学习新的格外模式，不竭擢升处理材干。"

中国企业在构建 Agent 时不时采用这种"由点及面"的计谋：先在特定场景中措置核肉痛点，然后缓缓彭胀功能范围。实在智能创举东说念主孙林君神情了他们的方法："咱们最初为制造业客户打造质检文档处理的专用 Agent，阐明价值后，再缓缓彭胀到分娩筹备、物料料理等运筹帷幄时弊，最终酿成掩饰扫数这个词分娩料理链条的智能体系统。"

当积贮了多数针对复杂场景的实战告诫，具体场景中的 Agent 不时具有更强的环境顺应材干和问题措置材干。

Agent 的另一种解法

硅谷的软件生态依然高度熟识，MCP 等契约正在将这一世态从头贯穿，酿成 Agent 主导的新模式。但这一趋势不可幸免地将渐渐弱化传统软件企业的地位，使软件最终成为 Agent 的组件。

在好意思国，各软件间的步调化接口依然成为基础设施，Agent 开发不错专注于调用这些接口。而在中国，Agent 企业必须直面软件碎屑化的现实，通过更动性的本事旅途措置践诺层问题。从某种真义上说，这反而催生了愈加普适的本事标的。

"咱们看到一个根人道问题：传统的 Agent 践诺层要么依赖 API 调用，要么依赖像素级的视觉模拟，两者都存在彰着局限，"实在智能创举东说念主孙林君解释说念，"前者在中国企业软件生态中成本很高且速率慢 ，后者则濒临清闲性和泛化材干不及的挑战。"

那么，RPA 决议和视觉感知决议有莫得可能会通在沿路？实在智能更动性的尝试了"会通拾取本事"。

"咱们闇练了一个名为塔斯（TARS）的垂直大模子，专注于电脑操作界限。这个模子擢升了任务清醒、景况识别和操作决策材干，本色上是一种‘ text-to-action ’或更精确地说是‘ text+image-to-action ’模子。举例，当看到一个有搜索框和按钮的界面时，模子能清醒「搜索实在智能」这样的教唆，详情需要在搜索框中输入文本并点击特定按钮，然青年景相应代码践诺操作。"

"咱们闇练的视觉模子可在 100-200 毫秒内识别界面中的种种元素（输入框、按钮、下拉菜单、表格、对话框、密码区域等），然后将这些视觉识别后果与传统方式识别的底层元素整合。面前在网页元素识别和操作方面比 GPT-4o 越过约 10 个百分点，在职务拆解方面越过 4-5 个百分点，这项本事也取得国度优秀奖专利。"孙林君补充说念。

一般遇到未见过的软件，都需要派工程师到客户现场进行适配。但现实中未见过的软件可能是取之不尽的，这种东说念主工适配模式难以彭胀。会通拾取冲破了传统 Computer Vision 决议对屏幕隔离率和界面布局的依赖，提高了 Agent 在真的复杂环境中的顺应材干。

欧美色情网

除了本事更动外，在生态构建上也出现了新的契机。Agent 公司究竟应该以什么身份对企业进行服务？是传统软件？定制化系统？照旧 AI 本事提供商？生意模式是软件付费模式、按 token 付费、还所以"数字职工"的体式按东说念主头付费？

"咱们矍铄到一个现实：在 2B 界限，尤其是传统行业，行业 know-how 的积贮至关重要，但从 0 到 1 我方完成这一过程周期太长，很难骄气当下市集的伏击需求，" AI Agent 智能体云生态服务平台汇智智能创举东说念主孙志明暗示，"因此咱们采纳了另一条路——成为行业学问与 AI 本事的整合者，将依然数字化的行业学问与 Agent 材干邻接，打造 1+1 大于 2 的措置决议。"

这种模式的中枢在于识别并整合已被数字化的行业学问。在制造业、医疗、金融等界限，往常十年的信息化树立依然千里淀了多数专科学问，孙志明解释到，"举例，ERP 系统中的工艺历程、医疗系统中的会诊次第、金融系统中的风控模子，这些都是经过多年考据的行业聪慧。咱们不需要从头发明轮子，而是将这些学问索要、结构化，然后与大模子材干邻接。咱们与行业信息化服务商、垂直界限守护公司、以及专科数据提供商配置了深度互助关连，共同打造完整的智能措置决议。"

关于像澜码这样的创业公司，从 0 到 1 自主积贮行业学问照实周期过长，对创企的磨真金不怕火也愈加大，中枢原因在于莫得找准我方的定位，是本事提供者、学问整合者照旧措置决议请托者，然后围绕这一定位构建互助生态。

比拟之下，新的生意模式八成愈加安妥中国市集近况。在中国大型企业的数字化进度庞大不王人，但简直扫数企业都有不同进度的信息化基础，在 Agent 驱动下，八成能从头界说软件服务的形态和请托方式。

毕竟，本事发展从来不是单一直线，在这个过程中，中国企业和硅谷巨头都在用各自的方式痴汉，共同推动 Agent 走向熟识。

---