原创 Ace人生 2025-05-20 08:36 上海
Ivan Landabaso 是一位专注于初创企业投资和产品创新的专家。他目前在 JME Ventures 担任合伙人，投资科技初创公司，并为创业者撰写名为“Startup Riders”的深度科技与创业新闻通讯。此前，他曾在 Facebook 担任产品专家，并参与 Bloomreach 的成长，帮助公司规模扩大至 20 亿美元以上。
他通过文章
https://www.thevccorner.com/p/agentic-revolution-ai-agents
阐释：从个人助理到企业自动化，每位创始人和投资者都应了解的AI智能体崛起——以及为什么这场变革可能和云计算、移动互联网革命一样重要。
这不仅仅是又一次科技浪潮。
如果说云计算带来了SaaS，移动互联网催生了应用经济，那么AI智能体可能会是下一个重大变革——它不仅仅是帮助我们工作的工具，更是能“替我们工作”的新型软件层。
不再是仪表盘，不再是助手，而是真正的自主智能。
这就是“智能体革命”。
和以前的每一次技术变革一样，这一波浪潮也不会均匀展开。有些创业者会抓住先机，有些则会错失良机。
过去几个月，我深入研究了这个领域——与一线的开发者、投资人和创业者交流，探索智能体的前沿应用。在这篇文章中，我将为你拆解：
为什么AI智能体的影响力或许堪比云计算和移动互联网
它们如何正在重塑软件、商业模式和工作方式
这一切对当下科技创业和投资意味着什么
如果你一直在困惑“智能体”到底是不是炒作，或者想知道真正的机会在哪儿——这篇指南就是为你准备的。
🌊 智能体革命
“我们正处在一场新的工业革命的起点。但这次不是产生电力，而是产生智能……[开源]让每家公司都能成为AI公司。” — Jensen Huang
我们或许正迎来AI智能体的“ChatGPT时刻”。
人类似乎找到了规模化智能的方法。
但噪音太多了。
这里我整理了业内最有洞见的观点和框架，帮你理清这波新兴科技浪潮：
配图：谷歌云框架，展示创意、数据、代码、员工、客户、安全等不同类型的AI智能体，底层是平台、模型和基础设施。
1. AI智能体很可能被高估了，也被低估了
“我认为AI热潮会和互联网泡沫有异曲同工之处。”
我觉得我们正处在一个泡沫里，但泡沫的形态各异。AI泡沫会和互联网泡沫类似。其实，互联网泡沫中的很多“过度”后来都被证明是合理的。看看现在全球市值最高的公司，Amazon、Google、Paypal、eBay、Salesforce，都是那时创立的。今天也有很多泡沫，但如果一味否定，也会错失巨大回报。
— Brett Taylor
来看一组AI原生公司收入与估值的对比：
总估值超过170亿美元
总收入不足1亿美元
配表：2025年估值超10亿美元、收入不足1亿美元的AI智能体创业公司，包括Poolside、Magic、Adept、Character.AI等。
这些AI原生公司估值高达10亿美元以上，但收入还不到1亿美元——这正反映了智能体经济的“炒作-现实”落差。
2. “智能体经济（Agentic Economy）”的崛起可能是个大事件
每一次平台级的技术变革，都会催生一种全新的经济形态，并造就一批巨头。
最近你可能也看到，传统大厂们都在努力追赶下一个经济浪潮。
这些你都亲身经历过：
公有云推动了SaaS经济
iPhone催生了应用经济
社交媒体带来了创作者经济
大模型则孕育出智能体经济
为什么这很让人兴奋？
AI智能体正在改变传统软件 — 不再是点击菜单、分散数据、按用户计费，智能体的做法完全不同。
AI智能体减少对人工的依赖 — 企业在人力上的花费比软件多35倍以上。智能体能同时覆盖这两块，帮企业省钱。
AI智能体让服务更高效 — 在劳动力密集、利润微薄的行业，智能体能提升生产力、降低成本。
配图：AI智能体能力提升曲线，展示从SDR、会计、开发者到律师等岗位被智能体增强的过程。
