大厂高管、天才少年，扎堆Agent创业

「核心提示」
Agent创业的真正机会在基模够不着的角落。

作者 |张经纬

编辑|邢昀

AI Agent正在成为越来越多人的“工作搭子”。

今年5月的百度开发者大会上，李彦宏提出，AI时代的度量衡不该是消耗多少token，而是DAA（Daily Active Agents），即每天有多少Agent在给人类交付结果。

这背后是大厂面向普通用户的Agent平台竞赛：字节Coze、百度AgentBuilder、腾讯元器、阿里百炼，几乎每家基座模型厂商都在推广自己的Agent开发平台，希望改造人们的工作方式。

另一群人则在AI应用的更深处——进行AI Agent创业。2025年至今，AI Agent接过生成式AI大模型的接力棒，成为创业投资市场最拥挤的赛道。跟投资人讲故事很容易，做出一门能收上钱的生意，却需要穿越无数个“看起来很美”的幻觉。

为此，《豹变》找到了几名AI Agent创业者，探寻Agent创业的现状、机遇和挑战。

1、AI加持下的又一次创业潮

AIAgent创业潮始于2025年初，Manus率先打开市场，点燃了投资者对工作流变革的想象空间。随后，大厂同类产品迅速跟进，AI Agent成为2025年种子轮投资的流行赛道。

就读于北京某理工类大学的王宇轩也在这个时期尝试创业，他设计了一套Prompt工作流，用来改善AI修图的效果，之后他也一直在寻找合适的AI Agent创业项目；几乎同一时间，另一位创业者韦龙杰创立了法律数据合规AI Agent：阿育法。

Agent创业的火热，是多重因素叠加的结果。

AI编程能力让“造产品”的门槛急剧降低。 以Cursor、Lovable、Claude Code为代表的“Vibe Coding”工具，让非专业开发者也能快速构建原型，“把产品做出来”变得非常简单。

互联网大厂也为创业大军注入了人才。百度原副总裁景鲲离职后创立MainFunc，推出AI Agent产品Genspark，种子轮即获6000万美元，此后一年半内完成3轮融资、总额超4亿美元，估值达12.5亿美元；钉钉原副总裁王铭2025年10月创立攀峰智能，目前已获数千万融资，其内容电商Agent OS Moras主打一个自动化的选品推荐、脚本生成、数据分析等。

截至2026年初，仅字节离职员工创立的AI公司就已超过30家，阿里通义千问技术负责人林俊旸、字节Seed多位核心骨干也在近期加入创业大军。

这些创业者带着对平台效应和流量运营的理解，试图复刻互联网早期的增长神话。2026年初，曾在美团工作的朱飞与另外两位创始人一同筹划了 Quote.law，一个面向法律专业人士的AI Agent协作平台。

AI创业者们有自己的业内沙龙，那就是全国各地雨后春笋般的“黑客松”。黑客松（Hackathon），即“黑客”（Hack）与“马拉松（Marathon）”的结合，这最早是诞生于硅谷的一种集体编程活动，要求自由组队，在24至72小时的封闭周期内，从零完成一个可演示的软件或硬件原型，最终由评委现场评审。

近两年，一二、三线城市、顶尖高校或者科技大厂都组织了各类AI主题黑客松。韦龙杰曾参加不久前的南京黑客松，想让自己的项目有一些关注度，同时也寻找一些合作者。

相关数据显示，2025年中国AI Agent行业市场规模达182.34亿元，同比增长78.03%，行业进入爆发式增长期。2026年政府工作报告也首次将“智能体”写入，国家战略定位不断升级。

