超 15000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

最新、最值得关注的 AI 新品资讯； 


不定期赠送热门新品的邀请码、会员码；


最精准的AI产品曝光渠道

1.1 语音将成为主流交互方式

未来，人类与 AI 交互的方式将从文本转向语音对话。在早期生成式 AI 公司中，员工增长最快的企业高度集中在语音 AI 开发领域。

1.2 并购潮：大公司开始收购 Agent 创业公司

25 年第一季度，AI 领域金额最高的三笔收购案，都是 Agent 相关企业，分别为 Moveworks、Weights & Biases 和 OfferFit。截至 2025 年，AI Agent 与 copilots 领域发生了 35 起并购。

未来，将出现两波整合浪潮：销售与营销领域的 AI Agent 将成为 SaaS 巨头最容易切入的收购目标；编码 AI Agent 市场已经进入了并购成熟期。

1.3 高成本导致的利润问题更加严峻

由 AI 推理成本飙升导致的利润压缩问题，将从编程领域发展到其他所有高使用量的 Agent 工具/应用。例如，25 年 5 月，Salesforce 把 Agentforce 的定价从「每轮对话 2 美元」调整为与实际行动挂钩的混合用量积分系统。报告预测，在成本压力下，商业模式不够扎实的 Agent 公司将被迫寻求出售。

1.4 Agent 购物的支付基础设施很关键

Agent 实现自主购物的最大障碍是，如何安全、实时地进行交易支付。一些新兴创业公司专注于提供 AI 原生支付通道与数字钱包相关的工具/服务。目前，Agent 支付基础设施市场仍处于非常早期的阶段。

1.5 用户数据成为软件巨头争夺的关键

AI Agent 的价值取决于能获取的数据质量。Salesforce 等软件巨头正在通过设置 API 速率限制，收紧对客户数据的访问权限，来保护自家的 AI 产品收入。与此同时，25 年 9 月，Snowflake 联合包括 Salesforce 在内的十多家供应商成立联盟，承诺采用标准化数据格式，使 AI 能跨应用访问信息。

报告预测，未来各方关于数据的争夺将会持续，软件企业将继续限制 API，一些企业客户则会为了数据自主权，更积极地寻求能让自己直接掌控数据基础设施的解决方案。

1.6 Agent 监控工具成为企业刚需

可靠性是目前 Agent 领域面临的一个关键挑战，Agent 失效或行为异常会直接引发运营问题。也因此，推动了 Agent 监控、评估、治理类工具的发展，这类工具正在成为企业的必备工具。

报告分析了近期该领域的部分早期交易，发现几个关键技术需求方向，包括：

语音 Agent 测试与模拟；

合成用户生成（用于 Agent 测试）；

AI 生产力投资回报率（ROI）衡量；

图：2025 年 AI Agent 可观测性、评估与治理领域的早期交易

在 AI Agent 的创业公司中，有将近一半都在做跨行业的通用工具。主要面向企业提供通用职能工具，包括人力资源、市场营销、安全运营等等。

其中，客服和软件开发商业化进展最为明显。这两个领域的工作流程清晰、产出明确，Agent 能够直接创造并衡量价值。尤其在客户服务方面，三分之二的受访公司已经在使用或计划在未来 12 个月内使用 AI Agent。

在垂直行业应用方面，AI Agent 将加速向专业领域发展，尤其是在金融、医疗等监管严格、数据敏感度高的行业。

目前，

金融服务与保险是图谱中最拥挤的垂直赛道，主要聚焦在金融研究、保险销售、财富管理等具体工作流中。

医疗健康领域，聚焦疾病诊断、药物研发和患者管理，覆盖临床文档生成、营收周期管理等场景。

工业领域，Agent 主要被用于优化工业流程与设备控制。

此外，报告预测了 Agent 生态中目前空白但有潜力的机会方向，包括：Agent 市场营销平台（Marketplaces）、变现模式（Monetization）和成本管理（Cost Management）等领域。

报告基于 CB Insights 的营收数据，对年收入超 1000 万美元、且以 AI Agent 为核心产品的私营企业进行了分析。

编程类 Agent 最赚钱。在收入排名前 10 的企业中，有 6 家专注软件开发，Cursor 和 Replit 的 ARR 分别达到了惊人的 5 亿美元和 1.5 亿美元。且编程类 Agent 企业的人均营收达 140 万美元（平均值），远超其他 Agent 类别的头部企业。

其中，客服类 AI Agent 虽然收入不是最高的，但估值溢价非常高。客服类 Agent 的平均估值倍数（估值与收入之比）高达 219 倍，对比其他所有赚钱的 AI Agent 公司平均只有 80 倍。

报告发现，目前这些头部公司存在一个共同特点：非常年轻，且增长迅猛。平均成立时间只有 3.8 年，但绝大多数已经有了成熟且被市场广泛接受的产品。

推理模型的出现推动了包括 vibe coding 在内的编程类 Agent 产品快速增长。例如，Cursor 的开发商 Anysphere 的 ARR 在短短 6 个月内增长了 5 倍，从 2024 年 12 月的 1 亿美元飙升至 2025 年 6 月的 5 亿美元。

