智能体的发展依赖五大核心要素——模型获取、开发工具、客户触达、低成本交付和高效运营，而这一切的根基是云生态。“No Cloud, No Agent”成为核心法则：公共云不仅提供最新强大模型与工具链、实现分钟级开发部署，也能更便捷、高效地触达客户和交付，更能以低成本进行运营、构筑数据飞轮。对中国而言，构建基于公有云的统一大市场和产业生态，推动项目型软件跃迁为平台型、生态型模式，才能避免重蹈“加拉帕戈斯效应”覆辙，把握未来的智能体红利。

今天讨论大模型应用，一个不可回避的话题是Agent（智能体）。智能体是大模型应用的重要载体，它未来发展的规律和趋势，是一个值得探讨的话题。我们有一个重要的判断是，“No Cloud, No Agent”。

美国Anysphere公司旗下的产品Cursor，仅用了两年多时间，年化收入就超过了5亿美元。它是过去20年单一SaaS软件产品增长最快的企业。全球财富1000强公司中有53%的工程师都在用Cursor，近5万企业将Cursor作为首选IDE（集成开发环境），每月有一亿行企业级代码在Cursor中编写。

智能搜索引擎Perplexity，从2024年1月份至今，它的估值翻了27倍，从5.2亿美元涨到140亿美元。2025年5月的查询请求量相比2022年增长了万倍，截至5月的ARR（年度经常性收入）达到1.2亿美元。年初，月活超过1500万。

华人创建的海外公司GenSpark，只用45天就达到了3600万美元的ARR。旗下产品Super Agent发布9天时间，付费用户就超过了一万人。

这引发了我们对三个问题的思考：

第一，为什么今天这类AI企业的ARR增长速度这么快？

第二，这一轮AI企业跟上一轮互联网企业的商业模式有什么本质性区别？

第三，Anysphere这家公司不到100人，而且成立时间只有两年，它怎么用一个To B产品触达到全球1000强公司的53%核心用户？

这些是我们探讨企业发展规律需要深入思考的问题。

2024年美国新增的独角兽公司超过了28家，仅仅在代码生成的这个领域就有7-8家独角兽公司。像OpenAI、Anthropic、xAI等AI原生企业的收入总和大概是70亿-100亿美元，美国大公司的生成式AI收入大概为300亿-400亿美元，而中国的产业规模有多大呢？

过去的十年是中国SaaS失去的十年，展望未来的十年，当Agent作为一种新的软件载体出现的时候，我们是不是能够抓住这样的机会找回过去的十年呢？

图：美国AI原生企业迅速崛起

当Agent智能体经济、AI原生企业到来的时候，美国科技行业也正发生着巨大的变化。

根据对SaaS和AI原生企业的统计：2018 年成立并跻身营收前 100 的 SaaS 公司，它们收入中位数达到500万美元用了34个月；而 2024 年创立且位列营收前 100 的 AI 公司，仅以 24 个月便跨过同一门槛，整整快了 10 个月。

美国成立于2020年之前的收入前一百强AI公司，收入中位数达到500万美元用了39个月。而在2020年之后成立、经历了这波大模型浪潮的收入前一百强AI公司，收入中位数达到超过500万美元只用了13个月，缩短了26个月。

图：AI原生企业的收入增长速度远超SaaS企业

换句话说，AI大模型在加速整个产业的崛起以及AI原生企业的培育。

正是因此，我们看到去年和今年美国大公司在AI领域投资的决心和意志。亚马逊表示，2025年资本支出或达1000亿美元，绝大部分将用于AI和云服务AWS；微软宣布2025财年将在AI数据中心方面开支800亿美元；谷歌宣布今年将斥资约750亿美元建设数据中心容量；Meta则宣布今年将斥资约750亿美元建设数据中心容量。而今年1月，白宫公布“星际之门” 基础设施计划，总投资规模达5000亿美元。总共加起来，2025年美国在AI领域的预计投资规模达一万亿美元。

这背后反映的，是对未来AI大模型产业商业闭环的某种信心。

图：2025年美国在AI领域的预计投资规模达一万亿美元，

反映了对AI商业闭环的信心

而信心的背后，从整个全球来看是智能体经济的崛起。IDC预计，到2026年，50%的中国500强公司的数据团队将使用AI Agent进行数据准备和分析；Gartner预计，2028年至少15%的日常工作决策将通过Agentic AI自主完成，33%的企业软件应用将包含Agentic AI；麦肯锡研究显示，超过70%的企业CEO认为AI Agent将在3年内显著改变经营模式与竞争格局；德勤研究显示，2025年25%使用生成式AI的企业将部署AI Agent，2027年这一比例将达50%。

