AI Agent发展背景、概念、工作原理、产品发展及市场现状如何？

全球 AI 迅速迭代，多因素推动应用爆发。

全球 AI 快速发展，中美处于领先地位。2022 年，以ChatGPT 为代表的大语言模型出现，掀起了全球 AI 浪潮。2023 年开始，大模型的多模态能力显著增强，模型可用性进一步提升，推动全球 AI 行业快速扩张。在基础模型层面，据斯坦福大学数据，2023 年共发布 149 个基础模型，为 2022 年的两倍，模型数量快速增加。据中国信通院数据，中美两国在 AI 领域中处于领先地位。截至2024 年，全球AI企业数量超 3 万家，其中美国企业超 1 万家，占比达34%，中国占全球的15%，位居第二。全球 AI 大模型数量为 1328 个（包含同一企业、同一模型的不同参数版本），美国的 AI 大模型数量占比 44%，中国大模型数量占比为36%。随着模型能力的迭代，AI 有望继续在 2025 年于中、美两国快速发展。

AI 技术发展开启新周期，商业化前景广阔。近年来全球大模型数量激增，模型各项能力持续增强，技术快速突破。随着模型能力及准确性逐步提高，以及如DeepSeek 等开源模型发展，厂商开始逐步探索模型在各个下游领域的应用，AIAgent 作为人机协同的全新模式，有望在 2025 年迎来爆发，主要基于以下原因：

1）模型可用性提升：2024 年后，大模型全面转向 MOE、思维连等技术，从基于文本向图片、视频、音频等多模态加速迭代，模型类型不断丰富，性能快速提升。随着模型多模态能力持续提升，人与模型的交互方式不再局限于文本交互，用户可实现通过上传图片或视频来询问内容相关问题、通过语音指令与模型进行交流等，极大的扩展了 AI 使用场景，AI 从单一任务执行者逐步向智能体进化，准确度及使用体验逐步改善；

2）大模型调用成本下降：随着 AI 行业快速发展，厂商之间出现明显的价格竞争与市场份额抢占。同时，DeepSeek 等开源模型的性能快速提升，开源与闭源模型之间差距逐步缩小，进一步刺激了各模型调用价格的下降。据OpenAI 和谷歌官网API 调用价格数据，24 年 10 月双方主力模型 API 调用价格均出现大幅下降，其中GPT-4o 输入 API 调用价格为 2.5 美元/百万 Tokens（下降50%），输出API调用价格为 10 美元/百万 Tokens（下降 33%）；谷歌 Gemini 1.5 Pro 输入API调用价格为 2.5 美元/百万 Tokens（下降 64%，超过 128k），Gemini 1.5 Pro输出API调用价格为 10 美元/百万 Tokens（下降 52%，超过128k）。模型调用价格下降使得下游厂商能够以更低成本开发应用，传导至终端的用户使用成本亦下行；

3）微调方式革新：随着模型在垂类行业应用的需求不断提升，模型的微调技术正经历从传统的监督微调向强化微调和偏好微调等方向发展。强化微调（RFT）：不同于监督微调让模型模仿它在输入文本或图像中找到的特征，强化微调不仅会教模型模仿其输入，更是会让其学会在特定领域以新的方式进行推理。强化微调允许开发者仅通过数十个高质量任务的数据集来实现领域专家模型的定制，较之前需要大量数据的微调方法有了极大提高。偏好微调（PFT）：偏好微调允许开发者通过提供成对的响应来训练模型，通过比较不同回复之间的优劣，模型可自行学习，并减少不受欢迎的输出结果。偏好微调使模型在金融等专业领域能够更准确的响应，达到远超监督微调的效果；

4）自动化与个性化体验需求提升：企业端，Agent 可实现营销、数据分析等工作的自动化，从而减少成本、提高运营效率，为企业创造经济效益。用户端，Agent可帮助用户处理重复性工作、提供资料检索和分析等，从而简化用户的工作流程。同时，Agent 可帮助用户管理日常事务，如日程安排、旅行计划等，为用户的日常生活提供便利。据 Gartner 预计，到 2028 年至少15%的日常工作将通过Agent自主完成。

