硅谷正通過制定如 MCP 和 A2A 等開放協(xié)議構建基礎設施，推動 Agent 之間的連接與互通；而中國企業(yè)則更注重在特定場景下打造高效實用的解決方案，積極搶占市場份額。

AI Agent行業(yè)的全球圖景，中國和硅谷正在走上兩條路線。

硅谷正在逐步拆掉影響Agent發(fā)展的墻，從0-1的建立規(guī)則。從Anthropic推出了MCP開放協(xié)議，統(tǒng)一了大模型連接應用的方式，到谷歌發(fā)布名為Agent2Agent（A2A）的全新開放協(xié)議，建立了Agent與Agent之間的對話語言。越來越多的互聯(lián)網(wǎng)公司開始加入MCP陣營，包括Anthropic的老對手OpenAI，硅谷超過2000＋企業(yè)，國內(nèi)阿里百煉平臺、魔搭開發(fā)社區(qū)開始構建基于MCP的平臺，騰訊云、百度云等云平臺也在陸續(xù)加入。

看起來節(jié)奏清晰井井有條。

而國內(nèi)的AI Agent領域，則顯得更加躁動。一邊Manus以“全自動Agent”的故事引爆著資本熱潮，另一邊則是曾經(jīng)的行業(yè)獨角獸瀾碼科技遭遇發(fā)展危機，被曝出停薪資、停社保已經(jīng)超過三個月，并于近期對數(shù)十名員工解除勞動合同。

“Manus爆火后，投資人把相關文章甩給我們質(zhì)問‘人家這么牛，你們?yōu)槭裁床恍校俊?某Agent公司創(chuàng)始人在收到如此詢問時，她甚至找不到合適的語言向資方解釋，什么是模塊“縫合怪”。但與此同時，這種混亂又在給他們帶來實打?qū)嵉男略鲇唵涡枨?。客戶不再問AI Agent是什么，而是直接提需求下訂單。

它們都指向一個重要的信號：Agent行業(yè)正從“概念驗證期”邁入“生態(tài)定型期”，技術標準與商業(yè)模式的“分水嶺”已然浮現(xiàn)。在這兩種不同的氛圍背后，是兩種不同的路線，硅谷沉迷于對AI Agent制定規(guī)則，而中國公司已經(jīng)在搶跑了。

01 中國為什么沒有MCP？

首先我們必須明確的是：Agent不僅僅是一種應用形態(tài)，將其簡單對比“超級應用”實際上是對其本質(zhì)的誤解。Agent代表了一條全新的產(chǎn)業(yè)鏈，它連接并整合了多個技術環(huán)節(jié)，需要調(diào)動幾乎整個互聯(lián)網(wǎng)生態(tài)的軟件資源。

我們簡單制作了目前Agent產(chǎn)業(yè)生態(tài)的圖譜（當然它是動態(tài)變化的）以供大家理解。當前，構建真正通用的智能體需要兩個核心要素：一是強大的“大腦”：能夠接收任務并進行精細拆解，對每個步驟的微操作都能完美執(zhí)行，這要求大模型具備強大的多模態(tài)能力；而是可靠的“手腳”，則能夠穩(wěn)定執(zhí)行在各種環(huán)境中，確保跨平臺、跨設備的一致性表現(xiàn)。

針對To C和To B兩種場景，對Agent的能力要求截然不同：To C的通用型Agent不必追求極高準確性，但需要更強的通用性和靈活性，依賴強大的“大腦”進行決策；而To B場景下的“數(shù)字員工”則要求極高的準確性，對靈活性要求相對較低，更依賴高效穩(wěn)定的“手腳”執(zhí)行能力。

因此，行業(yè)內(nèi)幾乎形成共識：通用型Agent深度依賴基礎模型能力，本質(zhì)上是模型廠商能力的延伸，會隨模型升級而進化，創(chuàng)業(yè)公司在此領域能施展的空間極為有限。

從這一視角看，Anthropic作為基礎模型廠商率先推出MCP，并非因其擁有最強話語權，而是因其最需要與互聯(lián)網(wǎng)現(xiàn)有軟件生態(tài)建立連接，實現(xiàn)底層能力的整合與打通。

硅谷與中國在Agent領域的發(fā)展差異，正是兩地軟件生態(tài)長期積累形成的根本區(qū)別的直接反映。硅谷軟件生態(tài)以高度標準化和互聯(lián)互通為核心特征。制造業(yè)Agent數(shù)字員工打造者語核科技創(chuàng)始人翟星吉精準指出：“美國市場中，每個細分場景往往會有獨立的SaaS公司提供垂直服務，這使得互通互聯(lián)成為Agent發(fā)展的必要條件”。在SaaS普及率超過80%的環(huán)境下，Salesforce、Slack等頭部產(chǎn)品成為企業(yè)標配，自然催生了對標準化接口的強烈需求。

