从2025世界人工智能大会（WAIC）归来，手头的数据显示，大约有50家Agent平台亮相，但真正声称“已经跑出模型、能赚钱了”的，仅有不到一半，大约二十来家。其余的，要么是主业顺带搞Agent当作概念，要么还在描绘未来的蓝图。这些玩家主要集中在企业服务、工业智能、金融科技、智能硬件以及个人提效工具等领域。
显而易见，除了具身智能仍处于“未来进行时”之外，今年WAIC的C位，基本被Agent牢牢占据了。
为什么Agent能火起来？因为它真的能落地
Agent之所以炙手可热，归根结底在于其“能落地”的特性。大模型发展到2025年，人们终于看清一个现实：仅仅会聊天，甚至将推理能力做到极致，也无济于事。
当我们与AI对话时，一问一答尚可。但一旦任务变得复杂，例如制作一份PPT，需要查询数据、确定结构、生成图表、调整格式，单一的对话框根本无法满足需求。更不用说在多轮对话后，AI往往会遗忘前面的内容。记忆短暂、上下文衔接不畅、执行能力弱，这更像是“金鱼脑”，而非能真正帮助工作的“员工”。
随着大模型上下文处理能力的增强，以及Anthropic推出MCP协议（Model Context Protocol），加上开源社区Agent架构的日益成熟，人们才意识到：AI不应被局限于聊天框中，它应该拥有自己的“办公桌”。这才催生了Cursor、Manus等爆款工具的出现，它们在自动编写代码、运行项目、管理流程方面展现出强大能力。
资本市场的嗅觉也异常敏锐。2024年下半年还在观望，2025年一开年，便直接进入“抢滩”阶段。数据显示：Cursor融资9亿美元，Manus获得7500万美元，OpenAI斥资30亿美元收购Windsurf。这不再是单纯的投资，而是直接的圈地行为。
创业者们也意识到：如果PPT里的Demo再不变成展台上的实物，机会就会稍纵即逝，谁还愿意只做个“周报生成器”？这已经无法满足企业对能干活、能省钱、能融入现有系统的“数字员工”的迫切需求。
因此，Agent恰好踩在了所有需求的交汇点上。它能够作为合格的“打工人”，处理报销流程，自动识别发票、自动校验合规性、自动推进审批流程，最终将结果推送给财务人员，只需轻点确认，原本三小时的工作量，三分钟即可完成，且无需承担五险一金，这才是真正的效率革命。
所以，Agent的火爆并非偶然，它是技术成熟、资本投入和客户真实需求的共同结果。在WAIC上，Agent成为焦点，也就在情理之中了。
今年的展会上，制造业推出了“产线巡检Agent”，实现7×24小时设备监控；银行上线了“信贷审核Agent”，3分钟生成风控报告；医院也引入了“医保合规Agent”，3秒钟审核一张病历，甚至能揪出错误的字眼。这些案例的本质，都在强调四个字：成本革命。以前需要三天盯一个流程，现在一个Agent就能全程跑完，你说它能不火吗？
火是好事，但为何有的能盈利，有的却亏损呢？盈利与亏损的“分界线”究竟在哪里？
揭秘Agent盈利与亏损的分界线：关键在于成本与客单价
经过对参展商数据的分析，发现ToB客户每年至少需要支付50万元，并且每收入100元，至少要赚取60元，即行业内所称的“年合同额”（ACV）和“毛利率 ≥ 60%”。未能达到这一标准的企业，要么在烧钱制作PPT，要么在亏本进行POC（概念验证）。
你可能会好奇，为何如此判断？因为Agent的成本远比你想象的要高昂。
交叉计算发现：一个7×24小时运行的产线巡检Agent，听起来是自动化，实则是个“吞金兽”。仅在云端运行模型、存储向量、进行监控，一年至少需要20万元。再配备两名算法工程师和一名交付经理，人力成本轻松超过80万元。
一年投入超过100万元，如果客户年费达不到100万元以上，根本无法回本。所以，ACV甚至达不到50万元的项目，到底为了什么？要么作为样板间，要么是赔本赚吆喝。
再看看其他场景：一个医疗合规Agent，要通过等保三级和医保审计，合规成本可能占到项目总额的30%；一个金融风控Agent，每天运行上千次推理，月均算力账单超过15万元。
如果客户一年只支付20万元，连电费都无法覆盖，更不用说交付、运维和迭代的成本。这些数据都可以通过AI进行交叉验证。
