大厂高管与天才少年为何纷纷投身智能体创业

AI Agent，这个曾经的技术概念，如今正悄然成为许多职场人的“数字搭档”。今年5月的百度开发者大会上，李彦宏提出了一个引人深思的观点：AI时代的价值度量衡，或许不该是消耗了多少计算资源（Token），而应是有多少智能体（DAA, Daily Active Agents）在持续为人类交付实际成果。

这一判断背后，是一场由科技大厂主导的平台竞赛。字节的Coze、百度的AgentBuilder、腾讯的元器件、阿里的百炼……几乎每家拥有基座大模型的厂商，都在力推自己的智能体开发平台，目标直指重塑未来的工作模式。

而在平台生态的更深处，另一场更为激烈的角逐正在上演——AI Agent创业。自2025年以来，这个领域接过了生成式AI的接力棒，迅速成为创投市场最炙手可热的赛道。向投资人描绘蓝图或许不难，但要将愿景转化为一门真正可持续的生意，创业者们需要穿越无数个“看起来很美”的幻觉。

为此，我们与几位身处浪潮之中的AI Agent创业者进行了深入对话，试图勾勒出这条赛道最真实的现状、机遇与挑战。

AI加持下的又一次创业潮

这股AI Agent创业热潮，大约始于2025年初。随着Manus等早期项目打开市场想象空间，投资者开始密切关注工作流自动化带来的变革机遇。随后，大厂同类产品快速跟进，进一步推高了市场热度，使得AI Agent在2025年成为种子轮投资中最流行的方向之一。

就读于北京某理工类高校的王宇轩正是在这个时期开始了他的探索。他最初设计了一套用于优化AI修图效果的提示词工作流，此后便一直在寻找更具潜力的Agent创业方向。几乎在同一时间，另一位创业者韦龙杰创立了专注于法律数据合规的AI Agent——“阿育法”。

Agent创业的爆发，是多重因素叠加共振的结果。

首要因素是技术门槛的降低。以Cursor、Lovable、Claude Code为代表的“氛围编程”工具，让即便非专业出身的开发者也能快速构建产品原型。“把想法做出来”这件事，变得前所未有的简单。

其次，互联网大厂成为了新一波创业人才的重要来源。例如，百度原副总裁景鲲离职后创立的MainFunc，其AI Agent产品Genspark在种子轮就获得了6000万美元融资，随后一年半内完成三轮融资，总额超过4亿美元，估值达到12.5亿美元。钉钉原副总裁王铭于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主打自动化选品、脚本生成与数据分析。

据统计，截至2026年初，仅字节跳动离职员工创立的AI公司就已超过30家。阿里通义千问的技术负责人、字节Seed团队的多位核心骨干，也都在近期加入了创业大军。这些创业者带着对平台效应和流量运营的深刻理解，试图在AI时代复刻互联网早期的增长神话。2026年初，曾任职于美团的朱飞与两位合伙人共同筹划了Quote.law，一个面向法律专业人士的AI Agent协作平台。

对于这些AI创业者而言，遍布全国的“黑客松”活动成了他们重要的交流沙龙。黑客松，这种结合了“黑客”与“马拉松”精神的限时编程竞赛，源自硅谷，要求参与者在24至72小时内从零开始完成一个可演示的原型。近两年，从一线城市到高校院所，再到科技巨头，各类以AI为主题的黑客松如雨后春笋般涌现。韦龙杰就曾带着他的项目参加南京的一场黑客松，既是为了寻求关注，也希望找到潜在的合作者。

市场数据印证了这股热潮。相关报告显示，2025年中国AI Agent行业市场规模已达182.34亿元，同比激增78.03%，行业进入爆发式增长期。2026年的政府工作报告更是首次写入“智能体”，标志着其国家战略定位的不断提升。

融资层面，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，不少投资机构则采取了“少额、分散”的押注策略。从与创业者的交流中不难感受到，风险资金正变得愈发谨慎，更倾向于跟随头部机构的脚步进行跟投。