在MCP等統(tǒng)一協(xié)議框架下，現(xiàn)有SaaS服務自然成為生態(tài)組成部分，既服務終端用戶，又能被其他Agent調(diào)用。企業(yè)級數(shù)字員工AI Agent平臺來也科技CTO胡一川形象地比喻：“MCP對行業(yè)的影響類似于USB-C標準化對電子設備的影響，它大幅降低了開發(fā)成本。以前100個開發(fā)者連接100個工具需要10000項工作，現(xiàn)在通過MCP，雙方只需準備好對應接口，即可實現(xiàn)全面連接，工作量呈指數(shù)級下降?！?/p>

相比之下，中國軟件生態(tài)發(fā)展不均衡，而這種軟件生態(tài)的根本差異，最終導致了中國缺乏類似MCP的統(tǒng)一協(xié)議標準。這不只是Agent技術路徑的不同，更顯現(xiàn)了數(shù)字基礎設施發(fā)展階段的不同。

一旦MCP與A2A構建起智能體世界的“水電煤”基礎設施，后來者要么接入這套體系成為生態(tài)參與者，要么被排除在主流交互網(wǎng)絡之外。

那么制定標準的人將掌握了最重要的話語權，如同我們所見的安卓系統(tǒng)，或是Cuda，當下國內(nèi)Agent公司都正面臨著是加入還是獨立發(fā)展的重要節(jié)點。

從當前的情況來看，似乎中國互聯(lián)網(wǎng)的基礎模型公司，并沒有另起爐灶的打算。 4月15日，魔搭推出全新MCP廣場，上架千余款熱門的MCP服務。魔搭MCP產(chǎn)品經(jīng)理告訴硅星人：“我們正在成為MCP的生態(tài)共建者，包括建立一些MCP應用的BenchMark，以及給一些應用提供啟動流量等等?！?/p>

本該是兵家必爭之地的標準制定者，為什么基模廠商輕易讓給了Anthropic？

據(jù)硅星人的了解，一部分原因是因為統(tǒng)一協(xié)議本身可能只是AI發(fā)展的階段性產(chǎn)物，從技術的角度來說，一旦建立了Agent的通用行動模型（參考機器人模型），就可以繞過API或者協(xié)議接口，直接完成操作，爭也只是一時；另一方面，互聯(lián)網(wǎng)大廠們快速加入MCP陣營后，能夠?qū)⒋饲暗膬?yōu)勢積累釋放，比如魔搭接入了收割支付寶提供的支付MCP接口，一旦Agent采用了通用的支付接口，支付生態(tài)可以在AI時代復利，這或許是一個比掌握協(xié)議本身更大的市場。

02 硅谷修路，中國造車

硅谷通過推動統(tǒng)一協(xié)議標準，對Agent生態(tài)而言就像是在“修路”，建立基礎設施和互聯(lián)互通的標準。而中國企業(yè)則專注于“造車”，打造能在特定場景下高效運行的實用解決方案。加入MCP、A2A或其他協(xié)議，對中國企業(yè)而言只是時間和選擇問題。無論哪種路徑，最終要讓Agent生態(tài)完整運轉，都需要一輛輛“車”真正跑起來。

在中國市場，C端Agent仍處于非常早期階段，以智譜AutoGLM為代表的通用智能體正在積極打磨產(chǎn)品形態(tài)、技術路線和商業(yè)模式，而絕大多數(shù)創(chuàng)業(yè)公司則將目光聚焦在2B領域。

“我們認為未來2-3年是智能體商業(yè)化落地的關鍵窗口期。端到端的純大模型方案(如Manus等)不太可能在這個時間窗口內(nèi)達到理想的商業(yè)落地水平，因為它們在可控性、穩(wěn)定性和成本方面仍存在重大挑戰(zhàn)?！逼髽I(yè)級通用智能體企業(yè)實在智能創(chuàng)始人孫林君判斷道。

To B的快速發(fā)展首先來源于市場需求的爆發(fā)性增長?！白詮慕衲?月DeepSeek發(fā)布之后，我們明顯感受到企業(yè)級Agent市場迎來了一波’爆單潮’，”翟星吉回憶道，“僅在最近三個月，我們在推進的新項目就超過了20個，今年的預期營收也超過了千萬。這在以前是很難想象的速度?！?/p>

