「最炫 Agent 风」正刮，谁能成为御风者？

文 | 佘宗明

PC 互联网时代的技术主要呈现界面是 Web（网页），移动互联网时代的是 App（客户端），那 AI 时代的呢？

比尔 · 盖茨两年前的预言，就给出了答案：AI Agent 将是 AI 最大的赛道，「Agent（智能体）不仅将改变人们与计算机的互动方式，还将颠覆软件行业，引发自键入命令到点击图标以来计算机领域最大的革命。」

如果说彼时他的这番断言还有些超前，那如今「AI Agent 时代已来」渐成共识的现实，就跟他打了个响指。

3 个月前，微软 CEO 纳德拉就在微软 2025 年 Build 大会上表示：「我们已经进入了 AI Agent 时代，正在见证 AI 系统如何以全新方式帮助我们解决问题。」

有意思的是，当时还跟纳德拉进行了连线的马斯克，旗下 AI 公司 xAI 前不久还准备筹建名字内涵微软（Microsoft）的子公司巨硬（MacroHard），定位于打造 AI Agent 生态。

在硅谷掀起「最炫 Agent 风」之际，大洋彼岸的中国科技企业也正以前瞻的技术布局与独特的技术路径，在这场决定未来若干年 AI 应用生态格局的赛道上积极卡位，努力将身位从追赶者变为领跑者。

01  

回顾现代技术演进史，技术发展总是遵循着「技术突破 - 产业聚焦 - 场景落地」的路径，AI 也不例外。

2023 年初，ChatGPT 出圈揭开了 AI 大模型军备竞赛的序幕，两年多过去了，在「Agent 元年」说法的掩映下，全球科技巨头竞争焦点正从大模型参数转向 Agent。

原因很简单：随着大模型参数规模扩大带来的边际效益递减，如何让 AI 从「被动响应工具」变成「主动规划执行者」，已成行业新命题。而 Agent 就是 AI 从「感知智能」迈向「认知智能」的关键载体，也是连接大模型技术与真实场景的核心桥梁。

作为能自主理解任务、规划步骤、调用工具的 AI 应用形态，Agent 可以让 AI 不再是孤立的技术模块，而是能深度嵌入企业运营系统的「生产力单元」，解决传统 AI 应用场景碎片化、投入产出比低等问题，推动 AI 技术在产业侧的应用落地。

在硅谷，OpenAI 在 GPT-4 之后，迅速推出 GPT-4o Agent，试图通过连接代码解释器、网页浏览器等工具，打破大模型「只能对话不能行动」的局限；微软则将 Copilot 深度集成于 Windows 系统与 Office 全家桶，提出「Agent for Everyone」战略；谷歌则押注「多智能体协作」，发布了 Gemini Agent Suite。

▲国内外科技巨头们都在发力 AI Agent。

在国内，科技企业也在加码发力。动作最大的，当数百度：从 2024 年发布文心智能体平台 AgentBuilder，到今年 4 月推出全球首个内容操作系统「沧舟 OS」、先发在行业内率先实现全场景满足、全链路覆盖的 AI Agent GenFlow1.0、上线通用超级智能体 App 心响，百度在 Agent 赛道的深耕轨迹清晰可见。

8 月 18 日的百度 AIDAY 上，百度文库与百度网盘又联合发布了全球首个全端通用 AI Agent   GenFlow2.0，以「全端通用」「并行任务」「记忆可溯」等突破性进展，为国产 AI 在全球 Agent 领域的竞争注入了强劲动力。

这极具默契的转向背后，是 AI 产业对 AI 价值的认知再校准：AI 的价值不在于炫技，而在于应用。AI 时代，企业需要的是能自动生成财报、拆解项目计划的 AI 助手，个人需要的是能同步处理邮件、整理资料的 AI 助力，这些都在倒逼 AI 从「能说会道」向「能做会干」进化。

02  

尽管被寄予厚望之下，AI Agent 迎来了爆发之势，但不得不说，当前行业仍面临着理想与现实的鸿沟：市面上多数 Agent 产品还停留在「单轮对话 + 插件」阶段，并没迈过从实验室玩具到生产力工具的那道门槛。

今年 4 月，Gartner 就发布报告称，市场上正充斥着所谓的「智能体洗牌」现象，即厂商将普通 AI 助手或 ChatBot 重新包装为「智能体」，但这些产品实际缺乏真正的自主智能能力。

揆诸现实，当下很多 Agent 跟用户现实期待仍有不小差距，这具体反映在几个方面：

1，任务拆解能力不足。许多 Agent 在处理复杂任务时，会出现逻辑断裂。

你让它「生成新能源汽车市场季度分析报告，需包含政策分析、竞品数据和趋势预测」，它可能要么遗漏「政策分析」等关键模块，要么将「竞品数据」局限于单一品牌，最终产出的结果经常需要人工大幅修改。

