11月17日，阿里通义APP更名为千问APP，对标ChatGPT，项目全力进军C端市场。阿里计划将“千问”接入全场景生态，未来将地图、外卖、订票、办公、学习、购物、健康等各类生活场景接入千问APP，其核心目标是构建能自主理解需求、规划任务、调用资源的AI智能体。
11月18日，蚂蚁集团推出全模态通用AI助手“灵光”，具备对话、图像识别、应用生成等交互能力，并通过“闪应用”功能实现用户需求驱动的应用快速生成。灵光构建了多智能体协作的agentic架构，能够动态调度图像、3D、动画等专用agent与工具实时协作。
而11 月 19 日，人工智能领域迎来了又一个历史性时刻。谷歌 DeepMind 正式公布了最新一代旗舰模型---Gemini 3。其核心突破点在于从“对话者”向“执行者”和“问题主动解决者”转变，标志着 AI 从“生成内容”向“解决复杂问题”迈出了关键一步。
种种事件，标志着行业从生成式AI正式迈入“代理智能 Agentic Intelligence”时代。
今天我们再次来研究 Agent智能体。
之前梳理过AI agent，具体可翻看：AI Agent ：AI 下一个浪潮--产业链深度解析（附全景图&细分龙头）
下文从：① 智能体Agent 基础知识复盘；② 市场空间&现状；③ 产业链全图谱；④ 相关标的；等四大维度来解析。
AI Agent(智能体)是一种具备环境感知、自主决策与行动执行能力的人工智能系统。
Agent是一个系统，其核心能力架构包含四个关键维度:
① 感知能力(Perception)--解析、 理解环境信息与用户输入、进行知识推理、生成文本；
② 规划能力(Planning)--制定目标导向的任务策路；
③行动能力(Action/ToolUse)--调用工具或API执行操作；
④ 记忆能力(Memory）--存储并关联历史交互与知识。
一言以蔽之：Agent =大模型 规划能力 记忆能力 行动能力！
大模型是Al Agent的核心驱动力与智能基础，Agent是大模型应用的最高形态，赋予A高度自主性，使其能够独立分解任务、规划步骤并调用工具完成目标。Agent模式下AI不仅是“助手”，更是具备闭环执行能力的“智能代理人”。
3、Agent 三大核心能力
不是所有AI模型都是Agent，关键在于"工具调用能力”，即主动调用外部工具以拓展能力边界、达成复杂目标的能力，实现了从“解答问题”到“解决问题”的跨越。
一个合格的Al Agent ，需具备三个核心能力:
1）独立思考和规划： Al Agent 不需要人干涉，独立思考，将复杂任务分解成一系列子步骤，能够根据给定任务目标和约束条件,进行任务规划和问题拆解,形成执行步骤(即工作流)；
（2）自主使用工具来执行：能够调取各类组件和工具，按照执行步骤依次执行，实现任务目标；
（3）记忆并持续迭代：记忆，既有短期记忆存储即时信息，又有长期记忆沉淀持久知识， Al Agent能够自动记录任务目标、工作流和执行结果，基于结果反馈，沉淀专家知识和案例。
4、Agent是AGI的第三个阶段
OpenAI将通用人工智能AGI的发展分为了五个阶段，用于描述AGI从低级到高级、从简单到复杂的路径。
第一阶段：聊天机器人--Chatbots，这一阶段的AI能够进行基本的对话，翻译、摘要等，但缺乏深度推理能力类似于之前的ChatGPT；
第二阶段：推理者--Reasoners；在这一阶段够以人类专家的水平解决复杂推理和决策的问题，如医疗诊断、金融风险评估，OpenAI的o1、o3、DeepSeek R1也是这个阶段的推理大模型；
第三阶段：智能体--Agents，处于验室向商业化过渡阶段，可自主完成“思考 - 决策 - 执行”闭环，这一阶段包括，自动驾驶和机器人控制等，能够实现自主决策和行动；
第四阶段：创新者--Innovators，尚在探索中，AI系统具有创造性和独创性，像AlphaFold助力蛋白质结构预测那样，可辅助人类在科研、艺术等领域实现突破性发明与创作；
第五阶段：组织者--Organizations，是AGI终极形态，目前未实现，系统不仅具备战略思维，还拥有高效率和强适应性，能够管理复杂的系统，承担组织和管理的工作。
如果说AI在前三阶段还是人类的助手的话，到第四阶段就已经成为人类的合作者，到第五阶段简直就可以去驱使人类了。
