中美AI Agent爭霸戰：誰將主導下一代智能服務？

來源：遠川研究所

2025年，美股科技股「車禍」不斷，前有英偉達市值單季蒸發4000億美元，后有蘋果、特斯拉股價持續重挫，使得Palantir繼續高歌猛進的股價曲線格外引人矚目。

作為投資者眼里為數不多與英偉達平起平坐的AI超級股，截至三季度末，Palantir今年股價已累計上漲超過130%，躋身美股科技股市值前十，成為美國有史以來最貴的軟件股之一。

連續八個季度增長的營收是投資者對Palantir保持信心的根源，而核心業務人工智能平臺（AIP）的穩定增收，則為AI產業的下一個風口——AI Agent先行驗證了路線的正確性。

AIP本質是「AI工具箱」，其中包括AIP Assist等一系列工具，企業可以按需將其點對點地嵌入進工作流，相當於將不同「工種」的Agent安排在各個崗位，最終帶來實際效能的提升。

當AI Agent成為Palantir下一階段乘風破浪的引擎，這場關於AI產品形態的新一輪變革，也正在向全球蔓延。

Agent：下一輪的中美戰場？

今年4月，谷歌在Cloud Next 25大會上「泄洪式」發佈了一系列AI產品。從新一代自研芯片到「模型全家桶」，狂轟亂炸中，一個名為「Agent2Agent」（簡稱A2A）的開放協議顯得相當低調。

A2A開放協議旨在統一Agent之間的溝通語言，透露出谷歌對AI Agent的野心。

同月，OpenAI發佈了首份Agent構建白皮書，定義了AI Agent的構建要素和落地方法。兩大AI巨擘齊頭並進，給甚囂塵上的AI Agent再添了一把火。

去年年底以來，AI Agent逐漸成為中美科技圍繞GenAI競爭的下一個角鬥場。

谷歌和OpenAI的動作代表了硅谷一派試圖通過「立法」率先佔據有利生態位的策略。

而在大洋彼岸的中國，以各大互聯網巨頭為代表的先頭部隊則大步邁向了另一路徑，秉承「實踐出真知」的行業圭臬，通過密集發佈Agent產品，加速Agent在具體場景落地。相比於美國致力於制定標準，據悉，光是Agent開發平臺，國內就至少有126個[1]。

中美巨頭的分歧和路徑的分化，映射出產業對於GenAI應用落地的長期焦慮。

美國麻省理工學院（MIT）一份名為《GenAI的鴻溝：2025年商業人工智能現狀》報告，一度導致多家科技股股價狂跌，是這一焦慮的具象化體現。

MIT在報告中指出，在其持續跟蹤的300多個AI項目中，95%尚未獲得給企業帶來任何財務回報，剩下5%也僅有幾百萬美元回報[3]，與投入相比不過九牛一毛。

癥結直指當前GenAI應用的三大缺陷：無法保留反饋、無法適應場景、無法改進和迭代。

簡單來説，就是教了就忘，不會舉一反三、温故知新。就像企業里根據上司指令亦步亦趨的員工，缺乏主動解決問題的能力，難以創造更大的價值。

AI Agent被認為是突破這一瓶頸的關鍵。

其本質是通過嵌入持久記憶和迭代學習系統，讓GenAI應用脱離傳統Chatbot對話框形式，從答疑解惑，進階到能基於知識和經驗主動思考和規劃、進而解決問題，不只是「百科全書」，而是可以分擔工作的「同事」。

在一個理想的未來圖景里里，人類在工作中不必親自執行每一個任務，而是通過管理「工種」各異的智能體更加高效地完成工作，一個人就是千軍萬馬。

這讓人聯想起OpenAI掌舵人奧特曼提出的「一人獨角獸」的夢幻概念。

去年11月，奧特曼在接受YC Combinator訪問時，再次提及了這個「烏托邦式」的幻想，這次奧特曼的語氣里多了一絲篤定，「我感受到這個趨勢正在悄然發生。」

誘人圖景彷彿近在咫尺，但實際落地面對的門檻，表明這仍然是個少數人的遊戲。

就在十一假期期間，在美國舊金山舉辦了一場AI Agent行業研討會，來自各個硅谷大廠的機器學習和AI負責人們，提出了一個觀點：95%的AI Agent部署在生產環境中會失敗。原因並非模型不夠智能，而是因為其周圍的支撐體系——如上下文工程、安全性、記憶設計——尚未到位。

