一句话介绍

‍

基于自研Multi-Agent架构，为企业提供部署到生产环节的智能体服务商。

团队介绍

杨劲松（CEO）：原达摩院产品/商业化总监，曾任字节飞书AI负责人、亚马逊AWS aPaaS平台负责人，主导推出阿里灵杰、通义-Alicemind，管理产品收入超20亿。王博士（首席科学家）：哥伦比亚大学博士，曾任阿里巴巴达摩院、Google Research研究科学家，Google Scholar 引用1.2万次。

其他核心团队成员，来自阿里巴巴达摩院、腾讯、字节跳动、亚马逊AWS和谷歌等。

融资进展：近期完成数千万元天使轮融资，由麟阁创投领投，蓟门资管跟投，老股东创新工场持续跟投。本轮融资将主要用于产品研发和市场拓展。

产品及商业化情况

在国内市场，AutoAgents通过“灵搭”平台Agent Builder，面向企业端Agent市场需求，解决企业在应用大模型过程中关注的数据安全、权限管理和系统集成等问题，提供成熟技术方案。

目前，AutoAgents产品已经服务了于电力、金融、泛互联网、制造业等行业头部客户，为企业构建人与 AI 混合工作流水线，极大程度地提升了企业的运营效能与创新活力。公司于2024年获得数千万商业合同，目前是电力行业市占率第一的Agent应用产品，服务了国家电网及其下属十余家下属公司。

公司产品已被5家云厂商引入，提供超过100+开闭源、领域垂直模型，并通过超过20家行业伙伴进行产品规模化推广。

在海外市场，AutoAgents也推出了标准化产品Agents Pro，面向SMB的社媒运营工具，采用免费试用，社区传播的模式。

与Coze、Dify等偏To C的Agent平台不同，AutoAgents的差异化在于：专注企业级市场。AutoAgents并非简单提供工具，而是通过标准化的Agent产品和行业解决方案，比如提供更细粒度的权限管控、数据看板和数据库对接能力，以及混合云/一体机部署方案，帮助企业交付服务结果，实现“为效果买单”。

为了做到企业级可用，AutoAgents集成了企业级RAG、AI Coding、Text2Agent以及可视化工作流等组件。在部署方式上，AutoAgents支持混合云/一体机部署，能够适配国产化算力。

在产品底层，灵搭引入独特的多智能体协作机制，能解决在多步推理过程中的上下文窗口限制；支持由一句话生成Agent应用，可以极大提升开发和部署效率。在任务进行过程中，灵搭能够将复杂任务拆解并分配给不同专业智能体，由协调智能体统筹各部分工作。

目前，灵搭也可以帮助人类“真干活”，AutoAgents支持Anthropic的MCP协议，让智能体可以更高效地发现并调用外部工具。

灵搭也能模拟人类操作计算（类OpenAI Operator），借助内置Docker的沙盒系统，智能体可以自主进行网页浏览、数据检索，以及调用常用软件完成指定任务。

在今年DeepSeek热潮之后，市场普遍认为是“Agents元年"的关键时刻，AutoAgents也已经开发面向开发者和个人的“元知”助手，在2025年推出，这是一款在真实业务场景里跑通可用的自主智能体产品，能够自行规划并且完成专业领域的研究和分析任务。

△元知助手来源：AutoAgents

凭借 Agent微调技术，AutoAgents已经能够增强智能体的工具调用能力、优化协作效率并提升代码生成质量。AutoAgents 在这一领域已积累了20多项专利、软著等知识产权成果，并多次在国际顶会发布论文。

在本轮融资后，AutoAgents将继续快速商业化落地，并且将推出面向To C市场的产品，也有计划拓展至海外市场。

Founder思考

企业级Agent与个人Agent的核心差异在于，前者需满足企业在数据安全隔离、权限体系分层、系统深度整合等方面的严苛要求。通用 Agent 侧重易用性与通用性，而企业级Agent则需深度定制，以适应复杂业务场景。

当前 Agent 技术落地仍面临诸多挑战。即便如 DeepSeek R1 等推理模型具备强大能力，在企业实际应用中，仍需进行大量工程化改造，与现有工具链进行深度适配，并融合领域内小模型，才可以有效控制幻觉，确保输出结果的可靠性与安全性。

Agent的终局或将呈现“赢者通吃”的局面。在特定垂直领域内，能够有效积累行业 Know-How、沉淀最佳实践、并利用优质数据进行深度训练的智能体，将构筑起更深厚的的竞争壁垒。

未来Agent的发展方向在于，通过 AI 专家与行业专家的深度协作，重新规划企业工作流程，将复杂工作流程自动化，使人类能够专注于高密度的决策和责任承担。AutoAgents未来将会发展成“一加 N”的业务模式，即通过一个技术平台生产各类Agent产品与解决方案，实现以服务量计价，从全球服务价值链条中获取持续性收益，这能突破传统软件销售的营收天花板。

企业软件正从“工具付费”转向“结果付费”，Agent的核心价值在于服务结果导向，通过标准化的Agent产品和行业解决方案，直接创造业务价值，而非简单提供工具。企业选择Agent的根本目的，是解决实际业务问题，而非仅仅为模型付费。

以 DeepSeek R1为代表的推理模型，在拓宽Agent解决开放性问题的能力方面具有显著价值，尤其适用于代码编写、小说创作等C端应用。但在企业级应用中，还是需要审慎评估其场景适用性、安全对齐能力及幻觉控制水平，避免对模型能力产生过高预期。