2025人工智能体（AI Agent）应用现状挑战及建议研究报告
为把握人工智能体发展趋势，研判发展机遇与挑战，本期专刊系统梳理了人工智能体的技术特征、发展历程、应用场景和产业生态，分析了全球主要经济体和重点企业的布局动向，深入探讨了我国人工智能体发展面临的生态建设、经济效益、场景落地等方面挑战，并从标准制定、生态优化、应用推广、政策支持、技术攻关等维度提出了相关建议。
从技术演进到算力消耗估算，深度拆解AI Agent：AI进入Token时代，MCP赋能Agent迈向泛智能
以产业演进角度看，AI Agent 的发展路径类似于搭积木过程，过去各模块（大模型智能性、多模态推理、Coding 能力、工具调用 Tool Use、Token 经济、算力支撑）零散分布，单一技术无法形成闭环，Agent 形态始终停留在“缺乏行动能力”的状态。当前，以 MCP 为代表的工具调用协议标准化落地、OpenAI 的 Agent SDK 框架逐步完善、大模型 Coding 能力提升至产业应用级别、Token 调用成本大幅下降等因素叠加，各项技术模块已逐渐完整拼接。
DeepSeekManus与AIAgent行业现状报告
2023年3月AutoGPT横空出世，7月OpenAI的翁丽莲发表名为 《LLM Powered Autonomous Agents》的博文，详细介绍基于LLM的AI Agent，给出了AI Agent的理想技术架构。
腾讯控股研究报告：AI时代生态价值凸显，AI Agent打开想象空间
AI带来新的流量入口转变，腾讯占据网络效应最强的赛道，生态丰富。技术突破伴随新商业模式的出现，是互联网巨头崛起的主要动力，市场大致以十年为一轮科技周期。伴随移动互联网用户渗透率进入存量时代，AI成为新增长点。用户是互联网企业的核心资产，商业模式本质是流量变现，每一轮技术以及商业模式的变革，或带来互联网流量入口转变。我们认为未来互联网服务生态有可能演绎为“用户 → AI入口 → 结构化数据层/API”，传统具备高用户黏性、已构建广泛丰富用户生态、掌握用户行为路径的互联网平台，或最有优势打造新的AI入口。AI时代，AI Agent同样需要寻求建立网络效应壁垒，当前部分AI应用不具备网络效应，未来能提供的服务深度非常重要。目前各家竞争厂商仍处于探索阶段如何打造AI APP的网络效应和用户黏性。
2025年中国AI Agent行业研究报告（二）
Agent（代理）一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体。在计算机科学和人工智能领域，"Agent"（智能体）是一个具有自主性、感知能力和决策能力的实体。智能体能够通过传感器感知其所处的环境，并根据其内部状态和预设的目标，通过执行器对环境进行影响。智能体的目标通常是在给定的环境中实现特定的任务或目标。大型语言模型（LLMs）的出现为智能代理的进一步发展带来了希望
人工智能行业专题报告：Operator和Manus打开AI Agent时代
AI Agent是人机交互新范式。AI Agent是能够感知环境、进行决策、执行动作的智能体，在2023已顺应大模型浪潮而生，随着多模态等技术逐步成熟，当前各厂商持续推出相关产品，Agent已开始逐步进入各个场景的工作流中，成为人机协同新范式。根据Roots Analysis预测数据，预计24年全球AI Agent市场规模为52.9亿美金，预计2035年达到2168亿美金，对应24-35年CAGR为40.15%。
AI行业专题分析：AI Agent突破ChatBot形式渗透全产业
RAG 降低大模型幻觉并突破信息滞后，DeepSeek 带来轻量化成本变革，二者共同驱动 AI Agent 加速落地。同时，AI Agent 的应用形式已远不局限于 ChatBot，在工农业等封闭场景形成商业闭环，并加速向更多企业级和消费级的垂直领域渗透。
2025年计算机行业年度策略报告：AI Agent繁荣时代开启，科技内需迎新篇章
2025年计算机行业年度策略报告：AI Agent繁荣时代开启，科技内需迎新篇章
计算机行业专题：AI Agent，海外创新企业的再次自我革命
AI Agent：大模型开启推理时刻，算力成本降低推动产业化进程。AI Agent是一种能够感知环境、进行决策和执行动作的智能实体，具备通过独立思考、调用工具去逐步完成给定目标的能力，可拆解为大模型+规划+记忆+工具使用四个组成部分。我们认为， AI Agent的产业发展离不开AI大模型的进步和推理成本的下降，当前已初步具备发展条件。1）o1掀起推理的划时代革命，通过思维链开启推理Scalling Law时刻。根据The Information，传统的大模型Scaling Law已经撞墙，OpenAI发布了全新的多模态Self-play RL模型o1，o1开创模型scaling的新维度，模型性能不再仅仅受限于预训练阶段，现在可以通过增加推理计算资源来提升模型表现。2）国内外算力供需错配现象改善，算力部署成本有望下降，有利于Agent产业化推广。从AI算力租赁成本来看，租赁价格今年较去年缩水70%。根据PANews，去年由于AI算力供应紧张，H100的租赁价格高达每小时8美元，但现在市场上算力供应过剩，价格降到了每小时2美元以下。
AI Agent（智能体）行业专题报告：从技术概念到场景落地
思维链铸就智能体，多体交互拓展应用：早在上世纪 50 年代，阿兰图灵把“高度智能有机体”扩展到了人工智能。如今随着大模型的快速发展，这个概念又被重新拾起。大模型成为了智能体目前最完美的载体，有望完成从概念到实际应用的蜕变。用户在 Agent（智能体）模式中给 AI 设臵目标和身份，并提供 Prompt（提示词）。AI 自主拆分任务、使用工具、完成工作，用户仅负责设立目标、提供工具资源和监督结果。
赋能两类实体领域，成本与效益的博弈：AI Agent 目前的应用大多都在概念层面，但随着大模型竞争加快、政策鼓励研发投入、更多企业参与 AI 研究等因素，应用层面的 AI Agent 推进速度加快。智能体大致可以分为六类，根据他们被设计出的特点，可以作用在不同的应用领域上。不同类别的智能体给予应用层面上更多研发方向，像目前关注度较高的自动驾驶技术、智能电网控制、能源管理等都能被垂类智能体覆盖。结合多模态大模型，自动化和情感需求类智能体已落地。但商业化智能体仍需考虑成本问题，由于智能体之间的交互过程可能出现错误循环且输出结果不一定符合需求，tokens 成本远高于普通 LLMs。
人工智能行业专题研究：AI Agent，通往AGI的核心基础
LLM引领AI Agent迈入新纪元，加速AI应用商业化进程
AI Agent，这一能够敏锐感知环境、精准决策并迅速执行动作的智能实体，其发展历程波澜壮阔，从依赖逻辑规则与符号封装知识，到快速响应环境变化，再到基于强化学习的飞跃，每一步都见证了技术的深刻变革。如今，随着大语言模型（LLM）的迅猛崛起，AI Agent在感知、记忆、规划与行动等核心模块上的能力实现了质的飞跃，标志着其正式迈入了一个由LLM驱动的新阶段。这一结合不仅预示着AI Agent在智能化与自主性上的巨大潜力，更有望通过与终端设备的深度融合，加速AI应用的商业化步伐。
