ARTICLE · 1059273
AI Agent 为什么突然火了?
AI Agent 为什么突然火了?9月8日，一款叫 Muse 的应用在海外上线。 12天，280万次安装，登顶美国 iOS 免费榜，把 ChatGPT 甩在身后。9月21日，它的母公司 Meta 股价单日暴涨 11.43%，市值一天增加近 1900 亿美元。同一天，AMD 市值历史上第一次冲破 1 万亿美元——因为市场突然意识到，能替人"办事"的 AI，需要的算力结构，和只会聊天的 AI 完全不同。 Muse 是什么？用一句话说：它不是陪你聊天的 AI，是替你干活的 AI。它能读你的邮件、整理你的表格、浏览网页比价、甚至代替你在网上下单。 但 Muse 不是第一个 AI Agent，也不会是最后一个。 所以真正值得问的问题不是"Agent 是什么"，而是：为什么偏偏是这两年，Agent 突然从论文里的名词，变成了资本市场和普通人都在谈论的东西？ 我的判断很明确：Agent 的爆发，不是某一项技术突然成熟，而是四个必要条件，几乎在同一时间凑齐了。 这就像自动驾驶。它不是某一年被"发明"出来的，而是要等传感器、算力、算法、数据一起达标，才从实验室开上了路。Agent 也一样。 一个真正能干活、而不只是炫技的 Agent，至少要同时满足四件事：它会想、它会动手、它记得住、而且搭起来不能太难太贵。下面，一条一条说。 最早的瓶颈，其实是模型不会做多步推理。 你让早期的模型"先分析再回答"，它往往直接蹦出一个答案，中间过程是糊的。复杂任务一拆就崩。让这样的模型去自主决策"下一步该干什么"，根本不现实。 转折点来自 2022 年的思维链（Chain-of-Thought）。它的发现很朴素：只要引导模型"一步一步想"，它在推理类任务上的表现就会明显变好。这件事为什么关键？因为 Agent 的本质，就是不断地判断"下一步该做什么"。模型连稳定的多步推理都做不到，让它自己掌舵就是空谈。 到了 2024 年，推理模型把"先想后答"直接做进了训练里，又把这层能力往上抬了一截。一句话总结：会想，是 Agent 能自己掌舵的前提。 光会想还不够。 一个只会在脑子里推理、却碰不到外部世界的模型，顶多是个更聪明的话痨。Agent 真正要的是"会动手"——能搜索、能调 API、能跑代码、能填表格。 这条线，是这几年变化最大的一条，它大致走了三步。 第一步，ReAct。2022 年提出的这个范式，让模型在"推理"和"行动"之间交替：先想一下，再做个动作（比如搜索），看到结果再接着想。这个"想—做—看—再想"的循环，几乎就是今天所有 Agent 的骨架。 第二步，Toolformer。2023 年初，它证明模型可以学会在合适的时机自己调用 API，而不是让人把每一步都写死。 第三步，Function Calling（函数调用）。真正让工具调用从"论文里能跑"变成"产品里能用"的，是 2023 年 6 月 OpenAI 推出的这个功能。在那之前，让模型调工具，多半要靠解析它输出的文本，脆弱又难维护。Function Calling 让模型可以直接输出结构化的调用请求——该调哪个函数、传什么参数，清清楚楚。这一步看着不起眼，意义却很大：工具调用从"勉强能拼"变成了"可以稳定集成进系统"。没有这一步，Agent 永远只能是个炫技 demo。 一个 Agent 在执行任务时，必须随时知道：我已经查过什么、哪些结论可信、还差哪一块没做。 这依赖两样东西。一个是长上下文。这两年模型的上下文窗口从几千 token，一路涨到十万、几十万甚至上百万。窗口越大，Agent 能在一次任务里"端着"的信息就越多。另一个是外部记忆，也就是用向量库等手段，把信息存起来、需要时再检索回来——这其实就是 RAG 那套机制在 Agent 里的延伸。 没有记忆，Agent 会反复绕圈、丢上下文，任务一长就乱。 最后一个条件最朴素，却最容易被忽略：搭一个 Agent，变得没那么难、也没那么贵了。 一方面是框架成熟了。2023 到 2024 年，LangGraph、AutoGen、CrewAI 这类框架陆续出现，把"循环、工具注册、状态管理、多步编排"这些脏活累活封装好，开发者不用从零造轮子。据 GitHub 2026 年 4 月数据，主流框架 Star 数分别为 LangChain 13.5 万、MetaGPT 6.75 万、AutoGen 5.76 万，生态活跃度持续提升。 另一方面是成本降了。Agent 是个"费 token"的东西——一个任务里要反复思考、反复调用。token 太贵的时候，Agent 在经济上根本跑不起来；价格降下来之后，它才具备真正落地的可能。 门槛和成本这两道闸一松，Agent 才从极客的玩具，变成普通团队也敢上手的东西。 把上面四根柱子放到时间线上，故事就清楚了。 2023 年，是被"点火"的一年。年初，AutoGPT、BabyAGI 这类项目突然爆红。