"每个人每天使用最高频的三个 APP 中有两个是 Agent 时，才意味着 AI Agent 进入新发展阶段。"
"一个好 Agent 的衡量指标，包括可控性、可解释性以及持续稳定执行任务的能力。"
"多数 Agent 存在负毛利问题，完成任务的代价高于用户支付意愿，这对创业者来说是巨大挑战。"
......
在量子位 MEET2026 智能未来大会的圆桌环节 ，三位来自产业一线的嘉宾围绕 AI Agent 的革新进程展开深入讨论。他们分别是：
-
联汇科技 CEO 兼首席科学家赵天成博士
-
小宿科技联合创始人兼 CEO 杜知恒先生
-
蚂蚁集团平台体验技术部负责人徐达峰先生
2025 年普遍被视为 "Agent 元年"。从客服、理赔等相对标准化的场景开始，Agent 已经完成了初步落地，并验证了技术可行性与阶段性价值。
但真正的难题才刚刚显现------
如何让 Agent 同时跑通技术、产品与商业三条曲线，形成可持续的正向闭环，仍是摆在整个行业面前的共同挑战。
而在这场圆桌讨论中，三位嘉宾从产品形态、技术演进与商业现实等多个维度出发，分享了他们对 Agent 下一程的判断。
透过这些观点，我们或可窥见 Agent 从技术概念走向规模应用的关键路径，以及产业先行者们在探索中所面临的思考与抉择。
本次圆桌环节由量子位智库首席分析师刘萌媛主持。在不改变原意的基础上，本文对内容进行了编辑整理。希望能够给你带来更多的启发与思考。
MEET2026 智能未来大会是由量子位主办的行业峰会，近 30 位产业代表与会讨论。线下到场参会观众近 1500 人，线上直播观众 350 万 +，获得了主流媒体的广泛关注与报道。
话题要点
-
目前在 AI Agent 及相关领域重点从事哪些工作？
-
各自落地效果最好的案例是什么？
-
真正好用的 AI Agent 产品应该关注哪些指标？
-
未来还有哪些对于 AI Agent 发展比较关键的卡点？
-
AI Agent 的下一步关键演进方向是什么？进入新阶段的标志性节点是什么？
以下为圆桌对话全文：
圆桌实录
量子位：
无论是在前面各位嘉宾的演讲中，还是在整个 2025 年的讨论里，相信大家已经多次听到 "AI Agent" 这一关键词。
无论是技术迭代还是产品涌现，AI Agent 确实屡屡让人眼前一亮。今天，我们将从更加理性、务实的角度来探讨：千行百业距离广泛应用 AI Agent 究竟还有多远？
为此，我们邀请到三位嘉宾，他们分别代表 AI Agent 产业链上不同领域的最前沿产品与技术，来为大家带来切实的分享。
首先，请三位嘉宾简要介绍一下自己，以及目前在 AI Agent 相关领域所从事的工作。
赵天成：
大家好，我是来自联汇科技的赵天成。在过去的五年里，我们团队一直在做的事情是：
第一，研发信号终端侧的多模态模型；
第二，探索如何让智能体从在虚拟世界做 PPT、写写画画，走向物理世界，真正操控终端设备，也就是实现所谓的 "物理智能体"。
目前我们在两个方向做了很多工作，一是致力于让多模态智能体本地化运行，不完全依赖云端强大算力。例如，让它在端侧设备_（如 AI PC）_上，甚至在飞机等无网络环境中，也能高效处理海量多模态数据，并转化为真正实用、能帮用户解决实际问题的智能体。
更进一步，我们致力于将无人机、机器人、摄像头等具备真正执行能力的智能终端串联起来，形成协同工作的智能体网络。这是一个非常有意思的课题。目前大家熟悉的智能体，或许更多体现在处理工作流或特定查询场景中。而我们探索的是更系统的物理联动。
举个例子，一个智能摄像头探测到火灾，它可以自动通知另一个终端------比如一台配备灭火装置的机器狗。机器狗收到指令后前往现场扑灭火情，并在任务完成后返回基地，自动生成一份报告给管理员，说明 "火灾已发生并被扑灭，问题已解决"。
