文 | 鉛筆道研究院

近年來，AI Agent（智能體）領域頻繁出現未來獨角獸，比如新看點，獲盛景嘉成數千萬戰略融資，聚焦XR+AI Agent融合場景；比如Shulex，完成億元級融資，由盛大資本領投；比如Manus，獲Benchmark領投7500萬美元。

這讓我們注意到：AI Agent這個萬億賽道，可能產生了新機會。今天，鉛筆道推出《2025 AI Agent市場報告》，嘗試發現該賽道的最新機會。

2025年全球AI Agent相關市場規模（含軟件、服務及部分硬件）預計突破2000億美元（綜合IDC與Gartner預測），消費級應用占比約30%-35%。

AI Agent行業集中度較高，頭部企業占據主要市場份額，但醫療、教育、工業等細分賽道仍有突破機會。

飽和賽道以基礎問答與簡單任務處理為主，傳統AI助手仍占主導但增速放緩至5%-8%；增量賽道爆發于三大領域，競爭也日趨激烈：

通用AI Agent：2025年市場規模約約78.4億美元，2030年預計達約526.2億美元，CAGR 46.3%；垂直行業AI Agent：2025年市場規模約890億美元；AI Agent開發平臺：2025年市場規模約900億美元，主要為企業數字化轉型推動需求。

在具體突破環節上，通用智能體、垂直行業解決方案、AI Agent開發平臺比較受資本青睞。

當然，該賽道還存在部分未被滿足的痛點：

技術瓶頸：多模態融合能力不足（當前僅能處理文本+圖像，復雜場景理解有限），長時記憶與上下文關聯仍需優化（對話輪次超過10輪后準確率下降20%）；

商業化難題：企業級AI Agent定制化成本高（單項目研發費用超百萬美元），投資回報周期長達2-3年，目前多數企業未達盈利平衡點；

用戶接受度：中小企業對AI Agent信任度不足（僅35%企業愿意付費使用），主要由于結果不可預測性與數據安全擔憂；

行業標準缺失：AI Agent缺乏統一的能力評估標準，行業認證體系尚不完善，影響大規模商業落地。

建議新玩家從3個角度破局：

技術差異化：聚焦多模態融合（提升復雜場景理解能力）、長時記憶優化（增強上下文關聯）；

細分場景深挖：醫療診斷輔助（影像識別+報告生成）、教育個性化輔導（學情分析+自適應學習）；

開發平臺賦能：提供低代碼AI Agent構建工具（降低企業開發門檻）、云端協作平臺（提升團隊效率）。

本報告將拆解這一超級賽道的爆發邏輯與未來機遇。

- 01

 賽道全貌

1-1什么是AI Agent

通俗來說，AI Agent是通過感知環境、自主決策并執行動作的智能系統，其核心價值在于自動化（替代重復性工作）與智能化（提升決策效率）。

與傳統AI（如ChatGPT的對話生成、圖像模型的圖片生成）不同，AI Agent更強調"主動思考-規劃-行動"的閉環能力，可類比為"數字員工"或"虛擬助手"，但具備更強的自主性與目標導向性。

1-2賽道分類介紹

AI Agent呈現多元化模式：

通用AI Agent（月之暗面）：通過多模態交互（文本+語音+圖像）覆蓋消費級場景，如智能助手、虛擬陪伴等。

垂直行業AI Agent（深度求索）：聚焦法律、金融等專業領域，提供合同審查、投資分析等深度服務。

AI Agent開發平臺：為企業提供低代碼開發工具，支持定制化AI Agent構建，降低技術門檻。

- 02-

 賽道規模及增速

2-1存量市場的市場規模及增速

據麥肯錫分析，生成式AI（含AI Agent）在客戶服務、內容生成等領域的市場規模2025年預計達500億-700億美元（具體拆分見下表），年增速超30%。

2-2賽道市場滲透率

1. 整體市場滲透率

截至2025年，全球AI Agent市場滲透率約25%（部分領域如消費級助手滲透率更高）。

數據來源：Gartner《2025年AI技術成熟度曲線》、Statista《2025年全球AI軟件市場報告》

2、細分群體滲透率

消費級場景（如虛擬助手）滲透率遠高于企業級場景（如客服自動化、醫療診斷），主要因消費級產品門檻低、用戶基數大。

企業級市場滲透率受行業標準化程度影響：金融、電商滲透率超30%，制造業不足20%（需定制化開發）。

區域市場滲透率對比：

北美市場整體滲透率約30%-35%，消費級和企業級應用均領先。

歐洲市場整體滲透率約20%-25%，政策驅動醫療與工業領域增長。

亞太市場整體滲透率約15%-20%，中國與印度增速顯著。

數據來源：Forrester《2025年北美AI市場趨勢》、歐盟委員會《2025年數字歐洲計劃進展報告》、麥肯錫《2025年中國AI應用洞察》、印度電子與信息技術部《國家AI戰略》。