它们第一次把"让 AI 自己定目标、自己拆任务、自己一步步执行"的画面，直观地摆在大众面前。但说实话，那时候它们大多不靠谱——容易跑偏、容易死循环、烧钱还办不成事。不过它们做了一件重要的事：点燃了想象力，也暴露了差距。大家看清了 Agent 该有的样子，也看清了它还差在哪。 2024 年，是"补齐"的一年。前面说的四个条件，在这一年前后基本到位：模型更会推理了，工具调用标准化了，上下文更长了，框架和成本也下来了。这一年还多了几股新推力：把推理做进训练的推理模型、让模型直接操作电脑界面的 computer use 能力，以及 2024 年底 Anthropic 提出的 MCP（模型上下文协议）——它想做的，是给"模型怎么连接工具和数据"立一个统一标准。 2025 到 2026 年，是"爆发"的一年。Devin 出现了，号称第一个能写代码、调试、部署的"AI 软件工程师"；中国团队做的 Manus，展示了通用 Agent 处理真实世界复杂任务的能力；OpenAI 的 ChatGPT Agent、Claude 的 Computer Use 陆续落地；再到 2026 年 9 月，Meta 的 Muse 把消费级 Agent 直接推上了应用商店榜首。 Gartner 的数据很说明问题：2024 年，只有 33% 的企业级应用嵌入了至少一个 AI Agent；到 2026 年第一季度，这个数字到了 80%。这是自 2010–2012 年云计算以来，最陡的企业软件 adoption 曲线。 光有技术还不够。Agent 真正让资本和企业家兴奋的，是它开始产生真金白银。 IDC 的数据显示，中国企业级 AI 智能体市场，2025 年已经达到 212 亿元，预计 2026 年增至 449 亿元，到 2029 年有望突破 3320 亿元，年复合增长率高达 107%。全球市场方面，2026 年 AI Agents 市场规模约 109 亿美元，同比增长 43%。 更关键的是 ROI。一份行业研究报告显示，AI Agent 的平均投资回报率达到 171%（美国为 192%），中位回收期只有 5.1 个月，74% 的高管在部署第一年内就实现了 ROI。客服工单成本从 4.18 美元降到 0.46 美元，降幅接近 9 倍；代码审查成本从 48 美元降到 0.72 美元，降幅 66 倍。 波士顿咨询的报告也给出了佐证：2025 年，智能体系统已经占到 AI 总价值的 17%，预计到 2028 年将达到 29%。 从"成本中心"到"利润中心"，这是质的飞跃。用户不再为"AI 聊天"买单，而是为"AI 替我干活"买单。 讲到这里，如果你觉得 Agent 已经万事俱备，那就错了。我必须泼一盆冷水。 第一道闸门是事故率。同一份行业报告显示，约 88% 的 Agent 部署发生过生产事故，19% 的部署永远无法收回成本，40% 的试点项目预计到 2027 年前被废弃。所谓"试点繁荣、生产失败率 88%"，是真实存在的泡沫成分。 第二道闸门是数据质量。52% 的企业把数据质量视为最大障碍。Agent 再聪明，喂给它脏数据，出来的就是错误决策。 第三道闸门，也是最棘手的一道：生态与规则。Agent 要替用户办事，就必须打通第三方服务。可当 Agent 像人一样操作浏览器、下单购物，平台慌了。9 月 20 日，亚马逊直接封禁了 Muse 访问自己的购物网站，理由是隐私和安全风险——Muse 不会主动表明 AI 身份，还可能接触用户账号和订单数据。这不是孤例，此前豆包手机助手也因为能读屏、模拟操作，受到微信、淘宝、美团等头部 App 的限制。 底层矛盾很清楚：Agent 可能绕开原有的广告和推荐体系，重塑流量分发，动摇平台的商业模式。亚马逊 2025 年广告收入超过 680 亿美元，它当然要拦。这件事没有标准答案，欧盟已经率先行动，从 2026 年 8 月 2 日起，对与人类互动或生成内容的 Agent 适用新的透明度规则。 回到开头的问题。AI Agent 为什么突然火了？ 我的答案可以浓缩成一句话：不是某一项技术突然成熟，而是"会想、会动手、记得住、门槛低"四根柱子，恰好在同一时间立了起来；再加上资本和真实 ROI 的验证，才把 Agent 从演示视频，推到了能干活的生产系统。 但火归火，Agent 不是要当"甩手掌柜"。越强的能力，越需要护栏。前面提到的监管、身份、权限、问责，正在成为核心要求。最可能跑出来的，不是"最大自主权"的 Agent，而是"受控的自主"——在明确权限和验证机制下，可靠地完成有用工作的 Agent。 对企业家，我的建议是：别一上来就全面 AI 化。优先选那些"输入输出明确、验证机制现成、有人做得很累"的场景，比如客服、销售、代码审查。这些地方，Agent 最容易跑通、最快见效。 对个人，我想说一句更重的话：2010 年，看懂移动互联网的人，抓住了下一个十年的机会；2026 年，看懂 Agent 的人，正在抓住下一个十年的机会。区别在于——这一次，窗口更短，复利更陡。 你站在哪一边？