千問請喝奶茶的免費效應下，Agent會迎來爆發嗎？

“千問免單奶茶是AI Agent第一次大規模被廣泛認知，但是并沒有創造新的人與服務的連接。”

撰文｜何聆箏

編輯｜翟文婷

這個春節，更像是為AI專設的。

除了騰訊、百度發起的紅包大戰，今天開始，阿里投入30 億，在千問APP 開啟春節大免單的活動，也正式拉開序幕。

第一波為期7天，全民人均一個AI 小助理，一句話點外賣、喝奶茶咖啡，買年貨，25元內無門檻免單。

如果說發紅包只是讓對AI 陌生的用戶知道AI的存在，阿里請客這一招，則是在近距離教育用戶，怎樣向AI 發起指令，AI如何理解人的意圖，以及AI最終執行。

就在千問新春活動發起前夕，馬云現身阿里總部，且位于千問項目組區域，據說是慰問慰問千問春節項目組。繼淘寶閃購之后，這是馬云親自過問關心的第二個阿里戰略級項目，可見意義非凡。

盡管這是AI Agent第一次如此大規模被廣泛認知，但是并沒有創造新的人與服務的連接。或者說，是在已有服務里，更智能而已。

一、Agent走入現實

對AI提出指令，它就能自主拆解任務，并且幫你執行完成。過去，這是電影里才有的情節，就像蝙蝠俠的中央控制系統一樣令人向往。而現在，AI Agent正在讓這一切走入現實。

今天一早，阿里千問上線「春節30億免單」，發放奶茶免單卡：不需要在不同的app來回切換，不需要輸入地址，不需要查攻略。只需要打開千問「任務助理」就能在對話框里下達任務。活動上線不久，系統甚至一度出現卡頓。

早在1月15日，千問App宣布全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態業務。這是千問更新之后，首次強調AI辦事的能力。

除了千問，還有一些體驗正在悄然改變我們的生活。

比如在微信里@元寶，讀取公眾號文章、群聊記錄、朋友圈內容，實現「一鍵總結」功能。

這些切片都是普通用戶近距離感受AI Agent的服務能力。也許功能并不完美，比如有些用戶在體驗千問過程中就出現點擊授權后，卻并不成功。對Agent的探索也僅僅處于初級階段，但卻跨越了AI從「被動聊天」到「主動做事」的一大步。

在很長一段時間里，AI Agent一直停留在理論層面，從未走出實驗室。甚至沒有一個官方的定義。提起AI Agent，人們會用一個通俗的比喻：大語言模型是上知天文下知地理，卻被困在輪椅上的超級學者，而AI Agent則為這位學者裝上了手腳、配齊了工具箱。

這個比喻點出了AI Agent的核心價值：彌補大模型的行動短板。

AI Agent是大模型長出的「手腳」，而率先使用「手腳」的是企業。

LangChain 2025年行業調研提到57%的組織已在生產環境中運行AI Agent。根據Gartner的行業預測顯示，企業軟件中整合自主型AI的比例將從2024年的不足1%躍升至2028年的33%；與此同時，超過15%的企業日常工作決策，將交由AI智能體自主完成。

AI Agent的C端「用戶教育」較為滯后，去年出圈的現象級產品Manus，算是在精英圈層先完成了一次小范圍的測試。更大規模的掃盲，還是得等到如今大廠的豪氣出手。

目前行業獲得共識的是，Coding會是Agent明確的場景。MiniMax創始人閆俊杰此前就曾預判，「Coding會是AI Agent最先落地的場景」。

姚順雨將Code比喻為「人的手」，是AI最重要的affordance（環境給予行動者的可能性）。物理世界，人最重要的affordance就是手——我們圍繞它制造各種工具，比如錘子、筆、筷子。

除此之外，釘釘、飛書妙計，購物類的亞馬遜Alexa Shopping、百度心響，內容創作類的字節Coze「扣子，同時面向開發者」等應用，在不同程度都展現出多場景任務執行的Agent潛力，但一切只是探索，離解決現實問題還有漫長的路要走。

二、大廠新的戰略焦點

雖然基礎技術能力尚待突破，Agent的落地卻為大模型廠商開辟了一條切實可行的變現路徑，破解了長期以來大模型「高成本、低收益」的盈利困境。

過去，訓練一個千億參數級別的大模型需要投入巨額的算力、人力成本，但用戶對模型的使用多停留在聊天、文案撰寫等淺層場景，成本高昂的Token只能以低價售賣，對于大模型廠商，尤其是那些掙扎在生存「斬殺線」邊緣的創業公司，這無疑構成了難以突破的資金瓶頸。

而Agent改變了這一局面——它能將大模型的底層能力封裝成可直接交付的業務價值，實現能力與需求的精準對接。

面向B端市場，模型廠商可通過RaaS「機器人即服務」模式按交付結果向客戶收費，也可將Agent深度嵌入企業CRM、ERP、生產管理等核心業務流程，實現與企業業務的深度綁定，挖掘長期商業價值。

以MiniMax為例，其打造的「AI原生工作臺」采用“分層訂閱+積分制+企業定制”的混合收費模式，精準匹配不同規模企業的需求：面向中小企業，按3000-5000元/席位/年的標準收取費用，降低中小企業的接入門檻；針對大型企業，則提供深度定制化的Agent解決方案，除了10-50萬元/年的基礎服務費用外，還會根據企業效率提升比例或實際業務成果收取額外服務費，實現價值共創、收益共享。

