當今數(shù)字化時代，人工智能(AI)技術(shù)的迅猛發(fā)展正在深刻改變著人們的生活和工作方式。從簡單的自動化任務(wù)處理到復(fù)雜的智能決策支持，AI應(yīng)用場景不斷拓展，其服務(wù)架構(gòu)也在經(jīng)歷著前所未有的變革。近年來，“模型即服務(wù)”(Model as a Service，MaaS)作為一種創(chuàng)新服務(wù)模式，為AI技術(shù)的廣泛應(yīng)用奠定了堅實基礎(chǔ)。然而，隨著技術(shù)的不斷創(chuàng)新迭代以及市場的多元化和個性化需求迸發(fā)，AI服務(wù)架構(gòu)正迎來一場深刻的范式躍遷——從“模型即服務(wù)”邁向“Agent即服務(wù)”(Agent as a Service，AaaS)。

　　2025年被視為AI Agent“元年”，AI Agent從概念走向現(xiàn)實，從單一功能走向多元集成，從實驗室走向商業(yè)應(yīng)用規(guī)�；�。AI Agent的出現(xiàn)，不僅改變了人們與技術(shù)的交互方式，還為各行各業(yè)帶來了前所未有的機遇和挑戰(zhàn)。從智能家居到智慧交通，從醫(yī)療健康到金融服務(wù)，AI Agent的應(yīng)用場景不斷拓展，其影響力也日益顯著。

　　AI Agent定義

　　AIAgent，即人工智能代理，指基于目標驅(qū)動，通過感知環(huán)境、進行自主決策、任務(wù)執(zhí)行并從經(jīng)驗中學習的智能實體或軟件系統(tǒng)。與傳統(tǒng)的人工智能模型主要依賴明確指令執(zhí)行任務(wù)不同，AI Agent的核心特征在于其目標驅(qū)動性、環(huán)境感知能力、自主性、適應(yīng)性可擴展性。它們能夠基于設(shè)定的目標，完成獨立思考、拆解復(fù)雜任務(wù)、規(guī)劃執(zhí)行路徑，并在執(zhí)行過程中根據(jù)環(huán)境反饋進行調(diào)整和優(yōu)化，甚至調(diào)用外部工具或知識庫來輔助完成任務(wù)。

　　例如，Oracle將AI Agent描述為一個能夠根據(jù)人類設(shè)定的方向自主執(zhí)行任務(wù)的數(shù)字助手或機器人;Google Cloud則強調(diào)其具備推理、規(guī)劃、記憶能力以及自主學習、適應(yīng)性和決策能力。

　　目前主流的AI Agent多以大語言模型（LLM）為核心大腦，結(jié)合規(guī)劃(Planning)、記憶(Memory)和工具(Tools)等多模塊，具備超越單一AI模型獨立運作的強大能力，更強調(diào)自主決策和任務(wù)執(zhí)行，而非僅僅被動響應(yīng)。

　　AI Agent分類

　　AI Agent可以從多個維度進行分類，以更好地理解其多樣性及在不同使用場景下的應(yīng)用潛力

　　1、按技術(shù)實現(xiàn)路徑劃分

　　從技術(shù)實現(xiàn)路徑的角度，AI Agent大致可以分為：

　　基于規(guī)則的Agent (Rule-based Agents)：這類Agent主要依靠預(yù)定義的規(guī)則和邏輯進行決策和行動。早期的專家系統(tǒng)和一些自動化腳本可以歸為此類。它們的行為模式相對固定，適應(yīng)性和學習能力有限，但是在邏輯清晰、環(huán)境穩(wěn)定的場景下依然有效，例如一些傳統(tǒng)的智能客服系統(tǒng)，可以通過預(yù)設(shè)的流程和知識庫回答用戶問題。

　　基于傳統(tǒng)機器學習的Agent (Machine Learning-based Agents)：這類Agent利用機器學習算法(如強化學習、監(jiān)督學習)從數(shù)據(jù)中學習決策策略。例如，在AI游戲中，通過強化學習訓練的Agent可以在復(fù)雜環(huán)境中達成目標。它們比基于規(guī)則的Agent具備更強的適應(yīng)性，但通常需要大量的數(shù)據(jù)訓練和特定的模型設(shè)計。