但推理能力的增长，也带来了高昂的推理成本，严重挤压了利润空间。据 Artificial Analysis 数据显示，推理模型会使输出的 Token 数量膨胀约 20 倍。由于 AI 服务按 Token 计费，且输出 Token 的单价更高，直接会导致计算成本失控。

这种情况，对企业级包年合同商业模式的冲击非常明显。通常，软件公司卖给大客户按年、按使用人数（席位）来收取固定费用。这意味着，即使客户的 AI 使用量暴增导致成本失控，软件公司的收入也不会增加，但风险全由软件公司承担。

这类企业合同的年费大多在 6000 到 10 万美元之间，平均值为 2.5 万美元（对应一支 50 人开发团队）。过去，这类合同的毛利率能达到 80%-90%，但现在因推理模型带来的巨额计算成本，毛利率可能直接跌至负数。

此外，由于推理成本引发的利润率压缩，AI Coding 市场出现了人才收购（acqui-hires）和反向人才收购（reverse acqui-hires）的形式。收购方只带走核心团队，并授权技术，同时放弃原有的产品、客户合同以及相关的计算成本债务。例如，谷歌对 Windsurf 的反向人才收购。

报告预测，以下几家公司未来可能会成为潜在收购目标：

Sourcegraph、Augment Code、JetBrains、Qodo、Lovable、Cognition 和 Harness。

针对高昂的推理成本问题，行业内主要采用两大策略来应对：开源模型和与用量对齐的定价。但这两种方式都存在明显的局限性。

企业在引入开源模型时，会因严格的安全审查、服务等级协议（SLA）要求和额外的基础设施投入放慢采用速度。同时，与用量对齐的定价会遭到企业客户的强烈抵触。

因此，在短期内，行业正在探索一种折中的方案：基于工作量的任务定价（effort-based task pricing），Agent 在执行前为明确定义的结果提供固定报价。

CB Insights 制作了一份 AI Agent 全景产业链图谱。图谱梳理了 170 多家具有发展潜力的私营 AI Agent 创业公司，覆盖了从底层设施到上层应用的 26 个细分领域。

*入选企业需要保证：Mosaic 健康评分（用于衡量私营企业增长潜力的综合指标）超过 500，或在 2022 年之后获得过融资。

报告统计，2024 年 AI Agent 创业公司共吸引了 38 亿美元的融资，几乎是 2023 年总额的三倍。几乎所有主流科技巨头都已经在开发 Agent 或相关工具。

但要实现完全自主的 Agent 受限于三大问题：可靠性不足、推理能力有限、系统访问权限受限。目前绝大多数的 Agent 应用仍运行在「护栏式」架构（guardrailed architecture）中，即在严格限定的范围内运作，保留关键的人工监督环节。

同时，AI Agent 的底层基础设施生态正在成型。

注：不包括通用生成式 AI 基础设施，如基础大模型、向量数据库。

其中，AI Agent 开发平台赛道竞争作为激烈，包括 Cohere、Mistral 等模型厂商，以及亚马逊、微软、谷歌等云巨头，纷纷入场。

在开发工具系统方面，非常多样化，如：可以为 Agent 提供可长期存取记忆的 Letta；帮助 Agent 集成外部应用的 Com-posio 以及让 Agent 自主操作浏览器的 Browser-base。

报告梳理了一张包括 135 多家创业公司的 AI Agent 技术栈图谱，包括从基础模型到监督管控各层，帮助企业能更高效地构建、部署和管理 AI Agent。

报告发现，支付和语音，是两个特别值得关注的新兴领域。

为 Agent 开发专用的支付工具，如虚拟信用卡和数字钱包；

为语音 Agent 的开发和测试，提供平台与工具。

语音 AI 领域在 2025 年融资近 4 亿美元，标志性的事件是，Meta 自 2022 年以来的首次收购，便接连收购了语音 AI 初创公司 PlayAI 和 WaveForms AI。

Agent 支付方面，市场较为早期，平均商业成熟度仅为 2.4，处于「验证中」阶段。支付领域的准入门槛很高，需要复杂的技术与合规基础设施。Visa、美国运通（American Express）、Coinbase 等传统支付、金融巨头公司主要通过投资或合作的方式，进行布局。

同时，报告还观察到，科技巨头正激烈争夺 Agent 之间的通信标准主导权。在不到一年的时间里，Anthropic 推出了模型上下文协议（MCP）；谷歌推出了智能体对智能体协议（A2A）；IBM 也发布了相关协议。

此外，Agent 的可靠性和安全性，也带出了 Agent 评估、可观测性市场的发展。报告发现，一批早期公司正在围绕自动化测试（如 Haize Labs）和性能追踪（如 Langfuse）等场景构建相关产品或服务。