这样一个从感知、决策、执行到反馈的完整闭环，能否通过智能体流畅地串联与调度，从而实现智能体从数字世界走向物理世界的跨越？这正是我们团队过去两年来持续深耕的核心方向。
徐达峰：
大家好，我是来自蚂蚁平台体验技术团队的徐达峰。我们目前主要聚焦在两个方向：
一是重构软件的研发方式。我们正在构建一套完整的智能研发体系------WeaveFox，其中包含 WeaveFox-Coder、Vibe-Coding、Spec-Coding 等模块，并打造了面向工程体系的 Coding-Agent 基础设施和软件工程 - Agent 基础设施。
我们的核心目标，不仅仅是 "让模型能够写代码"，更是要将多模态生成代码、任务自动拆解、工具链智能协同等能力，真正融入到生产环境中。我们致力于让 AI 从辅助工具，转变为研发体系的原生能力，从而推动整个工程链路实现更高水平的自动化。
二是致力于将多智能体能力带给大众用户。
为此，我们推出了 "蚂蚁百宝箱" 以及"百宝箱超级智能体"。我们的愿景是将其打造成一个"通用 Agent 平台"------无需任何代码依赖，也不要求使用者具备技术背景，真正做到开箱即用。用户只需用自然语言描述需求，就能轻松构建并发布属于自己的智能体应用。
无论是内容创作类的需求，如生成文案、制作 PPT、撰写报告、设计网页，还是通过多 Agent 协作完成更复杂的工作流任务，都可以通过这个平台实现。我们的目标，是将 AI 智能体从高门槛的 "专业工具"，转变为人人都能用起来的 "工具箱"。
杜知恒：
我是杜知恒，小宿科技打造的是面向 Agent 的一站式基础设施平台。
我们认为，其中尤为重要的一个产品是为 Agent 设计的搜索引擎。这里我们也呼应一下蚂蚁的观点：我们相信，优秀的 Agent 能够胜任人类可以完成的工作。
过去，搜索引擎和信息获取一直是人们工作、学习乃至日常生活中最主要的信息获取工具。我们提供的正是一个多语言、全球化的搜索引擎工具，专门服务于 Agent。
除了搜索能力，我们还提供模型服务、AI 沙盒等多样化的 Agent 工具集，致力于为大家打造一站式的 Agent Infra 平台。
各自落地效果最好的案例是什么？
量子位：
在三位做的 Agent 相关的产品里面，效果最好的 Agent 落地案例是什么？能否结合具体数据和观众分享一下，让大家对 Agent 落地价值有更直观的感受？
赵天成：
今年有两个点带来的 ROI_（投资回报率）_提升还是非常明显的。
第一个是有了多模态。今年的确是 VLM_（视觉语言大模型）_大幅度成熟的一年，之前大家用 ChatGPT、GPT-4 比较多，今年 GPT-4o、Gemini 3 这些新出来的多模态模型对于图像和视频的理解能力其实有质的飞跃。
有了这个能力之后，我们的智能体可以算是打开了新的窗户。之前 Agent 只能处理文本，要做图片任务还需要一段描述，再给到模型去理解执行，现在有了端到端模型之后，直接给视频、给扫描件、给一张图片甚至混合在一起都可以直接做（任务），很多以前不敢想的场景瞬间打开。
我们在多模态领域扎根很久，之前就在做很多探索，今年的确感受到建模本身的提升，多模态能力可以让我们的智能体即使在数字空间场景中，也可以做很多以前不可能做到的事情。
第二个是有了执行智能体。以前的 AI 即使可以理解视频、理解图像，也只能给你一个提醒 "这边发生事故赶快修复"、"这边有问题赶快派人去吧"，现在有了执行智能体，无论是操控机械臂还是执行其他操作，现场就能直接解决问题。