从目前的人工智能发展阶段来看，第五级的重大意义在于，人工智能不仅可以作为单个个体开展工作，还可以相互协作、组织成为一个公司，人工智能的作用可以成千上万倍放大，实现规模化运作。
5、 Agent的六大模式（2025年）
（1）Agentic RAG（推理型检索增强生成）
Agentic RAG 是一种融合检索增强（RAG）、智能规划（Agent）、工具调用（Tools）、和可持续上下文（Memory）的多步推理架构，使大模型能够执行复杂任务，而不仅是回答问题。
Agentic RAG = RAG（检索） Agent（规划） Tools（执行） Memory（上下文）→ 让大模型从“回答问题”升级为“完成任务”。
国内的代表是：① 百度文心一言 搜索增强：结合百度搜索做事实检索；② 360纳米搜索：整合360搜索的即时信息流。
（2）Voice Agents（语音智能体）
Voice Agent 是指基于语音交互的人机智能体系统，结合 ASR、NLU、任务规划与执行以及 TTS 技术，实现从语音输入到任务完成再到语音输出的全链路闭环。
Voice Agent简单来说，就是一个「能说话的智能体」——用户开口说话，它理解、回应、执行，一切都像在和人交谈。
代表案例是：① OpenAI GPT-4o Voice：多模态对话，低延迟语音交互；② 字节的豆包：强实时语音识别与合成；③ 小米的小爱同学：深度嵌入IoT生态等。
（3）CUA（像人类一样使用电脑的代理）
CUA，全称Computer Using Agents，AI能够像人类一样点鼠标、敲键盘、操作计算机，它不再是“顾问”，而是“数字实习生”。
CUA实现从“理解指令”到“执行操作”的闭环能力。其核心是整合视觉感知、任务规划和物理操作三大能力，通过屏幕截图获取视觉信息，基于多模态大模型推理分解任务步骤，最终控制鼠标、键盘等输入设备完成操作。
主要应用场景是：自动化办公、桌面软件操作、RPA（机器人流程自动化）。
目前的代表例子是：① MultiOn：能代替用户操作网页、表格、日历等；②字节跳动的 扣子空间：低代码构建多场景桌面操；③ Fellou：网页与桌面操作的自动化执行。
（4）Coding Agents( 代码智能体）
Coding Agents是一种专门用于编程任务的智能体，它能够在软件开发过程中根据环境中的工具，执行相应的操作，去辅助用户做一些功能，如代码生成、调试、优化等。
Coding Agents程序员的“代码搭档”,核心是“让编程更高效”。
代表案例是：① GitHub Copilot Workspace：支持从需求到部署的全链路编码；② 阿里的通义灵码：嵌入IDE的代码生成与调试；③ 百度Comate：结合文心大模型的智能编程工具。
(5) Deep Research Agents（深度研究型智能体）
Deep Research系统最能体现AI智能体在科研领域的潜力与局限。这类系统采用多智能体架构，能够在几分钟内整合和分析数百个信息源，生成带有准确引用的综合研究报告。
当面对一个研究问题时，主控智能体会将其拆分为多个子任务，调度不同的智能体分别搜集和分析资料，最后再把各部分成果汇总成一份结构完整、逻辑连贯的报告。
代表案例是：① OpenAI Deep Research（2025新功能）：多Agent长期调研；② 阿里千问深度研究：针对行业报告和市场分析；③ 豆包的深入研究，可以做行业分析。
(6) Agent Protocols（智能体协议）
Agent Protocols 是一套标准化的规则、格式和流程，用于规范人工智能代理（Agent）之间以及代理与外部系统（如数据、工具、服务等）之间的通信和协作。
现在智能体多了，各有各的协议，Agent Protocols 是用于统一Multi-Agent Communication（多代理通信） 的协议标准，核心是“让不同Agent能听懂彼此的话”，简化跨平台协作。
知识卡片：常见Agent Protocols协议：
- A2A Protocol（Agent-to-Agent）：允许Agent之间直接交换信息，比如“Agent 1负责查天气，Agent 2负责订酒店，它们可以互相传递数据，帮你规划旅行”；
- MCP（Message Communication Protocol）：用于Agent与服务器之间的通信，比如“Agent 通过MCP向服务器发送请求，获取用户的历史订单信息”。