无论是IDC、Gartner、麦肯锡、德勤等机构的报告，还是大公司投资的意愿，都展示了未来产业的广阔发展前景。

Agent作为一种新的软件形态、以及AI大模型落地的一个重要载体，不仅需要技术可行、更需要商业可行，它的发展可以分为五个核心要素。

一是更高性能的基础大模型；二是更丰富的工具和开发生态；三是产品要触达To B端、To C端的客户，更便捷、更高效地获客；四是更高效的交付、更低的交付成本；五是更好的运营。今天讨论AI大模型落地、将成千上万个 Agent 深度嵌入业务场景时，这五个要素非常关键。

对中国来说，我们更加要强调“No Cloud, No Agent”。

首先，在今天模型技术快速变化的时代，“快”是唯一的护城河。如果你有了一个好的 Agent 灵感，首先就要快速、低成本地构建一个MVP（最小可行单元）。而公共云可以提供更强大、更丰富的大模型，以及更丰富的工具链、更完备的Agent开发工具，来降低创新门槛、更快速地验证想法。

第二，是要将产品快速地触达客户、尤其是To B端的客户。公共云上有庞大的、数字化基础好的客户池，可以复用公共云的客户和渠道，在公共云应用市场实现低成本的客户精准触达。

第三，是要将Agent低成本、快速地交付给客户。公共云提供开箱即用的服务，无需重新购买硬件来适配，无需昂贵的前期投入，能实现低成本、高效的交付。

第四，是要在交付之后高效运营，让Agent能像员工一样不断地自我迭代、提升能力，形成一种数据闭环。公共云通过全栈技术优化及规模化，带来了推理成本持续降低；同时，公共云平台上提供最先进的算力、最前沿的模型和丰富成熟的AI工程化工具，能够让产品持续敏捷迭代，从而打造数据闭环。

图：智能体发展的五个核心要素

关于上述五个要素，还可以更进一步展开。在Agent开发、Agent客户触达与交付、Agent运营三个过程，充分体现了“No Cloud, No Agent”。

第一，在Agent开发过程，核心是用上最强的模型、并持续迭代。正如Benchmark 合伙人 Eric Vishria所说，“打造有魔力的产品的起点，更关键的是让产品有持续的迭代能力。”对Agent的开发来说，核心是要持续用上更强的模型，才能持续迭代。而模型还处于快速的迭代期，领先的模型基本每一百天就可以将Arena Score的分数提高50分，这些模型中绝大部分都仅在公共云上提供服务，除Qwen和DeepSeek的开源模型可本地部署。即使是开源模型，公共云也往往是最早的预览平台。也就是说，公共云几乎是获得最先进模型的唯一途径。

图：Agent开发过程的核心是，

用上最强的模型、并持续迭代

迭代也是一个技术可行跟商业可行持续平衡的过程。基本的逻辑是，基于“大尺寸模型”探索Agent性能的天花板，基于“小尺寸模型”探索Agent商业的可行性。

在技术发展的早期，可以基于最好的模型，把Agent原型开发出来，跑通流程并设定性能基线。之后，再逐步迭代，尝试用更小的模型替换某些环节，观察效果是否仍可接受。这既保证了初始方案的可靠性，又能逐步在不影响准确率的前提下降低成本与响应速度。同时随着模型持续迭代、性能提升，还需要采用更先进的模型升级产品，从而保证Agent的更新与迭代。而性能最强、最新模型的实验性部署，在公共云可以即开即得，用完即可释放；

图：基于“大尺寸模型”探索Agent性能天花板，

基于“小尺寸模型”探索Agent商业可行性

同时，Agent开发也需要有MCP、API的接口、工具等等。截止6月30日，百炼平台上已上架MCP服务138个，已上架Agent模版与服务100多个，已上架的组件广场200多个。公共云上正构建Agent Tools生态的“精品百货超市”，降低开发者的“好tools搜寻成本”。