Y Combinator 2025 春季创业营是 Agentic AI 未来发展的风向标。

在 144 家入选公司中，超过一半正在构建 Agentic AI 解决方案，为企业制定 AI 战略提供了宝贵洞察。

YC 正将赌注押在四大关键 Agentic AI 领域：  

软件开发「护栏」（guardrails）：用于降低「氛围式编程」（vibe coding）的风险；

网页浏览智能体（web-browsing agents）；

后端工作流自动化（backend workflow automation）；

深入高度监管行业的垂直智能体（vertical agents penetrating highly regulated industries）。

软件开发 Agent 正从基础编码向关键「护栏」功能演进

本期创业营中，有 11 家公司专注于软件开发 Agent。在整个市场层面，2025 年该领域的融资额已达到 2024 年全年的 3 倍。这些初创企业不再局限于提供基础编码辅助，而是扩展至测试、质量保证（QA）、代码审查和调试等关键环节。 超过一半的公司聚焦于降低「氛围式编程」（vibe coding）的风险——通过基于浏览器的测试 Agent 和自动化审查系统，解决可靠性问题，从而推动企业在更大范围内采纳 AI 开发工具。

网页浏览 Agent 正从通用型转向专业化应用

Y Combinator 投资了现有网页浏览 Agent 市场中超过 50% 的公司。但本期入选企业正通过垂直场景实现差异化，例如：遗留系统集成、软件测试和质量保障。这种向专业化浏览 Agent 的转变，能够提供更具上下文关联的数据访问能力，显著提升决策质量与自主性，优于通用型替代方案。

高度监管行业成为垂直 AI Agent 的重点目标

本期创业营中，医疗健康与金融服务领域的 Agent 公司占比达 19%。在这些垂直化 Agent 企业中，32% 已进入解决方案部署阶段，另有 45% 处于早期验证或探索阶段。 除传统的客户服务场景外，初创公司正切入行业专属工作流，如房贷审批处理、医疗运营支持等。部分企业甚至开始承担自主研究职能——这类功能未来可能完全取代某些人类岗位。

报告预计，下一代的垂直 Agent 将不再局限于运营支持，而是能够自主开展研究工作，主动搜集、消化并交付信息给人类用户，甚至可能完全自动化取代某些人类岗位。

报告发现，垂直领域的 Agent 已经在零售、金融、医疗和制造业等领域投入实际应用，且展现出了可被量化的 ROI。

8.1 Agent 购物

「智能体购物」（agentic shopping）是商业领域的下一个重大机会。报告重点分析了三个未来有突破性潜力的市场：GEO、零售 Agent、Agent 支付。

报告发现，消费者越来越多地通过 ChatGPT、Google AI 概览等 AI 平台进行购物。据 Adobe 数据，美国电商网站来自生成式 AI 平台的假日季流量同比增长了 1300%。

GEO 领域吸引了大量创业公司进去，报告统计，近 40% 的市场参与者是在过去两年内成立的。其中，Profound 作为早期领先者之一，已经有了美国银行（U.S。Bank）等大客户。

新一代的零售 Agent 也已经超过了传统聊天机器人的范畴，不再局限于处理客服请求，而是开始管理产品推荐、订单追踪和用户偏好，在塑造购物体验中扮演着更核心的角色。专注于零售和消费者场景的 Agent 创业公司，在 CB Insights Mosaic 评分中增长最快。

同时，Agent 支付正迅速从概念阶段走向基础设施建设。报告数据显示，在快速增长的 AI Agent 支付基础设施市场中，近半数公司已与成熟的支付巨头建立合作关系或获得投资。

8.2 制造业

AI Agent、Copilot 正加速渗透到制造业、物流、国防和建筑等传统工业领域。目前，该领域 90% 的活动聚焦在 AI Copilot （AI 与人类协同工作，加速工作流程）。

报告梳理了该领域的 68 家 AI Agent 与 Copilot 开发商图谱。

报告分析，该领域非常早期。自 2022 年以来，该领域 75% 的交易都流向了种子轮或 A 轮的早期初创公司，市场中还没有明确的领导者。其中，制造业是目前最活跃的垂直领域，远超其他行业。「制造优化」和「数字化工单指导」则是两个最拥挤的细分赛道。

同时，大型科技公司也在发力工业 AI 基础设施基础。以上图谱中，14 家上市工业公司（如西门子、PTC）都已经和微软合作，开发了其 Copilot。同时，谷歌也在该领域签署了多项重要合作。

8.3 金融&保险行业

此外，报告还分析了来自银行、保险和支付领域 69 家公司的 100 个 AI 应用案例。

报告发现：

公司为员工部署通用型 AI 平台已经成为了基本配置，在所有案例中，有 24% 的公司给全体员工部署 Microsoft Copilot 或 ChatGPT 等工具；

微软与 OpenAI 在该领域的渗透率极高，在 AI 应用案例中，有 33% 明确提及使用微软或 OpenAI 的相关技术或服务。

生成式 AI 越来越多地被用于直接服务客户。16% 的应用案例都集中在客户互动和自助服务这两个场景上。例如，万事达卡、Visa 等公司都开始部署以「Agent 驱动型商业」为核心的解决方案。

在 100 个应用案例中，仅有 30% 公布了部署后可量化的实际成效。虽然部署积极，但整个金融行业对于如何准确衡量生成式 AI 的 ROI 还缺乏明确的标准。