企业未来真正起决定性作用的临界点存在于当下，并非遥远的AGI，而是此刻的智能体，转折点正在出现。

这是由谷歌在新的一年起始之际所给出的最为强大的预测，到了2026年的时候，将会是AI Agent呈现爆发态势的年份。

有一个呈现出显著进展态势的趋向是，人工智能正从单纯地对问题予以回应，转变为朝着领会目标，进而规划方案并面向跨系统去施行行动的方向发展 。这所暗示的是，在未来之时智能体将不会仅仅依旧单纯地只是属于可以回应对话的人工智能范畴，而是会演变成一种能够达成繁复目标任务以及进行有效交付的具备强大生产效能的工具 。

在中国，AI Agent的发展，大致能够划分成两个阶段，前一个阶段，着重于对话、搜索，各种各样的AI助手类应用，接连不断地出现，没办法分辨出高低上下。从用户数量方面来看，有几个大家比较熟悉的面孔，其中巨头公司的代表，有抖音豆包、腾讯元宝以及阿里千问，创业公司的代表，有DeepSeek和Kimi等等。这一阶段的实质，是流量入口以及用户习惯的争夺。

2025年末的时间点以及今年初，此阶段到来后，进入第二阶段之时，AI Agent的发展呈现出不一样的分化态势，这种态势很明显。各个不同的家，依据各自本身所拥有的战略以及资源，瞄准确定了不同的价值方向 。

豆包在语音对话、图片与视频生成范畴，对其间娱乐化运用予以深入发展；千问凭借阿里系所具备的生态优势，把重点放置于生活服务方面，去充当“行政管家”这个角色；Kimi却把核心要点置于生产力的导向之上，借由自主研发的Agent模型，促使AI与工作流达成深度的融合 。

重新回到谷歌一开始所提出的论断，在被称作豆包的事物、名为千问的存在以及名为Kimi的对象身上，已然能够初步看到一些迹象了。在存在差异的竞争的背后，是慢慢形成的一种大家都认可的观点，那就是人工智能智能体的价值，到最后必定得凭借解决现实当中实际问题的那种能力来加以界定了。

输入决定交付

去探究，究竟是哪些原因，致使了豆包、千问以及Kimi们产生了不同的选择，或许，这就得回溯到一个较为简单的原理，那便是，输入会对输出的质量起到决定性作用，。

这个法则，于AI Agent时代被给予了新的意义，Agent所依靠的输出，不只是用户的简易指令，还涵盖其对任务上下文的深度领会，对可用工具的精准调用，以及对多步骤流程的可靠规划。

针对输入以及输出这两方面而言，与字节的娱乐还有内容生态紧密相连的是豆包的输入方面的具体情形。其输入呈现出开放的态势，并且是具有多种形式的创意方面的灵感。用户能够给出一段文字，或者是一张图片，又或者是一句语音，甚至仅仅只是一个不太清晰的想法。这样的输入表现出的不确定性以及娱乐方面的导向，使得模型必须拥有强大的联想能力，还有内容生成能力。

豆包更偏向于把任务的边界划定在创意内容生成的领域范围之内，并非去追求解决某一个确切无疑的问题，反而是致力于激发创意得以产生的整个过程，它的核心指标涵盖了内容的新颖独特性、充满趣味的特性以及具备传播的广度程度。

往往被交付的结果是一个短视频脚本，或者是成为一张趣味图片，又或者是一段配音，其价值在于能够激发用户进行二次创作以及社交分享。在抖音火起来的“模拟站姐生图”，还有“我想要占据你丝滑转场”等，这些都出自于豆包，这就相当于是完成了从AI生成到用户交互的接力。

以服务调度为中心的输入、输出模式乃千问所打造，千问背靠阿里，其覆盖衣食住行的生态成熟，输入的是结构化的生活服务需求，用户通常提出如“订一张飞往上海的机票”或“买一杯奶茶”这类明确指令，且在输入中天然包含时间、地点、商品、服务等因素 。

带有明显指向性的千问输入，被划定在阿里生态可触及服务当中的Agent任务边界，其核心为把自然语言指令转化成准确的API调用，同时衡量成功的指标是服务的完成率，还有效率以及用户体验度。