二级市场的热烈氛围则更为直观。智谱、Minimax等新贵上市后为投资方带来了丰厚回报，而月之暗面等公司也正在排队等待上市。技术驱动的创业潮之下，一个新的趋势正在形成：核心创业者的年轻化。

正在组织各类创业沙龙的王宇轩观察到，投资机构如今格外青睐所谓的“小天才”——泛指那些年纪轻轻就在计算机科学领域取得突出成果的学生，其中不少甚至未满18岁。最具代表性的莫过于深圳某国际学校的高三学生陈广宇。他于2025年11月以实习生身份参与了KIMI大模型的研发，并在2026年3月作为共同第一作者发表了论文《注意力残差》，连马斯克都在社交平台上公开点赞。在创投圈，像陈广宇这样的算法天才，无疑是获取融资的“金字招牌”。

Agent靠什么超越基模能力？

既然Agent的能力建立在基础大模型之上，那么它的独特价值与机会究竟在哪里？答案在于：去做基座模型做不到的事，例如成为某个垂直领域的“专家”。

AI Agent正从通用场景向行业纵深渗透，法律领域就是一个典型。法律行业古老而庞杂，大量资料尚未完成数字化，材料分散、上下文复杂，许多工作仍陷于低效的文档流转和重复沟通中。“AI提供了改造这个行业的契机。”朱飞这样阐述Quote.law的定位。在该平台中，用户可以围绕项目组织材料、进行法律检索、编辑文档，并与AI Agent在同一环境中协同推进任务。尤其是在需要与他人合作的场景中，AI Agent可以成为一个值得信赖的“第三方”，既避免了亲自撰写文书的繁琐，也化解了直接使用他人文书可能带来的顾虑。

Quote.law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与法律服务。而韦龙杰的“阿育法”则专攻B端的数据合规领域。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提示词与记忆数据库，使AI能够识别中美欧等不同司法管辖区的数据监管差异，并预判企业随规模扩大可能面临的合规风险升级。

由于目标客户偏重B端，韦龙杰主要通过风险投资机构和创业社区批量触达初创企业。在寻找投资与合作的过程中，客户也顺理成章地被找到了。对于那些依赖数据运营的中小企业而言，AI Agent的存在无疑是福音——原本可能需要六位数的律师咨询费，现在或许只需两万到两万五千元。

除了法律服务，传统制造业的流程改造是另一个重要方向。王宇轩将“制造业垂类Agent”理解为“针对B2B场景的本地化定制，它深入到企业的具体流程管理中，解决特定业务节点的自动化问题”。

语核科技便是其中的代表。这家于2024年完成天使轮融资的公司，核心业务是为制造业企业搭建“基座模型+私有数据”的Agent系统。以造船厂为例，过去一份涵盖船型设计、零件选型、报价生成的售前方案，需要资深工程师耗时数周才能完成。如今，通过将企业积累数十年的历史方案数据“喂”给Agent，即使是新人业务员也能在它的辅助下快速输出专业方案。

无论是法务还是制造业改造，这些垂类Agent的共同点在于：通用基座模型无法直接解决其专业场景下的复杂问题。产品必须深度融合行业知识，具备发现问题、解决问题的能力，甚至表现出一定的主动性。

相比基座模型，Agent还能通过构建限定性环境来优化AI的记忆与推理过程，从而减轻“幻觉”问题。朱飞形象地将垂类Agent比作“污水净化厂”，通过专业的语料处理和记忆优化等手段，显著提升最终输出的质量与可靠性。

然而，身处一个被看好的赛道只是第一步。在成千上万的竞争者中，什么样的AI Agent创业更有可能成功？

韦龙杰认为，最关键的是找到“真需求”。“在黑客松上看到的一些项目，点子很新颖，但不知道市场是否真的存在，用户未必愿意使用甚至付费。”至于如何验证需求，王宇轩提供了一个朴素的标准：“可以先看看能不能找到100个愿意付费的用户。如果找不到，或许就该考虑换条路了。”他之前的AI修图项目算是小试牛刀，现在他更想去风投机构或大厂学习系统的方法论。“真正开始创业就会意识到，PMF（产品与市场匹配度）是生死线。”