2-3增量空間及增速預期

數據來源：麥肯錫、Gartner《2025年AI技術成熟度曲線》及IDC市場跟蹤數據。

AI Agent行業增量空間主要集中在以上三大領域，各賽道增速顯著高于行業平均水平（25%-30%），且市場滲透率仍有較大提升空間。技術突破與政策紅利共同推動市場滲透率快速提升，新玩家可優先布局高增長細分領域（如基層醫療AI輔助診斷、職業教育個性化輔導）。

- 03- 

客戶畫像與核心訴求

3-1客戶行業分布

北美科技企業（互聯網、軟件）：規模約8萬家，核心需求為"自動化+提效"，通用AI Agent用戶年均消費額達100萬美元/年；

亞太醫療企業（醫院、診所）：規模約6萬家，核心需求為"精準+輔助決策"，醫療AI Agent用戶復購率超40%；

歐洲制造業企業（整車廠、零部件供應商）：規模約10萬家，核心需求為"質量控制+效率提升"，企業級AI Agent用戶年均消費額達80萬美元/年。

數據來源：Statista、IDC、Gartner、麥肯錫、WHO、歐盟委員會等資料。

3-2細分場景及未滿足需求

通用AI Agent各細分場景存在明顯痛點，制約行業發展。

通用場景：多模態融合能力不足，僅能處理文本+圖像，復雜場景理解有限，需提升交互能力。

垂直行業：長時記憶與上下文關聯仍需優化，對話輪次超過10輪后準確率下降20%，需增強記憶能力。

開發平臺：企業定制化開發門檻高，周期長達數月，需降低開發難度與周期。

3-3國內政策土壤

目前依然存在政策紅利。

國內政策從"數字經濟-醫療健康-教育信息化-科研創新"四端發力，支撐AI Agent發展：數字經濟政策推動服務業應用，醫療健康監管趨嚴，教育信息化體系完善，科研支持力度加大。

- 04- 

行業發展階段

4-1中外發展水平對比

總體而言，海外成熟度高于國內。

市場規模：2025年中國約800億美元，年增速25%-30%，消費級應用占比40%；美國約1500億美元（消費級應用占比50%），歐洲約1000億美元（企業級應用主導，滲透率50%）。

核心技術：中國聚焦多模態交互技術，垂直行業解決方案；美國OpenAI多模態技術領先，歐洲DeepMind在醫療AI Agent領域領先。

用戶結構：中國消費級用戶貢獻60%消費，醫療與教育領域增速顯著；美國用戶全行業覆蓋，歐洲企業級用戶需求旺盛。

關鍵差異：中國AI Agent消費級應用增速快于海外，但核心技術（如多模態融合）仍需提升；海外市場以高端技術與企業級服務為主導，模式更成熟。

4-2賽道發展關鍵驅動因素

數據來源：行業公開報告

AI Agent的三大關鍵驅動因素：

1、技術突破：多模態交互技術（文本+語音+圖像+視頻）擴展應用場景，如月之暗面覆蓋智能助手、虛擬陪伴等場景；長時記憶優化提升上下文關聯（百川智能對話輪次超20輪仍保持90%準確率）。

2、市場需求：消費級自動化需求爆發（智能家居、車載系統），企業級效率提升需求增長（金融、法律、醫療流程自動化）。

政策賦能：數字經濟等政策推動服務業應用，直接拉動企業訂單增長（如月之暗面消費級訂單+60%）。

4-3新興技術路線

數據來源：行業報告、企業技術白皮書

行業有幾個新興技術路線值得關注。

多模態交互：文本+語音+圖像+視頻融合技術擴展應用場景，如月之暗面覆蓋智能助手、虛擬陪伴等場景。

長時記憶優化：對話歷史關聯與任務連續性技術提升上下文關聯，百川智能對話準確率提升至90%。

低代碼開發平臺：可視化編程與模板化構建降低企業定制化開發門檻，零一萬物平臺將開發周期從數月縮短至數周。

云端協作：分布式計算與實時同步技術支持團隊協作，阿里云PAI平臺支持千人團隊同時開發AI Agent。

- 05-

 上游供應鏈

5-1上游是誰？

AI Agent上游供應鏈主要包括幾類公司：

1、AI芯片供應商：提供高性能計算芯片（如GPU、TPU）；

2、AI算法開發商：提供多模態交互、長時記憶等核心技術；

云計算服務商：提供算力支持與數據存儲服務。

5-2上游地位強弱

上游供應鏈中，芯片、算法、云計算環節均呈現“技術密集+資本密集”特征，頭部企業占據絕對主導地位，中小企業面臨高成本、低議價能力的挑戰。未來國產替代（如華為昇騰芯片、百度文心算法）與開源生態（如Meta Llama系列）或將成為破局關鍵。