AI Agent落地有兩個必要條件：一是技術，二是服務。

技術上需要企業懂模型、懂數據；服務的核心則在於定製化，要求企業懂行業、懂需求，例如一個法律Agent，不僅要將法律條款「爛熟於心」，還要熟悉相關部門辦案流程。

縱觀業內，同時掌握兩者的屈指可數。

當各路好漢齊齊涌向賽道，熱鬧之中卻隱隱透露出忐忑與迷茫，Palantir的路徑難以複製，身位爭搶中，其實人人都在摸着石頭過河。

搶灘登陸者中，阿里作為罕見的從算力基礎設施到商業化落地全棧打通選手，其企業級Agent的獨特打法，正在成為行業試水的重要參考。

浪潮里殺出一隻「瓴羊」

與友商搶先發、廣撒網的大動作相比，阿里更顯沉穩，講究有的放矢、彈無虛發。

今年7月，阿里旗下數據智能服務子公司瓴羊發佈了阿里首批企業級Agent——「超級電商客服Agent」、「超級電銷Agent」等，以企業最具代表性的人力密集型場景為切口，正式殺入AI Agent賽道。

客服和銷售向來被視作最需要AI取代人力的工種，在AI Agent浪潮的開端便「人滿為患」，成為各大巨頭必爭之地。

瓴羊Agent與競品拉開差距的開發邏輯在於，將客服、電銷流程拆得足夠細，精準鎖定需要並且能夠通過Agent解放人力、大幅提升效能的痛點，例如通過「超級電商客服Agent」自動處理工單、協調物流等。

隨后的8-9月，瓴羊分批次發佈了數據分析Agent（超級數據分析師），以及由五大子Agent構成的超級營銷Agent，將積累的戰果擴展到數據驅動決策和全域營銷兩大核心領域，如同拼圖拼接，開始呈現出平臺化的雛形。

9月25號舉行的雲棲大會上，這塊「拼圖」終於呈現出其完整而清晰的面貌——企業級AI智能體服務平臺AgentOne。

AgentOne將此前發佈的以及超過20種的即用型Agent全面整合，覆蓋六大行業、四大核心場景，企業能夠根據自身需求靈活選用工具、整合成個性化方案，同時，不同Agent串聯起各個流程，從而實現全周期管理。

一個典型的例子是復星旅文基於瓴羊AgentOne平臺構建的全場景AI度假智能體AI G.O，將各類Agent功能集中於一個對話窗口，將行程規劃、客房預訂、旅遊導覽、權益結算等碎片化的服務需求交由一個全程陪伴的Agent負責。

從精準選取數據/人力場景切入，到分批次發佈各大核心業務Agent，最后推出整合性平臺瓴羊AgentOne，瓴羊「由點即面」的佈局節奏相當清晰，也順應了產業對AI Agent終極形態的構想。

根據紅杉資本的預測，未來，每個人都能通過編排Agent網絡，實現從產品開發到銷售的全流程運營[4]。

由此衍生出一個更為普世的方向，即企業通過在工作流程中引入各類Agent、給每個員工賦能，使得員工從「螺絲釘」進階為「管理者」，就像當年福特引入流水線，通過工具和流程來改善個人生產力，帶來整體效能的十倍、百倍躍進。