　　基于大語言模型的Agent (LLM-based Agents)：這類Agent是當前AI智能體發(fā)展的主流方向。依托大語言模型強大的自然語言理解、生成、推理及規(guī)劃能力，這類Agent能夠處理更廣泛、更復(fù)雜的任務(wù)。它們可以通過自然語言與用戶交互，理解模糊指令，自主規(guī)劃任務(wù)步驟，并調(diào)用多種工具(如搜索引擎、數(shù)據(jù)庫、API等)完成目標。例如，能夠幫助用戶規(guī)劃旅程、管理日程、撰寫郵件、甚至代碼編程等。

　　2、按產(chǎn)品使用功能劃分

　　從產(chǎn)品功能角度，AI Agent可以分為：

　　信息獲取與分析：專注于從海量數(shù)據(jù)中提取、整合、分析信息，并以用戶友好的方式呈現(xiàn)。 例如：能夠監(jiān)控特定行業(yè)動態(tài)、分析市場趨勢、生成研究報告摘要的Agent。

　　任務(wù)自動化：旨在自動執(zhí)行重復(fù)性或流程化的任務(wù)，提高工作效率。 例如：自動處理郵件分類與消息回復(fù)、數(shù)據(jù)錄入與清洗、軟件測試、IT運維管理等。

　　個人助理：作為用戶的智能助手，提供個性化服務(wù)。 例如：日程管理、會議安排、信息提醒、智能家居控制等。

　　決策支持：通過分析數(shù)據(jù)、模擬場景、評估選項，為用戶決策提供依據(jù)和建議。 例如，在金融投資、醫(yī)療診斷、供應(yīng)鏈優(yōu)化等領(lǐng)域的Agent。

　　創(chuàng)作與生成：輔助或獨立完成內(nèi)容創(chuàng)作任務(wù)。 例如：撰寫文章、設(shè)計圖像、創(chuàng)作音樂、生成代碼等。

　　娛樂交互：在游戲、虛擬社交等場景中，扮演智能NPC(非玩家角色)或虛擬伴侶，提供更豐富、更具沉浸感的交互體驗。

　　3、按終端應(yīng)用場景劃分

　　AI Agent應(yīng)用廣泛，幾乎滲透各個企業(yè)級和消費級應(yīng)用場景：

　　客戶服務(wù)：智能客服能夠7x24小時在線，處理用戶咨詢、解答疑問、提供售后支持，甚至主動進行客戶維護，提升客戶滿意度和運營效率。

　　金融服務(wù)：在金融領(lǐng)域，可用于智能投顧、信貸審批、風險管理、自動化交易、個性化金融產(chǎn)品推薦等方面，提高金融服務(wù)的智能化水平和風險控制能力。

　　教育培訓：個性化輔導Agent可以根據(jù)學生的學習特點和進度提供定制化的學習計劃和教育資源，以及實時智能答疑，提升個性化教育能力。

　　醫(yī)療健康：可用于輔助診斷(如醫(yī)療影像分析)、個性化治療方案推薦、藥物研發(fā)、患者管理和健康咨詢等，緩解醫(yī)療資源壓力，提升服務(wù)質(zhì)量。

　　零售及電子商務(wù)：智能導購可以根據(jù)用戶偏好推薦商品，自動處理訂單，優(yōu)化庫存管理及物流配送，提升購物體驗和運營效率。

　　內(nèi)容創(chuàng)作與媒體：可以輔助新聞撰寫、圖像生成、視頻剪輯、營銷文案創(chuàng)作等，提高內(nèi)容生產(chǎn)效率和創(chuàng)意多樣化。

　　軟件開發(fā)與IT運維：可以輔助代碼編寫、自動化測試、監(jiān)控系統(tǒng)運行狀態(tài)、預(yù)測并處理故障，提升軟件開發(fā)效率和系統(tǒng)穩(wěn)定性。

　　智能制造：在工業(yè)領(lǐng)域，AI Agent可用于設(shè)備預(yù)測性維護、生產(chǎn)流程優(yōu)化、質(zhì)量控制、供應(yīng)鏈協(xié)同等，推動制造業(yè)向智能化轉(zhuǎn)型。

　　AI Agent產(chǎn)業(yè)結(jié)構(gòu)

　　產(chǎn)業(yè)鏈從基礎(chǔ)研究、技術(shù)研發(fā)到應(yīng)用落地，共同推動AI Agent產(chǎn)業(yè)的快速發(fā)展�；ヂ�(lián)網(wǎng)巨頭、AI技術(shù)公司、云計算廠商、行業(yè)解決方案提供商以及眾多初創(chuàng)企業(yè)都在積極布局，形成了多元化且高度協(xié)同的生態(tài)系統(tǒng)。