5-3上游供應鏈瓶頸

數據來源：國際AI技術協會《全球AI Agent產業鏈研究》。

我國AI Agent上游供應鏈的短板集中體現在三方面：芯片研發受制于高性能計算芯片（GPU/TPU）的供應緊張與高成本，國內自主研發能力尚未完全突破；算法開發領域，多模態交互與長時記憶技術的快速迭代使得小型企業面臨技術追趕壓力；云計算服務的高成本則限制了初創企業的資源獲取能力。解決這些問題需依賴技術攻堅、政策扶持及產業生態協同。

- 06-

 競爭格局

6-1賽道發展階段

當前階段：快速成長期，消費級與企業級應用場景快速擴展，行業集中度逐步提升。

核心特征：行業增速保持25%-30%，資本向頭部企業集中（如月之暗面、百川智能等AI六小龍）；

頭部企業構建“核心技術+場景落地+生態合作”全鏈條壁壘，CR5（前五企業市場份額）達45%（2025年數據）；

政策支持數字經濟與企業數字化轉型，但盈利模式仍需探索（多數企業毛利率30%-40%，凈利率-2%至8%）。

6-2新玩家切入時機分析

1、競爭格局分析

AI Agent行業集中度較高，CR3達35%，CR5為45%，但醫療、教育、工業檢測等領域仍有突破機會。頭部企業在技術或市場上占據優勢，新玩家可通過聚焦細分領域、區域市場，或借助技術差異化、模式創新實現突圍。

2.融資環境分析

AI Agent賽道的融資條件可總結為“技術可行、市場夠大、資本追捧、政策助力”：

技術層面：核心突破（如通用能力進化）和垂直工具落地，證明技術能解決實際問題；

市場層面：多行業需求爆發（如金融、制造業）和頭部企業收入增長，驗證商業化可行性；

資本層面：2024年全球超665億元融資，頭部項目獲大額投資，顯示資本對賽道的持續押注；

政策層面：國家支持AI應用落地，推動企業智能化升級，賽道長期發展有保障。

盡管通用型項目面臨競爭，但細分場景（如政府服務、企業知識庫）仍可通過差異化優勢吸引投資。整體看，賽道處于“技術成熟+需求爆發”初期，融資環境樂觀。

6-3新玩家切入角度分析

1. 技術差異化空間

新玩家可通過突破多模態交互瓶頸（如復雜場景理解準確率提升至90%+）、優化長時記憶機制（如對話輪次超過20輪仍保持高準確率）構建技術壁壘。

2. 新技術缺口

AI Agent的核心技術（多模態交互、長時記憶、低代碼開發）仍處于早期階段，新玩家可借此破局：

長時記憶優化：增強上下文關聯與任務連續性，滿足醫療診斷、法律咨詢等長對話需求（如百川智能通過記憶增強技術將對話準確率提升至90%）；

低代碼開發平臺：降低企業定制化開發門檻，縮短項目周期（如零一萬物平臺將開發周期從數月縮短至數周）。

3. 被忽略的細分場景

醫療診斷輔助（年增速45%+）、教育個性化輔導（年增速40%+）、工業檢測（年增速35%+）等領域未被充分滿足，新玩家可聚焦垂直場景或區域市場。

4. 政策與模式創新

政策支持數字經濟與企業數字化轉型，新玩家可通過“產學研合作+訂閱服務”結合，探索跨界融合模式：

產學研合作：高校與企業聯合研發（如“AI Agent聯合實驗室”），技術轉化率超50%（如某項目將學術成果轉化為醫療診斷產品，落地30家醫院）；

訂閱服務：按需付費模式降低客戶初期投入（如某云端AI Agent平臺客戶留存率達80%）。

6-4新玩家商業模式拆解

1、商業模式類型

AI Agent行業盈利模式多元且分層化：

通用領域（月之暗面、百川智能）：通過消費級場景訂閱服務（如智能助手年費99美元/用戶）與廣告分成盈利，技術壁壘與用戶規模是關鍵；

垂直領域（深度求索、智譜AI）：依賴專業服務訂閱（如醫療AI Agent按診斷次數收費）與項目定制化收入，醫療與教育行業的高付費意愿支撐盈利；

開發平臺（零一萬物、阿里云PAI）：收取平臺使用費（如低代碼工具年費5萬美元/企業）與技術服務費，企業數字化轉型需求推動增長。

2、成本結構分布

以通用AI Agent為例，芯片采購與算法研發成本占比達40%-50%。這類成本前期投入高，但隨用戶規模擴大可逐步攤�。ㄈ缬脩袅吭鲩L50%，單用戶芯片攤銷成本下降30%）。行業降本需“軟硬結合”——長期通過算法優化降低云服務調用費用，中期以數據標注自動化壓縮可變成本，短期依靠低代碼平臺減少定制化開發投入，最終實現規�；�盈利。