随着AI能力提升，越来越多的岗位——从销售到律师——都将被智能体辅助。Felicis Capital的这张图展现了从基础大模型到完全自主智能体的演进路径。
3. 三类新兴AI智能体：个人型、角色型和企业型
“自主智能体是由AI驱动的程序，只要给定目标，就能自主创建任务、完成任务、生成新任务、重新排序任务列表、不断循环，直到达成目标。”
— Matt Schlicht
智能体的潜力巨大，未来你会在各处看到它们：
配图：Sierra.ai视觉化，解释三大类智能体——个人、角色、企业，及其如何改变日程安排、合同审查、客户支持等任务。
4. AI智能体的开发方式，正在颠覆传统软件开发
“新型软件，需要新型开发方式。”
— Clay Bavor
AI智能体取代传统规则驱动软件，带来了不可预测性、高成本、升级难题等新挑战。
适应这种转变，需要全新的可靠性和未来适应策略。
数字化转型：软件开发一直有结构化的最佳实践（SDLC，Software Development Life Cycle，软件开发生命周期）保证可靠性。
SDLC被挑战：AI智能体采用灵活、目标驱动模型，结果不可预测。
输入方式不同：传统软件用结构化表单，智能体则是自然语言，交互可能性无限。
性能与成本：传统软件快且便宜，智能体依赖大模型，慢且贵。
升级不稳定：传统软件升级平滑，LLM升级可能让智能体“失灵”，需要重新训练。
新范式：从确定性、低成本软件，转向自适应、高成本AI智能体，可靠性挑战更大。
配图：Sierra智能体开发生命周期，包括对齐、开发、测试、发布、质量保证五大阶段。
5. AI商业化可能会重演云计算的格局
从云计算市场的演化，我们能学到什么？
出现了三大类公司：
基础设施即服务：Azure、Google Cloud、AWS……
工具厂商：Datadog、Snowflake……
SaaS：Salesforce、Adobe，以及大量中小解决方案。
SaaS赛道诞生了最多的20亿美元级公司，AI浪潮可能也会如此。
目前媒体和VC关注的焦点在数据中心和基础大模型。
现在的“共识”是底层最安全，无论上层如何变化，这一层都能“收税”。但……
“世界对软件的购买方式不会因为基础模型变聪明就彻底改变。”
— Brett Taylor
如果这波浪潮真的重演云计算……
6. 应用层或许才是最令人兴奋的领域
配图：Sequoia可视化，展示2010-2024年软件、云、AI市场爆炸式增长，AI应用市场已达30亿美元，整体软件与服务市场超10万亿美元。
劳动力预算是软件预算的35倍，AI智能体同时蚕食这两块。
短期内的几点看法：
人机协作优先：短期内，“人+机器”模式仍最有效。像客户支持这种有人工兜底的行业最适合率先部署AI，AI先做基础任务，逐步进阶。
定价模式革新：AI智能体突破传统SaaS的点选界面、数据孤岛、按座计费等模式。
跨市场拓展：智能体正横扫各行业——横向应用（如企业法律AI）、纵向应用（如律所专用AI）、消费级服务（如法律助手App）。
护城河之问：基础模型进步太快，很多早期应用会被商品化。哪些行业能建立产品护城河？AI在监管行业的准确性提升，这些领域有望形成壁垒。
配图：Felicis Capital可视化，展示智能体在销售、法律、金融、医疗、房产等横向/纵向/消费场景的应用和代表公司。
7. 生态繁荣需要智能体基础设施
要让智能体生态繁荣，需要满足几个前提：
隐私至上——智能体处理大量个人数据，必须有强大隐私保护。
效率与速度——智能体本地运行（而非云端）可降低成本、提升响应和节省内存。
智能体互通——不同平台间的智能体也要能顺畅协作（比如不同日历智能体互联）。
记忆能力——智能体应能记住历史行为，持续进化、个性化，甚至预判需求。
准确性保障——内置校验机制，防止错误或误导信息，确保质量与信任。
围绕大模型打造智能体所需的“脚手架”：
身份认证：Anon保障智能体身份，未来可自动订票等。
安全防护：Invariant Labs为AI提供可信自适应安全。
