「核心提示」
Agent創業的真正機會在基模夠不著的角落。

作者 |張經緯

編輯|邢昀

AI Agent正在成為越來越多人的“工作搭子”。

今年5月的百度開發者大會上，李彥宏提出，AI時代的度量衡不該是消耗多少token，而是DAA（Daily Active Agents），即每天有多少Agent在給人類交付結果。

這背后是大廠面向普通用戶的Agent平臺競賽：字節Coze、百度AgentBuilder、騰訊元器、阿里百煉，幾乎每家基座模型廠商都在推廣自己的Agent開發平臺，希望改造人們的工作方式。

另一群人則在AI應用的更深處——進行AI Agent創業。2025年至今，AI Agent接過生成式AI大模型的接力棒，成為創業投資市場最擁擠的賽道。跟投資人講故事很容易，做出一門能收上錢的生意，卻需要穿越無數個“看起來很美”的幻覺。

為此，《豹變》找到了幾名AI Agent創業者，探尋Agent創業的現狀、機遇和挑戰。

1、AI加持下的又一次創業潮

AIAgent創業潮始于2025年初，Manus率先打開市場，點燃了投資者對工作流變革的想象空間。隨后，大廠同類產品迅速跟進，AI Agent成為2025年種子輪投資的流行賽道。

就讀于北京某理工類大學的王宇軒也在這個時期嘗試創業，他設計了一套Prompt工作流，用來改善AI修圖的效果，之后他也一直在尋找合適的AI Agent創業項目；幾乎同一時間，另一位創業者韋龍杰創立了法律數據合規AI Agent：阿育法。

Agent創業的火熱，是多重因素疊加的結果。

AI編程能力讓“造產品”的門檻急劇降低。 以Cursor、Lovable、Claude Code為代表的“Vibe Coding”工具，讓非專業開發者也能快速構建原型，“把產品做出來”變得非常簡單。

互聯網大廠也為創業大軍注入了人才。百度原副總裁景鯤離職后創立MainFunc，推出AI Agent產品Genspark，種子輪即獲6000萬美元，此后一年半內完成3輪融資、總額超4億美元，估值達12.5億美元；釘釘原副總裁王銘2025年10月創立攀峰智能，目前已獲數千萬融資，其內容電商Agent OS Moras主打一個自動化的選品推薦、腳本生成、數據分析等。

截至2026年初，僅字節離職員工創立的AI公司就已超過30家，阿里通義千問技術負責人林俊旸、字節Seed多位核心骨干也在近期加入創業大軍。

這些創業者帶著對平臺效應和流量運營的理解，試圖復刻互聯網早期的增長神話。2026年初，曾在美團工作的朱飛與另外兩位創始人一同籌劃了 Quote.law，一個面向法律專業人士的AI Agent協作平臺。

AI創業者們有自己的業內沙龍，那就是全國各地雨后春筍般的“黑客松”。黑客松（Hackathon），即“黑客”（Hack）與“馬拉松（Marathon）”的結合，這最早是誕生于硅谷的一種集體編程活動，要求自由組隊，在24至72小時的封閉周期內，從零完成一個可演示的軟件或硬件原型，最終由評委現場評審。

近兩年，一二、三線城市、頂尖高校或者科技大廠都組織了各類AI主題黑客松。韋龍杰曾參加不久前的南京黑客松，想讓自己的項目有一些關注度，同時也尋找一些合作者。

相關數據顯示，2025年中國AI Agent行業市場規模達182.34億元，同比增長78.03%，行業進入爆發式增長期。2026年政府工作報告也首次將“智能體”寫入，國家戰略定位不斷升級。