AI Agent融资领域热度不低，头部项目吸金能力强劲，估值水涨船高；而对于大量中小创业者的试水，不少投资机构则更倾向于“少而分散”的投资策略。

从与一些创业者的交流中可以看出，风险资金也在变得更加谨慎，倾向于跟随头部机构跟投。

二级市场的热烈氛围更加直观。智谱、Minimax这些登陆股市不久的新贵，给投资方带来了成倍的回报。如今月之暗面等公司也在排队上市。

技术驱动的创业潮之下，新的趋势也在形成，比如核心人物的年轻化。

王宇轩近期在组织各类创业沙龙，感受到投资机构更加青睐“小天才“。所谓“小天才“，泛指很年轻就拿到计算机科研成果的学生，很多甚至不到18岁。

这当中最著名的就是陈广宇，他是深圳一所国际学校的高三学生，2025年11月以实习生的身份参与KIMI的大模型研发。2026年3月，他作为共同第一作者参与的论文《注意力残差》（Attention Residuals）发布，让马斯克在社交平台公开点赞。在创投圈，陈广宇型的算法天才是拿到融资的金字招牌。

2、Agent靠什么超越基模能力？

Agent需要依赖基础模型的能力，那么机会又在哪里？答案是，在基模做不到的事情上，比如行业专家。

AI Agent也正从通用向行业垂直渗透，包括法务行业。“法律是一个古老且缓慢的行业，很多资料不光没有经过数字化改造的，而且材料分散、上下文复杂，以及大量工作仍停留在低效的文档流转和重复沟通中。而AI提供了改造这个行业的机会。”朱飞这样看待Quote.law的作用。

在 Quote.law 中，用户可以围绕同一个项目组织材料、开展法律检索、编辑文档，并与 AI Agent 在同一环境中协同推进任务。在与他人合作的场景中，自己写文书太麻烦，直接用对方的文书又不免担心，AI Agent是个很好的“第三方”。

Quote的长期愿景是成为“法律领域的支付宝”，通过AI平台为用户提供信用背书和法律服务。

韦龙杰的阿育法则专攻B端数据合规。作为北大法学院毕业的资深律师，他将多年经验沉淀为高质量的Prompt与Memory数据库，使AI能够识别不同司法管辖区（如中美欧）的数据监管差异，预判企业随规模扩大而升级的合规风险。

由于针对群体偏B端，他大多是通过VC机构和创业社区批量触达初创企业，找投资、合作的过程中顺便就把客户找到了。对一些靠数据吃饭的中小企业来说，AI Agent的存在毫无疑问是福音，原本六位数的律师费，现在只需两万元到两万五千元。

此外还有对传统制造业的改造。

“B2B的Agent本地化定制，深入到企业的流程管理中，解决某些业务节点的自动化问题。”王宇轩这样理解“制造业垂类Agent”。

这当中有一家企业叫语核科技，2024年完成天使轮融资，其核心业务是为制造业企业搭建“基座+私有数据”的Agent系统：以造船厂为例，过去需要资深工程师耗时数周才能完成的售前方案（涵盖船型设计、零件选型、报价单生成），如今通过将企业积累数十年的历史方案数据喂给Agent，新人业务员也能在Agent辅助下快速输出专业方案。

法务、制造业流程改造，这些垂类Agent的共同特点是，基模无法直接解决专业场景问题，需要产品具备行业知识、发现解决问题的能力，以及主动性。

相比基模，Agent还可以通过限定性环境改善AI memory，减轻幻觉。朱飞将垂类Agent看作“污水净化厂”，通过专业的语料处理和记忆优化等提升输出质量。

然而，处在一个被看好的赛道只是第一步。在市场上成天上万的竞争者中，什么样AI Agent创业更有可能成功呢？

韦龙杰觉得，最重要的是找到真需求。“在黑客松看到的一些项目，点子很新颖但不知道能不能有市场，用户未必愿意使用、愿意付费。”

而对于如何验证，王宇轩觉得“可以先看看能不能找到100个愿意付费的用户，如果找不到的话，就该换条路了。”之前的AI修图算是小试牛刀，现在他想去风投或者大厂看看，学习些方法论。“真的创业了就会意识到，PMF（产品市场匹配度，由硅谷风险投资家马克·安德森提出，常用于互联网大厂和投资的战略分析）是很关键的。”