「瓴羊AgentOne」本質就是一條「Agent流水線」，而這條獨特流水線的背后，是瓴羊對於企業級Agent更加深刻的理解。

阿里雲智能集團瓴羊CEO朋新宇提出過一個公式，即「企業級Agent=大模型 x 好數據 x 強場景」，勾勒出Agent在企業落地的核心三角。

在朋新宇看來，「大模型」無需選最好的、只選最合適的。在一些任務明確、成本敏感的生產場景里，小尺寸模型很可能比「萬億參數」模型更靈活、效果更好；

「好數據」強調數據從為人服務轉向為AI服務，首先要能被AI用，其次要有結構、邏輯、有業務含義，最后還要體現企業的差異化；

「強場景」則是指必須聚焦人力、資金和數據密集度最高的「三強」場景。

核心三角缺一不可，而三者之間的「x」也意味着其中任何一項的薄弱，都會導致最終效果的指數級衰減，必須協同發力，才能形成飛輪效應。

在這當中，「大模型」背靠阿里集團紮實的模型技術佈局，「好數據」與「強場景」則源於瓴羊多年業務實踐，成為瓴羊在Agent賽道厚積薄發的底氣。

不止是「中國版Palantir」

業內常將瓴羊對標Palantir，共通之處在於「數據」和「場景落地」兩大差異化能力。

兩大能力對應Palantir兩大護城河，一是「數據本體論」，二是FDE（前線部署工程師）。

「數據本體論」指向Palantir的數據治理能力，通過從廣泛的數據中抽象出客户、訂單等具體概念及數據之間的邏輯關係，建立統一的「語法規則」，讓從屬不同業務和部門的數據無需「翻譯」和「對齊」，能夠被AI直接理解和推理。

FDE則是指Palantir特設的「工程兵」崗位，與普通的技術售后不同，這些FDE會被派遣到現場，深入到真實的業務場景中，激發和澄清客户的真實需求，發現和解決客户難以表述的痛點，是將技術的翻譯官，場景落地的橋樑。

對於瓴羊，兩大能力則指向其數據中臺經驗和BDSA職位。

瓴羊脱胎於阿里數據中臺，爲了解決阿里大規模、多業務線帶來的數據挑戰而構建，在其正式向外提供數據服務之前，通過支撐阿里內部零售、物流、營銷等真實業務，沉澱出了成熟的數據治理方法論，也是瓴羊「好數據」的底氣。

瓴羊的BDSA崗位則與Palantir的FDE類似，既支持內部數據產品研發，也通過定製化方案解決客户問題，都作為問題的直接解決者，鏈接技術到場景落地的最后一公里。

但在「數據」層面上，兩家公司又存在着一大分野。

瓴羊的數據中臺經驗和Palantir的「數據本體論」，本質都是將千差萬別的業務概念（如客户、訂單、庫存）標準化為機器可理解、可推理的通用語言。

但對於Palantir來説，這是一個從零到一的「立法」過程，艱難而昂貴。

而瓴羊無需「從頭立法」，因為這些「法則」已經提前在阿里複雜的商業生態試驗場，通過日復一日的萬億級交易，被淬鍊、驗證和固化，經過適當的定製化和調優，即可被賦能給企業。

兩者和而不同，但殊途同歸。本質都是通過對數據的高效治理和更多維理解，映射一個更真實的世界，輔以拳拳到肉的定製化服務，各個Agent精確切入痛點、連接場景，構建出一個可反饋、可迭代的生態系統。

紅杉資本合夥人Konstantine Buhler強調，真正的競爭不在於利用AI做事，而在於構建允許價值自主涌現的生態系統[5]。

GenAI的「Gen」（生成），代表的不只是對數據分類或預測，而是基於數據生成新的內容，包括在真實場景中試錯，本身就是一種高效的「反向生成」過程，從中逆向凝練出可靠的業務規則與決策路徑。

GenAI的終極目標不僅僅在於替代人類的重複勞動，而是作為業務夥伴與企業共同進化；AI Agent的演進方向也不止於麻煩的終結者或清道夫，而是能夠驅動企業在動態的競爭中持續蜕變的自主進化引擎。

就像朋新宇所説的，真正的AI價值不在於技術本身，而在於其能否深度融入業務流程，重構組織協作方式，並帶來可持續的增長動能。

這一判斷，正在Palantir與瓴羊的身上印證，並共同指向了更加務實的實現路徑。

Palantir的一飛沖天，源於過去十多年在各類複雜場景中的蟄伏與深耕；瓴羊則是基於自身背景和阿里生態，一路開拓出了一條極具特色的實踐路徑。

這條路，繼承了過去二十年在中國互聯網產業驗證成功的商業模式與經營方法論，通過AI Agent這一全新載體，最終通往GenAI的終極願景。

參考資料

[1] 中國智能體開發平臺全景，126個AI Agent開發/構建平臺，AGI商業新聲

[2] The GenAI Divide STATE OF AI IN BUSINESS 2025, MIT

[3]Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, Gartner

[4]把握AI Agent（AI智能體）帶來的新機遇，Gartner

[5] AI Ascent 2025, Sequoia Capital

[6]The $10 Trillion AI Revolution: Why It’s Bigger Than the Industrial Revolution,  Sequoia Capital

作者：何律衡

編輯：李墨天

責任編輯：何律衡

（聲明：本文僅代表作者觀點，不代表新浪網立場。）