　　1、底層基礎(chǔ)設(shè)施 (Infrastructure Layer)

　　這是支撐AI Agent運行的基石，主要包括：

　　算力基礎(chǔ)設(shè)施：以高性能計算芯片(如GPU、TPU、NPU等)、服務(wù)器、數(shù)據(jù)中心為代表，為AI Agent的訓練和推理提供強大的計算能力。云計算平臺(如AWS、Azure、Google Cloud、阿里云、騰訊云等)在提供彈性算力方面扮演著關(guān)鍵角色。

　　數(shù)據(jù)資源：高質(zhì)量、大規(guī)模的數(shù)據(jù)集是訓練強大AI Agent的前提。這包括通用數(shù)據(jù)集、行業(yè)特定數(shù)據(jù)集以及用戶交互產(chǎn)生的數(shù)據(jù)。數(shù)據(jù)采集、清洗、標注、管理和安全也構(gòu)成了基礎(chǔ)設(shè)施的重要組成部分。

　　網(wǎng)絡(luò)與存儲：高速、低延遲的網(wǎng)絡(luò)連接以及高效、可擴展的存儲系統(tǒng)，確保數(shù)據(jù)的高效傳輸和AI Agent的快速響應(yīng)。

　　2、核心層算法與大語言模型 (Algorithm & LLM Layer)

　　這一層是AI Agent的“大腦”和核心驅(qū)動力：

　　大語言模型 (LLMs)：作為當前AI Agent的核心引擎，LLMs(如GPT系列、LLaMA系列、Claude系列、文心一言、通義千問等)提供了強大的自然語言理解、生成、推理、知識整合和一定程度的規(guī)劃能力。模型的規(guī)模、訓練數(shù)據(jù)的質(zhì)量和多樣性、以及微調(diào)技術(shù)等都直接影響Agent的性能。

　　核心算法：除了LLMs本身，還包括與Agent相關(guān)的特定算法，如規(guī)劃算法(如ReAct、Tree of Thoughts)、記憶機制算法(如長期記憶、短期記憶管理)、工具調(diào)用與協(xié)同算法、多Agent協(xié)作算法、強化學習算法(用于優(yōu)化Agent行為)。

　　AI框架與開發(fā)平臺：提供模型訓練、微調(diào)、部署和Agent構(gòu)建的工具和平臺，如TensorFlow、PyTorch、LangChain、AutoGen、MetaGPT等，降低了Agent的開發(fā)門檻，加速了應(yīng)用創(chuàng)新。

　　3、中間層Agent組件與平臺 (Agent Components & Platforms)

　　這一層連接核心技術(shù)與具體應(yīng)用，提供構(gòu)建和運營Agent的模塊化能力：

　　Agent組件廠商：提供構(gòu)成Agent的特定功能模塊，如更精細化的感知模塊、更強大的規(guī)劃模塊、更可靠的記憶模塊、以及豐富的工具集接口等。

　　Agent運營與集成平臺：提供Agent的創(chuàng)建、部署、管理、監(jiān)控和迭代的平臺化服務(wù)。這些平臺可能面向開發(fā)者，也可能面向特定行業(yè)的業(yè)務(wù)人員，支持低代碼/無代碼創(chuàng)建Agent，并將其集成到現(xiàn)有業(yè)務(wù)流程中。

　　4、終端層產(chǎn)品/應(yīng)用 (End Layer: Products/Applications)

　　這是AI Agent最終面向用戶的形態(tài)，體現(xiàn)為各種具體的產(chǎn)品和服務(wù)：

　　通用型AI Agent產(chǎn)品：如個人智能助手(集成在操作系統(tǒng)、智能音箱、手機App中)、通用任務(wù)處理平臺等，旨在滿足用戶多樣化的日常和工作需求。

　　垂直行業(yè)AI Agent應(yīng)用：針對特定行業(yè)(如金融、零售、教育、醫(yī)療、制造等)的痛點和需求，開發(fā)的專業(yè)化AI Agent解決方案。例如，智能客服、金融風控Agent、醫(yī)療輔助診斷等。

　　嵌入式AI Agent：將Agent能力嵌入到現(xiàn)有的軟件、硬件或服務(wù)中，提升其智能化水平。例如，在辦公軟件中嵌入寫作助手Agent，在電商平臺嵌入智能導購Agent。