AI Agent融資領域熱度不低，頭部項目吸金能力強勁，估值水漲船高；而對于大量中小創業者的試水，不少投資機構則更傾向于“少而分散”的投資策略。

從與一些創業者的交流中可以看出，風險資金也在變得更加謹慎，傾向于跟隨頭部機構跟投。

二級市場的熱烈氛圍更加直觀。智譜、Minimax這些登陸股市不久的新貴，給投資方帶來了成倍的回報。如今月之暗面等公司也在排隊上市。

技術驅動的創業潮之下，新的趨勢也在形成，比如核心人物的年輕化。

王宇軒近期在組織各類創業沙龍，感受到投資機構更加青睞“小天才“。所謂“小天才“，泛指很年輕就拿到計算機科研成果的學生，很多甚至不到18歲。

這當中最著名的就是陳廣宇，他是深圳一所國際學校的高三學生，2025年11月以實習生的身份參與KIMI的大模型研發。2026年3月，他作為共同第一作者參與的論文《注意力殘差》（Attention Residuals）發布，讓馬斯克在社交平臺公開點贊。在創投圈，陳廣宇型的算法天才是拿到融資的金字招牌。

2、Agent靠什么超越基模能力？

Agent需要依賴基礎模型的能力，那么機會又在哪里？答案是，在基模做不到的事情上，比如行業專家。

AI Agent也正從通用向行業垂直滲透，包括法務行業。“法律是一個古老且緩慢的行業，很多資料不光沒有經過數字化改造的，而且材料分散、上下文復雜，以及大量工作仍停留在低效的文檔流轉和重復溝通中。而AI提供了改造這個行業的機會。”朱飛這樣看待Quote.law的作用。

在 Quote.law 中，用戶可以圍繞同一個項目組織材料、開展法律檢索、編輯文檔，并與 AI Agent 在同一環境中協同推進任務。在與他人合作的場景中，自己寫文書太麻煩，直接用對方的文書又不免擔心，AI Agent是個很好的“第三方”。

Quote的長期愿景是成為“法律領域的支付寶”，通過AI平臺為用戶提供信用背書和法律服務。

韋龍杰的阿育法則專攻B端數據合規。作為北大法學院畢業的資深律師，他將多年經驗沉淀為高質量的Prompt與Memory數據庫，使AI能夠識別不同司法管轄區（如中美歐）的數據監管差異，預判企業隨規模擴大而升級的合規風險。

由于針對群體偏B端，他大多是通過VC機構和創業社區批量觸達初創企業，找投資、合作的過程中順便就把客戶找到了。對一些靠數據吃飯的中小企業來說，AI Agent的存在毫無疑問是福音，原本六位數的律師費，現在只需兩萬元到兩萬五千元。

此外還有對傳統制造業的改造。

“B2B的Agent本地化定制，深入到企業的流程管理中，解決某些業務節點的自動化問題。”王宇軒這樣理解“制造業垂類Agent”。

這當中有一家企業叫語核科技，2024年完成天使輪融資，其核心業務是為制造業企業搭建“基座+私有數據”的Agent系統：以造船廠為例，過去需要資深工程師耗時數周才能完成的售前方案（涵蓋船型設計、零件選型、報價單生成），如今通過將企業積累數十年的歷史方案數據喂給Agent，新人業務員也能在Agent輔助下快速輸出專業方案。

法務、制造業流程改造，這些垂類Agent的共同特點是，基模無法直接解決專業場景問題，需要產品具備行業知識、發現解決問題的能力，以及主動性。

相比基模，Agent還可以通過限定性環境改善AI memory，減輕幻覺。朱飛將垂類Agent看作“污水凈化廠”，通過專業的語料處理和記憶優化等提升輸出質量。

然而，處在一個被看好的賽道只是第一步。在市場上成天上萬的競爭者中，什么樣AI Agent創業更有可能成功呢？

韋龍杰覺得，最重要的是找到真需求。“在黑客松看到的一些項目，點子很新穎但不知道能不能有市場，用戶未必愿意使用、愿意付費。”

而對于如何驗證，王宇軒覺得“可以先看看能不能找到100個愿意付費的用戶，如果找不到的話，就該換條路了。”之前的AI修圖算是小試牛刀，現在他想去風投或者大廠看看，學習些方法論。“真的創業了就會意識到，PMF（產品市場匹配度，由硅谷風險投資家馬克·安德森提出，常用于互聯網大廠和投資的戰略分析）是很關鍵的。”