PMF的另一面是产品搞得定需求，这考验的是团队能力。韦龙杰有丰富的业务经验，他的联合创始人则正在德国攻读计算机博士。“去找融资的时候，我们这种既懂业务、又懂技术的组合，比较容易引起投资人的注意。“韦龙杰这样介绍。

最终，要有足够多的用户，产生平台效应。在Agent赛道，平台效应首先体现为“数据飞轮”：用户用得越多，Agent积累的私有语料、行为偏好和行业记忆就越丰富，模型输出质量越高，这又反过来提升用户粘性。另一方面，一旦企业客户的业务流程嵌入Agent，替换成本很高。

然而悖论是，只有先跨越“冷启动”，才能触发飞轮，而大多数Agent创业公司还没活到那一天就已经出局。

3、创业的“AI幻觉“和“人的问题”

创业变得更容易了吗？

看上去是这样的，我们现在可以通过AI编写代码，以非常低的成本完成产品。但是这又会形成新的“幻觉“：误以为“创业最难的是把产品做出来”。

实际上，AI创业更为残酷。AI评测公司Yupp拿到3300万美元种子轮，产品上线不足一年即关停；AI合同工具Robin AI曾获谷歌、软银投资，半年内从巅峰走向挂牌出售；AI穿戴设备Humane AI Pin累计融资超2亿，最终仅以1.16亿美元被收购。

王宇轩认为，很多创业者在“拿着锤子找钉子”：“创业的底层逻辑一直没有变过，你现在可以很快的做产品出来，但最难的是始终挖掘到真正的需求。”

另一方面，市场泡沫让很多订单也不是从真正的需求出发，只是追求AI潮流，本质是FOMO心态的另一种投射。这种需求难以持久，一旦技术热度退潮或预算收紧，用户便会流失。

不仅如此，Agent创业者也面临着来自“地基”的压力。

基座模型能力不断增强，某种程度上也在吞噬Agent的生存空间，比如记忆能力。GPT、DeepSeek等主流模型的最新版本，已将上下文扩展至百万Token。原本需要Agent架构解决的问题，在逐渐被基模的原生能力覆盖。

市面上很多“只是微调提示词”的Agent创业公司面临着这样的生存压力。李开复近期也表示，“不要站在大模型前进的前方，如果站在前面，一定会被碾碎”。

基座模型每跃升一代，依赖提示词工程和轻量级封装的Agent，便面临一次“电梯里做俯卧撑”。

另外，未被线上化的数据，既是垂类Agent的优势，也是垂类Agent的问题，因为它们也有可能“永远不会被线上化”。有时候，资深从业者出于自我保护的需要，不愿意将一些历史数据线上化。更多的情况是，非标准化的从业者经验无法被线上化。

这在制造业很常见。有句老话说得好：“工厂最值钱的资产在老师傅的脑子里。”而医疗领域，高质量数据分散于各家医院，也出于伦理原因难以共享。网络安全行业同样如此，数据本身就是核心竞争壁垒。

不过，和业务问题相比，创业的最大挑战还是要回归“人”。

朱飞认为，找到真正合适的合作者，很多时候比融资更难。理想的人选既要理解复杂业务，也要对新技术足够敏感，而这样的人通常要么已经在成熟平台承担重要职责，要么早已开始独立探索，并不容易通过常规招聘获得。韦龙杰则觉得最大的挑战是跟联合创始人沟通。“跟一个纯技术出身的人合作，需要解释的事情更多，需要特意去理解的事情也更多。”

在这个意义上，AI并没有降低创业的门槛，写代码变简单了，但“懂业务、懂技术、懂人”的门槛始终存在。技术史上从不缺这样的轮回：先是工具崇拜，以为新锤子能解决所有问题，再是泡沫破裂，发现问题始终存在。

只有解决“永恒问题”的人能在退潮的时候站起来。

（应受访者要求，文中王宇轩为化名）