胡一川也表達了類似觀察：“我們在制造業(yè)和金融領域的Agent項目詢單量比去年同期暴增了數(shù)倍。企業(yè)客戶對AI Agent的熱情程度遠超我們預期，尤其是那些有明確流程優(yōu)化需求的傳統(tǒng)行業(yè)客戶?！?/p>

其次是to B領域相對清晰的商業(yè)模式，比如將銷售轉化率從5%提升到6%，雖然只增加了1個百分點，但對企業(yè)來說實際增長了20%，對大型企業(yè)而言這是相當可觀的收益。

實際上，to B Agent實際上替代了傳統(tǒng)的定制化系統(tǒng)，以更高效的方式解決企業(yè)痛點。這些“數(shù)字員工”正在形成全新的商業(yè)模式，不同于傳統(tǒng)SaaS的固定功能，它們能夠根據(jù)企業(yè)需求持續(xù)進化，實現(xiàn)真正的軟件“活體化”。

“其實，MCP這類協(xié)議對2C市場的影響遠大于2B領域。在企業(yè)場景中，系統(tǒng)大多采用封閉架構，且以本地私有化部署為主，很少需要連接公共互聯(lián)網(wǎng)應用?！钡孕羌a充到，這一特點使得中國企業(yè)在缺乏協(xié)議層支撐的情況下，被迫自主研發(fā)從數(shù)據(jù)處理到執(zhí)行操作的全鏈條技術棧。

語核Langtum企業(yè)級Agent應用落地平臺

如語核科技，其技術核心之一在于自研的工業(yè)文檔解析引擎，專門處理企業(yè)分散的非結構化數(shù)據(jù)（將PDF格式的工藝參數(shù)表轉化為結構化數(shù)據(jù)），以便大模型能夠更好地理解行業(yè)專業(yè)知識。在硅谷，這本應是獨立細分賽道的技術環(huán)節(jié)，但在中國市場環(huán)境下，語核不得不將其作為Agent解決方案的一部分直接交付。

“比如在制造業(yè)的采購環(huán)節(jié)，我們的Agent能夠自動校對采購單、查找供應商、比對報價并完成下單流程，將原本需要2-3天的工作壓縮至30分鐘內(nèi)完成，同時還能保持95%的準確性。”翟星吉講道。

來也科技則是通過將RPA(流程自動化)與AI結合，構建出一個一體化平臺，來保證更高準確率和更強靈活性?！拔覀兊姆桨覆皇呛唵蔚貙⒋竽Ｐ秃蚏PA拼接，而是構建了一個能夠自我調(diào)整的智能系統(tǒng)，”胡一川解釋道，“在傳統(tǒng)RPA的基礎上，我們增加了決策節(jié)點，允許系統(tǒng)在執(zhí)行過程中根據(jù)實時情況進行判斷和路徑調(diào)整?！?/p>

來也科技數(shù)字員工平臺架構圖

例如，在某大型汽車主機廠的質(zhì)檢環(huán)節(jié)，來也科技的Agent能夠自動識別并處理各類質(zhì)檢文檔，當遇到異常情況時，系統(tǒng)會自動調(diào)用歷史案例庫進行比對分析，確定最佳處理方案?！斑@一應用將質(zhì)檢文檔處理時間從原來的8小時縮短至1小時，準確率提升至99.2%，每年為客戶節(jié)省人力成本超過200萬元?！焙淮ㄑa充道，“更重要的是，隨著使用時間延長，系統(tǒng)能夠不斷學習新的異常模式，持續(xù)提升處理能力?！?/p>

中國企業(yè)在構建Agent時往往采取這種“由點及面”的策略：先在特定場景中解決核心痛點，然后逐步擴展功能范圍。實在智能創(chuàng)始人孫林君描述了他們的方法：“我們首先為制造業(yè)客戶打造質(zhì)檢文檔處理的專用Agent，證明價值后，再逐步擴展到生產(chǎn)計劃、物料管理等相關環(huán)節(jié)，最終形成覆蓋整個生產(chǎn)管理鏈條的智能體系統(tǒng)?！?/p>

當積累了大量針對復雜場景的實戰(zhàn)經(jīng)驗，具體場景中的Agent往往具有更強的環(huán)境適應能力和問題解決能力。

03 Agent的另一種解法

硅谷的軟件生態(tài)已經(jīng)高度成熟，MCP等協(xié)議正在將這一生態(tài)重新連接，形成Agent主導的新格局。但這一趨勢不可避免地將逐漸弱化傳統(tǒng)軟件企業(yè)的地位，使軟件最終成為Agent的組件。

在美國，各軟件間的標準化接口已經(jīng)成為基礎設施，Agent開發(fā)可以專注于調(diào)用這些接口。而在中國，Agent企業(yè)必須直面軟件碎片化的現(xiàn)實，通過創(chuàng)新性的技術路徑解決執(zhí)行層問題。從某種意義上說，這反而催生了更加普適的技術方向。

