還記得三個月前那個讓全網(wǎng)歡呼的 AI Agent 嗎？

2025 年 3 月，Manus 橫空出世，憑借一段 " 智能體自主完成任務 " 的演示視頻，一夜之間成為科技圈寵兒。發(fā)布一周內(nèi)，200 萬用戶擠破頭預約，內(nèi)測碼被炒至 10 萬，仿佛 AI 的下一個 ChatGPT 時刻已經(jīng)到來。

然而，這場狂歡僅僅持續(xù)了 130 天。當?shù)谝慌脩粽嬲w驗產(chǎn)品時，美好的幻想被實際使用感受擊碎。人們發(fā)現(xiàn)，號稱全能助手的產(chǎn)品底層技術完全依賴大模型 API 拼接，實測過程中只執(zhí)行少數(shù)標準化任務，面對復雜場景常常束手無措。

實際上，Manus 的困境并非孤例。另一家明星 Agent 企業(yè)瀾碼科技早在 2025 年初就因融資斷裂，停發(fā)員工薪資數(shù)月，目前正尋求并購機會。

雖然通用智能體被廣泛認為是實現(xiàn) AGI 的必經(jīng)之路，但現(xiàn)實卻給了這個美好愿景沉重一擊。行業(yè)報告預測，到 2027 年，約 40% 的 AI Agent 項目可能因成本失控或商業(yè)模式不清晰而被淘汰。

那么，通用 Agent 賽道的窘境，是否折射了整個 Agent 行業(yè)的困局？未來的 Agent 要怎么做，才能被市場買單？

在讓 Manus 一夜爆紅的那段視頻里，智能體能自動篩選簡歷、分析股票、規(guī)劃旅行，甚至能像人類一樣 " 思考 " 復雜任務。此后，內(nèi)測邀請碼一碼難求，資本蜂擁而至，硅谷頂級風投 Benchmark 領投 7500 萬美元，公司估值飆升至 5 億美元。媒體爭相報道，稱其為下一代人機協(xié)作的范式。

一時間，Manus 成了 AI 創(chuàng)業(yè)的標桿，仿佛它真的能改變世界。

然而，狂熱的追捧之下，質(zhì)疑聲悄然浮現(xiàn)。

隨著時間推移，用戶發(fā)現(xiàn) Manus 的實際體驗遠不如宣傳那般驚艷。熱度迅速消退，訪問量逐月下滑。

一方面，Manus 的核心能力并非自研，而是依賴 OpenAI 的 GPT-4 和 Anthropic 的 Claude 等第三方大模型，自己只做封裝。業(yè)內(nèi)人士嘲諷它是 "AI 套殼智能體 " ——能拆解任務，但執(zhí)行時依賴預設的 RPA，一旦遇到意外情況，就會直接卡殼。比如，大規(guī)模用戶涌入后，Manus 的響應速度明顯變慢，算力瓶頸凸顯。有用戶反饋 Manus 經(jīng)常在復雜任務中卡殼，給出不合理的答案。

另一方面，高昂的價格讓不少用戶望而卻步。19-199 美元 / 月的定價甚至與 ChatGPT 等頭部大語言模型持平，但其實測效果又遠被甩在身后。失衡的性價比讓不少付費用戶感到自己被欺騙了。比如，Manus 號稱能完成電商比價等復雜任務，但在實際操作過程中漏掉拼多多、天貓數(shù)據(jù)，核心數(shù)據(jù)甚至出現(xiàn)事實錯誤；金融建模時，Manus 仍使用 2023 年的 β 值，與實時市場嚴重脫節(jié)，偏差超過 15%；視頻能力上，輸入指令 " 貓狗和諧相處的溫馨畫面 "，Manus 卻給出了一個狗頭貓身的 " 弗蘭肯斯坦 " 式生物。

