2025年人工智能行业专题报告：AI Agent开发平台、模型、应用现状与发展趋势

Agent定义、技术与发展

AI Agent：重塑企业智能的核心引擎

定义：具备自主性、规划力与执行力的智能实体，超越“指令执行”进入“代理权”时代。核心突破在于赋予“代理权”（Agency）→ 主动感知环境、自主规划决策、执行复杂任务。关键特性：1）自主决策：主动感知环境、制定目标并采取行动；2）动态学习：通过记忆与经验积累实现持续优化；3）跨系统协作：调用工具、API及多Agent协同完成复杂任务。 核心模块：1）感知层：多模态输入（文本/语音/图像）；2）记忆层：短期记忆（对话上下文）+ 长期记忆（知识库）；3）决策层：基于目标规划与强化学习的行动策略；4）执行层：工具调用（API）、跨系统协作（RAG技术）。 关键区别：1）LLM≠Agent：LLM是“知识顾问” ，Agent是“战略指挥官” ；2）传统自动化：仅规则执行vsAgent：端到端任务闭环。

AGI的分级:Agent处于L3智能体阶段

AI正站在一个关键新阶段。参考OpenAI对AI的五级分级，AI已不仅仅是能进行对话的聊天机器人（L1），而是逐步进化到智能体（L3）阶段：一个能思考、并能主动采取行动的AI系统。

代理的架构

代理核心构成: ① 记忆（Memory）：存储、组织和检索短期上下文信息和长期知识的系统，支持自我反思优化。② 感知（Perception）：多模态环境识别（视觉/听觉/传感器）。 ③ 规划（Planning）：LLM驱动的目标分解与行动序列生成，复杂推理和决策，将任务分解为步骤，并根据需要进行调整。④ 工具使用（ToolUsage）：调用API/代码/搜索等扩展能力，与外部应用程序、API、数据库和其他软件交互的集成功能。

Agent相关技术创新:MCP与A2A

MCP（Model Context Protocol模型上下文协议）- AI的“万用接口” ，标准化AI模型（LLM）与外部数据源、工具间的交互方式。Anthropic在2024年11月推出并开源MCP协议，支持并行工具调用（如Web搜索、代码执行）和动态工作流编排。核心组件: ① MCP Server：通过MCP协议对外提供服务的轻量级应用，可提供工具执行、资源访问、预定义Prompt等资源。② MCP Client：充当LLM和MCP Server之间的桥梁，通过MCP Client SDK实现Host应用与MCP Server的交互。③ MCP Host：承载AI模型的应用，如Claude Desktop和Cursor这类智能助手应用和IDE。

A2A(Agent-to-Agent)：让不同厂商或框架的AI代理彼此直接通信、协同。 2025年4月Google推出的开放协议，得到了Salesforce、SAP等50多家科技公司的支持参与。基于其设定的Agent Card、Task、Message等概念和相关认证策略，如“智能体卡”概念用于描述智能体的身份、功能和服务接口。

Agent开发平台的布局

Agent平台案例：微软Azure AI Foundry（Open Agentic web）

2025年微软Build大会题目开放代理式网络（Open agentic web），强调发布多项工具含 GitHub Copilot代理、Azure SRE代理，助力开发及运维。 Azure AI Foundry：构建企业级 AI 模型与智能体全生命周期管理体系。已被80%的财富500强企业使用，25Q2处理的tokens超500万亿，同比增长超7倍，agent service客户数达1.4万。集成Grok-3等1900+模型。

Agent平台案例：微软Copilot Studio

Copilot Studio：低代码构建复杂智能体工作流，实现跨角色任务自动化。 ① 低代码多Agent编排：支持通过组件连接Copilot、Azure或自建Agent，协同处理复杂任务（如法律文档生成+合规审查）。② 协议支持：支持 MCP 协议，可调用符合开放标准的第三方智能体。

海外Agent平台布局：微软、谷歌、亚马逊对比

总结：微软聚焦B端基础设施，是市场上模型支持最全面的平台，工具链和生态整合全面，安全与稳定性强；谷歌依托AIStudio兼顾B/C端多场景，多模态强但生态不成熟、市场占有率低；亚马逊/Anthropic依托AWS服务中小企业为主，侧重算力销售与便捷部署，Claude模型实用性强，但工具链分散。

海外云厂25Q2云收入：微软云受AI驱动加速明显、势头领先

微软云: 云与Azure加速增长，本季度智能云收入为299亿美元，同比+26%，环比加速，其中Azure同比+39%，超业绩指引的34-35%。Azure年收入超过750亿美元，本季度未披露AI贡献Azure占比，上季度AI贡献Azure的16个点。尽管本季度新增数据中心容量，但需求仍高于供应，预26财年上半年仍有算力容量限制。

AWS (Amazon): 25Q2 AWS业务收入309亿美元（同比+17.5%），目前AI相关收入继续保持三位数增速，数十亿美元规模。AWS目前仍处于供应能力不足，25Q2积压订单1950亿美元，同比+25%，原因最大的是电力限制，另外芯片和组件数量不足、芯片交付节奏延迟、服务器良率不达预期等，预计未来几个季度仍无法满足需求。