　　AI Agent全球發(fā)展歷程

　　AI Agent的發(fā)展歷程可以追溯到人工智能研究的早期，并隨著計算機科學、機器學習、自然語言處理等技術(shù)的進步而不斷演進。其發(fā)展歷程是一個從理論到實踐，從專用到通用，從輔助到自主的持續(xù)進化過程。當前，我們正處于一個由大模型驅(qū)動的AI Agent快速發(fā)展和應(yīng)用落地的關(guān)鍵時期，未來其能力邊界和應(yīng)用場景將持續(xù)拓展。

　　1、萌芽與理論探索期(20世紀50年代 - 80年代)

　　奠基思想：艾倫·圖靈等開創(chuàng)性研究為智能體的概念奠定了理論基礎(chǔ)。1950年代，約翰·麥卡錫提出“人工智能”概念，并開始探索機器如何模擬人類智能。早期研究者開始思考能夠自主行動并與環(huán)境交互的計算實體。

　　早期Agent概念：在這一時期，Agent更多的是一種理論構(gòu)想和哲學討論。例如，一些研究者將Agent引入人工智能領(lǐng)域，探討其自主性、反應(yīng)性等特征。

　　標志性事件：早期的邏輯推理系統(tǒng)、專家系統(tǒng)的出現(xiàn)，雖然不完全符合現(xiàn)代Agent的定義，但體現(xiàn)了機器執(zhí)行復(fù)雜任務(wù)的初步嘗試。

　　2、符號主義與連接主義發(fā)展期(20世紀80年代 - 2000年代初)

　　技術(shù)發(fā)展路徑：符號主義AI強調(diào)知識表達和邏輯推理，推動了基于規(guī)則的Agent系統(tǒng)的發(fā)展。同時，連接主義(神經(jīng)網(wǎng)絡(luò))開始復(fù)興，為基于學習的Agent奠定了基礎(chǔ)。

　　多Agent系統(tǒng) (MAS) 興起：研究者開始關(guān)注多個Agent如何交互、協(xié)作和協(xié)商以解決復(fù)雜問題，多Agent系統(tǒng)的理論和應(yīng)用初步發(fā)展。

　　產(chǎn)品應(yīng)用階段：在特定領(lǐng)域出現(xiàn)了一些Agent應(yīng)用，如分布式計算、信息檢索、簡單的機器人控制等。例如，1997年IBM的“深藍”擊敗國際象棋世界冠軍，展示了AI在特定領(lǐng)域的強大能力，雖然Agent特性與現(xiàn)代定義有所不同，但代表了AI在復(fù)雜決策任務(wù)上的突破。

　　階段特征：Agent的自主性和智能水平有限，主要依賴人工設(shè)計的知識和規(guī)則，或在相對簡單的環(huán)境中通過學習獲得能力。

　　3、機器學習與互聯(lián)網(wǎng)驅(qū)動期(2000年代初 - 2010年代末)

　　技術(shù)發(fā)展路徑：機器學習，特別是強化學習、深度學習的快速發(fā)展，為Agent賦予了更強的學習和適應(yīng)能力。互聯(lián)網(wǎng)的普及產(chǎn)生了海量數(shù)據(jù)，為訓練更智能的Agent提供了可能性。

　　產(chǎn)品應(yīng)用階段：AI Agent開始在更廣泛的領(lǐng)域得到應(yīng)用，如搜索引擎的個性化推薦、電子商務(wù)的智能客服、自動駕駛的初步探索、以及各種智能助手(如Siri、Alexa、Google Assistant等)的出現(xiàn)。這些助手雖然在自主性上仍有局限，但展現(xiàn)了Agent作為用戶交互界面的潛力。

　　階段特征：Agent開始具備更強的環(huán)境感知和數(shù)據(jù)驅(qū)動決策能力，人機交互方式更加自然。但其通用性和任務(wù)泛化能力仍有待提高。

　　4、大語言模型驅(qū)動的Agent爆發(fā)期(2020年代初至今)

　　技術(shù)發(fā)展路徑：以Transformer架構(gòu)為基礎(chǔ)的大語言模型(LLMs)取得了突破性進展，展現(xiàn)出強大的自然語言理解、生成、推理和學習能力。這為構(gòu)建更通用、更智能的AI Agent提供了核心引擎。