心里想的就会得到，千问最后交付的是已经完成的服务成果，像是一张出了票的订单、一份送餐到家的外卖、一条规划好的行程安排。千问把阿里体系的流量汇聚到一个地方，它的价值在于替换传统的APP交互方式，变成服务生态的统一智能入口，将来能够触及到的界限，由连接生态的深度以及与外界的互动情况所决定。

Kimi的方向体现出创业公司的一种抉择，即是不涉足生活娱乐领域，也不开展多模态生成相关业务。Agent更为侧重深入钻研、数据分析、PPT制作、网站开发等偏向生产力以及复杂任务的功能领域，而这些功能领域常常需要进行长程规划，还需调用复杂工具，并且具备高经济价值潜力。

依照上面所讲的逻辑，Kimi Agent的输入是复杂的、属于专业范畴的工作流程。绝大多数用户提交有数十万字的、属于行业领域的文档，或者是一个包含多个步骤的、关于项目的需求，又或者是一套有待进行分析的、成系列的数据集。这种类型的输入具备有着超长的上下文、拥有高信息密度以及具备强逻辑性这样的特点。

在Kimi把任务边界拓展到那种，有着深度规划、众多工具调用、长链条推理的工作流的时候，它所衡量的成功标准就转变为任务的完整交付，以及专业度和效率获得提升，结果是，Kimi交付的是直接能够使用的工作成果，像一份结构完整的行业报告啦、一组数据分析图表啦等等。

它与OpenAI的Deep Research思路颇有相似之处，其核心价值体现在，它具有能够直接对一部分重复性以及低创造性的专业劳动予以替代的能力。

Agent的生产力向

前不久，豆包因推出配备AI助手版本的手机而引发广泛讨论，千问在进一步连通淘系生态之后也刷爆屏幕。所以，在此处我们想要增多谈论一下作为创业公司代表的Kimi 。

当曾经一同被称作“AI六小虎”的智谱，以及MimiMax，先后在港股实现上市之后，外界朝着Kimi抛出了疑问，就差问上一句“and you”了，这难道不是吗？

在Kimi创始人杨植麟发布的那封内部信当中，他做出回应，表明已完成约合35亿元的C轮融资，目前现金持有量超过100亿元，短期内并不着急上市，K3模型要进一步进行Scaling，在产品和商业化方面聚焦于Agent 。

回溯过去一年，当Kimi在年初迈向基础模型以及Agent研究方向后，于低调方面，也获取到了更多的成果。

在2025年的时候，Kimi凭借“Token效率（Token Efficiency）+长上下文（Long Context）”当作核心技术路径，去打造能够具备主动规划以及复杂任务执行能力的Agent，并且借助算法与架构创新来突破现有的智能上限。

Kimi有两个关键技术路线方向，分别是Token Efficiency和Long Context。为提升训练效率，Kimi在超大规模模型预训练中，首次验证二阶优化器Muon的价值，相较于行业已用十多年的传统Adam优化器，实现约2倍的Token效率提升，这等同于用同等资源训练出更高智能水平的模型。

有着行业专家声称，“于当下而言，居然还能够在诸如optimizer这般具备fundamental特性的领域之中，取得如此规模巨大的进展成果，着实是相当出人意料令人吃惊的事情”。Muon优化器身为模型架构层在2025年期间最为显著的进展之一，在后续阶段已经被涵盖智谱GLM以及DeepSeekEngram等在内的中国开源模型依次采用，从而充分彰显展现出了中国开源生态所蕴含凝聚的力量。

在拓展上下文关联能力这块儿，Kimi提出了一种架构，它是基于线性注意力所做的改进，叫做“KimiLinear”架构。这款架构首次在长型上下文相关任务里，性能超越了全注意力Transformer架构还不止。并且在面对百万级上下文长度的情况时，实现了六到十倍的端到端速度的提升，与此同时，还维持着更强的记忆以及表达能力。

杨植麟讲了，Kimi的K2模型属于 “中国首个Agent模型” 。

因K2 Thinking的升级，Kimi得以完成复杂的工具调用，进而帮助解决高难度问题。Kimi K2在实战里能够执行两百多个步骤的复杂任务，已然能够助力用户完成一系列高难度工作，呈现出与全球头部Agent模型竞争的能力。

适合专业用户使用的Kimi深度研究功能，无需前情提要来铺垫，直接列出研究相关要求以及可视化方面需求便可，它能够迅速领会用户所想之物，且会进一步去确认、明晰要点，虽说这稍微有那么一点晦涩难懂。紧接着Kimi会自己去调取浏览器工具，一边展开搜索一边进行分析、确认，等操作结束之时生成一份详细的研究报告以及排版好了的可视化网页。