这对于用户来说，投资回报率和价值完全不在一个量级，比如以前一个终端最多付一千块钱，有了智能执行端之后愿意付十万块钱，这是一百倍的本身价值的提升。
智能体核心逻辑在于结果即服务 ，提供的是一个结果，这个结果的价值定义了产品有多大的能力边界，一个是帮你看着，提醒你赶快灭火吧；第二个是直接告诉你已经帮你把火扑灭了，比人扑的更快一些，这个对客户来说价值是 100 倍的提升，这也是为什么我们非常笃定地相信多模态 + 执行是智能体在后续发展中非常重要的板块和体现。
杜知恒：
过去这一年 Agent 进化还是很明显的，从大家只会用 Chatbot 到真正开始用 AI 做各种各样的任务、工作，包括陪伴式的娱乐、学习。
我观察到在这几个场景中，Agent 能做越来越多智能化的工作。
第一个就是刚才说的做 PPT、写产品文档，包括 Coding，在核心工作流中 Agent 开始能交付实习生水平的结果，这是过去一年中 Agent 领域非常明显的进步和进化。
另外可以看到，各种各样的垂类软件正在越来越多地采用 AI 技术，无论是客服系统、数据平台还是其他各类软件工具。我的观察是，上一代 SaaS 公司正在快速引入 AI 能力，这显著提升了它们服务客户的效率与质量。
徐达峰：
前面老师提到智能客服，还有端到端多模态 + 执行，我补充一个 Coding Agent 能力方面的个人观察。
Coding Agent 已经从写一段代码进化为跑一段流程。在 WeaveFox 的实践中，Agent 能看懂设计稿、理解上下文和组件规范，然后自动生成可上线代码。过去通常需要工程师在 IDE 中花半天时间调试，现在 Agent 几十秒就能跑完。而且这是在多个规模化项目里，我们稳定看到了 3~5 倍的效率提升。
这说明，只要工具链和上下文足够清晰，Agent 的能力是可以被 "工程化复制" 的。
真正好用的 AI Agent 产品应该关注哪些指标？
量子位：
今天邀请到的三位嘉宾在 AI Agent 里面处于不同的生态位，小宿处于基础设施层，另外两位老师偏向于产品层，请各位在不同的生态位上定义真的好用、或者有价值的 AI Agent 产品，你们觉得现在更应该关注哪些指标？有哪些指标大家没有关注？下一步应该在哪些方面投入更多技术和精力呢？
杜知恒：
我的观点还是一样的，（如果 AI）能更像人一样，交付一个从高中生到大学生到博士生能交付的结果，这就是好场景。
企业愿意为这类 AI 支付更高成本，背后的逻辑很明确：过去，大家把 AI 当作普通软件看待，关注点局限在软件订阅费的高低；而现在，大家会将其价值与实习生、全职员工的人力价值做对比。
即便目前存在堆砌 Token 完成任务的争议，包括我们公司在内，许多企业在高频使用 AI 进行代码编写（Coding）、撰写产品需求文档（PRD）、搭建各类工作流以优化效率的过程中，通过 AI 节省的人工成本，也远远超过了在 Token 上投入的费用，即使 Claude Code 很贵。
我觉得我们内部对 Agent 可用性最主要的评判标准，就是它能不能在特定场景交付一个相对完整的结果。
Agent 在中国被叫智能体，但其实我觉得 "代理人" 这个翻译是更好的，一个 Agent 不能给你交付结果，你肯定不会花钱雇他，包括 Coding 这些场景在内，AI 越来越能够真正交付结果。
现在 Coding 还有抽卡的情况，但即使是抽卡抽三次性价比依然很高。
赵天成：
我们从时间上来看，有两方面是整个业界要慢慢接受和改变的，因为智能体跟以前信息化系统和纯粹软件还是不太一样的。
第一个是之前很多人说做 AI 原生的 Agent，我们发现以前软件系统有很多 UI 式、表单式结构，很多时候 AI 就是把表单的某些环节换成模型，这是比较方便的方式，但也有很多时候换汤不换药，还是原来的工作流做的事情。
