AI Agent智能体雷声大雨点下-做AI智能体创业的公司必将大量倒闭

图片

Hello，大家好，我是人月聊IT。今天接着AI智能体方面的话题，即我个人有一致强烈的预感，就是做AI智能体创业的公司必将大量倒闭或转型，这类公司将迎来一次大洗牌。

在聊这个观点前，首先还是回顾下AI Agent的基础知识。

AI Agent（人工智能代理）是一种能够感知环境、做出决策并执行行动以实现特定目标的智能系统。本文通过系统性分析，深入阐述了AI Agent的核心工作原理和架构设计，涵盖了基础架构、感知-决策-执行循环、多Agent协作、强化学习、对话交互以及工具调用等六个关键场景。每个场景都配有详细的架构图和工作原理说明，为理解和设计AI Agent系统提供了全面的理论基础和实践指导。

AI Agent基础架构

AI Agent基础架构是所有智能代理系统的核心框架，它定义了Agent如何与环境交互并实现智能行为。该架构采用模块化设计，包含六个核心组件：感知模块负责接收和预处理环境信息，将原始传感器数据转换为可理解的特征表示；认知模块执行高层推理和分析，整合多源信息形成对环境的理解；决策模块基于当前状态和目标制定最优行动策略。

知识库存储领域专业知识和历史经验，为决策提供支撑；学习模块通过经验积累不断优化模型参数和策略；执行模块将决策转化为具体行动并监控执行效果。整个系统通过反馈回路实现闭环控制，执行结果会反馈到学习模块，促进系统持续改进。这种架构设计确保了Agent既能适应复杂环境，又能通过学习不断提升性能，是构建智能系统的基础范式。

感知-决策-执行循环

感知-决策-执行循环是AI Agent的核心工作模式，体现了智能系统与环境交互的基本范式。该循环始于感知阶段，Agent通过各种传感器收集环境信息，包括视觉、听觉、触觉等多模态数据，并进行预处理和特征提取，形成对当前环境状态的准确认知。这一阶段的质量直接影响后续决策的准确性。

决策阶段是整个循环的核心，Agent基于感知到的环境状态、内部知识库和预设目标，运用推理算法制定最优行动策略。这个过程涉及复杂的计算，包括状态评估、路径规划、风险分析等。执行阶段将决策转化为具体行动，通过执行器对环境产生影响，改变环境状态。关键在于这是一个闭环系统，执行结果会改变环境，新的环境状态又会被感知模块捕获，形成新一轮循环。这种持续的循环机制使Agent能够适应动态环境，实现智能行为的涌现。

预测-大量AI Agent产品或创业公司走向倒闭

正如问题提到的，AI Agent确实存在雷声大，雨点小情况。所以我也做个关键预测，就是如果你是去做AI智能体产品，或者是做AI智能体创业这个方向的，在未来半年到一年要倒闭一大批。我这句话不是危言耸听，

所以我想讲一下具体为什么得出这个结论的一些关键原因。

因为最近一两周的时间，刚好跟线下很多朋友在沟通和交流，包括跟我们技术微信群里面的一些朋友也在聊AI智能体。有一些朋友也把他们做的一些AI智能体的平台，或者是AI智能体做完的一些助手——类似于我们经常看到的营销助手、方案助手，或者是跟智慧办公、智能办公相关的一些助手——这么一些小的AI智能体产品或者是工作台给我看。

我看后最大的一个感觉就是：这个东西实际上它没有太大的一些价值。

你用这些AI智能体，还不如你直接用通用大语言模型，还不如你直接去用豆包或者是DeepSeek，可能达到的效果更好。所以很多人把AI智能体这个事情想得相当的简单，好像就是我把我已有的一些经验写成相关的一些提示词约束，或者再去调一下外部的一些API接口，再做一下简单的workflow的编排，它就变成了一个AI智能体。

但是实际上，这种智能体它并没有我们想的这么大的一些价值。包括昨天我们在架构师群里面做了一个内部的AI落地真实应用的小分享，大家就一直在聊这个话题。就是在最近半年一年，实际AI智能体在企业里面落地的情况没有我们想的这么快。包括年初我预测今年AI智能体在企业要大面积落地，当时给出的一个原因就是可以私有化部署，真正去解决大模型的安全问题。但是实际真正的情况来看，安全性还不是最主要的一个原因。