通過Agent對接企業需求，不僅能優化算力使用效率，減少租賃模式下的算力浪費，降低廠商的運營成本；更重要的是，企業級Agent一旦接入企業核心業務系統，極高的遷移成本、適配成本，也能讓大模型廠商鎖定長期客戶，保障穩定的營收來源。

面向C端市場，消費級Agent以高頻生活、工作場景為切入點，逐步滲透進用戶日常，通過付費訂閱模式實現變現。比如字節的豆包，覆蓋學習輔導、旅行規劃、購物比價、日程管理等日常任務；比如百度的心響，覆蓋知識解析、旅游規劃、學習辦公等場景。

對于互聯網大廠而言，消費級Agent的價值不僅在于提升用戶效率、影響消費決策，更核心的作用是串聯起自身生態內的各項服務，打破App之間的壁壘，形成「需求-服務-交易」的完整閉環，提升生態整體競爭力。

以阿里為例，在千問App正式宣布全面接入淘寶生態后，用戶只需在千問Agent中輸入「規劃一次旅行」的指令，千問會自動調用飛豬的機票酒店查詢預訂服務、高德的行程導航服務、支付寶的支付服務，無需用戶手動切換多個App，即可完成從規劃到支付的全流程操作。

正是看到Agent的巨大商業價值和戰略意義，過去一年里，國內互聯網巨頭紛紛加快布局節奏。

字節以豆包大模型為底座，依托抖音流量池，打造「內容-服務-變現」閉環，同時布局OS Agent 搶占系統級入口；阿里以千問Agent為樞紐，打通阿里全生態服務，近期上線了400 多項AI辦事功能，支持點外賣、訂機票、購物等復雜任務。

騰訊在2025年下半年敲定微信Agent戰略，第三季度財報電話會上，劉熾平首次系統披露微信AI化戰略藍圖，并且明確表示「微信最終會推出一個AI智能體」。而騰訊CEO/總裁辦公室首席AI科學家姚順雨則表示，微信Agent旨在構建一個能理解用戶深層意圖、協調多維度需求、維護社交關系動態平衡的「意圖操作系統」。依托微信社交生態，騰訊將打造「潤物細無聲」的Agent體驗。

除了互聯網大廠，國內手機廠商也，開啟了手機行業的「AI Agent軍備競賽」。

榮耀、OPPO、小米、華為、vivo……除了主流的手機廠商已全面入局，將Agent能力深度嵌入手機系統，搶占終端入口。字節還跨界中興打造出了豆包手機。

榮耀CEO李健曾表示智能手機正迎來繼功能機、智能機之后的第三階段變革——AI智能體時代。這意味著，手機行業的競爭維度已徹底升級，不再是過去單純的硬件參數堆砌和應用生態比拼，AI能力尤其是Agent能力，正成為新的核心競爭壁壘。

而各大手機廠商爭相入局Agent賽道，核心目標就是守住「離用戶最近的終端入口」，搶占下一代手機行業變革的話語權。

三、Agent 落地的難點在哪？

盡管AI Agent已經成為共識，ChatBot Agent 化也是必然趨勢，在其中會集成各種不同的服務，但是如何更好地落地，提供怎樣的服務，甚至找到目標用戶都是一大難題。

閆俊杰此前曾在采訪中指出，長上下文「Long context」能力至關重要，因為AI難以感知時間流逝，單Agent需強化記憶能力提升互動質量，多Agent間通訊「如Anthropic的MCP協議」產生的大量數據，也對長上下文處理能力提出高要求。

姚順雨也有過類似的觀點。他曾在AGI-Next前沿峰會上的發言，「模型想要邁向高價值應用，核心瓶頸就在于能否用好上下文（Context）。」

這就好比，一個記憶力超群、能記住整本劇本的演員，才能演好一出連續劇；而AI Agent要成為可靠的數字助手，同樣需要強大的「記憶力」來串聯所有任務細節，否則每次對話都像重新認識你一樣。

多Agent協作也是目前的核心障礙之一。

MCP協議的提出者Anthropic，在2025年技術報告中客觀分析了多Agent協作的挑戰：比如上下文碎片化，不同 Agent 的知識圖譜和上下文窗口難以對齊，導致信息傳遞失真；信任機制缺失，Agent間缺乏有效的身份驗證和可信度評估，易受錯誤信息干擾；多Agent并行處理時，算力和內存資源消耗也會呈指數級增長。

姚順雨2025年發表的博客《The Second Half》中提到，從Agent「Level 3」向更高層級發展「Innovator→Organizer」，需要突破三大核心挑戰，其中之一就是多智能體協作問題。

從姚順雨的觀點來看，多智能體協作不是一種可選功能，而是智能體能力實現質變、進入下一發展階段的必然要求。

除了技術難點，Agent在商業化層面也面臨著不小的壁壘。

壁壘一方面來自生態準入門檻。各大App平臺為保護自身流量、數據和商業模式，會技術性封殺試圖跨應用操作的第三方Agent。此前豆包手機助手事件就是一次生動的「壓力測試」。

另一方面來自用戶信任，用戶是否愿意將涉及隱私、安全的操作權限「如支付、通信」交給Agent？如何確保其決策透明、可干預？

LangChain 2025年對1300名行業人士調研發現，目前AI Agent最大障礙并非成本，而是輸出質量的穩定性「如準確性、無幻覺」，33%的受訪者將其列為首要問題；大型企業還將數據安全列為第二大痛點，延遲問題則位列第三。

AI Agent道阻且長，最終留下來的玩家會是哪些，我們尚無法預判，但有一點可以肯定，但凡殺出重圍的，一定能在特定環節建立不可替代性。