跟硅谷创业者聊 Agent：今年创业做 Agent，技术卡点在哪里？

推荐语

探索2025年Agent技术的核心卡点与未来发展方向。

核心内容：
1. Agent技术的最新进展与社会影响
2. 硅谷专家对Agent技术难点的深度解析
3. Agent商业化前景与创业时机探讨

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

R1、o3 以及更多推理模型的发布，也为 Agent 的发展提供了足够强的技术基础。正如很多人所说，2025 年是真正的 Agent 之年。

但关于 Agent 仍有很多问题待解决，比如现在的技术卡点都是哪些？未来 Agent 之间应该怎么协作，现在是 Agent 创业的好时机吗？

3 月 16 日，极客公园旗下的全球化闭门社区 Global Ready，与整数智能联合组织了一场闭门讨论，邀请了硅谷的 AI 专家、创业者们，从 Agent 的落地、技术难点、商业化方向等进行了一场深度探讨。

在脱敏处理后，我们整理了本次闭门讨论的要点内容，感谢 GR 会员整数智能对本次活动的支持。

主要分享嘉宾：

Yifeng Yin, 本场 Global Ready 活动 Host，Co-founder of a stealth start-up, ex-HuggingFace

Kecheng Huang, Co-founder & CEO, Emerging AI

Dongxu Huang, Co-founder & CTO, PingCAP

Zheqing (Bill) Zhu, Founder & CEO, Pokee AI

关于整数智能：

起源自浙江大学计算机创新技术研究院，提供了智能数据工程平台与数据集构建服务（包括数据采集、数据清洗、数据标注），覆盖了包括图像、视频、文本、音频、点云等多种模态类型的数据处理能力，通过 AI 自动化加持，使数据标注效率提升 500%-1000%。

关于Global Ready ：

Global Ready Community 是极客公园孵化的全球创新者社区，与世界顶尖创新者共同探索科技的无限可能。

社区会员可享受：高效链接海外 500+ 位创始人 & 技术专家 & 投资人，闭门活动入场券等权益，我们希望成为你链接世界的高效率 API。

01 

Agent 当下的技术卡点：

更多工具使用能力、更长上下文

Yifeng Yin：今天我们聊的是 agent，一项技术的商业潜力主要取决于它能颠覆什么。那么，agent 究竟是哪些问题的最佳解决方案？如果要让 agent 真正解决这些问题，我们还需要哪些技术突破？

Zheqing (Bill) Zhu：我个人觉得，如果从第一性原理出发，假设未来所有的端到端通信都由 agent 完成，那么以人为中心的网页浏览可能会消失，信息传递和任务执行都将完全由 agent 之间的协作实现。

这可能需要几个条件：首先，互联网本身可能需要一次重构，不再依赖浏览器操作，而是让 agent 直接执行任务；其次，agent 的执行能力得大幅提升。现在的 agent，比如用 Claude 或 GPT-4o 做的，执行能力很有限，可能调用 50 个工具就到极限了，再多就会出错。所以，未来我们要解决的是：如何让 agent 在未知环境下自主调用上千个工具，完成复杂任务？这可能是我们需要突破的方向。

Dongxu Huang：我的结论和 Bill 差不多，但我的思考角度稍微不同。

在评估工具时，我更关注从人的角度出发，我们真正需要什么，而不是单纯看工具能做什么或它的应用场景是什么。就像互联网的发明是为了解决人类沟通和信息获取的效率问题一样，agent 也应该匹配我们的核心需求。最近我重读了 Transformer 那篇论文，标题「Attention is All You Need」很有哲学意味。我觉得可以延伸一下，从人类角度来说，「Attention is all we have」——注意力是我们拥有的全部，也是我们最想要支配的资源。