一个典型例子是黑湖小工单，作为轻量化生产管理工具，主要服务中小微工厂。其客单价约为1万元/年（相当于普通工人1个月的工资），覆盖了2.5万家工厂，毛利率达到65%～70%，目前已实现盈利。
其核心价值非常实际：工人通过手机报工，10分钟内同步进度；报废率从5%以上降至1%以下；计件工资自动核算，节省80%的统计时间，企业整体交付率从50%提升至90%。
因此，那些真正赚钱的企业，例如为车企提供智能座舱Agent的，单笔订单数百万起，深度绑定整车系统；工业领域则按检测量收费，运行越多，边际成本越低，规模效应上来后毛利也随之提升。
相反，那些仍在描绘通用Agent套件蓝图的企业，客单价两三万元，听起来热闹，但算完账后却可能欲哭无泪。功能虽然全面，但客户一旦使用就会发现：不贴合实际场景、无法融入现有系统、仍需人工介入，结果就是形同虚设。
因此，真正的分界点不在于技术有多么强大，而在于能否拿下大订单，能否深入客户系统，能否提升毛利率。跨过这条线，便是数字员工供应商；否则，只能是AI功能插件商。
Agent的赚钱之道：三种高阶商业模式解析
你可能会问，赚钱的Agent到底是如何收费的？通过对10家已盈利Agent厂商的合同结构分析，发现它们并非依靠“卖软件”赚钱，而是采用了三种高阶模式。
模式一：不卖Agent，卖“入口”
典型代表是为车企提供智能座舱Agent的企业。它们直接将Agent打包进整车操作系统，一辆车一个许可，每辆车抽取300到500元。听起来不多，但一年几百万辆车的销量，就是十几亿的量级。关键在于一旦嵌入系统，车企基本无法更换，维护成本低，收入稳定。这被称为“系统级绑定”，企业成为系统的一部分，比SaaS更深入，比插件更核心，一签就是五年，稳稳地享受红利。
模式二：效果分成
Agent帮助客户节省了多少，客户就分给Agent供应商多少。典型案例是银行反欺诈、保险理赔以及广告优化的Agent。它们采用零预付款，纯分成模式。由于银行数据高度敏感，具体分成比例虽然难以获取，但逻辑清晰：只要Agent成功阻止一笔坏账、节省一笔赔付、多促成一笔交易，供应商就能从节省或增量的部分中抽成。对客户而言，最吸引人的是这笔钱是“省出来的钱”，属于没有预算的采购，决策快，阻力小。当然，前提是供应商必须能真正见效，否则分成落空，口碑也会受损。
模式三：按资源单元销售
典型代表是“容犀Agent”。它们将语音识别、知识库、质检辅助等打包成一个“云坐席”，按照并发坐席数量收费。标准套餐每月500到2000元一个坐席，包含基础质检和知识库功能；高级功能如动态知识图谱、多模态分析则需额外付费。针对咨询量波动大的客户，例如电商大促期间，则按对话次数、质检任务量或API调用次数结算。对于证券、保险等强合规场景，还提供私有化部署，一次性部署费在20万到200万元之间，年维护费按15%到25%收取。本质上，它们是将AI当作“云人力”出租，客户节省一个真人客服，就愿意支付一份“AI工资”。
这三种模式都在回答同一个问题：客户到底节省了谁的钱？节省了工程师的钱，就按年订阅；节省了审批的钱，就按笔分成；节省了坐席的钱，就按并发销售工位。只要能清楚地计算出“省了多少”，客户就愿意将节省下来的钱分给供应商一半。Agent的商业模式，说到底，是一场“算账游戏”。
高价值领域Agent的护城河：系统集成、合规与场景深度融合
即便再能节省成本，如果无法融入客户系统，一切都将归零。尤其是在医疗、金融、汽车这些“现金奶牛”行业，流程严密，监管严格，试错成本极高。
那么，在高价值领域，Agent平台的护城河到底是什么？
在医疗行业，合规要求如同一座大山。医疗数据涉及患者隐私，必须严格遵守《网络安全法》和《健康医疗数据安全指南》等法规。例如，医保合规Agent需要通过等保三级认证，合规成本可能占到项目总额的30%。
但合规仅仅是入场券，数据本身并不构成壁垒。因为大厂和医院自己拥有数据，但缺乏“使用数据的能力”。真正困难的是：能否接入其ERP、HIS、TMS、CRM系统？能否在合规前提下，将数据“转化为动作”？
