「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。
AI Agent 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。
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。
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）
