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。
配资白名单平台开户对初创团队而言，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。
元股证券:ygzq.hk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。要务科技的产品经理若涵解释，这些大客户会希望有一套系统来适应自己，而不是自己去适应外面的 SaaS Agent。
这类需求催生了 Agent 交付的 FDE 模式。FDE 更强调对客户原有系统的适配、数据迁移和长期服务，不以标准化产品向外输出，而是顺着企业既有的业务流程做改造打磨，项目周期往往长达数月甚至一年以上。
要务科技成立于 2021 年，最初做制造业设备租赁，如今已为多家制造业巨头提供 Agent 服务。在一个售前客服场景中，要务科技的系统帮客户砍掉了 90% 以上的客服团队，这些客服主要负责售前承接线索或者询盘的工作，回复准确率达到 97%。
在若涵看来，FDE 的价值在于能让 Agent 去适应客户原来的工作方式。医疗、制造、能源、工程 …… 这些行业的头部企业拥有大量不公开的业务数据，也存在大量可以直接影响成本和收入的场景，深入企业更能关注到客户的一些长尾的需求。"客户愿意把他敏感的一些机密数据放在我们的系统里面，那就说明他愿意长期使用下去，相比标准化的交付，这或许是 B 端 Agent 真正能够建立壁垒的地方。"
对于缺乏资金的中小团队而言，找准场景后，To B 确实是一条更可能看到现金流的路线。
不过，To B Agent 的核心壁垒不只是技术。若涵举例，在制造业这个"很慢"的行业里，数据的处理和接入其实是一件挺麻烦的事情，信任关系其实非常重要，我们合作项目不会只关注里面的利润，更多的是有很多组织站位的因素在，比如说做这个项目可能毛利没那么高，但是能帮助我们在这个组织里面建立更多的信任，其实我们也是愿意做的。
Jennifer 也提到，To B 在国内其实很有壁垒，也很有门槛，"很多人做 To B 生意是收不上来钱的，你必须能找到愿意给你付钱的客户，创业团队的商务能力、服务能力有时可能比产品本身更重要。"
Agent 出海：更好的环境和更高的门槛
国内 Agent 创业的生存重心向 B 端倾斜，依靠行业沉淀与客户信任换取现金流，但并非所有团队都适合切入重交付、强商务的企服赛道。对于擅长 C 端产品、缺少 To B 行业资源的创业团队来说，出海成为极具诱惑力的选择。
海外市场的付费土壤确实更加友好，无论 B 端还是 C 端，Dify、WorkMagic、Ace Studio 等一批项目已经默默做到千万美元级别的 ARR。因此，许多 Agent 创业者从一开始就瞄准了海外市场。
王贺北此前在上海的教培市场从业多年，他创业的产品是一款 K12 AI 家教，定位在整个东亚市场，目前已经在新加坡少量交付。
王贺北提到，在国内市场测试时，家长的付费意愿并不高，"可能是同类型产品很多，大家被营销收割太多回之后，就没有试错的容忍度了。"但在新加坡的展会上，情况截然不同，几乎是来一个家庭了解之后就要买，付费意愿度非常高。
王贺北团队的产品由硬件和 Agent 组成，硬件端是一块可随身佩戴的录音蛋，负责采集孩子上课的音频，端侧小模型将音频转为文字，上传云端后由 Agent 分析并生成个性化讲解。
比起市面上常见的学习机，王贺北更愿意把自己的产品定义为"儿童版贾维斯"。他长期观察教育市场后发现，搜题机针对一道题往往给出的讲解千篇一律，但孩子需要的不是标准化的家教，因为每个孩子遇到不会的题时，卡点都不一样，"大模型能解题，但怎么把过程变成适合这个孩子的讲解，靠的是 Agent 对上下文，也就是孩子日常学习情况的理解。"
未来，王贺北团队还将推出手表和摄像头方案，捕捉孩子上课时的心率、动作甚至微电流等生理信号，进一步提升 Agent 对孩子学习状态的判断。
王贺北表示，东南亚市场的竞争环境和用户心智与国内截然不同，"东南亚差不多是 20 年前国内的状态。家长们还没有被各类营销反复洗过，普遍愿意相信眼前看到的东西。"更重要的是，国内一个赛道动辄几千家公司竞争，而在东南亚，一个赛道最多二十几家公司，创业者有更大的定价权和生存空间。
不过，对国内创业者来说，出海的门槛也比想象中要高。在海外市场，首先是身份与合规，非本地从业者必须先注册本地公司，否则家长很难信任一个来自中国的教育品牌。
其次是产品的本地化。王贺北提到，教育产品的本地化尤为复杂，东南亚的特点是多民族、多宗教、多政府，新加坡没有中考，而是小六会考（PSLE），马来西亚则没有小学统考，核心压力在中五的 SPM，"新加坡市场做好了，但到马来西亚就得换一套方式，市场构成中印度人、马来人、本地华人和外来移民各占多少，他们的文化在什么圈子里传播，用微信还是 WhatsApp，这些细节都要了解，才能把握好市场。"
由此来看，和 B 端依靠行业业务数据构筑壁垒逻辑相似，Agent 出海的壁垒源于对本地用户的深度理解，以及长期积累的用户行为、关系与使用上下文，这些同样是通用大模型厂商难以复刻的资产。这既是壁垒，也是横在创业者面前的现实门槛。
结语
经历了创投市场的剧烈转向，AI Agent 创业团队已经彻底告别靠概念和愿景描述就能拿到融资的"蜜月期"，资本的风向固然变幻不定，但真实世界的业务需求始终存在。依旧坚守在这一赛道的从业者，都在擅长的业务场景里找到了落点。
能够活下来的 Agent，从来不是简单封装大模型接口的中间层。扎进国内产业做 B 端，就要直面算力成本、商务交付的考验；奔赴海外做 C 端，则要跨过本地化、合规的关卡。无论选择哪条道路为什么亏钱，创业团队的破局逻辑都是一致的：跳出通用模型的能力包围圈，去沉淀大模型拿不到的独特资产，这才是 Agent 创业者安身立命的根本。
2026 实盘杠杆配资平台参考提示：本文来自互联网，不代表本网站观点。