PMF的另一面是產品搞得定需求，這考驗的是團隊能力。韋龍杰有豐富的業務經驗，他的聯合創始人則正在德國攻讀計算機博士。“去找融資的時候，我們這種既懂業務、又懂技術的組合，比較容易引起投資人的注意。“韋龍杰這樣介紹。

最終，要有足夠多的用戶，產生平臺效應。在Agent賽道，平臺效應首先體現為“數據飛輪”：用戶用得越多，Agent積累的私有語料、行為偏好和行業記憶就越豐富，模型輸出質量越高，這又反過來提升用戶粘性。另一方面，一旦企業客戶的業務流程嵌入Agent，替換成本很高。

然而悖論是，只有先跨越“冷啟動”，才能觸發飛輪，而大多數Agent創業公司還沒活到那一天就已經出局。

3、創業的“AI幻覺“和“人的問題”

創業變得更容易了嗎？

看上去是這樣的，我們現在可以通過AI編寫代碼，以非常低的成本完成產品。但是這又會形成新的“幻覺“：誤以為“創業最難的是把產品做出來”。

實際上，AI創業更為殘酷。AI評測公司Yupp拿到3300萬美元種子輪，產品上線不足一年即關停；AI合同工具Robin AI曾獲谷歌、軟銀投資，半年內從巔峰走向掛牌出售；AI穿戴設備Humane AI Pin累計融資超2億，最終僅以1.16億美元被收購。

王宇軒認為，很多創業者在“拿著錘子找釘子”：“創業的底層邏輯一直沒有變過，你現在可以很快的做產品出來，但最難的是始終挖掘到真正的需求。”

另一方面，市場泡沫讓很多訂單也不是從真正的需求出發，只是追求AI潮流，本質是FOMO心態的另一種投射。這種需求難以持久，一旦技術熱度退潮或預算收緊，用戶便會流失。

不僅如此，Agent創業者也面臨著來自“地基”的壓力。

基座模型能力不斷增強，某種程度上也在吞噬Agent的生存空間，比如記憶能力。GPT、DeepSeek等主流模型的最新版本，已將上下文擴展至百萬Token。原本需要Agent架構解決的問題，在逐漸被基模的原生能力覆蓋。

市面上很多“只是微調提示詞”的Agent創業公司面臨著這樣的生存壓力。李開復近期也表示，“不要站在大模型前進的前方，如果站在前面，一定會被碾碎”。

基座模型每躍升一代，依賴提示詞工程和輕量級封裝的Agent，便面臨一次“電梯里做俯臥撐”。

另外，未被線上化的數據，既是垂類Agent的優勢，也是垂類Agent的問題，因為它們也有可能“永遠不會被線上化”。有時候，資深從業者出于自我保護的需要，不愿意將一些歷史數據線上化。更多的情況是，非標準化的從業者經驗無法被線上化。

這在制造業很常見。有句老話說得好：“工廠最值錢的資產在老師傅的腦子里。”而醫療領域，高質量數據分散于各家醫院，也出于倫理原因難以共享。網絡安全行業同樣如此，數據本身就是核心競爭壁壘。

不過，和業務問題相比，創業的最大挑戰還是要回歸“人”。

朱飛認為，找到真正合適的合作者，很多時候比融資更難。理想的人選既要理解復雜業務，也要對新技術足夠敏感，而這樣的人通常要么已經在成熟平臺承擔重要職責，要么早已開始獨立探索，并不容易通過常規招聘獲得。韋龍杰則覺得最大的挑戰是跟聯合創始人溝通。“跟一個純技術出身的人合作，需要解釋的事情更多，需要特意去理解的事情也更多。”

在這個意義上，AI并沒有降低創業的門檻，寫代碼變簡單了，但“懂業務、懂技術、懂人”的門檻始終存在。技術史上從不缺這樣的輪回：先是工具崇拜，以為新錘子能解決所有問題，再是泡沫破裂，發現問題始終存在。

只有解決“永恒問題”的人能在退潮的時候站起來。

（應受訪者要求，文中王宇軒為化名）