Agent 为 Copilot 后的人机协同新范式。AI Agent（人工智能体）是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，AIAgent具备通过独立思考、调用工具去逐步完成给定目标的能力。AI Agent 和传统大模型的区别在于，大模型与人类之间的交互是基于 prompt 实现的，用户prompt是否清晰明确会影响大模型回答的效果，而 AI Agent 的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动。随着大模型的发展，人类与模型的协同方式从最初的聊天机器人转变为 Copilot，并逐步向 Agent 探索。Agent 的落地将给AI 应用带来颠覆性变化，打开 AI 在垂直行业渗透的入口。

AI Agent 的工作原理可归纳为四大核心能力：感知、分析、决策和执行。首先，AI Agent 通过传感器或数据接口感知环境，获取外部信息。随后，利用大语言模型等分析工具提取有价值的特征与模式。基于分析结果，AI Agent 制定合理的行动计划，最后将决策转化为具体行动，完成目标任务。在这一过程中，短期和长期记忆模块为其提供信息存储和回溯功能，增强对复杂任务的应对能力。此外，AI Agent 根据任务需求动态调用外部工具（比如日历、搜索引擎、程序接口等），解决传统大模型受限于静态训练数据和工具依赖的局限性，显著提升了模型能力的扩展性。随着 AI 展现出在人机协同领域的前景，近年来相关的研究成果呈现井喷式增长，为 AI Agent 落地提供了丰富的理论基础，并在研究领域提供了许多有前景的模型，加速了相关应用的落地，据 Gartner 预测，到2028 年至少15%的日常工作将由 AI Agent 自主完成，33%的企业软件也将包含AI Agent 功能。

AI Agent 产品快速发展，行业竞争转向生态重构。2025 年1 月，OpenAI上线了其首个 Agent Operator，Operator 能够模拟人类在电脑上的动作，如通过点击、滚动、输入等与电脑交互，并完成相关任务，包括浏览网页、填写表格、订购商品、预定餐厅等，如用户输入餐厅预订要求后，Operator 会在分析需求后直接打开云端浏览器并执行搜索、查找、预定等相关操作。生态方面，OpenAI 宣布了当前与 Operator 的合作企业共同构建生态，包括 DoorDash、Instacart、OpenTable、Uber 等。通过生态共建，OpenAI 可以更好的将 Agent 触达终端用户，并加速完善相关功能的可用性。国内方面，3 月来自中国的创业公司Monica 正式对外发布通用型 AI Agent 产品 Manus、智谱在中关村论坛上正式发布自主智能体AutoGLM沉思，并将在后续开源；4 月，MainFunc 发布 Genspark 的超级智能体。相关产品持续进步，企业竞争焦点已从通用能力转向场景深耕与生态整合。

AI Agent 市场处于早期阶段，营销助手为重点方向。营销的核心需求涵盖精准沟通、个性化服务、内容生成等领域，传统 SaaS 工具受限于数据孤岛、浅层智能等问题，往往难以准确满足用户的需求。Agent 将营销交互从被动应答转为主动服务，通过多模态交互与预测用户需求重构客户关系。同时，Agent 将AI 从工具转变为创作引擎，极大提高内容创作效率，亦可对用户数据进行分析，帮助商家精准定位目标群体，有效提高营销效果，有着广泛应用前景。据亿欧智库数据，AIAgent 对于 SaaS 服务的增益价值约 30%，能够为客户带来实质收益，从而提升其付费意愿，目前商业类 AI Agent 产品处于探索期，2024 年中国AI Agent市场规模为 1473 亿元，企业渗透率不足 5%，随着 AI Agent 在SaaS 产品中增益价值扩大及高性能定制化 AI Agent 开发市场成熟，2028 年规模有望达到3.3 万亿元。营销助手为下游重点应用领域，2024 年中国 AI Agent 营销市场规模为442亿元，预计未来 5 年将呈现爆发式增长，达到万亿级市场。

中小微商户数字化升级加速，支付侧公司具备入口优势。近年来，商业模式单一、线上经营能力缺失、营销模式落后等问题已成为中小微商户发展的痛点。因此，SaaS 服务在内的数字化工具成为成本低、便捷且高效的手段。据共研产业咨询数据，预计 2027 年中国中小微商户数字化升级服务市场将达2294 亿元，相关市场快速增长。支付侧公司与中小微商户联系紧密，基于自身商户服务经验，以商户刚需的支付服务为切入口，具有天然入口侧的优势。