千问请喝奶茶的免费效应下，Agent会迎来爆发吗？

“千问免单奶茶是AI Agent第一次大规模被广泛认知，但是并没有创造新的人与服务的连接。”

撰文｜何聆筝

编辑｜翟文婷

这个春节，更像是为AI专设的。

除了腾讯、百度发起的红包大战，今天开始，阿里投入30 亿，在千问APP 开启春节大免单的活动，也正式拉开序幕。

第一波为期7天，全民人均一个AI 小助理，一句话点外卖、喝奶茶咖啡，买年货，25元内无门槛免单。

如果说发红包只是让对AI 陌生的用户知道AI的存在，阿里请客这一招，则是在近距离教育用户，怎样向AI 发起指令，AI如何理解人的意图，以及AI最终执行。

就在千问新春活动发起前夕，马云现身阿里总部，且位于千问项目组区域，据说是慰问慰问千问春节项目组。继淘宝闪购之后，这是马云亲自过问关心的第二个阿里战略级项目，可见意义非凡。

尽管这是AI Agent第一次如此大规模被广泛认知，但是并没有创造新的人与服务的连接。或者说，是在已有服务里，更智能而已。

一、Agent走入现实

对AI提出指令，它就能自主拆解任务，并且帮你执行完成。过去，这是电影里才有的情节，就像蝙蝠侠的中央控制系统一样令人向往。而现在，AI Agent正在让这一切走入现实。

今天一早，阿里千问上线「春节30亿免单」，发放奶茶免单卡：不需要在不同的app来回切换，不需要输入地址，不需要查攻略。只需要打开千问「任务助理」就能在对话框里下达任务。活动上线不久，系统甚至一度出现卡顿。

早在1月15日，千问App宣布全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务。这是千问更新之后，首次强调AI办事的能力。

除了千问，还有一些体验正在悄然改变我们的生活。

比如在微信里@元宝，读取公众号文章、群聊记录、朋友圈内容，实现「一键总结」功能。

这些切片都是普通用户近距离感受AI Agent的服务能力。也许功能并不完美，比如有些用户在体验千问过程中就出现点击授权后，却并不成功。对Agent的探索也仅仅处于初级阶段，但却跨越了AI从「被动聊天」到「主动做事」的一大步。

在很长一段时间里，AI Agent一直停留在理论层面，从未走出实验室。甚至没有一个官方的定义。提起AI Agent，人们会用一个通俗的比喻：大语言模型是上知天文下知地理，却被困在轮椅上的超级学者，而AI Agent则为这位学者装上了手脚、配齐了工具箱。

这个比喻点出了AI Agent的核心价值：弥补大模型的行动短板。

AI Agent是大模型长出的「手脚」，而率先使用「手脚」的是企业。

LangChain 2025年行业调研提到57%的组织已在生产环境中运行AI Agent。根据Gartner的行业预测显示，企业软件中整合自主型AI的比例将从2024年的不足1%跃升至2028年的33%；与此同时，超过15%的企业日常工作决策，将交由AI智能体自主完成。

AI Agent的C端「用户教育」较为滞后，去年出圈的现象级产品Manus，算是在精英圈层先完成了一次小范围的测试。更大规模的扫盲，还是得等到如今大厂的豪气出手。

目前行业获得共识的是，Coding会是Agent明确的场景。MiniMax创始人闫俊杰此前就曾预判，「Coding会是AI Agent最先落地的场景」。

姚顺雨将Code比喻为「人的手」，是AI最重要的affordance（环境给予行动者的可能性）。物理世界，人最重要的affordance就是手——我们围绕它制造各种工具，比如锤子、笔、筷子。

除此之外，钉钉、飞书妙计，购物类的亚马逊Alexa Shopping、百度心响，内容创作类的字节Coze「扣子，同时面向开发者」等应用，在不同程度都展现出多场景任务执行的Agent潜力，但一切只是探索，离解决现实问题还有漫长的路要走。

二、大厂新的战略焦点

虽然基础技术能力尚待突破，Agent的落地却为大模型厂商开辟了一条切实可行的变现路径，破解了长期以来大模型「高成本、低收益」的盈利困境。

过去，训练一个千亿参数级别的大模型需要投入巨额的算力、人力成本，但用户对模型的使用多停留在聊天、文案撰写等浅层场景，成本高昂的Token只能以低价售卖，对于大模型厂商，尤其是那些挣扎在生存「斩杀线」边缘的创业公司，这无疑构成了难以突破的资金瓶颈。

而Agent改变了这一局面——它能将大模型的底层能力封装成可直接交付的业务价值，实现能力与需求的精准对接。

面向B端市场，模型厂商可通过RaaS「机器人即服务」模式按交付结果向客户收费，也可将Agent深度嵌入企业CRM、ERP、生产管理等核心业务流程，实现与企业业务的深度绑定，挖掘长期商业价值。

以MiniMax为例，其打造的「AI原生工作台」采用“分层订阅+积分制+企业定制”的混合收费模式，精准匹配不同规模企业的需求：面向中小企业，按3000-5000元/席位/年的标准收取费用，降低中小企业的接入门槛；针对大型企业，则提供深度定制化的Agent解决方案，除了10-50万元/年的基础服务费用外，还会根据企业效率提升比例或实际业务成果收取额外服务费，实现价值共创、收益共享。