其实可以把一个环节彻底用 Agent 代替，这时候可能会有一些更加创新型的产品并落地应用，这样才真正能把智能体的优势发挥出来，而不是受限于很条条框框的地方，只能做以前一些环节的替代。大家（才）会接受智能体可以真正替代一个流程一个环节，真正用 AI 的方式做这个事情。
第二个是 Agent 本身是可以进化的，在以往的 AI 应用中，包括我们的不少甲方客户在内，很多人会陷入一种认知误区：认为采购 AI 本质上就是采购一套算法，并且对算法的准确率、召回率有明确要求，若初始阶段无法达到既定指标，就不会验收。
但实际上，Agent 的价值体现在实际应用过程中，Context_（上下文信息）_会不断丰富，它自身具备记忆能力，再结合用户给出的反馈，会逐渐熟悉用户的业务流程，最终真正帮用户解决实际问题。然而当前许多场景下，用户并不能接受这种渐进式优化的模式，他们往往期望一步到位，要求 AI 在初始阶段就达到 95% 的准确率。
这就陷入了 "鸡生蛋还是蛋生鸡" 的矛盾问题。如果用户不使用 AI、不提供反馈、不补充 Context，不给 AI 学习和适应的机会，AI 自然无法达到理想的使用效果；可用户又因 AI 初始效果未达预期而不愿启用，形成了恶性循环。
不过这种情况也在逐渐改变，越来越多人也正在接受，说明大家用豆包、用 GPT，已经习惯了越聊越聪明的交互模式，慢慢（把它）变成自己想要的数字员工。
这个可进化性也是我们内部衡量智能体的非常重要的指标。假如一个智能体做出来就是这样了，你再跟它聊它都不会有变化，那就不是好的智能体，如果通过一天、一周、一个月使用变得更加个性化了，就是好的智能体。
量子位：
我想再追问一下赵总，您刚刚提到用 Agent 彻底替代某一部分工作流，或者某一部分工作场景，那让你畅想一下在未来 6 个月或者一年之内，您觉得会有哪些行业或者场景率先有可能被彻底改变工作流呢？
赵天成：
假如是 6 个月的时间，在那些失败结果没有那么灾难性的地方，相关问题或许可以得到彻底解决。（这些场景的容错空间相对较大），AI 一次没做好，大不了再做一次，而且如果做三次的成本，比我自己干整个过程的成本还是低很多，那这类工作就可以被替换掉。
量子位：
也就是说结果不够致命，有一点容错空间的任务基本可以实现 AI 替代人。
那么徐总，蚂蚁目前在做的这些产品，包括您刚才提到的 Coding Agent，以及面向群众的产品，从您的角度来说，一款 AI Agent 产品最值得关注的指标是什么呢？
徐达峰：
在我看来，判断一款 Agent 是否优秀，可以从以下几个角度界定标准，比如可控性、可解释性，乃至于稳定性，这是基础要求，在此就不赘述了。
需要明确的是，Agent 一定是基于某一类特定任务去设计的，很多场景里，任务本身就是开放型问题、还存在各种例外情况，模型也不可能 100% 完美解决所有问题。所以我认为优秀的标准是看 Agent 产品有没有设计人机协作的流程。
企业真正需要的不是 "永不犯错"，而是犯错时能暴露不确定性，是否具有回滚的能力，能不能回溯回去找到问题。另外在这个过程中，在出现问题后，能顺畅地将任务交由人工接管。
也就是说，它要像一位可靠的同事，而不是像一名（缺乏协作性的）天才小学生。如果没有如上指标，即便效果再惊艳，也很难真正落地，我觉得这是一个好的 Agent 的标准指标。
量子位：
如果把刚刚给赵总的问题再抛给您，目前您涉及的所有用户场景里，未来 6 个月，您觉得哪一个是被改写最彻底的？
徐达峰：
彻底不敢谈。我认为软件工程可能仍会面临较大的冲击和变革。
这主要是因为其工具链相对成熟，有上一代数字基建作为基础，且任务本身偏向结构化。
