MasterAgent，一个创造智能的智能产品

文 ｜ 阑夕

在AI Agent领域，晋西北已经乱成了一锅粥。

2025年会是一个Agent大年，这个判断倒是不新鲜，但现在说这话和在半年前说这话，语境完全不同。

这涉及到对于AI的能力感知差异：一方面，最新的大模型已经能够摘下IMO（国际数学奥林匹克）的金牌，另一方面，关于「Strawberry」这个词到底包含多少个「r」，各家大厂还要放在元提示词里专门训练，才能减少出错的可能。

智能是溢出的，这毫无疑问，却还没有到AGI的程度，于是又在ChatBot交互场景产生「杀鸡用牛刀」的错配。这种冲突，最终会由Agent的方式来做缓解，证明AI具有解决复杂问题的能力，路径本身是可预测的。

但Manus烧出的那把火，仍然成为了照亮山野的雄厚光源，以致于今年涌现出的全球AI Agent产品里，70%以上来自华人团队，连ChatGPT Agent的发布，也在垓下之围里显得黯然失色。

从ARR来看，Manus接近1亿美金，Genspark达到3600万美金，Sierra超过2000万美金，头部的独立产品尚且如此能打，就更不用说OpenAI、Anthropic这些「既做裁判员，又做运动员」的模型供应商了。

即便如此，大多数AI Agent产品都还只是在L3阶段徘徊。但令人振奋的是，一家全国产化智能体厂商深元人工智能对此发起了挑战——终于把AI Agent破天荒的卷到了L4级别。

准确来说，L4并不是一个AI行业的原生概念，它来自美国汽车工程师学会对于自动驾驶技术的等级划分，其中L4被定义为「高度自动驾驶」，指的是汽车能在大多数情况不需要人为接管，可在限定区域内上路运行。

L4级别的AI Agent标准，自然也是要在全托管的情况下，能够自主完成多样性的工作，体现出无人值守的含金量，并且还要具备自我批判，自我改进以及自我反思能力。

作为全球首款L4级智能体产品、全国产化智能体代表——MasterAgent的最大亮点在于，它本质上不是AI Agent，而是AI Agent的开发引擎，或者说，接近于一种「创造智能的智能」。

在实测里，MasterAgent体现出的能力，是将Agent平权化，让每个人都能打造自己的Agent，从其前端界面的主文案就能看出——「一键生成专业工作团队」——这不单是生成一个，而是生成一群Agent，来为用户服务。

这种非常具有未来感的场景已然实现，用户输入自己的需求，随即出现一条流水线，不同专业的Agent分工协作，群策群力的交付各自的成果，最后组装成用户想要的成品。

MasterAgent的考虑也不难理解，复杂任务的难度除了考验基座模型的能力之外，长上下文的处理和衔接更是重中之重，很多时候影响质量的因素在于丢失了上下文，以致于AI无法进行精确推理，整个流程的错误就像多米诺骨牌一样，溃于一个无法察觉的错误。

所以MasterAgent选择了在拆解需求之后为每一个环节单独配置一个Agent的路线，这是工程化的典型解法，如果用户认为Manus这样的产品确实有用，那么MasterAgent实际上能够为用户定制出无数个Manus，充分满足个性化的需求。

在生物学上，制作和使用工具曾是人类区别于其他动物的重要标志，而AI正在对整个文明的版本推送更新包，这是MasterAgent最让人感到震撼的地方，当一个个Agent自行调用工具去为用户尽心尽力时，一种赛博牛马的魔幻感已经有了真实可见的画面。

MasterAgent的开发商，是深元人工智能，自2018年起就专注于交互式3D与人工智能的底层技术研发，先后推出了X-Studio智能体开发引擎、Personal X情感多模态智能体交互系统、Virtual Human智能体创作引擎，一度供给了市面上80%以上的数字人解决方案，在大模型兴起之后，又将可视化的智能体销售和部署到了很多需要虚拟员工的场馆，在文旅、教育、医疗、零售、客服等多个领域展现出广泛应用潜力。

可以说，MasterAgent的前身，就是专业生产Agent的训练师，在有了足够多的积累，叠加上底层模型「每半年算力增加一倍、成本缩减一倍」的新定律之后，开始萌生出建设「母体」的念头。

这和制造业的转移和升级规律很类似，只要在生产上不断精进，迟早会进入更上游的设计领域，因为开发出了足够多的Agent，深元人工智能也有能力开始构建一个用来开发Agent的Agent，如其命名那样，成为Agent的御主（Master）。

