AI算力的下一站是什么？

2025年上半年，中國企業級市場大模型的日均token消耗量激增至10.2萬億，較去年下半年暴增363%。然而，這龐大的算力洪流，并非完全涌向模型訓練與迭代——MIT的研究發現，90%以上的公司員工正使用個人AI工具自動化工作任務，而僅有40%的企業采購了官方LLM訂閱。

這其中的巨大落差，正指向一個更深刻的變革：算力的下一站，不再是單純的模型進化，而是邁向以“自定義Agent”為主導的精細化、場景化分配時代。算力正在從支撐大模型的“發動機”，蛻變為驅動千行萬業數字化員工的“生產力調度中心”。

何為自定義Agent？

當我們談論“自定義Agent”時，不妨將其想象為你正在為你的部門招聘一位高度專業化的“數字化員工”。與以往那種只能被動應答、知識泛泛的聊天機器人截然不同，這位新員工的核心價值在于三個關鍵特質：擁有明確的職責邊界、配備了專屬的工具套裝，以及被賦予了自主決策的工作流。這并非一個“更聰明”的聊天窗口，而是一個能夠融入現有業務流程、主動推進任務并交付確定結果的自動化生產力單元。

其硬核邏輯在于架構上的根本性突破。一個真正的自定義Agent通常由四個核心層構成：首先是“規劃層”，它不再簡單響應指令，而是能將一個模糊的目標(例如“策劃一次市場活動”)分解為“市場調研-競品分析-主題設定-渠道選擇”等一系列可執行的具體步驟；接著是“工具層”，它被授權調用企業內部或外部的專屬API，無論是從CRM系統調取客戶名單，還是向設計平臺下達生成海報的指令，它都能像一名熟練的員工一樣操作專業軟件；第三是“記憶層”，它不僅記錄與用戶的交互歷史，更能構建一個關于任務上下文、行業知識和執行偏好的私有知識庫，確保每一次決策都基于持續積累的“經驗”；最后是“仲裁層”，當任務遇到沖突或多種選擇時，它能依據預設的規則或成本效益分析做出權衡判斷。

這種深度定制的意義，遠不止于提升單點效率。它標志著一個關鍵的范式轉變：企業無需再耗費巨資去訓練或微調一個試圖“通曉萬物”的巨型模型，而是轉向一種更經濟、更可控的路徑——基于一個足夠聰明的通用大腦(基礎大模型)，通過精細的“職能定義”和“工具賦能”，快速批量地制造出解決特定問題的“專家型”智能體。這如同從“培養全科博士”轉變為“高效組裝特種機器人”，后者對算力的消耗更為精準、可預測，其產出也更具業務價值。

這股趨勢正悄然重塑企業服務的競爭格局。未來的CIO在采購AI解決方案時，關注點將從“模型的參數規模”轉向“Agent的定制靈活性與集成深度”。算力，作為支撐這一切的底層資源，其消耗模式也將隨之從粗放式的“大水漫灌”轉變為基于具體任務目標的“精準滴灌”。

當每一個業務環節都可能由一個或多個高度自治的Agent負責時，企業的數字化架構將不再是一張靜態的藍圖，而是一個能夠自我演化、動態調整的“活體組織”。這，才是自定義Agent所帶來的真正革命性前景。

為什么資本市場開始重視AI Agent？

當資本市場的注意力從AI芯片與云基礎設施悄然轉向應用層，9月下旬AI應用板塊的異動或已經揭示新的信號。其背后指向一個正在形成的行業共識：AI Agent正在從技術概念蛻變為可衡量ROI(投資回報率)的商業實體。根據東吳證券的觀察，2025年下半年恰是入口級通用Agent競爭開啟的時間窗口，這意味著技術探索期正讓位于商業落地競賽。

資本市場重視AI Agent的首要邏輯，在于其觸達了企業數字化轉型的核心痛點——從“信息輔助”走向“流程接管”。與僅能提供內容生成或數據查詢的傳統AI工具不同，Agent的核心能力體現在“深度自動化”。它能夠理解一個復雜意圖(如“為新產品制定全球市場進入策略”)，自主規劃步驟、調用專業工具(市場數據平臺、設計軟件、供應鏈管理系統)、并執行直至產出完整方案。

這種能力將人類從結構化、重復性的腦力勞動中系統性解放，其帶來的已不是邊際效率提升，而是業務流程的指數級重構與成本優化。這正是杰創智能、頂點軟件等上市公司在特定垂直領域加快布局的根本驅動力——它們銷售的并非“更聰明的聊天機器人”，而是能夠嵌入現有工作流、直接降低運營成本的“數字化員工”。

其次，Agent的競爭格局呈現出獨特的“雙層結構”，這為不同體量的參與者提供了清晰的戰略定位。一層是“巨頭環伺”，如OpenAI、谷歌、微軟以及國內的百度集團、阿里巴巴、騰訊控股、華為、三六零等，它們憑借底層大模型、算力資源與生態優勢，致力于構建通用Agent平臺，意在成為未來的“操作系統級入口”。周鴻祎宣布360“All In Agent”，并將其定義為“比大模型更高級的進化形態”，正是看中了其整合“思考”與“行動”的完整能力棧，這有望重塑用戶與數字世界交互的方式。

另一層則是“垂直突破”，在通用Agent能力尚未完全成熟的空窗期，那些深耕特定行業(如金融、電商、內容創作)的公司，憑借其深厚的領域知識、對復雜工作流的理解以及可靠的工具集成能力，正快速推出解決具體痛點的垂直Agent。

以金融科技領域為例，恒生電子與東興證券近期達成為期三年的戰略合作，其目標并非推出一個通用的聊天機器人，而是研發面向證券行業的高性能垂類大模型及智能體應用體系。合作聚焦于智能投研、智能投顧、智能風控和智能問答四大核心場景。

在醫療這一高專業壁壘領域，衛寧健康的實踐則展示了AI Agent如何注入臨床思維。其推出的醫療大模型WiNGPT 3.0致力于模擬醫生的臨床診斷過程，通過引入強化學習等方法，讓模型具備更佳的思考能力，以期依照循證醫學邏輯獲得較準確的診斷。在此基礎上，WiNEX Copilot 2.2作為“智能體+”增強的醫護智能助手，已經推出了各類Agent 50余個。

而在更為廣闊的企業經營管理層面，用友網絡的策略則凸顯了AI Agent應用的平臺化與體系化特征。用友已推出覆蓋全領域的1000+智能體(數智員工)，并形成了由“友小成”、“友小施”、“友小智”等組成的AI服務矩陣。其應用場景極為務實，例如在商旅費控場景，通過大模型技術深度集成差旅全流程，實現了AI驅動的主動服務模式。

更深層次看，資本押注Agent實則是押注一種即將發生的產業范式遷移。華泰證券指出的“超級個體”現象，本質上揭示了Agent作為“硅基生產力”對“碳基生產力”的結構性替代已經開始。這不再是實驗室里的技術演示，而是真切地發生在知識工作、編程、法律研究等領域的效率革命。