像订机票、订酒店这些事很烦人，需要集中注意力去比价、选择，但我们并不想在这上面浪费精力。我们更希望把时间和注意力花在喜欢的事情上，比如去户外呼吸大自然、玩耍或读书。所以，agent 的本质应该是帮助我们把时间花在真正想花的地方。这也是为什么我认为通用型或个人助理型的 agent 会是一个重要方向。过去，像搜索引擎或手机应用都是基于固定场景设计的简单流程，缺乏灵活性。但随着 GenAI 的普及，我们终于可以实现更高的灵活性。比如 ChatGPT 刚出来时，它只是个对话工具，现在已经能处理 50 个工具的范围。我相信未来会更进一步，变成真正的个人助理，任何不想做的事都可以交给它。

再举个例子，作为企业高管，我肯定需要一个私人助理，但不可能给每个员工都配一个，太贵了。可这个需求是普遍存在的。如果 AI agent 能让每个人都拥有一个助理，把注意力更好地分配到我们想关注的地方，这就是它能解决的核心问题。所以，未来 agent 的方向可能是如何通过技术放大人类的注意力管理能力。这有点抽象，但希望能给大家一个不同的思考视角：我们作为人类到底想要什么？

Kecheng Huang：Bill 刚才提到网页浏览可能会被重构，我也有类似的想法。当 ChatGPT 出现后，大家开始用它，甚至到后来的 xAI，我们团队也在问自己：当新的交互形式出现时，旧的形式会怎样？我读过一本叫《传播媒介》的书，里面提到新媒介出现时，旧媒介不会完全消失，而是会折叠到特定场景。比如电脑出现后，纸笔没消失，但用途变窄了。

我觉得网页浏览、ChatGPT 和 agent 可以看作三次迭代。现在我们用 Google 的时候，通常是已经明确知道要查什么，比如去 Abakai AI 的官网或 Hugging Face 的官网，直接搜索是最快的路径。而像 ChatGPT 这样的 chatbot，则适合模糊性的思考或启发性场景。至于 agent，我觉得它正在慢慢涌现。随着底层基础设施完善、数据积累和产品范式的摸索，agent 开始展现潜力。比如最近很火的 Manus，它能把你的历史行为浓缩到一个框架里，帮你处理模糊任务。

从技术角度，我认为 agent 比 chatbot 或网页更核心的能力有三点：第一，多模态理解能力，不只限于文字，而是能通过多种形式理解需求；第二，实时环境感知能力，因为执行任务时需要调用不断变化的服务，agent 得能动态适应；第三，个性化数据整合能力，把个人历史数据——各种模态、各种场景——融合起来，真正理解你。这需要高效的数据存储和转化，比如知识图谱之类的东西。这三点让我对 agent 的未来很兴奋，Manus 只是个开始，后面会有更多激动人心的东西出现。

Dongxu Huang：我特别同意 Kecheng 提到的两点。我稍微总结一下：第一，我们缺一个 agent 之间的互联网，就像路由器一样，能让 agent 之间高效通信。现在我做 MCP 开发时，发现调用十几个服务就很麻烦，有的想本地部署，有的放远端，agent 之间的上下文共享也完全不够。第二点就是 memory，记忆能力。Agent 最终要提供个性化服务，这离不开数据。但现在的软件行业处理数据的接口并不适合 AI 或 agent，可能需要一次重构。比如，怎么操作数据？现在最好的可能是 SQL，但未来可能会有更 AI 友好的方式。

另外，agent 和人类的信息交互也有区别。人类靠消息传递，但 agent 之间不需要这么低效的方式。我前阵子看到一个 demo，两个 AI agent 在电话里低声说话，挺有趣，但我觉得这是完全错误的方向。Agent 之间的记忆共享不该靠电话，而是直接给个 S3 endpoint，加载到内存就行了。所以，我觉得缺两样东西：一个是 agent 的互联网，一个是 agent 的大脑，包括记忆和上下文管理。