通过Agent对接企业需求，不仅能优化算力使用效率，减少租赁模式下的算力浪费，降低厂商的运营成本；更重要的是，企业级Agent一旦接入企业核心业务系统，极高的迁移成本、适配成本，也能让大模型厂商锁定长期客户，保障稳定的营收来源。

面向C端市场，消费级Agent以高频生活、工作场景为切入点，逐步渗透进用户日常，通过付费订阅模式实现变现。比如字节的豆包，覆盖学习辅导、旅行规划、购物比价、日程管理等日常任务；比如百度的心响，覆盖知识解析、旅游规划、学习办公等场景。

对于互联网大厂而言，消费级Agent的价值不仅在于提升用户效率、影响消费决策，更核心的作用是串联起自身生态内的各项服务，打破App之间的壁垒，形成「需求-服务-交易」的完整闭环，提升生态整体竞争力。

以阿里为例，在千问App正式宣布全面接入淘宝生态后，用户只需在千问Agent中输入「规划一次旅行」的指令，千问会自动调用飞猪的机票酒店查询预订服务、高德的行程导航服务、支付宝的支付服务，无需用户手动切换多个App，即可完成从规划到支付的全流程操作。

正是看到Agent的巨大商业价值和战略意义，过去一年里，国内互联网巨头纷纷加快布局节奏。

字节以豆包大模型为底座，依托抖音流量池，打造「内容-服务-变现」闭环，同时布局OS Agent 抢占系统级入口；阿里以千问Agent为枢纽，打通阿里全生态服务，近期上线了400 多项AI办事功能，支持点外卖、订机票、购物等复杂任务。

腾讯在2025年下半年敲定微信Agent战略，第三季度财报电话会上，刘炽平首次系统披露微信AI化战略蓝图，并且明确表示「微信最终会推出一个AI智能体」。而腾讯CEO/总裁办公室首席AI科学家姚顺雨则表示，微信Agent旨在构建一个能理解用户深层意图、协调多维度需求、维护社交关系动态平衡的「意图操作系统」。依托微信社交生态，腾讯将打造「润物细无声」的Agent体验。

除了互联网大厂，国内手机厂商也，开启了手机行业的「AI Agent军备竞赛」。

荣耀、OPPO、小米、华为、vivo……除了主流的手机厂商已全面入局，将Agent能力深度嵌入手机系统，抢占终端入口。字节还跨界中兴打造出了豆包手机。

荣耀CEO李健曾表示智能手机正迎来继功能机、智能机之后的第三阶段变革——AI智能体时代。这意味着，手机行业的竞争维度已彻底升级，不再是过去单纯的硬件参数堆砌和应用生态比拼，AI能力尤其是Agent能力，正成为新的核心竞争壁垒。

而各大手机厂商争相入局Agent赛道，核心目标就是守住「离用户最近的终端入口」，抢占下一代手机行业变革的话语权。

三、Agent 落地的难点在哪？

尽管AI Agent已经成为共识，ChatBot Agent 化也是必然趋势，在其中会集成各种不同的服务，但是如何更好地落地，提供怎样的服务，甚至找到目标用户都是一大难题。

闫俊杰此前曾在采访中指出，长上下文「Long context」能力至关重要，因为AI难以感知时间流逝，单Agent需强化记忆能力提升互动质量，多Agent间通讯「如Anthropic的MCP协议」产生的大量数据，也对长上下文处理能力提出高要求。

姚顺雨也有过类似的观点。他曾在AGI-Next前沿峰会上的发言，「模型想要迈向高价值应用，核心瓶颈就在于能否用好上下文（Context）。」

这就好比，一个记忆力超群、能记住整本剧本的演员，才能演好一出连续剧；而AI Agent要成为可靠的数字助手，同样需要强大的「记忆力」来串联所有任务细节，否则每次对话都像重新认识你一样。

多Agent协作也是目前的核心障碍之一。

MCP协议的提出者Anthropic，在2025年技术报告中客观分析了多Agent协作的挑战：比如上下文碎片化，不同 Agent 的知识图谱和上下文窗口难以对齐，导致信息传递失真；信任机制缺失，Agent间缺乏有效的身份验证和可信度评估，易受错误信息干扰；多Agent并行处理时，算力和内存资源消耗也会呈指数级增长。

姚顺雨2025年发表的博客《The Second Half》中提到，从Agent「Level 3」向更高层级发展「Innovator→Organizer」，需要突破三大核心挑战，其中之一就是多智能体协作问题。

从姚顺雨的观点来看，多智能体协作不是一种可选功能，而是智能体能力实现质变、进入下一发展阶段的必然要求。

除了技术难点，Agent在商业化层面也面临着不小的壁垒。

壁垒一方面来自生态准入门槛。各大App平台为保护自身流量、数据和商业模式，会技术性封杀试图跨应用操作的第三方Agent。此前豆包手机助手事件就是一次生动的「压力测试」。

另一方面来自用户信任，用户是否愿意将涉及隐私、安全的操作权限「如支付、通信」交给Agent？如何确保其决策透明、可干预？

LangChain 2025年对1300名行业人士调研发现，目前AI Agent最大障碍并非成本，而是输出质量的稳定性「如准确性、无幻觉」，33%的受访者将其列为首要问题；大型企业还将数据安全列为第二大痛点，延迟问题则位列第三。

AI Agent道阻且长，最终留下来的玩家会是哪些，我们尚无法预判，但有一点可以肯定，但凡杀出重围的，一定能在特定环节建立不可替代性。