同时，进一步自动化的收益非常高。这些因素共同作用，将推动整个流程越来越自动化，通过辅助编码和自动化流程，研发团队也会更容易接受。因此，我认为是软件工程。
量子位：
我们把这个问题换一个方向问杜总，您作为基础设施层的代表，您认为基础设施层究竟是如何影响不同 AI Agent 产品最终呈现的任务水平呢？能否结合小宿或其他具体案例，为我们解析一下具体的影响链路？
杜知恒：
其实我们很难直接影响到 Agent 本身，更多是客户基于自身场景对基础设施提出更高要求，我们去响应和满足。
回到搜索本身，从 ToC 时代到 ToAgent 时代，三十年来它的核心标准------相关性、权威性、时效性，本质上没有改变。变化的是这些标准的重要程度。
过去，用户搜索时前三条结果必须吸引点击，所以相关性是最重要的指标。（但仅有相关性还不够）即使内容相关但质量很差，排到前面用户接受的概率，也比展示不相关信息要低得多。
但对于 AI 而言，调用搜索的核心原因在于消除信息幻觉与获取时效内容。
对 AI Agent 来说，搜索的首要要求是权威性------信息必须准确、全面。即便在前十条结果中，哪怕极端情况下有两条不相关，也远比 "十条看似相关、却缺乏精准性和时效性的信息" 要好，后者带来的后果反而更加灾难性。
未来还有哪些对于 AI Agent 发展比较关键的卡点？
量子位：
我们刚刚几个问题都聊的是 Agent 今天有怎么样的成就和价值，那我们现在从批判的角度聊一聊。
首先想问一下，从各位的角度来看，除了现在常说的推理大模型，或者语言大模型，还有哪些对于 AI Agent 未来发展比较关键的卡点？
既可以是技术方面，也可以是生态运营方面的，不知道各位是怎么看待这个问题的？
赵天成：
我最近比较关注的是智能体的双脑架构。
刚才提到的代码生成这些创新都是用大语言模型做快速的处理，但是到我们这种物理场景之后，有时候你逃不掉，必须做双脑架构。
什么叫双脑？比如大语言模型给出一个指令，说无人机几点几分到这个地方去，但是在飞行过程中怎么飞？假如还是依赖云端语言模型思考的话，这个飞机干脆不要飞了，每飞 5 米就要想一想再飞一下，不太现实。
所以必须在端侧要有快速的、类似于小脑的模型做飞行这一块的执行，这个就跟常规的 MCP 模式还不太一样，以往云端模型调用工具，可能只是完成一次搜索、查询或简单指令下发；但在双脑架构里，云端大脑调用的不是普通工具，而是要驱动端侧小脑模型，让它把飞机飞过去。
这其实和目前主流智能体架构有区别，跟学术界研究的问题也不太一样。这里面得有一个框架，方便把各种小脑和大脑集成在一起，真正形成一个指挥官和类似于行动单元的组合的形态。
这个是我们近期一直在看的点，因为现在的确碰到了这样的现实问题，而且需要解决这些问题。
徐达峰：
我可以补充一个企业视角下的观点，Agent 如果要在企业中落地，可能还会有一些挑战。尤其是大规模用在企业端时，首当其冲的可能是会面临访问核心资产数据，以及隐私和安全审计问题。
怎么样能够让这样的 Agent 可以被安全地运行？它访问数据是否有权限？能不能被审计？这些都是关键命题。
**以往很多流程设计更多是针对常规系统和人类操作场景设计的，很少有为 Agent 设计的，这是很关键的基础设施的缺漏。**这样的安全基础设施建立起来之后，才可能会为 Agent 大规模落地铺好前提。
面向 Agent 的设计，很可能是权限体系的重新设计和重塑。
杜知恒：
我也说一个非常现实的问题，我们看 Agent，特别是 ToC 的 Agent 最大的挑战就是成本和 ROI 的问题。