Google Cloud :谷歌云收入136亿美元（同比+32%，环比+11%）。超过2.5亿美元的交易数量同比增长一倍，25H1签署的超过100万美元的交易数量与2024年全年持平。未完成订单在第二季度环比增长18%，同比增长38%，在本季度末达到1060亿美元。尽管公司加快了服务器的部署速度，但预计到26年供需环境仍然紧张。

PaaS/Agent平台变迁：客户将根据平台AI/工具部署能力重新选择

PaaS/应用平台供应商面临新的市场份额瓜分机会：根据IDC调查，将有70%的受访企业将更换或新增云/AI平台供应商。仅仅有17%的受访客户认为当前的云提供商可以满足他们的AI/ML/GenAI需求。28%的受访企业已经被迫更换提供商，而另有42%的受访企业计划离开当前的提供商或加入云提供商组合。 近一半的企业依赖公有云PaaS服务商进行AI方案落地：通过公有云实现对AI模型进行API调用，是企业部署AI应用的主要和关键方式。其他自建、本地托管或边缘节点上使用AI模型占比不到20%。

PaaS/Agent平台需求：提高开发交付效率，安全与隐私是最大障碍

PaaS平台的关键需求:围绕GenAI应用开发过程提高交付效率的功能/工具是主要需求，企业客户优先考虑有助于自动执行重复性任务并提供预测分析以协助数据驱动型决策的PaaS/应用程序平台，其次是GenAI相关功能（AIGC等）。AI驱动的工作流自动化（如自动测试代码、模拟重复性任务）是首要需求。决策支持（如预测分析、场景模拟）、代码生成、聊天机器人/虚拟助手和数据增强合成的重要性也较高，超过30%客户会因此考虑平台的选择。AI解决方案落地的主要阻碍：安全与隐私问题是影响企业AI项目落地最大的阻碍（19%），其次是数据质量（15%）和IT部门能力不足（13%）。另外预算、技术与伦理风险、输出结果可信度不足、数据使用控制不足也是重要挑战。

模型层与Tokens调用量分析

大模型份额变化：谷歌与Anthropic优势明显，国内模型稳健进步

根据Openrouter数据谷歌与Anthropic模型份额较高，目前占据模型调用市场半壁以上江山。两者陆续迭代发布重磅模型版本，如谷歌的Gemini 1.5与Gemini2.0系列，在多模态、长文本领域优势明显。Anthropic发布Claude 3.5\3.7\4.0系列，复杂推理编程能力突出。 国内随着Deepseek推理开源V3/R1模型的发布，以开源为特点在模型市场份额稳步提升。代表如Deepseek系列、QWEN系列、Kimi系列。

Openrouter API聚合平台与数据口径说明

OpenRouter是面向大模型的统一API网关/聚合平台，提供标准化路由、高可用与成本优化，兼容OpenAI生态，支持400+模型与活跃供应商接入。通过兼容接口与SDK，单一APIKey可调用多厂商模型，降低集成成本。收费方法为：充值通用额度，按上游费率消耗，平台收取约5%–5.5%手续费，类似平台包括Hugging Face、AI21 Labs等。

OpenRouter模型调用量口径说明：仅反映“通过OpenRouter平台产生的调用”，不包含用户直接向模型厂商API的调用、通过其他云平台产生的调用量以及企业自建私有化部署大模型量，并非全市场总用量。

OpenRouter模型调用量占比全市场总调用量我们测算约为1%。2025年5月OpenRouter的年化收入约500万美元，对应年化推理支出（GMV）约1亿美元。Polaris MarketResearch预测，全球大语言模型市场规模2025年约为78亿美元，占比约1.2%。考虑到OpenRouter以海外需求为主、而中国区模型调用价格显著低于全球，OpenRouter整体调用量份额占比约为1%。

OpenRouter平台用户特点：主要客户以“开发者/小团队”长尾用户为主，共性是追求多模型统一接入、高可用、成本优化与快速迭代；开发者与小微团队占比高、用量分散，包括有些跨境客户依赖代理中转实现海外模型合规接入，以及学术/研究机构进行统一评测与实验，中大企业与机构占比低。

OpenRouter平台行业特点：模型调用量以编程类应用为主，占比约87%；其他场景（如营销、翻译、角色扮演、金融等）总占比约13%；

C端与B端Agent进展——C端

重磅C端搜索产品访问量：主要依赖模型能力与生态导流

国外AI搜索产品：ChatGPT在整个观测期内始终保持显著领先地位，其用户规模远超第二名Gemini，显示出较强的用户粘性和品牌优势。这一领先地位可能源于其早期市场进入、强大的模型性能以及广泛的应用集成。Gemini伴随着2.0系列模型发布与使用加速增长。其相比之下，Claude、Perplexity和Character.AI等尚未形成显著竞争力。

