还记得三个月前那个让全网欢呼的 AI Agent 吗？
2025 年 3 月，Manus 横空出世，凭借一段"智能体自主完成任务"的演示视频，一夜之间成为科技圈宠儿。发布一周内，200 万用户挤破头预约，内测码被炒至 10 万，仿佛 AI 的下一个 ChatGPT 时刻已经到来。
然而，这场狂欢仅仅持续了 130 天。当第一批用户真正体验产品时，美好的幻想被实际使用感受击碎。人们发现，号称全能助手的产品底层技术完全依赖大模型 API 拼接，实测过程中只执行少数标准化任务，面对复杂场景常常束手无措。
实际上，Manus 的困境并非孤例。另一家明星 Agent 企业澜码科技早在 2025 年初就因融资断裂，停发员工薪资数月，目前正寻求并购机会。
虽然通用智能体被广泛认为是实现 AGI 的必经之路，但现实却给了这个美好愿景沉重一击。行业报告预测，到 2027 年，约 40% 的 AI Agent 项目可能因成本失控或商业模式不清晰而被淘汰。
那么，通用 Agent 赛道的窘境，是否折射了整个 Agent 行业的困局？未来的 Agent 要怎么做，才能被市场买单？
在让 Manus 一夜爆红的那段视频里，智能体能自动筛选简历、分析股票、规划旅行，甚至能像人类一样"思考"复杂任务。此后，内测邀请码一码难求，资本蜂拥而至，硅谷顶级风投 Benchmark 领投 7500 万美元，公司估值飙升至 5 亿美元。媒体争相报道，称其为下一代人机协作的范式。
一时间，Manus 成了 AI 创业的标杆，仿佛它真的能改变世界。
然而，狂热的追捧之下，质疑声悄然浮现。
随着时间推移，用户发现 Manus 的实际体验远不如宣传那般惊艳。热度迅速消退，访问量逐月下滑。
一方面，Manus 的核心能力并非自研，而是依赖 OpenAI 的 GPT-4 和 Anthropic 的 Claude 等第三方大模型，自己只做封装。业内人士嘲讽它是" AI 套壳智能体"——能拆解任务，但执行时依赖预设的 RPA，一旦遇到意外情况，就会直接卡壳。比如，大规模用户涌入后，Manus 的响应速度明显变慢，算力瓶颈凸显。有用户反馈 Manus 经常在复杂任务中卡壳，给出不合理的答案。
另一方面，高昂的价格让不少用户望而却步。19-199 美元 / 月的定价甚至与 ChatGPT 等头部大语言模型持平，但其实测效果又远被甩在身后。失衡的性价比让不少付费用户感到自己被欺骗了。比如，Manus 号称能完成电商比价等复杂任务，但在实际操作过程中漏掉拼多多、天猫数据，核心数据甚至出现事实错误；金融建模时，Manus 仍使用 2023 年的 β 值，与实时市场严重脱节，偏差超过 15%；视频能力上，输入指令"猫狗和谐相处的温馨画面"，Manus 却给出了一个狗头猫身的"弗兰肯斯坦"式生物。
可以说，那些花高价订阅（19-199 美元 / 月）的用户，等来的不是一个智能助手，而是一堆随时可能出错的模型能力的剪辑与拼接。
实际上，Manus 风评直下并非偶然，它的困境折射出整个通用 AI Agent 赛道的集体困局——技术未成熟就急于商业化，资本催熟泡沫掩盖产品缺陷。
Gartner 预测，到 2027 年，40% 的智能体项目将因"成本过高、商业价值不明"被淘汰。
而当潮水退去，裸泳者才将现形。Manus 的故事，或许正是这场大浪淘沙的开端。
就在几个月前，Manus 的爆火让人们以为通用智能体的时代已经来临，创业者们前赴后继地涌入这个赛道，仿佛只要给自己的产品贴上 Agent 标签，就能轻松获得资本青睐。然而现实是，大批通用 AI Agent 产品折戟沉沙，行业初期的浮躁与泡沫逐渐显露。
为什么通用 Agent 没有像大语言模型那样让市场持续振奋？
因为市面上槽点偏多的通用 AI Agent 产品本质上都只是大模型的一层皮。它们调用 GPT-4 或 Claude 等头部模型 API，加上一个定制的前端界面，就称自己是 Agent 了。这种模式开发门槛低、上线速度快，但也意味着同质化严重、护城河稀薄。同类产品都空洞地执行着"接收输入→调用模型→解析输出→展示结果"的统一流程，没有竞争力，而一旦大模型接口价格上涨或政策变化，就可能难以为继。
进一步讲，通用 Agent 的大模型依赖症导致它却缺乏统一的底层架构设计，常常陷入泛而不精的宏大叙事，缺乏明确产品定位。
通用 Agent，其实在民间还流传着一个不太雅观的称号——缝合怪。就是说，产品为了展示多功能性，强行整合 RPA、爬虫、数据分析工具，导致系统臃肿，无法真正适应复杂任务，用户在实际体验过程中效果不佳。麦当劳与 IBM 合作开发的 AI Agent，因在真实餐厅环境中频繁出错，最终被放弃。由于技术效果与业务需求之间存在落差，当企业发现投入巨资引入的 Agent 产品并没有带来预期的效率提升，自然会放弃继续投入。