02 

Agent 没有创造新需求，

而是优化解决方案

Yifeng Yin：如果想让 agent 成为某些问题的解决方案，让以 agent 为核心的商业模式落地，我们需要在基础设施上做哪些努力？需要什么样的基础设施，agent 才能真正落地？

Zheqing (Bill) Zhu：Agent 不是满足一个全新需求，而是优化现有需求——有些事本来靠人做，但其实可以交给机器，只是因为互联网没完全联通或 AI 能力不足，才一直靠人力。

举个例子，前段时间我发博客，把一个平台上的图片和文字下载下来，整理成文档，再上传到另一个平台，整个过程花了我两个小时。这其实是 agent 该干的事：第一步，从 Google Docs 下载所有内容存到本地或某个存储；第二步，把这些信息上传到 LinkedIn，用最优方式完成。但现在网上没有工具能一键搞定。Agent 要解决的就是这种重复性劳动，让机器人替代人。

我觉得先要把互联网上的重复性劳动解决好，比如用 15 秒代替两小时或两天的任务。如果这能做到，肯定有市场，产品适配性（PMF）自然会显现。基础设施方面，我不觉得算力有缺口，现在已经够用了。核心问题在于工具的完整性，比如没有统一的标准接口。像刚才说的 agent 之间的互联网，现在连单个 agent 调用工具的链条都不完善。规划好一系列操作后，能不能找到对应的工具执行？这都还没解决。先得把工具链标准化，不管是政府还是个人，只要接入 agent 都用同一格式，这可能是落地第一步。后面再考虑 agent 间的通信，或虚拟世界和物理世界的连接，那是更远的未来。

Dongxu Huang：Bill 说的工具链和我的想法有些重合，比如 agent 之间的互联网和记忆能力。但从人的角度，我觉得还有个更深层的问题。

比如我想买机票，得去 United 或 Booking 网站，agent 要帮我顺利完成，得能读我的微信或接入这些平台。这不是技术问题，而是人性或商业壁垒的问题。什么时候人类能真正觉得应该让世界更美好，而不是守着自己的护城河，把 API 封闭起来，搞各种闭源和限制？所以，agent 落地的最大挑战可能不在技术，而在人性。如果现有玩家不转变思维，可能只会有新的 LinkedIn、新的 Booking 崛起。

基于开放生态重塑市场，这比技术突破更重要。

技术上，我觉得需要一个信任基础的 agent 互联网。就像现在的互联网基于 TCP/IP，agent 的生态也得有类似的底层支撑。开放性和协作是关键，这也是我为什么看好开源——它能推动集体智慧，而不是某一家独大。

Kecheng Huang：基础设施确实是个大话题。算力、算法和模型方面，现在开源模型越来越强，算法也在进步。至于数据，Dongxu刚才提到如何让行业数据更公平、更开放，这是企业和政府都需要推动的。

云端的算力集群建设已经很成熟，但端侧和边缘侧的算力流转还有优化空间。我们的手机是为互联网时代设计的，但在 agent 时代，多模态数据和高并发任务会带来新挑战，这需要更多投入。

至于政府角色，在中美的发展中，监管越来越重要。国内大模型还得备案审批，怎么在加速创新和维持社会稳定之间平衡，这是个难题。另一个有趣的点是社会背景。Agent 和具身机器人如果取代更多人力，剩余劳动力怎么办？我们在全球业务中发现，中美都在热议 AI，但在日本、欧洲，AI 普及率没那么高，这些成熟社会有抵御机制。现在中美在这方面机制不足，我担心未来会有更多像武汉萝卜快跑那样的抗议。

Zheqing (Bill) Zhu：我倒没那么担心。从工业革命到信息化时代，人口增加很多，但就业率没下降，反而上升了。执行层面被 agent 取代后，创造性工作会不会打开新空间？比如现在一年出 20 部好莱坞大片，未来能不能出 500 万部，每人都有个性化版本？