Kimi凭借深度研究，相关PPT能力，以及通用Agent模式里边的数据分析各项能耐，开启-agent商业化之路，此路子收费以订阅制为准，不同等级会员能-用着的agent能力次数有差异。依照Kimi全员信所讲，全球付费用户数量按月增长速度达170%，于国内大多是免费取用的整体环境中，踏出艰难首步。

在刚刚，知名风投机构a16z联合创始人Marc Andreessen进行的开年演讲里，特别提及了来自中国的Kimi模型，这是领先的开源模型之一。从基准测试方面来看，它已基本复现了GPT - 5的推理能力。除了在全球范围如“超新星”般的DeepSeek外，Qwen、字节、Kimi等同样具有强大的竞争力。在此之中，Kimi是唯一的一家创业公司。

智能的价值

从豆包到Kimi，有三位玩家，他们在AI Agent路径方面所作的选择，并非仅仅是产品功能存在着差异，在更深层次上，是对于什么是Agent核心价值这一重要问题给出的一种回答，是这样的情况呀。

不同的理解，决定了他们未来的竞争维度。

豆子包界定了怎样使用代理人应对并非结构化的创新素材输入，进而给予情感以及互动方面的价值。根据结果逆向推断可知，对于模型而言，需要拥有强大的多种模态下的生成以及风格模仿的能力。生态环境决定了具有防御作用的护城河所在之处，豆子包生态属于内容创作以及分发所形成的流量网络，它的壁垒体现在是否能够持续不断地产生具有广泛影响力的爆款内容并且激发出用户生成内容。

千问界定了怎样运用Agent去领会结构化商业意图，进而交付交易以及效率价值，这就要求它的模型必须拥有极高的意图识别准确率以及API调用可靠性 千问依靠阿里的商业操作系统，它的壁垒则在于对支付、物流、本地生活等服务的无缝整合深度 。

试图定义如何用Agent驾驭复杂专业任务，交付生产力与解决方案价值的是Kimi Agent ，这需要模型拥有深度的逻辑推理能力，需要模型拥有任务规划能力，需要模型拥有长程记忆能力 。Kimi正通过构建专业场景下“模型+工具+工作流”标准，加强对于垂直行业复杂需求的理解能力， Kimi正通过构建专业场景下“模型+工具+工作流”标准，加强对于垂直行业复杂需求的满足能力，吸引的是付费意愿强的专业用户，吸引的是付费意愿强的组织 。

但是，归结到一个要点上，豆包这家公司，千问这个存在，Kimi这个事物，以及更多数量的公司，都在对不同形态的智能价值进行定义，并且对其加以量化，然后还把它产品化 。

新的阶段，AI Agent让智能的价值，进一步得到放大。

价值的Token化是第一步，各个家都把模糊状态的智能能力给拆解开来，拆解成那种能够用于标准计量的最小单元。这就跟以前给电力配置了千瓦时这样的一个单位情形是一样的，如此一来，智能的消耗跟它自身的计价就得已成为了有可能发生的事情，进而为商业化奠定了基础。

接着是价值的流通化，当智能价值被实现量化以后，就能够在生态里自由组合以及流通，Agent变成了智能价值的交易接口。典型的像千问，流通的是交易意图和服务，Token的价值在电商、本地生活等诸多场景中流转并成倍增加。

最后存在着价值重组，这同样是为谷歌所述的，从工具层面朝着工作以及组织层面的深入化 。

若是那种具备高性价比的智能，能够如同水电一样，做到随取随用的话，那么企业的底层逻辑就存在着被改写的可能性。公司并不需要去招聘专家团队，仅仅只要凭借接入专业垂类Agent，便能够获取到该领域的顶级能力，进而突破原本的能力壁垒。创新或许不仅仅局限于在内部生发，同样也可能来源于对外部智能服务进行创造性组合 。

就像a16z联合创始人讲的那样，我们正在见证，一种有着“超通缩”特性，性质显现为智能单位成本的东西，和一种有着“超通胀”特质，特点表现为智能应用需求的事物，在历史进程里相逢了。

人工智能智能体，恰恰是塑造智能化价值，与此同时左右价值流向的要素。，。