没有人愿意买单，用户留存率和转化率少，但通用 Agent 的成本却不低。与专业 Agent 相比，通用 Agent 依赖多个大模型 API，token 消耗量更大。且由于任务泛化性更高，通用 Agent 产品开发和维护都需要持续投入大量算力和工程资源。然而，很多创业公司在起步阶段盲目采用互联网时代"先圈用户后变现"的免费获客模式，忽视了通用 Agent 服务的高成本特性。而这种高成本、低转化的矛盾则直接导致了，一旦融资跟不上、公司很快就会陷入现金流危机。
不难看出，通用 Agent 创业的泡沫正在破裂，那些无法实现商业化、仅靠讲故事和堆模型吸引资本的公司注定逃不过被淘汰的命运。
但通用智能体不被看好，能代表 Agent 这条路已经封死了吗？
当前 AI Agent 领域正经历一场残酷的洗牌——高昂的研发成本、模糊的商业化路径，让不少玩家黯然退场。然而，在一片"哀鸿遍野"中，仍有像 GenSpark、Salesforce 这样的企业逆势增长，不仅活了下来，还跑通了可持续的商业模式。
为什么 Agent 赛道冰火两重天，我们或许可以从这些成功盈利公司的生存模式来一探究竟。
首先，小而美优于大而全。
许多 AI Agent 的失败，源于试图打造万能助手，结果既无法超越通用大模型，又难以在具体场景中真正落地。他们过分追求技术的通用性和智能度，却忽略了企业客户真正关心的问题——我买这个东西，到底能做什么？
与盲目追求通用智能的做法不同，一些 Al Agent 公司选择在垂直领域深耕，针对痛点提供定制化解决方案，将智能体嵌入到客户的业务流程中，建立技术和数据壁垒。
比如今年突然闯进公众视野的 Agent 黑马—— Genspark。这家公司员工仅仅二十人，却在 Super Agent 上线 45 天后便实现了 3600 万美元的年度经常性收入。
一个重要的原因是找准了专业赛道。
Genspark 最初做 AI 搜索，但发现该领域已被 Google、Perplexity 等巨头垄断，于是果断转型 AI Agent，聚焦办公自动化、数据分析和文件管理等企业刚需场景。
据悉，Genspark 验证效率比传统搜索引擎提升 60%，虚假信息过滤率高达 98%。实际应用场景中，金融行业客户使用 GenSpark 后，投资研究报告撰写时间从 3 天缩短至 8 小时；学术机构用户反馈，使用 GenSpark 进行文献综述时，效率提升了 50%。
靠着在垂类领域做到极致，半路转行的 Genspark 得以在 Agent 竞赛突出重围。
其次，解锁付费意愿很重要。
解决了做什么后，另一个问题就是：这个 AI 到底能帮客户赚多少钱，或者省多少钱？
许多通用 Agent 公司沉迷于炫技，却忽略了企业运营的真正痛点—— ROI（投资回报率）。当每个产品都号称自己有 Agent 能力，破局者靠什么脱颖而出？
关键在于帮助客户定义 AI 的价值锚点。Salesforce 的 Agentforce 之所以能在上线一年内吸引 5000 家机构部署、实现 10 亿美元年化收入，就是兼具可解释和按需付费两个特性：可解释，每个 AI 决策都能回溯推理过程，让企业清楚知道" AI 为什么这么判断"，降低信任门槛；按需付费，除了会员制，平台还提供了按对话次数付费的商业模式，让企业选择更灵活、成本结构更透明。
深度绑定业务流程的 AI Agent 因直接解决了企业痛点，从而获得持续的商业收入。这也说明了，企业客户不只为 Agent 的概念买单，而是为可量化、可审计、可省钱的解决方案买单。
最后，数据反哺、社区创新建立生态护城河。
技术日新月异，企业想要存活，必须保持竞争力，让产品越用越聪明。要与时俱进，上述成功部署、受到市场认可的专业型 Agent 产品还要进一步在真实场景中收集大量的用户反馈，构建数据闭环，建立社区网络，才能进一步反哺智能体快速迭代。
医疗 Agent PathChat 通过分析显微镜图像和患者数据，帮助医生快速识别肿瘤，在积累了大量独家医学数据后，将识别准确率从 78.1% 提高到 89.5%，进一步巩固专业护城河；Salesforce 推出的 Agent 平台允许开发者创建各种行业 Agent 应用，第三方的加入丰富了平台功能，反过来又吸引更多企业客户采用 Salesforce 的 AI 方案。
将单一产品上升为生态系统的 Agent 公司，将更难被撼动。
简言之，那些在 Al Agent 寒冬中依然挺立的企业虽各有高招，但无不是将技术与场景深度结合的务实者。而那些一味追逐风口、忽视用户需求的投机者，终将被历史淘汰。Manus 的故事或许还无法轻易定调，但它留给业界的讨论是有价值的：Al Agent 的使命，在于成为人类的得力助手，而不是资本游戏中的空中楼阁。
任何不想只是昙花一现的技术，唯有脚踏实地、聚焦场景、创造价值，才能真正走出困局，迎来属于自己的春天。
配资股票的合法平台有什么,炒股配资行情,股票配资学习提示：文章来自网络，不代表本站观点。