　　產(chǎn)品應(yīng)用階段：基于LLM的AI Agent迅速涌現(xiàn)，如AutoGPT、MetaGPT、BabyAGI以及各大科技公司推出的Agent平臺和應(yīng)用，能夠自主分解復(fù)雜任務(wù)、規(guī)劃執(zhí)行步驟、調(diào)用外部工具(API、數(shù)據(jù)庫、代碼解釋器等)、并進行反思和學習，展現(xiàn)出前所未有的自主性和任務(wù)完成能力。

　　標志性事件：OpenAI的GPT系列模型發(fā)布及其在Agent領(lǐng)域的應(yīng)用探索，引發(fā)了全球?qū)�AI Agent的廣泛關(guān)注和研發(fā)熱潮。比爾·蓋茨等行業(yè)*也高度評價AI Agent的潛力，認為將徹底改變?nèi)伺c計算機的交互方式。

　　階段特征：AI Agent的自主性、通用性、交互的自然性以及任務(wù)處理的復(fù)雜性都達到了前所未有的高度。多模態(tài)能力(處理文本、圖像、音視頻等多種信息)也成為Agent發(fā)展的重要方向。行業(yè)開始從“模型即服務(wù)”向“Agent即服務(wù)”演進。

　　中國AI Agent出海頭部玩家

　　隨著AI Agent技術(shù)的快速發(fā)展和國內(nèi)市場的激烈競爭，越來越多的中國AI Agent企業(yè)將目光投向了海外市場，尋求新的增長機會和利潤空間。這些出海企業(yè)憑借產(chǎn)品及技術(shù)創(chuàng)新、對特定場景的深刻理解以及靈活多元的商業(yè)模式，在全球AI Agent市場嶄露頭角。

　　1、HeyGen(原詩云科技)

　　公司基本概況及核心產(chǎn)品介紹：HeyGen，前身為在中國注冊的詩云科技(成立于2020年)，是一家專注于AI視頻生成技術(shù)的初創(chuàng)公司。其核心產(chǎn)品是一款強大的AI視頻生成工具，能夠?qū)崿F(xiàn)多種創(chuàng)新功能，包括但不限于：用戶上傳照片或視頻片段即可生成具有逼真口型同步的虛擬數(shù)字人、將文本內(nèi)容快速轉(zhuǎn)換為帶有虛擬主播的口播視頻、支持用戶創(chuàng)建個性化的虛擬形象，以及提供多語種語音翻譯和視頻本地化功能，例如將英文視頻中的人物口型和語音自然地轉(zhuǎn)換為中文或其他語言。HeyGen的技術(shù)在內(nèi)容創(chuàng)作、營銷推廣、在線教育、企業(yè)培訓等多個領(lǐng)域具有廣泛的應(yīng)用前景。

　　國內(nèi)外業(yè)務(wù)情況對比：國內(nèi) vs 海外

　　HeyGen最初在國內(nèi)起步，但隨后進行了戰(zhàn)略調(diào)整。2023年，公司注銷了國內(nèi)主體，將總部遷至美國，全面轉(zhuǎn)向海外市場。這一決策背后的主要考量包括海外市場更高的用戶付費意愿、更成熟的SaaS軟件消費習慣、更大的市場利潤空間以及更有利的估值環(huán)境。相較于國內(nèi)市場日益激烈的競爭和價格敏感性，海外市場為HeyGen提供了更廣闊的商業(yè)化前景。

　　A. 盈利模式：HeyGen在海外市場主要采用付費訂閱模式 (Subscription-based Model)。用戶可以根據(jù)自身需求選擇不同級別的訂閱套餐，享受不同數(shù)量的視頻生成時長、高級功能(如更高分辨率、專屬數(shù)字人形象、API接入等)以及客戶支持服務(wù)。這種模式有助于公司獲得穩(wěn)定且可預(yù)測的經(jīng)常性收入。公司曾透露，自2023年第二季度以來已實現(xiàn)盈利，擁有超過4萬名付費客戶。

　　B. 營收占比：根據(jù)公開信息，HeyGen在全面轉(zhuǎn)向海外市場后，其年化經(jīng)常性收入(ARR)在一年內(nèi)從約100萬美元迅速增長至超過3500萬美元。在公司轉(zhuǎn)型后，國內(nèi)業(yè)務(wù)已基本停止，海外市場貢獻了幾乎全部營收。

