你让聊天机器人“帮我整理一份客户名单”，它可能告诉你该怎么做。你把同样的任务交给一个能够访问公司系统的Agent，它可以读取获准使用的数据，筛选名单、整理表格，再把结果交给你确认。两者背后都可能使用大模型，但用户接触AI的方式开始发生变化：从获取答案，走向交付任务。
Agent通常译作“智能体”。它接到任务后，可以调用模型理解要求，查询资料或使用工具，并根据中间结果决定下一步。Anthropic在介绍Agent系统时，把工具调用视为重要组成部分；AWS对相关服务的介绍，也包括利用模型、API和数据拆解并完成用户请求。
一个Agent实际运行时，谁在提供服务？先是模型提供理解和生成能力。随后，数据服务让它读取完成任务所需的信息，工具接口让它调用搜索、日历或企业软件。运行平台负责把这些步骤组织起来，记录执行过程，并管理权限与错误。最后，面向用户的产品把整套能力放进办公软件、客服系统或独立应用。用户看到一个任务界面，背后可能发生了多次模型调用和系统操作。
这也解释了为什么Agent受到关注。如果用户只是向AI提问，聊天窗口就是主要入口；如果用户希望AI直接处理邮件、制作报表或推进客服工单，入口就可能出现在他们每天工作的软件里。微软已经在办公产品和企业工具中提供创建、使用及管理Agent的能力。Agent能否成为广泛使用的“下一入口”，取决于它能完成多少真实任务，以及用户是否放心把操作权限交给它。
从商业化来看，产业链上的公司收取的是不同的钱。模型和推理服务商按模型使用量收费，Agent执行步骤越多，可能产生越多调用。运行平台提供任务编排、工具连接、身份管理和运行环境，可以按资源消耗或服务用量收费。AWS AgentCore的公开定价就采用了按相关服务资源使用情况计费的方式。应用公司则把Agent做成具体产品，向企业收取软件订阅费、账号费，或根据使用情况计费。
举个例子，一家企业部署客服Agent。客户提出退款请求后，Agent需要查询订单、核对规则、生成处理建议，必要时转给人工客服。模型服务商获得调用收入；提供运行和连接能力的平台获得服务收入；客服软件商向企业收费。企业愿意持续购买这套服务，关键在于它能否稳定处理实际工单，并让员工清楚看到处理依据和结果。
Agent商业化还有一个必须算清的问题：完成一项任务要花多少钱。一次任务可能经过多轮推理、检索和工具调用。步骤增加，模型费用和运行成本也会增加；执行出错或需要人工重做，还会影响客户对产品价值的判断。因此，观察Agent业务，除了看发布了多少产品、接入了多少模型，还要看任务完成率、使用频率、单次任务成本，以及企业是否持续付费。
现阶段，“Agent”覆盖的产品范围很广。有些产品只能按固定步骤执行流程，有些可以根据结果调整下一步。名称相同，实际能力和收费模式却可能相差很大。对股票社区读者来说，读懂一家公司的Agent业务，可以从一个朴素的问题开始：**它替客户完成了哪项工作，客户为这项工作付了多少钱？
大模型提供能力，Agent把能力带进具体流程。下一篇，我们可以继续拆解：企业真正愿意付费的Agent场景集中在哪里，以及一款Agent产品从试用走向规模化使用，需要跨过哪些门槛。
精彩评论