开发框架：Langchain、LlamaIndex等主导企业级智能体开发。
实时数据：LlamaIndex、Unstructured为智能体提供最新数据。
多智能体协作：多智能体系统可分工处理复杂任务。
运行环境：Modal、Browserbase提供高效低延迟环境。
路由优化：Martian、DSPy提升模型成本效率和提示效果。
记忆模块：MemGPT让智能体拥有记忆、个性化交互。
性能评估：Weave（Weights & Biases）测试和提升智能体表现。
无代码工具：Brevian让企业无需写代码即可部署智能体。
配图：Felicis Capital梳理智能体基础设施全景，从认证、安全、框架、数据、记忆、多智能体、运行时、路由、评测到无代码工具。
8. 智能体普及将分三波进行
第一波：文本型智能体——率先应用于以文本为主的岗位（如市场、法务助理、客服），擅长单一模态、语言驱动任务。
第二波：多模态智能体——扩展到更复杂、多感官领域（如建筑、游戏、教育），需要多技能、多输入。
第三波：监管行业智能体——在医疗、金融等监管严格行业普及较慢，隐私要求高，成功关键在于建立信任和合规。
9. 智能体将催生新型岗位
互联网催生了UX设计师、产品经理等新职业。
AI智能体也会如此。
AI不会直接取代人类，而是“AI+人”取代“纯人”，行业门槛升高。
比如：
智能体工程师：构建、部署、优化智能体
智能体架构师：设计高效、自然的智能体对话
AI流程设计师：设计用智能体自动化工作的流程
伦理合规官：确保智能体合规、道德
智能体集成开发者：让智能体与各类工具无缝对接
10. 如何为这波浪潮做好准备？
“每一次‘过剩’，都会带来新的‘稀缺’。创业者要思考：AI让哪些资源变得过剩？哪些变得稀缺？边界在哪里？目前，找到边界的人，业绩都很惊人。”
— Felicis + RunwayML
思考AI智能体让哪些资源变稀缺：
专注力：讽刺的是，Google那篇论文最早提出了这个问题。
原创艺术与写作：独一无二的人类创造力。
可信新闻与事实：可验证、抗AI的真实信息源。
数据保护技能：AI时代的数据隐私与安全。
客户共情力：深度、细腻的关系构建能力。
绿色计算：节能、可持续的计算方案。
AI伦理与治理：透明、合规的AI治理框架。
复杂问题解决力：抽象推理和策略，或许AI还做不到。
🌊 AI Agents: 15 Must-Reads
Generative AI act o1 by Sequoia
The 3 Year AI Reset
The Agent Era
The Agent Development Life Cycle
The Agent Economy - Felicis
The Agentic Web - Felicis
[La era de los agentes de IA](http://la era de los agentes de ia/)
Why Pre-Training is for Morons
Do websites go away with AI agents?
Shipping and scaling AI agents
Using agents to build an agent company: Joao Moura
The complete beginner’s guide o autonomous agents
The rise of AI data infrastructure
Guide to Autonomous Agents
欢迎加入「AI行动派」，“用AI做点什么”。
我在公众号「无人之路」每周更新“AI启示录”，输出“学AI，用AI”的最新实践与心得。不过这只是冰山一角。
在知识星球「AI行动派」中，有更多更丰富“学AI，用AI”的各种资源、技术、心得，每天更新。 最近主要集中在用AI和Agent来自动编程，实现心中的想法💡。欢迎加入，一起行动！