企业AI智能体落地最难的点，仍然体现在两个方面：

第一个方面，你怎么样去找到可以落地的真实业务场景，需要用到大模型的能力，这是第一个点。实际从我和企业沟通情况来看，从可以借助大模型的场景识别上就已经出现问题。包括很多企业出现一种情况，就是AI变成一场从上到下的运动，导致本来很多不是大模型，智能体的场景也生搬硬套采用大模型解决。实际反而是类似软件程序，RPA解决更好。

第二个方面就是确定性和开放性的选择。就是我虽然找到了有些场景，但是这些场景往往是需要精确的规则、精准的语义定义，我没办法去用大模型生成的一些非精确化的内容。

所以由于这两点约束，其实AI智能体在企业里面落地的效果并不是我们想的这么好。大家看到的更多的还是类似于办公助手、类似于智能知识库，相对来说比较好的业务域，其实就是智能客服相对来说落地得比较好。但是智能客服的落地，实际上在AI大模型没出来之前，智能客服也有相当成熟的一些应用。

所以基于这一些点，我们再回来谈AI智能体这个事情。

你如果去做AI智能体的产品或者是创业，大家其实可以看得到，当前类似于豆包Coze的智能体开发平台，包括腾讯、阿里也出了相应的智能体开发成本。如果你不考虑到相关的一些安全性，在互联网上面有大量的别人做的最佳的一些实践，包括一个个智能体的一些助手，你可以用。那么我自己去构建这么一个智能体的产品或者是平台，它实际的价值又能体现在哪些地方呢？

第二个点，我们在讲我们智能体本身的优势的时候，都在讲一个关键点：就是我们把我们组织或者是团队个体核心的一些私有化的知识库、私有化的经验的能力做到了这个智能体里面，这个是我智能体核心的一个卖点。

但是大家扪心自问，你的组织或者是团队真正的有这种核心的私有化的经验吗？

在没有智能体出来之前，你这种经验可能也都卖不了几个钱，那凭什么你把它做到智能体以后，它就能够卖更多的钱呢？

你刚推出智能体的时候，可能会给某一类的客户眼前一亮的感觉，原因是什么？就是这类客户原来可能连GPT都没有接触过，所以说他一眼看到这个智能体他感觉很新鲜。类似于在去年的时候，有大量去做“教你怎么写提示词”的这么一些培训，赚得盆满钵满。但是你看今年还有谁在做“教提示词培训”这么一些事情？完全没有了。你在把用户的扫盲割韭菜完了以后，你剩下的人你已经没法去割韭菜了，说的不好听一点，对吧？

所以说，大家一定要清楚：AI智能体这么一个产品真正能够跑出来的，一定不是说你有智能体开发平台、你懂一个智能体怎么样去编排、怎么样去设计，而是你真正懂了一个垂直行业垂直业务的业务场景。智能体从来都不是卖的纯技术产品，而是卖的你团队或者是个人的经验。大家可以思考一下：你有没有这种值钱的经验？有的话，你的智能体可能能够跑出来；没有的话，那你的智能体一定是一个半成品，一定是不可能把它批量销售。

包括前段时间我也看到另外一个现象：就是随着整个AI大模型的爆发，还有很多人创业做AI玩具这个赛道。但是这个赛道一样的道理，你要跑出来太困难了。

你们自己到拼多多去搜一下，就是提供这种小型的芯片模组，能够同时对接类似于阿里、腾讯某一个大模型的这种模组，全部别人都帮你做好了，可能就十几块钱。就这个东西已经没有任何的技术或者是价值含量。那你真正的AI玩具跑出来又变成什么东西呢？仍然一样的：你的整个的玩具能够提供哪一些差异化的情绪价值？你没把这个事情想清楚，你的AI玩具一定做不出来。

所以最后再次总结一下：就是如果你去做AI智能体产品，或者是你还在考虑AI智能体创业，一定要想清楚你的智能体提供哪一些差异化的核心价值，你有哪一些私域的经验是不可复制的。

这个才是你智能体真正能够跑出来的一个关键。