AI Agent智能体行业深度：产业格局、发展展望、产业链及相关企业深度梳理.docx

行业|深度|研究报告

2025年3月14日

行业研究报告慧博智能投研

AIAgent智能体行业深度：产业格局、发展展望、产业链及相关企业深度梳理

自ChatGPT成为全球现象级产品以来，人工智能领域的发展按下加速键。尽管ChatGPT等AI产品拥有强大的文本生成能力，但其仍有较大的局限性，如无法完成工具调用的复杂任务、无法自主解决问题

等，加之人们对AI产品的人机交互需求提升，ChatGPT等AI产品已无法满足市场需求，需要自主性、

交互性更强的AI产品。同时，深度学习、自然语言处理、自动化执行等技术的不断进步，也为AI产品的进一步发展提供了技术基础。在此背景下，AIAgent逐步成为新的关注重点，其商业应用有望在

2025年多点开花。

AIAgent（又称人工智能代理），是一种能自主感知周遭环境，通过内在的智能处理进行决策，并执行相应行动以达成特定目的的智能体。其核心特征是通过与环境互动收集数据，独立规划任务路径、调用工具并执行决策，最终在无需人工干预的情况下实现预设目标。

以下内容我们就将围绕AIAgent，对相关问题展开分析和梳理。首先我们将立足AIAgent基础情况，

对AIAgent涉及概念内涵、市场现状、具体应用展开分析；其次，将对行业产业链情况、AIAgent商业价值、所将带来的C端及B端产业格局改变、相关公司展开梳理。最后，将着眼于行业发展的视角，

对AIAgent的后续发展进行展望，以期帮助大家加深对AIAgent的了解和认知，更好地把握AIAgent的发展脉络。

目录

一、行业概况 1

二、市场现状 7

三、具体应用分析 11

四、产业链分析 14

五、商业模式 17

六、产业格局 19

七、相关公司 26

八、发展展望 30

九、参考研报 35

一、行业概况

1、什么是AIAgent？

AIAgent（人工智能体）是能够感知环境、自主规划、进行决策和执行动作以实现目标的智能体，具有自主性、交互性、反应性、适应性等基本特征。与大模型和人类通过prompt进行交互的指令导向不同，AIAgent具备了通过独立思考、自主规划、调用工具去逐步完成给定目标的能力，为目标导向。

1/36

行业|深度|研究报告

2025年3月14日

工作原理方面，根据《LLMPoweredAutonomousAgents》（LilianWeng，2023），AIAgent核心驱动力为大语言模型，规划、记忆和工具使用是其三个关键的组件，即AIAgent=LLM（大语言模型）

+Planning（规划）+Memory（记忆）+Tools（工具）。具体来看，AIAgent通过传感器感知周围环境，使用LLM进行记忆检索、决策推理和行动规划等，结合外部工具获取信息等，最终或使用具体执行器做出响应。

规划（Planning）：任务分解：调用LLM通过思维链能力将复杂任务分解为较小、可管理的子目标；反思和完善：通过对过去行为进行自我批评和反思，从错误行为中吸取教训并为未来的步骤进行改进，从而提高最终结果的质量。

记忆（Memory）：短期记忆：所有输入会形成短期记忆，以及上下文学习等都是利用模型的短期记忆来学习。短期记忆受到有限上下文窗口长度的限制；长期记忆：提供了长时间保留和调用信息的能力，外部向量数据库可通过快速检索进行访问。

工具使用（Tools）：外部工具API：通过使用外部工具API可获取大模型以外的信息和能力，如查询行程、设定闹钟等；插件功能：通过调用插件访问特定数据源等。

2/36

行业|深度|研究报告

2025年3月14日

按交互对象不同，AIAgent可分为自主智能体（AutonomousAgent）和生成智能体（Generative

Agent）：自主智能体：交互对象只有人类，是在特定应用场景中根据人类通过自然语言提出的需求，

依赖内在决策机制自动执行任务，从而实现预期结果的独立运行智能体，如AutoGPT、ChatGPT+插件等应用形式；生成智能体：交互对象包括人类和其他智能体，如斯坦福和Google创建的西部世界小镇，

其中25个智能体在小镇上各自赋予了独特的个性和背景故事，有着组织结交、举办情人节、聊八卦等日常生活。

2、发展历程：大模型赋予AIAgent底层技术突破，探索通往AGI之路

（1）学习范式：大模型赋能下，AIAgent迁移学习能力快速提升

AI