　　融資情況：HeyGen在2024年初宣布完成A輪6000萬美元融資，由硅谷*風險投資機構(gòu)Benchmark Capital領(lǐng)投，參投方包括Conviction、Thrive Capital以及Bond Capital等。此輪融資后，公司估值達到約5億美元，相較于上一輪的7500萬美元估值實現(xiàn)了顯著增長，反映了資本市場對其技術(shù)實力和海外市場前景的高度認可。

　　2、來也科技(Laiye Tech)

　　公司基本概況及核心產(chǎn)品介紹：來也科技成立于2015年，是中國*的人工智能和機器人流程自動化(RPA+AI)解決方案提供商。公司致力于通過AI技術(shù)幫助企業(yè)實現(xiàn)業(yè)務(wù)流程自動化和智能化轉(zhuǎn)型。其核心產(chǎn)品和服務(wù)包括：

　　對話式AI平臺：構(gòu)建智能客服、語音助手、聊天機器人等，用于客戶服務(wù)、內(nèi)部員工支持等場景。

　　智能文檔處理 (IDP)：利用AI技術(shù)自動從各類文檔(如合同、發(fā)票、報告)中提取、理解和處理信息。

　　RPA (機器人流程自動化)：提供軟件機器人來模擬人類操作，自動執(zhí)行重復(fù)性的、基于規(guī)則的計算機任務(wù)。

　　企業(yè)智能助手：結(jié)合上述能力，為企業(yè)打造統(tǒng)一的智能工作入口，輔助員工高效完成工作。 來也科技的解決方案廣泛應(yīng)用于金融、保險、能源、制造、零售、醫(yī)療等多個行業(yè)，幫助企業(yè)降本增效，提升競爭力。

　　國內(nèi)外業(yè)務(wù)情況對比：國內(nèi) vs 海外

　　來也科技自創(chuàng)立初期就具有全球化視野，并在大約2021年開始規(guī)�；�拓展海外市場。公司已在美國、歐洲等地設(shè)立了辦公室，并積極開拓東南亞、拉丁美洲(如巴西)、中東等新興市場。相較于國內(nèi)市場，來也科技認為海外市場在利潤空間和商業(yè)環(huán)境成熟度方面具有一定優(yōu)勢。國內(nèi)市場競爭異常激烈，價格戰(zhàn)頻發(fā)，而海外客戶對軟件和服務(wù)的價值認可度更高，付費意愿更強，能夠接受更合理的價格體系。

　　A. 盈利模式：

　　軟件授權(quán)與訂閱費：向企業(yè)客戶銷售其RPA平臺、對話式AI平臺等產(chǎn)品的授權(quán)許可或提供基于訂閱的服務(wù)。

　　解決方案與項目實施費：為大型企業(yè)客戶提供定制化的AI自動化解決方案，并收取相應(yīng)的項目咨詢、開發(fā)和實施費用。

　　合作伙伴生態(tài)收益：通過與全球各地的咨詢公司、系統(tǒng)集成商等建立合作伙伴關(guān)系，共同拓展市場，并分享收益。 在海外市場，由于客戶對價值付費的認可，公司更容易建立起可持續(xù)的盈利模式。

　　B. 營收占比：雖然來也科技積極拓展海外業(yè)務(wù)，但作為一家在中國成長起來的公司，其早期營收主要來自國內(nèi)市場。隨著海外業(yè)務(wù)的不斷擴張，海外營收占比預(yù)計會持續(xù)提升。具體的國內(nèi)外營收精確占比數(shù)據(jù)通常不作為公開信息披露。其合伙人兼高級副總裁范里鴻曾表示，海外市場一旦進入并走通，可以獲得比較穩(wěn)定的收入。

　　融資情況：來也科技已完成多輪融資，吸引了包括紅杉中國、Tiger Global Management、光速中國、微軟等國內(nèi)外知名投資機構(gòu)。已披露的融資：2021年完成了C++輪7000萬美元融資，累計融資額已超過1.6億美元(截至當時)。

　　3、波形智能 (Waveform AI)

