原创 与AI同行的 2025-05-08 15:00 北京
Manus、Genspark 的快速出圈让Agent成为2025年最受大众期待的AI应用形态之一。与此同时，Agent开发生态也伴随MCP、Agent-to-Agent等新框架的出现进入了兼容性更强、更易落地的阶段。
本期我们聚焦Agent话题，邀请到云启合伙人陈昱和Creao AI 创始人、CEO 程凯，从2025年AI技术热点出发，聊聊AI Agent技术生态的变化、Agent“基建”重心的迁移、Creao AI“用Agent造Agent”的实践，以及人类与AI共生协作的未来。
对话嘉宾介绍
陈昱 云启资本合伙人
深耕AI、具身智能等前沿科技赛道，代表投资案例包括MiniMax（大模型独角兽）、元戎启行（智能驾驶头部企业）、PingCAP（开源数据库独角兽）等。
程凯 Creao AI 创始人、CEO
美国哥伦比亚大学统计学硕士、加拿大多伦多大学数学学士，师从图灵奖获得者Geoffrey Hinton。曾任iPerceptions 数学科学家，在北美工作期间曾为Dell，NASA，Comcast等公司开发机器学习相关算法。
Creao AI 是一家专注于AI agent Infra 的创业公司，面向企业提供完全由AI驱动的Agent操作系统，帮助企业客户实现Agent工具自动化构建和管理，促进Agent高效落地应用。
Linda，云启董事总经理 （主持人）
时间轴
Part1 近期AI热点讨论
02:22 技术侧：各大模型的功能更新，本质上底层模型推理&规划能力的跃迁，为Agent泛化性大幅提升奠定基础
05:10 需求侧：企业对AI的认知度、接受度以及理解程度，伴随大模型推理规划能力的提升而加速提升
06:59 技术生态：Agent-to-Agent框架等infra层面的创新，推动Agent在企业端落地
Part2 2025，AI Agent的“基建”怎么做？
09:40 通俗定义agent：与外部世界产生实际关联的“数字员工”
11:28 当Agent开发难度不断降低，infra工具的价值何在？
13:19 “稳定”是企业Agent应用的强诉求，再简单的agent也需要稳定的环境运行
16:41 Workflow or Agent？陈昱：不互斥，workflow是agent更稳定的打开方式
18:23 MCP、Agent-to-Agent背后的 infra 进化主线：赋能大模型训练和上层应用
Part3 用Agent造Agent：Creao AI的实践
20:58 Creao AI 的PMF探索：帮助企业用Agent搭建Agent
24:45 Creao AI 的客户案例：Agent+CRM
28:45 来自需求端的变化：越来越多的非技术人员也有了开发需求
30:59 云启和Creao AI 的“双向选择”
Part4 脑洞时刻：Agent与人类协作的未来
34:07 AI的角色：人类创造力放大器，科技探索加速器
36:18 当AI具备自主意识，人类需要把它看做一个平等的物种平等与之交流
37:30 避免AI工具僵化：“AI味儿”背后其实是人类的行为方式
以下是本期播客的节选内容（部分文字经编辑整理）
近期AI热点讨论：
大模型进化下的应用跃迁
Linda，主持人
从体感上来说，分享一下在过去这一个月里，行业里面最能够让你们觉得还蛮兴奋或蛮惊喜的一到两个AI有关的进展？
陈昱，云启合伙人
其实每个月新闻看起来都差不多，比如GPT 发了什么新版本，Gemini发了什么新版。那每次新版的发布都伴随着大模型能力的一些增强，伴随这种能力增强，新的应用也都层出不穷。
很多应用是只有大模型有相应功能以后才能被做出来。举个例子，为什么说像 Manus 这样的Agent 系统两年前没有出来？因为两年前大模型无论是推理能力还是规划能力，都远远达不到创建一个通用型 Agent 的要求。如果两年前你去硬做一个 Agent系统，很多东西自己实现的话，过了两年你会发现自己的很多工作其实都是白做。因为大模型已经能帮你更好地去完成这些东西。而且大模型是以一种更泛化的形式去做的。它不是说在针对性地解决某一个问题，而是像人脑一样，有一种泛化性。无论是什么样的问题进来，或是面对着什么样的环境，它都能够相对轻松地去解决。
所以AI的应用远远没到说结束或说不再进展的一个时刻。因为大模型自己还在不断的进化，随着大模型的进化， AI 应用也有无限的可能性。
程凯作为创业者，从行业的动态和对接客户的体感上，你怎么看？
程凯，Creao AI 创始人&CEO
因为我们服务的企业客户会比较多，所以我主要是从企业的角度来看。从过去 3 月份到现在这段时间的话，其实我观察到一个比较明显的趋势是企业对 AI 的认知其实它在发生着一个比较快的变化和进步。除去DeepSeek的普及度以外，还有一个原因就是在过去的传统软件技术时代，特别是2023年之前，技术认知周期其实相对来讲是比较长的，一般来讲都会需要一年左右，企业也好个人也好才会慢慢的认知或接受技术的进步。但是在2023年之后，技术演进速度其实是非常快的，所有人都在经历一个所谓的认知加速的过程。
但是对于企业来讲，虽然企业所有的员工或管理层的认知速度变得越来越快，但怎么真正去把这些最新的大模型或者 AI 技术去用到自己实际的业务环境里始终是一件相对来讲比较复杂，并且是有一定疑问的事情。而从去年随着大模型的推理能力、规划能力显著增强后，企业用户已经开始理解怎么结合自身的场景来去用AI，或者说到底应该需要怎样的一个 AI 能力才能对自己的业务产生价值。所以这个其实是从客户这一层，比较大的一个变化。
从技术角度来看，虽然就刚刚昱总也提到，3 月份到现在基本上大家都可能是一样的状态，每天都会发现有新的Agent产品可能被发布了，或者新的 AI 能力被推广出来，或者说完全颠覆了过去的技术，比如说图像生成等等。但是其实让我更加感到兴奋的是像最近谷歌推出的 Agent to Agent 这样的框架，它是从 Infra 层面的一个创新。
因为可能大多数人目前关注的，还是从基础模型或者说 Agent 本身能力的迭代和进展。但是说实话，如果没有一个更好的技术生态，特别是从 Infra 层面的创新来去支撑整个 Agent 的落地还有应用的话，企业也很难真正的高效的把 Agent 去利用起来。就比如说像 Agent to Agent 这样的协议框架，让我看到未来更多的 Agent 如何在企业端去落地的可能性。
2025，AI Agent的基建怎么做？
陈昱，云启合伙人
我觉得投资人还是会把一个东西就用最抽象的语言把它说出来。那用最抽象的语言来说，它就是你的一个数字员工，能够自主地帮你按照指令去完成你所要的任务，就这么简单。
程凯，Creao AI 创始人&CEO
一个是刚刚昱总提到的，它是一个数字员工的概念。其次的话，agent 和可能与之前大家接触的 AI 模型最大的差别是在于它能够跟这个世界的外部环境有实际的动作和关联。AI 模型本身其实是无法跟这个世界去产生关联性的。但是 Agent 的区别是在于，它在推理出结果之后，能够实际去调用外部世界工具并对外部世界产生影响，这个也可能就是Agent 能够被当成数字员工的原因。因为既然是员工，它一定能够对世界产生一定的动作或变化。这个可能是 Agent比较重要的点。