可以說，那些花高價訂閱（19-199 美元 / 月）的用戶，等來的不是一個智能助手，而是一堆隨時可能出錯的模型能力的剪輯與拼接。

實際上，Manus 風評直下并非偶然，它的困境折射出整個通用 AI Agent 賽道的集體困局——技術未成熟就急于商業(yè)化，資本催熟泡沫掩蓋產(chǎn)品缺陷。

Gartner 預測，到 2027 年，40% 的智能體項目將因 " 成本過高、商業(yè)價值不明 " 被淘汰。

而當潮水退去，裸泳者才將現(xiàn)形。Manus 的故事，或許正是這場大浪淘沙的開端。

就在幾個月前，Manus 的爆火讓人們以為通用智能體的時代已經(jīng)來臨，創(chuàng)業(yè)者們前赴后繼地涌入這個賽道，仿佛只要給自己的產(chǎn)品貼上 Agent 標簽，就能輕松獲得資本青睞。然而現(xiàn)實是，大批通用 AI Agent 產(chǎn)品折戟沉沙，行業(yè)初期的浮躁與泡沫逐漸顯露。

為什么通用 Agent 沒有像大語言模型那樣讓市場持續(xù)振奮？

因為市面上槽點偏多的通用 AI Agent 產(chǎn)品本質(zhì)上都只是大模型的一層皮。它們調(diào)用 GPT-4 或 Claude 等頭部模型 API，加上一個定制的前端界面，就稱自己是 Agent 了。這種模式開發(fā)門檻低、上線速度快，但也意味著同質(zhì)化嚴重、護城河稀薄。同類產(chǎn)品都空洞地執(zhí)行著 " 接收輸入→調(diào)用模型→解析輸出→展示結(jié)果 " 的統(tǒng)一流程，沒有競爭力，而一旦大模型接口價格上漲或政策變化，就可能難以為繼。

進一步講，通用 Agent 的大模型依賴癥導致它卻缺乏統(tǒng)一的底層架構設計，常常陷入泛而不精的宏大敘事，缺乏明確產(chǎn)品定位。

通用 Agent，其實在民間還流傳著一個不太雅觀的稱號——縫合怪。就是說，產(chǎn)品為了展示多功能性，強行整合 RPA、爬蟲、數(shù)據(jù)分析工具，導致系統(tǒng)臃腫，無法真正適應復雜任務，用戶在實際體驗過程中效果不佳。麥當勞與 IBM 合作開發(fā)的 AI Agent，因在真實餐廳環(huán)境中頻繁出錯，最終被放棄。由于技術效果與業(yè)務需求之間存在落差，當企業(yè)發(fā)現(xiàn)投入巨資引入的 Agent 產(chǎn)品并沒有帶來預期的效率提升，自然會放棄繼續(xù)投入。

沒有人愿意買單，用戶留存率和轉(zhuǎn)化率少，但通用 Agent 的成本卻不低。與專業(yè) Agent 相比，通用 Agent 依賴多個大模型 API，token 消耗量更大。且由于任務泛化性更高，通用 Agent 產(chǎn)品開發(fā)和維護都需要持續(xù)投入大量算力和工程資源。然而，很多創(chuàng)業(yè)公司在起步階段盲目采用互聯(lián)網(wǎng)時代 " 先圈用戶后變現(xiàn) " 的免費獲客模式，忽視了通用 Agent 服務的高成本特性。而這種高成本、低轉(zhuǎn)化的矛盾則直接導致了，一旦融資跟不上、公司很快就會陷入現(xiàn)金流危機。

不難看出，通用 Agent 創(chuàng)業(yè)的泡沫正在破裂，那些無法實現(xiàn)商業(yè)化、僅靠講故事和堆模型吸引資本的公司注定逃不過被淘汰的命運。