PMF的另一面，是团队能力能否支撑起产品以满足需求。韦龙杰拥有丰富的业务经验，他的联合创始人则在德国攻读计算机博士学位。“我们这种‘既懂业务、又懂技术’的组合，在融资时比较容易引起投资人的注意。”韦龙杰总结道。

最终，成功的Agent需要积累足够多的用户，形成平台效应。在这一赛道，平台效应首先体现为“数据飞轮”：用户使用越多，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，进而又提升用户粘性。另一方面，一旦企业客户的业务流程深度嵌入某个Agent，替换成本将变得极高。

但这里存在一个悖论：只有先跨越“冷启动”的鸿沟，才能触发飞轮效应，而大多数Agent创业公司，往往还没活到那一天就已经出局。

创业的“AI幻觉“和“人的问题”

那么，创业真的因为AI而变得更容易了吗？

表面上看确实如此。借助AI编写代码，以极低的成本实现产品原型已非难事。但这恰恰催生了一种新的“幻觉”：误以为“创业最难的就是把产品做出来”。

现实往往更为残酷。AI评测公司Yupp在获得3300万美元种子轮融资后，产品上线不足一年即告关停；曾获谷歌、软银投资的AI合同工具Robin AI，在半年内从巅峰走向挂牌出售；累计融资超2亿美元的AI穿戴设备公司Humane，最终仅以1.16亿美元被收购。

王宇轩指出，许多创业者陷入了“拿着锤子找钉子”的困境：“创业的底层逻辑从未改变。现在产品可以做得很快，但最难的始终是挖掘到那个真实、迫切的需求。”另一方面，市场泡沫也催生了许多并非源于真实需求的订单，它们只是企业追逐AI潮流、源于FOMO（错失恐惧症）心态的产物。这种需求难以持久，一旦技术热度减退或预算收紧，用户便会迅速流失。

不仅如此，Agent创业者还面临着来自“地基”——即基座模型——的压力。基座模型能力的持续增强，某种程度上也在侵蚀Agent的生存空间。例如，GPT、DeepSeek等主流模型的最新版本，已将上下文窗口扩展至百万Token级别。许多原本需要依靠特定Agent架构来解决的问题，正逐渐被基座模型的原生能力所覆盖。

李开复近期也表达了类似观点：“不要站在大模型前进的前方，如果站在前面，一定会被碾碎。”对于那些仅仅进行提示词微调或轻量级封装的Agent创业公司而言，基座模型的每一次代际跃升，都像是一次“在上升的电梯里做俯卧撑”，看似努力，实则被动。

此外，那些尚未被线上化的数据，既是垂类Agent构建壁垒的优势所在，也可能成为其发展的根本障碍，因为它们可能“永远无法被线上化”。有时，资深从业者出于知识保护的目的，不愿将核心经验数据化；更多时候，那些非标准化的、依赖于直觉和经验的“隐性知识”，本身就难以被结构化和线上处理。

这在制造业尤为常见，正如那句老话：“工厂最值钱的资产在老师傅的脑子里。”医疗领域同样如此，高质量数据分散于各家医院，且出于患者隐私和伦理考量难以共享。网络安全行业更是将数据本身视作核心竞争壁垒。

然而，与所有业务挑战相比，创业最大的难题或许最终还是要回归到“人”。朱飞认为，找到真正合适的合作伙伴，很多时候比融资更难。理想的人选需要既理解复杂业务，又对新技术保持足够的敏感度，而这样的人通常要么已在成熟平台担任要职，要么早已独立探索，很难通过常规招聘渠道获得。韦龙杰的体会则是，与联合创始人的沟通本身就是一大挑战：“跟一个纯技术背景的人合作，需要解释的业务细节更多，双方需要特意去理解的事情也更多。”

在这个意义上，AI并没有真正降低创业的门槛。写代码变简单了，但“懂业务、懂技术、懂人”的综合门槛始终矗立在那里。技术史上从不缺少这样的轮回：先是工具崇拜，以为新“锤子”能解决所有旧问题；接着是泡沫破裂，发现真正棘手的问题依然存在。

最终，只有那些致力于解决“永恒问题”的人，才能在潮水退去时，依然站立。