03 

2025 是 Agent 确定性的开端

观众提问: 现在大家都说 agent 和 AI agent 是生活中不可或缺的东西。作为公司创始人，你们怎么保证自己的产品不会被大厂商品化？未来你们如何定位自己的公司？

Zheqing (Bill) Zhu：这个问题很有意思，但感觉有点假设我们必须胜出，哈哈。其实我并不觉得这是一个赢家通吃的游戏。看看现在的模型：Anthropic 擅长代码和写作，OpenAI 在推理和数学上有优势，Perplexity 能搜索。市场会有很多同质化产品，但它们会自然演化，找到自己的舒适区，彼此拉开差异化。

我觉得最终不会是 winner-takes-all，肯定会有垂直领域的 agent 和不同的基础设施。每家公司可能会同时用多个基础设施，就像现在用几大云厂商一样。所以，不是先发优势或技术最强就能胜出，而是能不能找到适合的产品市场契合点（PMF），找到自己的细分领域才能生存。

Dongxu Huang: 我很认同，AI 是未来所有公司的最大杠杆，但这个杠杆不是为了赢，而是让我们的生活和工作更美好。在我们公司 PingCAP，我们有个实践：每个人在报告里都要写怎么用 LLM 或 GenAI 提高效率，连前台也不例外。程序员用 Cursor 这种工具已经尝到了甜头，我都没报销费用，他们自己就掏钱用了。

对我来说，AI 不是主营业务的竞争点，而是整个社会的生产力变革。不管愿不愿意，所有行业都会被 AI 改造。至于定位，我们做数据基础设施，也会被 AI 重塑，但核心是拥抱它，而不是想着击败谁。

Yifeng Yin：如果现在的基础模型能力就止步于此，基于现有水平做工程化和 agent，能创造多大的空间？或者说，能产生多大的商业价值？

Dongxu Huang：我过去一年一直在思考这个。一直在纠结是该多投入精力建 agent 框架和工作流，还是等底层技术模型再进步。因为有个尴尬的情况：如果你早早把 agent 的工作流做得特别复杂，但模型能力突然提升，像 OpenAI 的最新推理模型出来后，以前的努力可能就白费了。比如 OpenAI 的 o1 出来前，我做的所有工作流都没法用，底层模型太弱。但 o1 的出现让我觉得可以开始做些有用的东西了，它算是个起点。

不过 o1 也只是第一步。所以我现在不怎么建具体的框架了，而是专注做 function calling 和工具开发，把这些基础打好。我很期待 o2、o3，比如 DeepSeek 的下一代模型。到那时，市场空间会更大，确定性也会更高。回到你的问题，我觉得现在是刚起步，基于 o1 这样的推理模型，已经有一些不错的商业场景。未来空间会越来越大，只是现在还在确定性的开端。就像这几年 dify 成功，但技术进步后，老范式可能得迭代。所以我的建议是等等看，同时基于现有能力开始试水。

赵赫：我想从非技术角度补充一下。这个问题其实是在问：如果模型不进步了，能不能做所有事？当然会进步，但Dongxu从「要不要等」的角度回答很有意思。我想换个视角再答一次。

我一直在反思：现在的模型已经很强了，但为什么做出来的东西还是差强人意？我观察到两个原因。第一，Yifeng 之前跟我聊过，谷歌的模式是有现金牛业务养科学家，再由厉害的工程师把科学翻译成产品，最后设计师懂用户需求。现在的问题是，科学家不少，但能把底层技术翻译成实用产品的工程师太少。这是个信息传递断链的问题，需要时间积累。

第二，上一代互联网技术人很难有归零心态。新技术出来时，如果威胁到他们的地位，就成了一种错误——「你怎么能比我强？」要么被他们收编，要么被干掉。这种阻力阻碍创新。所以即便技术够了，好东西也出不来。这不是技术瓶颈，而是思想瓶颈。得先突破这个，才能释放价值。