开发流程可分为需求分析、模型选择、Agent工具、指令构建、流程编排、持续迭代等，两种开发方式对比如下：

如果基于公共云在百炼等一站式模型服务平台上开发，基本是“傻瓜式操作”，易上手、工具链丰富、无需专门招聘技术人员，最快5分钟构建智能体应用。比如在模型选择上，各种性能、尺寸、成本的模型即点即用，百炼支持通义全系模型及数十种第三方模型；在Agent工具上，平台预设中点选，快速构建RAG、MCP服务等，百炼已上架数百种+MCP服务和插件；在持续迭代上，与云上其他服务快速集成，如告警、快速扩容等。

而如果进行本地私有化开发交付，则需要“全手搓”，自行下载开源部署工具、采购商业软件、并与本地基础设施适配等，整个过程复杂且成本高。从模型选择上，通过开源社区等方式下载、安装、适配；从Agent工具上，需要本地搭建RAG知识库、从GitHub社区上下载MCP服务等；从持续迭代上，与本地各种系统连接适配，难以实现规模化稳定化服务。

图：相较私有化部署，云平台的Agent开发

能快速构建MVP、实现低门槛和高效率

第二是如何把Agent交付给客户、尤其是To B端的客户。首先是触达，如果基于公共云，作为供给方的Agent开发商可以通过互联网、公共平台的应用市场实现产品海量曝光，私有化部署则需要“逐户敲门售卖”。对需求方的企业客户来说，通过公有云平台，它们可以获取琳琅满目的Agent应用、并快速迭代。而通过私有化部署，企业客户得到的主要是封闭单一的产品。

其次是交付，如果基于公共云，Agent开发商交付的是一个标准化的产品，客户付费后直接下发账号，进行产品的持续迭代和升级。Cursor能靠两年时间实现年化收入5亿美元，只有通过公有云的方式才能实现。而通过私有化的方式，交付就需要POC（概念验证）、驻场交付等等，流程长、成本高。而对于企业客户来说，通过公有云平台，它获得了即开即用的产品，并能进行持续升级迭代。私有化部署则要经过招标、采购、测试、上线等流程，周期长、迭代慢。

图：相较私有化部署，

云平台在Agent的客户触达与交付上更便捷和高效

最后，是如何高效地运营Agent，它需要更低的算力成本、更高效地运行。根据估算，AI Agent任务执行所需要的token消耗是聊天对话类任务的25~100倍。OpenAI也预测，Agent产品将大幅增加算力的投入，推理成本2024年达40亿美元、2025年达60亿美元、2030年可能达到470亿美元。而通过公共云调用的成本，大概相当于私有化部署（包括一体机）的十分之一（以DeepSeek R1满血版部署为例，公共云API价格为Output tokens，而本地部署环境则按一台8卡H20 GPU服务器推算）。

图：Agent任务执行的推理成本比聊天对话类任务高得多，

需要更低的算力成本、更高效的运营

另外，公共云受益于规模效应和技术进步，其成本还会持续降低。而本地化部署按硬件成本折旧逻辑，不仅服务规模有限，且成本很难再降低。过去一两年，公共云的成本降低了80%-90%。以OpenAI主推模型版本为例，自2024年以来，其输入价格（美元/千tokens）降低了92%，输出价格（美元/千tokens）降低了83%。而以阿里Qwen-Turbo-128k版本为例，自2024年以来，其输入价格（美元/千tokens）降低了96%，输出价格（美元/千tokens）降低了93%。

图：相较私有化部署，

公共云调用的成本更低、且会持续降低

我们讨论智能体经济的崛起，基本规律就是我们要复刻过去十年移动互联网的快速发展，而避免走到SaaS的困境。这背后最重要的，是构建一个庞大的、基于公共云为载体的Agent产业生态。

就像1835年达尔文来到加拉帕戈斯群岛，在这个封闭孤立的生态系统里，物种自我进化、自我迭代、自我演进，但离开了这个生态，没有竞争力。这被称为“加拉帕戈斯效应”。过去我国SaaS行业的孱弱和中美公共云的巨大差距，都有“加拉帕戈斯”的影子。由于客户需求，整个产业走向了“项目制造+私有化”的死胡同。

对今天中国的AI大模型落地来说，最重要的是如何构建一个基于公有云的统一大市场和产业生态。所谓构建繁荣的AI产业应用，就是要把一个项目公司（ Project ）打造成一个 产品公司（ Product ），更重要的是进化成为一个平台公司（Platform）。

▼ 点击下方阅读原文快速在线报名前沿论坛！