因为即使当下的 Agent 可以帮你完成一些任务，但其实它完成任务所付出的代价和用户愿意付的成本还是有一个很明显的差距，目前市场上绝大多数的 Agent 都是以负毛利在运营，这在长期看来是一个很大的挑战，因为你很难在一个负毛利商业模式下做大规模的用户渗透。
除非像蚂蚁、字节这样的巨头，可以为获取客户长期承担非常大规模的亏损，这个对于大部分的 Agent 创业者来说可能也是一个挑战。所以核心问题就是怎么能把商业模式跑通，能够把用掉的 Token 和工具的钱赚回来？
对于一个基础设施提供方来说，对客户健康度的判断很重要，如果我的客户都很赚钱，那我大概率收取的价格是比较合理且可持续的，如果所有人都在亏钱，或者说大家都是期待下一轮的融资再来付今天用的基础设施的钱，（那么整个生态的健康度就会存疑），对于我们来说也非常关心这个问题。
量子位：
有关产品线的 ROI，也想再问一下徐总，您刚刚提到咱们有做一些面向大众普惠型的产品，像刚刚提到收费方面的问题，会不会从您的角度来看，为了让大众使用 AI Agent 的产品，除了技术上要达成一些目标，是不是还有其他的要素也需要注意的？
徐达峰：
说一点个人的粗浅判断。
首先，使用门槛在产品设计上必须足够低，不能预设用户具备专业知识背景，更不能假定他们本身就懂代码。现实中，这样的前提不太可能成立。
其次，更高频的使用场景，可能集中在文案、PPT 等内容创作上，其本质是信息的聚合、创作过程的协助，以及后续内容排版等工作。这类场景天然更适合大众用户。
此外，还会出现许多新的特色玩法。比如蚂蚁最近发布的 "灵光" 产品，就是一款很有意思的 App，用户可以用它制作小游戏、小应用，实用性很强。大致会是这类产品设计方向。
Agent 的下一步关键演进方向是什么？
量子位：
众所周知，2025 年已被视为 AI Agent 的元年。那么，元年之后下一个关键的演进方向是什么？刚才赵总提到了 "双端" 和"多模态"，我们想请各位具体展望一下，对于 Agent 而言，下一步的关键方向是什么？
赵天成：
虽然 2025 年被称为 "智能体元年"，但可能现实生活中还没有那么多智能体。今年更像是 iPhone 1 的阶段，距离真正成熟、普及的 iPhone 4，还有很多要做的事情。
就我个人在 C 端的使用体验而言，日常可能会用一个类似豆包的智能体，来替代部分搜索类工作，我觉得已经达到了 "可用" 的水平。但如果是下一轮融资的 PPT，让智能体来完成，即便是现在最好的智能体也做不到，这仍然需要我自己完成大量策略层面的思考，才能有比较好的结果。
所以在我看来，即使是目前定义已经相当成熟的智能体，在可靠性和实际效果上，依然有大量提升空间。
这种提升可能来自基础模型能力的增强，也可能来自工程化能力的改进，也可能正如前面几位所提到的，是多个层面的共同进步。
只有这些条件都到位，智能体才能真正把哪怕是 "做 PPT" 这样看似简单的功能，提升到一个全民都能够使用的水平------这是第一个方面。
第二个方面，是我们自己正在做的事情。我们一直相信，如果未来的 AI 只停留在替代一部分数字化工作，那一定是不够的。它最终必须能够替代部分蓝领工作，走向现实世界，帮我们在物理世界干活。
（而要实现这一点），需要解决的问题依然非常多，包括前面多位老师提到的 VLA、世界模型等，这些很可能都是不可或缺的组成部分，只有在它们被有效拼合之后，智能体才有可能真正走向物理世界。
在这里有两个关键问题。第一，未来是否会一直是 "大语言模型 + 其他模型" 的组合形式？短期来看大概率如此，但从长期看并不一定------完全有可能被一种全新的架构彻底取代，这并非不可能。其实早两年我们看待大语言模型时，也曾觉得这条路径不太可能，但现在它已经成为主流。