举例来说：蓝想数科的LANAI Agents通过数字孪生技术，实时监控急诊、手术和重症中心，显著提高了医疗效率。这就是场景落地的关键，将智能预问诊、医保审核、病历管理等每个环节都做到了深度嵌入。
金融行业则有所不同。数据是护城河，合规是生命线，而场景决定了客户是否买单。反欺诈Agent需要接入风控中台，调用第三方数据，触发拦截策略，还需生成监管所需的审计日志；量化交易Agent的算法响应速度，从毫秒级提升至微秒级，才能在市场波动中捕捉转瞬即逝的套利机会。合规毋庸置疑是底线，而场景则决定了客户是否愿意为你的产品掏钱。
汽车行业的场景最多，切入点也最多。数据是增长手段，合规是保障；智能座舱Agent需要实时响应语音指令，联动空调、导航、音乐，并且必须在车规级环境下7×24小时稳定运行。
因此，不要再说“我有数据就能做”了。真正的壁垒是这三堵墙：
- 有没有深入业务流程，做到“无感嵌入”？
- 能不能通过等保、通过审计、满足行业监管？
- 能不能对接老系统、跑通上下游、不拖累现有IT架构？
谁能率先打通数据、场景、合规、集成，谁就有机会嵌入客户业务中；进不去，就只能在外围销售插件，打零工。
Agent的未来：标准化、服务化与两种终局预测
我们必须认清一个现实：今天的Agent仍处于“手工作坊”阶段，每个行业、每家企业都在自行搭建、训练和运维，就像20世纪90年代搞信息化，每家公司都购买服务器、组建IT部门。
但趋势非常明确：Agent终将走向标准化、服务化和管道化。
届时，用户不再关心是哪家的模型、采用了何种架构，他们只会问一句：事情办成了吗？
虽然无法预测这一天何时到来，但假设在2027年，可能会出现两种终局。第一种是“底层垄断”：赢家通吃，只剩下“云+芯片”。
大型厂商将Agent打造成基础设施，用户调用一个API，背后是超大规模模型、专用AI芯片、全球算力网络；就像今天使用AWS或阿里云，没有人关心服务器的具体位置。国外已经初现端倪，亚马逊、谷歌、Meta等云厂商纷纷自研AI芯片和网络架构，旨在优化Agent的运行效率，巩固其在基础设施中的主导地位。
芯片企业也未曾停歇，英伟达、Tenstorrent等公司专注于Agent推理芯片，能效比提升5倍以上。在这种格局下，竞争将集中在两端：
- 云厂商：比拼算力调度、成本控制、工具链完整度
- 芯片厂商：比拼推理效率、能耗比、定制化能力
而中间层的独立Agent创业公司，将面临严重挤压，要么被收购，要么只能从事“皮肤层”定制，赚取微薄的辛苦钱；这就像电力时代，没有人再自己发电，都从国家电网购买电力，发电厂是谁？不再重要。用户只管插电、开机、干活。
另一种可能，“超级聚合商”将会崛起。
医疗、金融、制造等行业的流程千差万别，数据孤岛林立，监管规定各不相同；一个Agent不可能通吃所有场景。
因此，更可能的未来是出现一批“超级聚合商”，它们不训练大模型，也不制造芯片，而是专注于一件事：调度Agent，组装工作流，对接系统，并负责最终交付。
例如：如果你需要实现跨境贸易全流程自动化，它就会帮你组合：报关Agent（懂得海关编码）、外汇结算Agent（连接SWIFT）、物流追踪Agent（接入船公司API）、合规审查Agent（通过反洗钱规则）等，然后打包成一个“贸易中枢”，并按结果收费。
它不拥有每个Agent，但掌握调度权、集成权和客户入口权。就像今天的SAP或Salesforce，技术未必最强，但却占据了企业流程的核心位置。
这类公司可能从四类玩家中诞生：头部SaaS厂商（如用友、金蝶、Salesforce）、系统集成商（如IBM、神州数码）、行业平台型公司、以及大型企业数字化部门的外溢（如一些车企的智能座舱中台独立成为公司）。
因此，可以判断，到2027年不会是“云+芯片”的终极垄断，也不会有“全能Agent”一统江湖；真正的赢家，将是那些能将“碎片化智能”拼凑成“完整服务”的“超级连接者”。
从ToB视角来看，至少是这样。它们不生产电，但建设了电网；不生产水，但铺设了水管；它们不做Agent，但能让所有Agent协同工作，这才是下一波红利。