3、盈利標桿（2024年數據）

AI Agent行業平均技術成本占比高（約30%-40%），百川智能通過算法優化將單次交互成本降低20%，凈利率提升至45%；零一萬物通過低代碼平臺降低定制化開發成本，2024年Q4首次盈利；智譜AI依托教育行業高付費意愿，凈利率約7%。

- 07-

 未來趨勢

一、技術驅動：從專用到通用，能力邊界持續擴展

1、通用智能進化：

編程類Agent（如Cursor、Manus）正從單一任務工具向通用問題解決者升級，未來可通過強化學習微調（RFT）和環境理解技術，進一步覆蓋復雜決策場景（如跨領域任務規劃）。

垂直類Agent（如法律、醫療）將深化專業能力，結合行業知識庫與大模型，實現高精度輔助（如合同審查、診斷建議）。

2、多模態與環境交互升級：

視覺、語音等多模態融合能力提升，使Agent能通過自然交互（如語音指令+圖像識別）處理更復雜任務（如工業設備巡檢、電商客服）。

環境理解能力強化，Agent可動態感知物理世界（如機器人導航、倉儲物流調度），推動實體場景自動化。

二、商業化落地：從單點工具到全鏈路解決方案

1、行業縱深滲透

B端剛需場景：金融（智能投研）、制造業（質檢/供應鏈優化）、電力（設備運維）等領域，Agent將嵌入企業核心業務流程，提升效率（如未來式智能在電力行業的常態化應用）。

C端高頻需求：消費級產品（如Gamma生成PPT、Sweet Spot申請補助）通過訂閱制或增值服務變現，滿足個性化需求（如個性化簡歷優化、旅行規劃）。

2、全鏈路閉環構建

從單一功能工具轉向“感知-決策-執行”全流程覆蓋（如電商Agent自動完成選品-營銷-客服全鏈路），形成競爭壁壘。

與企業現有系統（如ERP、CRM）深度集成，成為數字化轉型的基礎設施。

三、市場格局：垂直化與平臺化并行

1、垂直場景突圍：

通用型Agent面臨算力與數據門檻，創業公司聚焦細分領域（如法律、醫療、教育）更容易建立技術壁壘和客戶粘性（如Vantel專注政府資助申請）。

區域化定制需求增長（如東南亞電商客服Agent、非洲金融普惠工具），本土化團隊具備優勢。

2、平臺生態競爭：

頭部科技巨頭（OpenAI、Google）通過開源模型或開發者平臺（如OpenAI的GPT Store）構建生態，吸引第三方開發者豐富應用場景。

中小廠商需通過差異化功能（如垂直行業數據、專屬API）接入平臺生態，避免直接競爭。

四、資本與政策催化：資源向頭部集中

1、資本馬太效應：

頭部機構加速押注技術領先或商業化成熟的頭部項目（如Manus獲7500萬美元融資），中小團隊需通過早期場景驗證（如PMF）吸引投資。并購整合加速（如OpenAI收購Windsurf），資源向具備核心技術的團隊集中。

2、政策紅利釋放：

國家支持AI應用落地，企業智能化改造補貼、新質生產力方向基金等政策降低創業門檻。

數據安全與倫理監管趨嚴，合規能力（如隱私計算、國產化模型適配）成為競爭門檻。

五、未來挑戰與應對

1、算力與成本：通用Agent需依賴高性能芯片和大規模算力，創業公司可通過模型輕量化（如蒸餾、剪枝）或邊緣計算降低成本。

2、數據壁壘：垂直領域需構建專屬數據集（如醫療病例、法律文書），通過產學研合作或行業聯盟獲取數據資源。

3、用戶信任：復雜決策場景（如金融投資）需提高透明度和可解釋性，避免“黑箱”風險。

總結：該賽道仍有機會。

AI Agent賽道未來將呈現“技術通用化+商業垂直化”雙主線發展，機會集中在細分場景深耕、全鏈路閉環構建及生態協同，同時需應對算力、數據與信任三大挑戰。政策與資本的雙重催化下，具備技術差異化和場景卡位能力的團隊將率先突圍。

本文不構成任何投資建議。

       原文標題 : 智能體賽道殺出一批未來獨角獸：3大方向正突破 | 萬字報告