这是因为当前很多 Agent 的任务规划算法仍依赖简单的规则匹配，缺乏对复杂需求的深度理解与动态调整能力，无法像人那样将复杂目标拆解为「数据采集—分析建模—内容生成—格式转换」等有序子任务。

2，结果质量不可控。不少 Agent 生成的内容，动辄存在低级错误。

我曾用某教育类 Agent 帮我生成讲座课件，结果 PPT 中出现了「媒介即讯息是尼尔 · 波兹曼提出」的结论。

根源在于，这些 Agent 缺乏专业知识库，无法安全访问私域资源（导致内容片面），只能依赖自身大模型训练数据（导致信息滞后）。

3，效率与协作存在瓶颈。有些 Agent 处理跨领域复杂任务，非但耗时久还易卡壳，有些还无法与用户现有工具（如文档、云盘、专业软件）无缝对接，俨然成了信息孤岛。

说白了，是因为这些 Agent 太依赖单个模型能力和串行工作模式，难以应对多任务并行、动态调整等需求。

▲市面上的大多数 Agent 还存在诸多能力的不足。

理论上讲，Agent 应该像拥有超能力的 AI 管家，接到任务后会先画思维导图（规划），再检查步骤对不对（验证），然后有条不紊地执行。它长着数字眼睛，能「认路避障」（环境感知），带着 AI 大脑，能权衡利弊（自主决策），揣着工具百宝箱，能「订票叫车」（工具调用），还能有始有终（完成任务闭环）。

可太多 Agent 不是视障就是智障，可用性、稳定性都不如人意。这就导致，企业将核心业务、重要任务交给 Agent 处理的意愿不足。

诸如此类的痛点，对应的其实是行业的机会窗口。在 Agent 竞速进入深水区的背景下，谁能率先解决可用性、稳定性、资源整合等问题，谁就能在 Agent 时代建立起技术与生态的双重壁垒，掌握定义行业标准的主动权。而GenFlow2.0的解决痛点导向，就来得很明晰。

03  

跟时下那些只能跑在网页或客户端上，还得有邀请码或内测资格才能用的 Agent 有别，百度文库 GenFlow2.0 有两个典型特征：一是全端通用；二是现货可用。

目前它已同步上线百度文库网页端、百度文库 APP，用户无需排队等待，就能开箱即用。

我在移动端试用时，发现它还有个很人性化的地方——将传统「瀑布流」任务展示改为「并列式」进度可视化，我下达指令后，能直观看到每个 Agent 的分工（如 A Agent 负责数据搜索、B Agent 负责 PPT 生成）。

我体验完后的内心 os 是：百度该给产品经理加鸡腿了。比起滚动条没完没了地下拉，这样操作才更切合普通用户日常习惯吧？

值得注意的是，全球「首个全端通用 Agent」并非GenFlow2.0的唯一优点——它直接来了几个行业首发，包括并行模式、记忆模式和全程可干预模式。

▲我使用 GenFlow 分析 2024 年至 2025 年 Agent 市场格局演变的全过程，期间因我中途暂停提出新要求，拖长了其完成任务的时间，但最终交付结果堪称惊艳。

先说并行模式。我让 GenFlow2.0 分析 2025 年 Agent 市场格局，生成对比表格并制作竞品分析 PPT，它会自动调度「市场分析 Agent」「数据可视化 Agent」「PPT 生成 Agent」「网盘检索 Agent」等多个专家级 Agent 并行工作，而非逐一处理。

据了解，GenFlow2.0 依托百度文库、网盘自研的 Multi-Agent 基础架构，可开启「100+ 专家 Agent 并行处理」式的多智能体协同作战，让 AI 执行任务从得慢慢等变成立等可取，实现了分钟级交付（多项复杂任务 3 分钟就可完成），提升了效率天花板。

再说记忆模式。我前几天就让 GenFlow2.0 帮我生成过 Agent 技术发展路径分析，今天又要求它「分析 2025 年 Agent 市场格局情况」，它会自动调用历史数据，无需再次阐述问题背景，避免重复劳动。

这背后是 GenFlow2.0 首创了「长 - 短 - 临」三级记忆中枢，可在多轮任务中记住用户对话、操作偏好、文件交互记录、修改痕迹等，实现「越用越懂你」。

接着说全程可干预模式。我在 GenFlow2.0 生成内容时，中途提出「加入 2024 年 Agent 市场格局情况」，它会立即调整，把我说的「听」进去。

这也是 GenFlow2.0 跟其他 Agent 的区别所在：一般 Agent 都是「写 Prompt（提示词）→漫长等待→发现不对→重写 Prompt →新一轮等待」，它是「说一句→看着它干→随时改→立等可取」，其实时干预功能允许用户在任务流任何节点暂停、回退、补充指令或追加文件。

