硅谷修路，中国造车：AIAgent发展路径为何不同？

AIAgent的全球发展格局

硅谷的规则制定之路

在AIAgent的发展进程中，硅谷展现出一种有条不紊的发展态势。Anthropic推出MCP开放协议，谷歌发布Agent2Agent（A2A）开放协议，这些举措统一了大模型连接应用的方式以及Agent与Agent之间的对话语言。众多企业纷纷加入这一浪潮，像OpenAI这样的巨头，还有众多硅谷企业，甚至国内的阿里、腾讯云、百度云等也参与其中。这一现象表明硅谷在逐步建立起Agent发展的规则框架，为整个行业从0-1的构建奠定了基础。这种规则的建立如同搭建骨架，使得整个行业的发展有了清晰的脉络。

中国的躁动发展现状

中国的AIAgent领域发展呈现出一种较为复杂的状态。一方面，Manus以“全自动Agent”引发资本热潮；另一方面，澜码科技却遭遇危机，薪资停发、社保停缴、员工解约等问题频出。在这样看似混乱的局面下，却也有着积极的一面，那就是新增订单需求的增加。客户对AIAgent的接受度在提高，直接提需求下订单，这反映出中国的Agent行业正处于快速变化和发展之中，从“概念验证期”迈向“生态定型期”，中国企业在这种氛围下已经开始抢跑。

中国缺乏MCP协议的原因

Agent的本质与产业生态

Agent并非简单的应用形态，而是代表全新产业链，整合多技术环节，需调动互联网生态软件资源。构建通用智能体有两大核心要素，强大的“大脑”与可靠的“手脚”。针对ToC和ToB场景，Agent能力要求不同，ToC注重通用性和灵活性，ToB注重准确性。通用型Agent依赖基础模型能力，创业公司施展空间有限。

软件生态的差异影响

硅谷软件生态高度标准化、互联互通，SaaS普及率高，催生对标准化接口的需求。MCP协议下，SaaS服务成为生态组成部分，降低开发成本。而中国软件生态发展不均衡，这种差异导致缺乏类似MCP的统一协议标准，这不仅是技术路径差异，更体现数字基础设施发展阶段的不同。

中国企业在ToB领域的发展模式

ToB市场需求与商业模式

ToB领域发展迅速，一是源于市场需求的爆发性增长，如语核科技、来也科技等企业感受到订单量的急剧增加。二是因为其商业模式清晰，比如提升销售转化率虽小但对企业收益影响大。ToB的Agent替代传统定制化系统，形成新商业模式，能根据企业需求持续进化。

中国企业的创新策略

中国企业在构建Agent时采取“由点及面”的策略。先在特定场景解决核心痛点，再扩展功能范围。例如实在智能先打造质检文档处理的Agent，再扩展到其他环节。而且在技术上也有创新，如实在智能的“融合拾取技术”，汇智智能成为行业知识与AI技术的整合者，这些创新和模式都适应中国市场现状。

相关问答

中国和硅谷在AIAgent发展上有哪些明显差异？

中国和硅谷在AIAgent发展上的差异体现在发展路径上。硅谷专注于建立规则，制定统一协议；中国则更倾向于抢跑，直接在市场中探索实用解决方案。

MCP协议对AIAgent发展有何重要意义？

MCP协议对AIAgent发展意义重大，在硅谷的软件生态中，它类似于一种基础设施。它能降低开发成本，让不同的软件和服务通过简单的接口对接，实现互联互通，促进Agent生态的发展。

为什么说中国缺乏MCP协议是软件生态差异导致的？

中国软件生态发展不均衡，与硅谷高度标准化、互联互通且SaaS普及率高的软件生态不同。这种差异使得中国难以像硅谷那样产生对类似MCP这种标准化协议的强烈需求，从而缺乏这样的协议。

中国企业在ToB领域的发展有什么特点？

中国企业在ToB领域的发展特点包括市场需求爆发增长、商业模式清晰、采取“由点及面”的策略先解决特定场景痛点再扩展功能，并且在技术和商业模式上不断创新。

实在智能的“融合拾取技术”有什么优势？

实在智能的“融合拾取技术”训练了专注于电脑操作领域的垂直大模型，提升任务理解等能力，整合视觉识别结果与传统方式识别的底层元素，提高了Agent在复杂环境中的适应能力，还在一些方面比GPT-4o表现更好。

汇智智能的商业模式创新在哪里？

汇智智能的商业模式创新在于成为行业知识与AI技术的整合者。它识别并整合各行业已被数字化的知识，与多类公司合作，打造完整智能解决方案，而不是单纯提供技术或软件，适应中国企业数字化程度参差不齐的现状。