“我們看到一個根本性問題：傳統(tǒng)的Agent執(zhí)行層要么依賴API調(diào)用，要么依賴像素級的視覺模擬，兩者都存在明顯局限，”實在智能創(chuàng)始人孫林君解釋道，“前者在中國企業(yè)軟件生態(tài)中成本很高且速度慢 ，后者則面臨穩(wěn)定性和泛化能力不足的挑戰(zhàn)?！?/p>

那么，RPA方案和視覺感知方案有沒有可能融合在一起？實在智能創(chuàng)新性的嘗試了“融合拾取技術”。

“我們訓練了一個名為塔斯（TARS）的垂直大模型，專注于電腦操作領域。這個模型提升了任務理解、狀態(tài)識別和操作決策能力，本質(zhì)上是一種‘text-to-action’或更精確地說是‘text+image-to-action’模型。例如，當看到一個有搜索框和按鈕的界面時，模型能理解「搜索實在智能」這樣的指令，確定需要在搜索框中輸入文本并點擊特定按鈕，然后生成相應代碼執(zhí)行操作?！?/p>

“我們訓練的視覺模型可在100-200毫秒內(nèi)識別界面中的各類元素（輸入框、按鈕、下拉菜單、表格、對話框、密碼區(qū)域等），然后將這些視覺識別結果與傳統(tǒng)方式識別的底層元素整合。目前在網(wǎng)頁元素識別和操作方面比GPT-4o高出約10個百分點，在任務拆解方面高出4-5個百分點，這項技術也獲得國家優(yōu)秀獎專利?！睂O林君補充道。

一般遇到未見過的軟件，都需要派工程師到客戶現(xiàn)場進行適配。但現(xiàn)實中未見過的軟件可能是無窮無盡的，這種人工適配模式難以擴展。融合拾取突破了傳統(tǒng)Computer Vision方案對屏幕分辨率和界面布局的依賴，提高了Agent在真實復雜環(huán)境中的適應能力。

除了技術創(chuàng)新外，在生態(tài)構建上也出現(xiàn)了新的機會。Agent公司究竟應該以什么身份對企業(yè)進行服務？是傳統(tǒng)軟件？定制化系統(tǒng)？還是AI技術提供商？商業(yè)模式是軟件付費模式、按token付費、還是以“數(shù)字員工”的形式按人頭付費？

“我們認識到一個現(xiàn)實：在2B領域，尤其是傳統(tǒng)行業(yè)，行業(yè)know-how的積累至關重要，但從0到1自己完成這一過程周期太長，很難滿足當下市場的迫切需求，”AI Agent 智能體云生態(tài)服務平臺匯智智能創(chuàng)始人孫志明表示，“因此我們選擇了另一條路——成為行業(yè)知識與AI技術的整合者，將已經(jīng)數(shù)字化的行業(yè)知識與Agent能力結合，打造1+1大于2的解決方案?！?/p>

這種模式的核心在于識別并整合已被數(shù)字化的行業(yè)知識。在制造業(yè)、醫(yī)療、金融等領域，過去十年的信息化建設已經(jīng)沉淀了大量專業(yè)知識，孫志明解釋到，“例如，ERP系統(tǒng)中的工藝流程、醫(yī)療系統(tǒng)中的診斷規(guī)則、金融系統(tǒng)中的風控模型，這些都是經(jīng)過多年驗證的行業(yè)智慧。我們不需要重新發(fā)明輪子，而是將這些知識提取、結構化，然后與大模型能力結合。我們與行業(yè)信息化服務商、垂直領域咨詢公司、以及專業(yè)數(shù)據(jù)提供商建立了深度合作關系，共同打造完整的智能解決方案?！?/p>

對于像瀾碼這樣的創(chuàng)業(yè)公司，從0到1自主積累行業(yè)知識確實周期過長，對創(chuàng)企的考驗也更加大，核心原因在于沒有找準自己的定位，是技術提供者、知識整合者還是解決方案交付者，然后圍繞這一定位構建合作生態(tài)。

相比之下，新的商業(yè)模式或許更加適合中國市場現(xiàn)狀。在中國大型企業(yè)的數(shù)字化程度參差不齊，但幾乎所有企業(yè)都有不同程度的信息化基礎，在Agent驅(qū)動下，或許能重新定義軟件服務的形態(tài)和交付方式。

畢竟，技術發(fā)展從來不是單一直線，在這個過程中，中國企業(yè)和硅谷巨頭都在用各自的方式，共同推動Agent走向成熟。