如果说ChatBot带来的是最低程度的智能平权，那么Agent带来的就是中等水平的知行平权，再往后就只有AGI这座圣杯了。

就实际体验而言，MasterAgent的交付品质上限和下限相隔甚远，这非常取决于使用者调用Agent的人机协作能力，所以这既可以看作是普通人上手使用的难点，但也投射出产品本身更为壮阔的想象空间。

大模型的原理是预测下一个Token，同理，Agent的原理也离不开拟合，甚至可以说，过拟合才是后训练和数据标注的分数线，很多时候，完成任务的结果取决于拆分之后能在多大程度上与「题库」对照。

毕竟，人类的经验形成，就是建立在局部最优化这个基础之上，这是生存和适应的基础，如果每次都在遇到突发事件后重新建立一遍认知，大脑的负载早就不够用了。

虽然AI本身的训练也是基于奖励模型——这难免鼓励过拟合——但它在涌现时给人制造的惊喜，仍然是最有价值的尝试，就像DeepSeek-Zero在论文里呈现的「啊哈」时刻，只有在这样的稀缺里，智能的边界才能被推得更远。

使用MasterAgent的体感就是如此，看着自己凭空生成的「团队」一边配合一边干活、还会交叉核验以便改进工作程序，一种不必要的剥削感油然而生，神话故事里孙悟空拔毫毛变出百万大军的便捷性，也不过如此。

一花一世界，撒豆皆成兵。

在尝试打开消费级市场之前，坚定全国产化路径的MasterAgent已经在企业级市场「杀疯了」，广汽、海尔、中银国际、六福珠宝等头部企业以及政府机构都来签了大单，其中核心原因之一就是，作为AI Agent开发引擎而非单一的AI Agent，MasterAgent的兼容性实在是太高了。

相当于它自带外接插槽，企业可以接入自己的知识库或是智能体，在最短的时间内和MasterAgent做适配，然后扩展成一个更强大的Agent团队，落地成本之低，远胜于独立开发或是私有定制。

生成智能体均为可复用、可进化、可学习的特点，让MasterAgent作为「母体」的价值极高，这已经由来自SaaS市场的订单证明了，而在跨入消费级市场的判断做出之后，率先将MasterAgent融入工作流的人，会在Agent这条赛道的起跑线上占尽优势。

在MasterAgent的幕后，依托的是中国科学技术大学的专家团队，拥有极强的工程化自研能力。

和同行们不同，MasterAgent坚持全国产底座，从模型自研打破模型调用再到语料训练，全都坚定不移的扎根中国本土，「自己人」的含金量十足。而工程化的应用突破，这反映出AI Agent时代最为明显的一次迭代，即从前的套壳和非套壳之分已经不再奏效了。

从Manus惊艳出世以来，AI Agent的套壳之说就不绝于耳，言下之意当然是套壳没有价值，「模型即产品」将成为一条必经之路，大模型的研发商将会在市场得到验证之后亲自下场，全链路的收割产业。

然而，即便Claude 4实质上已经内化了部分Agent能力，以Claude为主要调用模型的第三方Agent产品依然活得滋润无比，甚至以AI Coding市场为例，在Claude Code发布之后，Cursor们还是「该干嘛干嘛」，并没有让出多少显性份额。

一方面固然是增长，只要蛋糕的体积持续做大，市场就不会排挤新入局的分羹者，考虑到通用性，AI Agent的用户规模相比AI Coding一定只大不小。

另一方面，懂得如何最大化调用模型的工程能力往往是最容易被低估的，就像游戏的高阶玩家能比游戏的开发团队更懂技巧，在具体到发挥模型效能的层面，AI Agent的水平未必不如开发者，这本身也是「术业有专攻」的结果。

所以微软的CEO纳德拉才在今年这波AI Agent大火之前就表示，大模型被商品化是板上钉钉的事情，好的模型必须配备好的产品才有竞争力，而基础模型商品化的最大受益者必然会是应用层公司。

这么来看，MasterAgent的卡位就非常准确了，在AI Agent的爆发前夕，提前建好了一座日夜不休的Agent制造工厂。

AI让人类过足了「造物主」的瘾，随手就能撸出一个能够自己干活的小微智能物种，对于生产力的解放无疑是巨大的，哪怕它目前还有着种种不足，但挂在后台隔一会儿就能回来检阅结果的全新体验，将会伴随着这一代年轻人成长起来，铺满AGI时代的万古长夜。