Agent的坠落，只用了一个夏天

文 | 霞光AI实验室，作者｜张含菁，编辑｜李小天 “不看Agent了” “AI应用的项目在内部已经推不动了”。 这两句话，在进入2026下半年后，逐渐从个别机构的谨慎，变成弥漫整个创投圈的集体情绪。 市场几乎是瞬间冷静下来的。就在去年此时，Agent还是投资人争抢的头号赛道，DeepSeek和Manus接续的热度带来“智能体元年”，一些Agent项目在没有产品和收入的情况下就能拿到融资，甚至要求想出手的投资人“连投”两轮才能拿到入场券。这种旺盛的热度一直持续到今年上半年。 然而，最近一个月，投资机构的热情转移到了其他方向，Agent创业者无论履历如何，都要面临投资人的诸多“天问”：“用户规模是多少？付费率预计如何增长？如果模型厂也做这个方向你们怎么办？” 对于年轻的Agent创业者而言，最重要的是如何活下去，以及如何赚到钱。随着泡沫散去，Agent领域中的商业化路径也有了更明显的分化。 上半年涨131%，下半年遭VC“速冻” 据烯牛数据《2026 年 H1 中国私募股权市场深度解析报告》统计，2026 上半年 AI 仍是一级市场融资绝对主线，其中 AI Agent 赛道融资 83 起，同比增幅达 131%。 进入下半年后，情况急转直下，大部分VC的热情都转向了具身智能和AI4S，Agent领域的融资热度快速降温。不同投资人对应用赛道热度变化的体感并不相同，有投资人去年下半年就减少了Agent项目的接触，觉得同质化有些严重。 一位专注科技领域的FA解释，主要是Vibe Coding火了之后，做软件的成本被大幅降低，没有技术背景的文科生也可以短时间内搓一个像样的软件，现在除非是已经跑出规模的产品，或者ARR（年度经常性收入）在细分赛道里已经很靠前，不然很难引起大部分投资人的兴趣。 另外，“大模型会吞并所有应用”的悲观论调也影响着Agent的融资热情。 今年上半年，不少红极一时的AI应用都面临用户量下滑的情况。AI模型评测平台Yupp.ai融资超过3000万美元，累计用户超过130万，但随着模型能力快速提升，基于聊天的众包评测越来越不重要，平台最后在4月份无奈关停。 主打工作场景的通用型Agent活跃用户同样下滑严重。根据Traffic.cv的不完全统计数据，Manus的月访问量从2800万降到2300万，Genspark从 1500万降到1100万，Dokie 从 74 万降到 54 万，Flowith从67万降到49万。 进入下半年后，反倒是大厂的通用Agent加紧跑马圈地，声量逐渐壮大。根据易观数据，腾讯WorkBuddy在2026年6月PC端月访问量达到2097万次，位居国内AI原生办公智能体第一，其次是字节跳动的Trae IDE（1279万）。阿里的QoderWork在1月底上线，此后历经多轮版本更新上线，同时内部还在孵化千问办公等其他办公智能体。 有分析师指出，面向个人的Agent产品，用户不会有太高的忠诚度，前期的产品本质上都是在教育用户，一旦有机会用上更聪明、更便宜的模型，他们会毫不犹豫地切换。 产品混战加剧，通用Agent已经被视为是大厂赛场，其他类型的AI应用订阅在国内也很难跑通，创业团队和投资人不得不将目光投向了B端。在专注软件领域的VC路遥看来，这是眼下唯一现实的活法，“现在得做B端的Agent才能赚钱，C端除了卖课，其他我都看不到赚钱。” 然而，聚焦垂直行业的Agent，也有沦为替大模型检验市场的牺牲品风险，例如法律行业常见的合同审查需求，创业公司打磨了三个月的合同审查agent产品，可能一天内就被Claude内置成了skills。 对初创团队而言，做To B Agent需要避开金融、医疗、法律这些已经被大厂瞄准的高价值场景，去知识密度没那么高的传统行业里看一看。 Jennifer在一家双币基金，进入下半年后她依然在约见一些应用赛道的创业者，她认为，模型一定无法覆盖所有的Agent，除了资源投入还有产品思路的问题，因为模型厂很难把所有方向的应用都打磨得那么好。 Jennifer表示，很多垂直Agent产品服务的行业，格局分散，中小公司居多，这些公司需要模型来给业务提效，但预算和能力去做大模型的后训练和微调，这也会给大量Agent产品留出市场。“分散的中小企业依然需要第三方Agent公司来帮它们适配模型、优化模型、再将封装好的Agent嵌入到业务流程里，尤其那些毛利不高，人力成本很重的行业。” 创业 Agent to B： 要么SaaS赚薄利，要么驻场吃灰？ 霞光AI实验室接触的许多位从业者都提到，几乎所有企业都对AI降本有需求，尤其那些人力密集行业里的中小公司，如果你和他们讲，使用我们的Agent后可以少雇XX个员工，企业会非常乐意付费。 Jennifer分享了一个她的机构投的项目，这家公司瞄准了“报关单填写”的场景，报关这个环节本身，几乎是所有行业中最人力密集、最重复劳动的节点之一，报关单人工手动填写的话一天只能填大概10个单子，单条填写成本可能要1000元左右，但是用Agent来做的话一天可以填上百个，单条成本能下降到6、700元。 在实际交付中，不同Agent有不同的交付方式。接触了一些初创公司后我们发现，如今的AI To B市场很像传统的软件服务市场，交付方式同样主要分为SaaS与FDE（Field Delivery Engineer）定制服务：FDE是派团队在客户企业驻场，或是通过线上提供定制服务，周期较长；SaaS大多提供可标准交付的Agent平台，企业客户可在平台调取服务，也会有团队驻场调试的情况出现。 表面上看，两种方式是“轻交付”与“重交付”的区别，但两种模式面对的是完全不同的成本账。 先看Agent+SaaS，传统SaaS是高毛利行业（75%–85%），核心在于软件交付的边际成本极低，一套软件开发完成，多服务一家客户，只需要增加少量服务器、带宽开销，规模越大，摊薄成本的效应越明显。 然而，这种规模效应在Agent+SaaS这里失灵了。由于Agent每完成一轮思考执行都要消耗Token与推理算力，用户量越大，Agent企业付出的Token成本越高。因此，企业想要盈利，就不能以Token用量向客户收费，而是将Token和其他成本共同包装成新的收费形式，例如北森推出的AI HR专家平台，按照飞书消耗的“点值”计费；主打AI语音外呼的云蝠智能是按“通话时长”收费（除了Token费用还包含话费）；以及大家更熟悉的LibTV，则按照会员积分消耗。 因此，SaaS类型的To B Agent，毛利空间变得非常“弹性”，取决于订阅费用对包括Token在内的成本开支的覆盖程度。三年前，许多做Agent的公司都在融资PPT上将毛利率目标对标传统SaaS软件的70%，但实际上，现在能做到这一水平的公司并不多，不同公司的毛利水平甚至会有不小的差距。 SaaS形式的To B Agent由于自身没有底层模型，还一直面临着“没有护城河”“Token中转站”的质疑。 霞光AI实验室了解到，在Agent实际交付过程中，经常会遇到“水土不服”，标准化的SaaS与企业既往的协作方式可能会产生一些摩擦，一些KA（大客户）还会很强烈的数据安全的要求，不愿意SaaS把数据传到云端。要务科技的