国内AI搜索产品：DeepSeek自2024年年底起持续领先，得益于其模型能力与春季热度、峰值超1亿，近期MAU出现较大回落，系其R2模型发布计划延后、响应速度慢、性能不稳定等因素影响。夸克凭借浏览器和搜索入口的流量支撑，MAU也保持在较高水平。通义千问自3月起MAU显著上升，反映出阿里生态的有效导流和在电商、智能助手等多场景应用的推动效果。相比之下，Kimi的MAU在2025年后回落明显，可能因长文本处理功能面临竞争且缺乏强生态支撑，随着K2模型发布流量有所改善。文心一言访问量呈现持续下行态势，系技术迭代节奏及市场竞争环境等因素综合影响。

海外重磅C端产品介绍：ChatGPT、Gemini、Claude、Perplexity、Manus

海外科技大厂扶持的C端Agent/搜索产品发展迅猛，两年头部产品MAU增长至5亿/10亿量级、年化收入破百亿、估值达千亿美金。 目前产品发展仍以用户增长与产品体验提升、模型技术迭代为主，商业化变现主要通过订阅与API调用实现。

C端与B端Agent进展——B端

B端Agent/Copilot产品介绍和市场规模预期

根据IDC对新兴Copilot市场的分析和估计，主要将Copilot应用分为以下三类。其预计Copilot将深度融入办公、开发与客户管理等场景，2029年市场规模有望达到近200亿美金，2024-2029年CAGR为54.3%。 ① 协作、内容工作流和管理应用程序：通过共享信息、通信和频繁的流程，协同团队工作。典型产品包括：Microsoft（Office）365的Copilot、GoogleWorkspace的Gemini、AmazonQBusiness等； ② 应用程序开发和软件质量应用程序（ADD）：开发人员主要用于构建、测试和部署软件以及处理、集成、治理和分析数据的工具和平台。典型产品包括：GitHubCopilot、GeminiCodeAssist等 ③ 客户关系管理（CRM）应用程序：在组织内自动执行面向客户的业务流程，而不受行业特性（即广告、营销、数字商务、销售、客户服务和联络中心）的影响。典型产品包括：Salesforce Einstein Copilot、Amazon QinConnect等。

Google各类Agent助手介绍

Google I/O 2025 大会宣布正式推出： ① 通用大模型助手 Project Astra：多模态AI助手，能实时理解物理环境、有长期记忆能力，可记住用户喜好信息并调取。② 浏览器助手 Project Mariner：多任务处理能力出众，升级后的 Project Mariner 代理系统可同时处理10项任务，像房产交易时筛选信息、预约看房，购物中比价推荐 。 ③ 编程助手 Jules：集成于 GitHub 工作流程，深度解析编程问题，生成解决方案，自动编写代码，助力开发者攻克复杂逻辑。

Agent的市场空间与发展预期

全球人工智能IT支出预测：五年复合年增长率（CAGR）为22.3%

IDC发布的2024-2028年全球人工智能IT支出预测显示，2023-2028年全球人工智能IT支出呈现持续增长态势，总市场的复合年增长率（CAGR）为22.3%。过去两年AI已从“概念”进入“真金白银投入” ，且呈现爆发式增长。其中GenAI的CAGR为73.5%（GenAI信息创建，如文本、音频、视频、图像和代码生成相关），其余AI的CAGR为22.3%（RestofAI，主要为解释性AI以及预测性/规范性AI）。 到2028年，AI技术支出将占总IT支出的16.4%，其中生成式AI（GenAI）自身将占支出的6.7%。在GenAI领域 “基建、服务、平台/应用” 分工和投入逐渐清晰，从2024年到2028 年将增加三倍。各个组织正转向更具战略性的人工智能方法，整合应用程序、平台、数据和基础设施方面的投资，旨在通过先进自动化、更高效的模型和数据复用率以及高效的推理来提升AI价值。

GenAI支出分配: 软件成为最大支出领域，其次是AI硬件

IDC预测软件将成为最大的技术支出类别，在大部分预测中占整个AI市场的一半以上，AI软件的五年复合年增长率为 33.9%。生成式AI的热潮正推动部分新的 IT 支出和预算重新分配，其中有部分支出被重新分配到平台即服务（PaaS），以积极支持包括 AI 开发在内的云平台。所有软件支出的三分之二将用于AI支持的应用程序和人工智能平台，而其余的将用于AI应用开发和部署以及AI系统基础设施软件。

AI硬件（包括服务器、存储和基础设施即服务IaaS）上的支出将成为第二大技术支出类别。其中近几年服务器增长快于预期，AI工作负载部署从2023年下半年推动服务器价值上升。另外供应链改善也推动了网络设备支出的增长，但传统PC与手机等设备增长相对疲软。

IT服务的增长率将略快于硬件，五年复合年增长率为24.3%。为了实现业务流程优化、提升客户体验、增强数据驱动决策能力等目标，企业会采购大量与数字化转型相关的IT服务，包括IT 服务团队进行数据标注、算法优化等工作，以及在模型部署和运维阶段IT服务来保障系统的稳定运行和性能优化。

报告节选：

编辑：火腿肠