　　公司基本概況及核心產(chǎn)品介紹：波形智能是一家專注于長文本內(nèi)容生成大模型的AI初創(chuàng)企業(yè)。其核心技術(shù)在于研發(fā)能夠理解和生成高質(zhì)量長篇文本(如小說、劇本、深度文章等)的AI模型。公司推出的主要產(chǎn)品是名為“蛙蛙寫作”的AI創(chuàng)作工具，旨在輔助作家、編劇、內(nèi)容創(chuàng)作者等用戶提升創(chuàng)作效率和拓展創(chuàng)意邊界。該工具可以提供故事構(gòu)思、情節(jié)發(fā)展建議、角色塑造輔助、文本潤色乃至完整章節(jié)生成等功能，特別適用于需要大量創(chuàng)意寫作的場景。

　　國內(nèi)外業(yè)務(wù)情況對比：國內(nèi) vs 海外

　　波形智能目前正積極籌備和探索海外市場。根據(jù)其創(chuàng)始團隊的觀察，海外市場(尤其是特定語種市場)的用戶在內(nèi)容付費方面的意愿和習慣相對更好，這為AI寫作工具的商業(yè)化提供了更有利的土壤。公司已經(jīng)開始訓練支持多種語言(如西班牙語、法語、日語等至少13種語言)的多模型版本，并在一些小語種市場初步驗證了產(chǎn)品與市場的契合度(PMF)，計劃未來將在這些方向上重點發(fā)力。

　　A. 盈利模式：波形智能的盈利模式預(yù)計將主要圍繞其核心產(chǎn)品“蛙蛙寫作”展開

　　訂閱制服務(wù) (SaaS)：針對個人用戶和專業(yè)創(chuàng)作者提供不同層級的訂閱套餐，根據(jù)功能權(quán)限、生成字數(shù)限制、支持語言種類等進行區(qū)分收費。

　　API授權(quán)：向有內(nèi)容生成需求的企業(yè)或平臺提供API接口服務(wù)，允許其將波形智能的長文本生成能力集成到自身產(chǎn)品或工作流中，按調(diào)用量或特定協(xié)議收費。

　　定制化模型服務(wù)：為特定領(lǐng)域或有特殊需求的大客戶提供定制化的長文本生成模型訓練和部署服務(wù)。 其商業(yè)模式仍在探索和驗證階段，尤其是在海外市場。

　　B. 營收占比：由于波形智能尚處于早期發(fā)展和市場拓展階段，特別是其海外業(yè)務(wù)仍在起步期，因此詳細的國內(nèi)外營收占比數(shù)據(jù)尚不明確或未公開。公司目前更側(cè)重于產(chǎn)品打磨、用戶積累和商業(yè)模式驗證。

　　AI Agent發(fā)展痛難點及解決方案

　　1、AI Agent發(fā)展痛難點

　　AI Agent的發(fā)展主要面臨來自算力層的挑戰(zhàn)：

　　高昂的訓練與推理成本：當前先進的AI Agent，尤其是基于大語言模型的Agent，其訓練和推理過程對算力資源(特別是高端GPU)的需求巨大。這不僅導致了高昂的硬件采購和維護成本，也使得云端算力服務(wù)費用成為一筆巨大開支，限制了中小型企業(yè)和研究機構(gòu)的參與。

　　算力供給不足：全球范圍內(nèi)高端AI芯片的供應(yīng)緊張，進一步加劇了算力瓶頸問題，使得獲取充足算力成為許多AI Agent項目發(fā)展的制約因素。

　　能耗問題：大規(guī)模模型和高強度計算帶來的巨大能源消耗，也引發(fā)了對環(huán)境可持續(xù)性的擔憂，對綠色算力的需求日益迫切。

　　2、AI Agent行業(yè)解決方案

　　針對上述算力的問題，業(yè)界和學術(shù)界正在從多個方面探索解決路徑：

　　算法與模型優(yōu)化：研究更高效的模型壓縮技術(shù)(如剪枝、量化)、知識蒸餾、稀疏化等方法，減小模型規(guī)模，降低推理計算量。開發(fā)更高效的訓練算法，縮短訓練時間。

　　專用AI芯片與硬件加速：持續(xù)研發(fā)和推廣針對AI計算特點的專用芯片(ASICs)，提升能效比。利用FPGA等可編程硬件實現(xiàn)特定Agent任務(wù)的加速。

　　邊緣計算與端側(cè)智能：將部分Agent的計算任務(wù)部署到邊緣設(shè)備或終端設(shè)備上，減少對云端算力的依賴，降低延遲，保護用戶隱私。

　　發(fā)展綠色算力：采用更節(jié)能的計算架構(gòu)和制冷技術(shù)，利用可再生能源為數(shù)據(jù)中心供電。