典型代表是：① Google AI Device Kit（ADK）：多Agent跨设备调用；② OpenAI MCP（Model Context Protocol）：跨模型的上下文共享；③ 字节跳动Coze协议层：支持不同Bot的消息与任务协作；④ 阿里云AgentFlow：跨Agent编排与协议转换。
6、Agent的限制的三因素：算力、隐私、数据
Agent是自主软件程序，由记忆、权限、工具、决策机制和学习机制等关键技术组件构成，它们在执行任务时面临算力限制、数据壁垒、隐私保护等限制因素，解决这些限制是 Agent顺利落地的关键。
（1）算力需求随着模型复杂度增加而激增，特别是在大语言模型和多模态模型的应用中。算力需求的增长导致训练和推理需求难以满足，同对在高使用期算力分配不均可能造成延迟或无法访问。
（2）Agent的数据需求是其感知、学习和决策的基础，但面临优质语料短缺、数据打通难度、有毒数据增多和数据多样性不足等技术瓶颈。
（3）隐私保护是Agent应用的前提，确保用户信任和法律合规。个人或组织对其数据拥有控制权和保密权的状态。Agent依赖数据驱动，而数据往往涉及敏感信息。
根据第一新声智库，2025年中国企业级AIAgent市场规模将达到232亿元。2023-2027年中国企业级AI Agent市场规模复合增长率将达到120%，至2027年，企业级 Agent市场规模将达到655亿元。
AI Agent将对Saas市场的重构，相关企业在SaaS产品中集成AI Agent功能所产生的市场价值巨大。
目前 Agent 行业渗透：智能客服约70%，成为最成熟场景； 数据分析约60%，是业务决策的核心支撑;内容创作约45%；研发设计、营销、知识助手、智能辅导等渗透率较低，场景孕育着下一轮爆发点。
1. 上游：基础设施与技术提供商
国内主要可以分为AI芯片、服务器集成厂商、算法框架、大模型厂商、数据服务商以及云计算平台等
（1）算法框架：业内通常使用谷歌Tensorflow和脸书Pytorch作为AI算法框架，昇思MindSpore于2023年打造业界首个AI融合框架，提供全面的分布式并行能力。
（2）大模型：AI Agent的核心驱动力是大语言模型。因此，大型的开发者在产业链中占据重要地位，提供基础模型和算法支持，使得AI Agent能够具备感知、理解、决策和执行的能力。
下表：2025 中国大模型 Top 10 排行榜
（3）AI 芯片 ：提供算力支持，是灵魂，当前主流的AI agent 芯片主要分为三类，GPU、FPGA、ASIC：
①、GPU:英伟达NVIDIA一家独大，占据81%的市场份额，其次是AMD和Intel，分别占据18%和1%的市场份额；国内厂商：寒武纪、景嘉微、海光信息、天数智芯，功能和应用领域等方面都有了提升；
②、ASIC ：博通AVGO、美满电子MRVL 两家全球巨头；国内寒武纪、芯原股份、嘉楠科技 CAN 也在奋力直追；
③、FPGA：安路科技是国内FPGA业务领军企业；复旦微电是FPGA芯片重要供应商。
2.中游AI Agent研发与集成商：
负责将大模型与其他技术组件(如规划、记忆、工具使用和行动模块)相结合，开发出具有特定功能和应用场景的 AI Agent产品。通常拥有强大的研发团队和技术实力，能够不断优化和迭代产品以满足市场需求。
（1）系统集成：国内头部是--联想 、科大讯飞、用友 、钉钉 、 况客科技、 Moka公司；
（2）软件平台开发：面壁智能 、实在智能、汇智智能 、澜码科技 、联汇等都是国内不错的公司；
（3）解决方案提供商： 华为云 、百度智能云、 阿里云、 腾讯云 京东云 天翼云等国内公司。
3.下游应用厂商：
② AI 农业: 托普云农;
③ AI 医疗: 嘉和美康、卫宁健康、开勒股份、润达医疗、国新健康、久远银海、塞力医疗、创业惠康、思创医惠、东华软件、医脉通；
④ AI 教育: 科大讯飞、豆神教育、佳发教育、竞业达、拓维信息;
⑥ AI 交通: 千方科技、易华录、万集科技、金溢科技、信息发展;
⑧ AI 银行: 宇信科技、天阳科技、博彦科技、京北方、长亮科技；
⑩ AI 政务: 太极股份、南威软件、新点软件、数字政通、拓尔思;
⑬ AI 烟草: 中科信息;
⑭ AI 港口: 盛视科技;
⑮ AI 企业服务: 金山办公、用友网络、金蝶国际、浪潮数字企业、光云科技、致远互联、泛微网络;
⑲ AI 工业软件: 中望软件、华大九天、中控技术、索辰科技、宝信软件。
VIP复盘网