但通用智能體不被看好，能代表 Agent 這條路已經(jīng)封死了嗎？

當前 AI Agent 領域正經(jīng)歷一場殘酷的洗牌——高昂的研發(fā)成本、模糊的商業(yè)化路徑，讓不少玩家黯然退場。然而，在一片 " 哀鴻遍野 " 中，仍有像 GenSpark、Salesforce 這樣的企業(yè)逆勢增長，不僅活了下來，還跑通了可持續(xù)的商業(yè)模式。

為什么 Agent 賽道冰火兩重天，我們或許可以從這些成功盈利公司的生存模式來一探究竟。

首先，小而美優(yōu)于大而全。

許多 AI Agent 的失敗，源于試圖打造萬能助手，結(jié)果既無法超越通用大模型，又難以在具體場景中真正落地。他們過分追求技術的通用性和智能度，卻忽略了企業(yè)客戶真正關心的問題——我買這個東西，到底能做什么？

與盲目追求通用智能的做法不同，一些 Al Agent 公司選擇在垂直領域深耕，針對痛點提供定制化解決方案，將智能體嵌入到客戶的業(yè)務流程中，建立技術和數(shù)據(jù)壁壘。

比如今年突然闖進公眾視野的 Agent 黑馬—— Genspark。這家公司員工僅僅二十人，卻在 Super Agent 上線 45 天后便實現(xiàn)了 3600 萬美元的年度經(jīng)常性收入。

一個重要的原因是找準了專業(yè)賽道。

Genspark 最初做 AI 搜索，但發(fā)現(xiàn)該領域已被 Google、Perplexity 等巨頭壟斷，于是果斷轉(zhuǎn)型 AI Agent，聚焦辦公自動化、數(shù)據(jù)分析和文件管理等企業(yè)剛需場景。

據(jù)悉，Genspark 驗證效率比傳統(tǒng)搜索引擎提升 60%，虛假信息過濾率高達 98%。實際應用場景中，金融行業(yè)客戶使用 GenSpark 后，投資研究報告撰寫時間從 3 天縮短至 8 小時；學術機構用戶反饋，使用 GenSpark 進行文獻綜述時，效率提升了 50%。

靠著在垂類領域做到極致，半路轉(zhuǎn)行的 Genspark 得以在 Agent 競賽突出重圍。

其次，解鎖付費意愿很重要。

解決了做什么后，另一個問題就是：這個 AI 到底能幫客戶賺多少錢，或者省多少錢？

許多通用 Agent 公司沉迷于炫技，卻忽略了企業(yè)運營的真正痛點—— ROI（投資回報率）。當每個產(chǎn)品都號稱自己有 Agent 能力，破局者靠什么脫穎而出？

關鍵在于幫助客戶定義 AI 的價值錨點。Salesforce 的 Agentforce 之所以能在上線一年內(nèi)吸引 5000 家機構部署、實現(xiàn) 10 億美元年化收入，就是兼具可解釋和按需付費兩個特性：可解釋，每個 AI 決策都能回溯推理過程，讓企業(yè)清楚知道 "AI 為什么這么判斷 "，降低信任門檻；按需付費，除了會員制，平臺還提供了按對話次數(shù)付費的商業(yè)模式，讓企業(yè)選擇更靈活、成本結(jié)構更透明。

深度綁定業(yè)務流程的 AI Agent 因直接解決了企業(yè)痛點，從而獲得持續(xù)的商業(yè)收入。這也說明了，企業(yè)客戶不只為 Agent 的概念買單，而是為可量化、可審計、可省錢的解決方案買單。

最后，數(shù)據(jù)反哺、社區(qū)創(chuàng)新建立生態(tài)護城河。

技術日新月異，企業(yè)想要存活，必須保持競爭力，讓產(chǎn)品越用越聰明。要與時俱進，上述成功部署、受到市場認可的專業(yè)型 Agent 產(chǎn)品還要進一步在真實場景中收集大量的用戶反饋，構建數(shù)據(jù)閉環(huán)，建立社區(qū)網(wǎng)絡，才能進一步反哺智能體快速迭代。