第二，还是可靠性的问题。（当智能体进入物理世界），可靠性就变得更加严肃，不能说一下子把桌子砸了，那会是灾难性的后果------在电脑里最多是误删文件，虽然也很严重，但相比之下还是要轻一些。
因此我认为，可靠性是所有智能体真正成为 "每个人每天都在使用" 的工具之前，必须解决的核心问题之一。
杜知恒：
我可能更多是从商业视角来看这个问题。对于 2026 年，我有几个基本预期。
第一会是巨头的大规模下场。
无论是在 B 端还是 C 端，都会出现真正意义上的重投入，去争夺 DAU、ARR 和核心客户。2025 年我们已经看到，超大规模投入主要来自字节的豆包，BAT 其他几家以及蚂蚁更多是在下半年才逐渐发力。
我认为到明年，这一趋势会变得非常清晰且激烈------所有 Tier 1、Tier 2 的传统大型互联网公司，都会在 Agent 方向上加大投入，围绕 "入口" 展开竞争。
第二个预期也由此引出：在这种大规模投入的推动下，AI 的整体渗透率会显著提升。
包括现场各位的手机和电脑，其 AI 含量也都会大幅上升。头部 Agent 会开始真正进入二线、三线城市，被非专业用户广泛使用，甚至包括我们父母这一代人，也会逐步开始接受和使用。
因此，在我看来，Agent 的大规模渗透将是 2026 年我比较期待的事情。
徐达峰：
如果说未来一年的 Agent 的话，我可能会分几个层次看。
第一层次是数据和算法，再上层是模型能力 ，可以看到，这两层的技术能力呈现慢慢收敛的趋势。第三层是 Agent 的框架，以及和系统交互和集成，无论是 C 端还是 B 端，都可以看到有更多的数据管控、权限管控、接入集成等多方面的实践。
另外再往上延伸至产品侧与行业应用层面。目前可以看到越来越明显的趋势。
除了能解决一些日常小工具类的任务，或者一些小型的效率场景，也可以看到有一些 Killer App（现象级应用）出现。这类应用往往会锚定泛娱乐赛道，给用户提供很多情绪价值，甚至慢慢 App 扩展到智能硬件上，这些是能看到的趋势。
当然，也期待 2026 年这样的趋势逐步爆发，可以给大家带来更多的 AI Agent 在各行业，各领域的体验。
AI Agent 进入新发展阶段的标志节点
量子位：
最后一个问题，再替公众朋友们试图向三位嘉宾询问一下不确定中的确定性。
像刚刚提到，不管是从技术需要的基础设施，还是未来的产品形态，其实都有可能还有很多新的内容出现。
如果从三位嘉宾的角度来看，有没有哪个节点是你们觉得如果看到了就意味着 AI Agent 已经进入新的发展阶段了，不是像现在这样只是从无到有，而是真正彻底改写，而且普惠大众的，有没有哪个标志性的节点是各位现在最期待的？
杜知恒：
可能是我妈妈开始用 Manus 开始画 PPT 或者做一个什么事情的时候开始。
我觉得当前 Agent 的渗透率虽然看起来如火如荼，但是在三、四线城市和人们日常生活中还是一个超级低的状态。
可能我自己的观察指标是身边的年长，或者非技术行业的人真正开始在用一些 Agent，改变他的生活方式，或者提升他的生活体验。
赵天成：
我觉得就是当你每天最高频使用的三个 APP 里面有两个是 Agent，到那天可能就差不多了。
徐达峰：
我比较赞同赵天成老师的看法，如果你每天用的软件都已经是 Agent，那就已经产生质变了。
量子位：
确实，今年我们看到很多 Agent 产品出现，无论是现场和线上的观众可以多去尝试尝试不断出现的新的 Agent 产品，看这些产品能不能带来一些新的收获和新的价值。
再次感谢三位嘉宾今天来到圆桌，跟我们从一线视角聊一聊 AI Agent 还需要进步的地方，以及现在明确能够带给我们的价值，谢谢大家。
欢迎在评论区留下你的想法！
--- 完 ---