标题：Agentic AI：科技巨头与企业界的争夺焦点
在2025年的AI领域，一个关键词正悄然成为行业的焦点——Agent。从大型模型制造商到初创公司，再到企业级应用团队，纷纷围绕“多智能体协作”、“自动化决策流程”以及“具备工具调用能力的AI系统”展开热烈讨论。
科技巨头如谷歌、英伟达和亚马逊，纷纷布局Agentic AI领域。上个月，亚马逊更是成立了一个专注于Agentic AI的新部门，而初创公司也争相推出各种“Agent”产品。在开源社区，从LangGraph到Agent SDK、AutoGen、CrewAI，一系列Agent框架相继涌现，掀起了继大模型之后的第二轮工具热潮。
科技巨头之间的分歧尤为明显。微软CEO萨蒂亚·纳德拉高调宣称：“我们所知的SaaS时代即将结束，Agent将成为核心驱动力。”而Salesforce CEO马克·贝尼奥夫则直接嘲讽微软的Copilot为“Clippy 2.0”，称其“根本不起作用，而且没有任何准确性”。言辞背后，是对Agentic AI落地路径的深刻分歧。
纳德拉倡导的是“面向全平台的智能代理框架”路线。他设想未来会出现一个AI操作系统，能够调度多个智能体，并在整个企业内无缝传递任务、消息和知识。这将是一场从“App Stack”到“Agent Stack”的根本性变革。相比之下，Salesforce则主张从现有企业软件栈出发，以垂直领域为根基，推动业务逻辑的AI原生重构。
Salesforce认为AI不会“取代”现有SaaS应用，而是应与SaaS深度集成，将Agent机制嵌入业务流程中。贝尼奥夫强调，Salesforce的Agentforce并非仅仅是名称上的改变，其底层架构也经历了重要调整。Agentforce旨在提升AI在任务执行中的自主性和智能化水平，通过业务数据和流程驱动Agent的运行和决策。
从市场落地情况来看，Salesforce和微软都取得了显著进展。Salesforce宣称其平台每周处理多达两万亿笔企业AI交易，而微软则表示已有16万客户基于Copilot打造出了40万个Agent。然而，有专家指出，当前的Agent技术仍处于初级阶段，离纳德拉设想的“AI操作系统”还有很大距离。
长期来看，Nadella的观点更具颠覆性。他认为大模型和Agent的到来会彻底重塑整个软件和SaaS生态。传统数据库和数据处理体系将面临挑战，未来的存储和使用方式或将发生根本性变化。AWS Agentic AI主任科学家章毅也赞同这一观点，他指出当前Agent利用API调用已有数据库系统的方式存在局限，未来将需要对数据存储和管理系统进行重新思考和设计。
尽管微软式的通用Agent路线听起来诱人，但在现实中还面临诸多挑战。当前更现实的路径是Salesforce式的Agent，其类RPA的特性使其更容易被企业接受。然而，长期来看，传统企业软件终将被取代，Agentic AI时代将是一个全新的时代，类似于移动互联网对通讯方式的彻底重构。
在实现Agent的过程中，一种折中选择是采用Mixture of Experts（MoE）架构。MoE的理念是将任务拆分给更擅长的“专家”，而不是构建一个无所不能的模型。这种思路同样适用于Agent的实现，通过多个专科Agent的分工协作，可以更有效地完成复杂任务。
从行业实践来看，“通用”与“垂直”两条路线并非互斥，而是根据不同企业的战略优势进行差异化布局。微软聚焦平台型能力，而Salesforce则以SaaS为核心，在CRM等场景深耕垂直Agent。平台化和垂直场景的结合正成为行业主流趋势。
回顾Agentic AI的发展历程，从最初依赖LLM进行信息处理，到利用检索增强生成（RAG）技术扩展知识覆盖范围，再到多模态模型的出现，行业正逐步赋予模型感知、理解和行动的能力。然而，任务编排仍然是Agentic AI系统构建中的技术难题。微软提出了通过AI实时理解规则并动态生成编排规则的设想，但真正落地时面临组合爆炸问题。
Agentic AI的根本性进步仍然依赖于底层大模型能力的提升。当前大模型在各种基准测试中表现越来越好，但要实现真正具备自主性的Agent系统，还有很长的路要走。Google首席科学家杰夫·迪恩透露，当前模型大致能以60%到70%的准确率完成三到五步的小任务，但要达到理想中的智能体水平，还需要显著提升。
尽管Agentic AI愿景诱人，但真正落地到企业环境中，很多企业发现变革的代价远比想象中高。以Salesforce的Agentforce为例，其官网宣传“每次对话2美元起”，但实际使用超额后，每次对话费用将高达2.5美元。这意味着，一旦规模化使用，成本压力将显著放大。
对于大多数企业来说，部署Agent需要冷静评估现实条件。技术部署要看“性价比”，如果不是显著提升效率，高昂的部署成本可能让企业望而却步。企业更倾向于从垂直场景做起，将Agent深度嵌入到已有业务流程中，通过产品设计和流程兜底，降低错误率。
在全球范围内，亚马逊是最早系统化推动Agentic AI的企业之一。亚马逊对Agent架构持开放态度，并不执着于单一标准化框架。这种灵活性为企业提供了更多选择，也降低了技术演进过程中的风险。
相比之下，中国企业在Agentic AI落地上正面临不同的挑战与机会。中国软件市场定制化需求多，生态不如海外SaaS软件标准。因此，中国企业更倾向于Salesforce式的“融合”路径，而非微软式的“重构”。然而，这也为中国企业提供了弯道超车的机会，通过重构实现AI技术的颠覆性创新。
AI技术的演进史总是在狂热与反思的交织中螺旋上升。两年前，微软的Copilot和向量数据库曾被视为未来趋势，但现实很快泼下冷水。如今，Agentic AI再次站上风口，它能否摆脱昙花一现的命运，成为推动下一轮AI革命的关键引擎？这仍是一个待解的谜题。