这些突破，显然不只是单点技术升级。

04  

AI 技术进步固然不是线性化的，而是指数级的，但绝不会是平地起高楼。

GenFlow2.0 能揽下 Agent 领域的很多「首个」，离不开「专项积累 + 生态协同 + 全栈布局」三个维度的支撑。

从专项积累看，百度对 Agent 的探索早已形成累进式突破。

百度文库中 PPT、绘本、生图、研究报告等单一 Agent 在垂直场景的成功，为沧舟 OS 和 GenFlow1.0 首次实现多 Agent 基础调度做了铺垫，也让 GenFlow2.0 实现「从可用到好用」的跨越有了支点。

可以说，GenFlow2.0   的发布并非「从   0   到   1」，而是「从   100   到   1」——把上百个经过市场验证的成熟   Agent   装进同一个「航母战斗群」，「专项突破—系统整合—体验升级」的路径也由此成型。

从生态协同看，GenFlow2.0 构建起「百度自有生态 + 第三方合作生态」的双循环。

在百度体系内，它跟文库网盘的「三库（文库公域专业资料库 + 经用户授权的网盘私域数据库 + 用户记忆库）一平台（百度学术平台）三器（阅读器、编辑器、播放器）」充分打通，跟萝卜快跑（智能出行）、数字人直播（内容创作）、秒哒（无代码开发）等产品深度联动。

▲ FenFlow2.0 离不开百度 AI 全栈布局的支撑，又跟百度其他 AI 产品形成了联动。

你让它生成「十一假期出游计划」，系统可自动调用百度地图生成可交互的行程 H5，同步通过萝卜快跑预约接送机服务。

在外部生态上，GenFlow2.0 兼容 MCP 协议，荣耀   MagicOS   已原生接入，用户可在手机负一屏一键调用其能力，实现「手机端生成 PPT —平板端编辑—电脑端演示」的全场景流转；WPS、钉钉、飞书也在灰度测试。

MCP 协议的开放性，让   GenFlow2.0   能像乐高积木那样被嵌入任何应用，让其多重能力不再局限于单一应用，而是渗透到用户的生活与工作全场景中。

从全栈布局看，百度的全栈 AI 能力为 GenFlow2.0 提供了底部支撑。

从芯片层的昆仑芯（能提供算力支持），到框架层的飞桨（保障多 Agent 调度效率），再到模型层的文心大模型（有混合专家模型架构、有多模态理解能力），百度是全球少数实现 AI 全栈自研的企业。全栈技术沉淀，托起了「端到端优化」的闭环。

05  

历史不会重复，但总会押韵。二十多年前，Windows 把 DOS 从命令行变成图标；十多年前，iOS/Android 把键盘变成触控；而在今天，Agent 又带来了新人机交互方式与任务执行模式。

接下来，谁能用兼具可用性、稳定性的 Agent 产品更好地解决用户需求、占领用户心智，谁就能拿到下个十年的门票。

而今，GenFlow2.0 就有了 Android 昔日的模样：Android 早些年就把硬件、应用、服务统一在 Linux 内核之上，形成了深厚生态壁垒，GenFlow2.0 现在则是把算力、模型、数据、Agent、人统一在自然语言这个最朴素接口之上。

对用户而言，当办成很多任务只用一句语音而非复杂操作，那 AI 的实用价值也就能得到最大化发掘。这里的实用性，本是立足于对用户需求的深刻洞悉，最终会落脚于对用户体验的深层革新。

▲ AI Agent，最重要的是实用好用。

这类革新，既会形塑用户对 Agent 的新期待，也会重塑中国在 Agent 领域的竞争力。

全球 Agent 竞争已陷入白热化境地，硅谷巨头们就在试图将 PC、移动互联网时代的卡位优势复制到 Agent 中。

在此形势下，GenFlow2.0 多重突破的价值已超出技术升级本身，为国产 AI 在 Agent 领域实现能力赶超、标准引领提供了参照系，也积攒了筹码。

跟 OpenAI 的 Agent 生态侧重于通用能力、微软的侧重于办公体系不同，百度 GenFlow2.0 全端通用带来的多场景无缝切换便利 + 公私域知识融合带来的数据安全可控特点 + 并行处理、记忆可溯、全程可干预带来的效率提升效果，证明了国产 Agent 可以有自己的创新引领点和差异化优势，具备变成跟 OpenAI、微软和谷歌们抗衡的全球生产力平台。

可以预见，在不久的将来，超级好用的 Agent 在改变那块名叫「AI 应用」的大洋地壳弹性后，AI 的潮汐会以新节奏漫过每一道我们习以为常的堤岸。让我们且看，且期待。

✎作者 | 佘宗明

✎运营 | 李玩

欢迎分享到朋友圈

或手机号：18810070968

  往期精彩回顾

《》

 ©

敬请关注