【謎米財經分析報告】 AI Agent元年？當 Agent 開始「打工」，生產力將會大大改變

為什麼 ChatGPT 遇冷，而 Agent 爆發？

回顧 2024 年，市場對 AI 的情緒經歷了一次明顯的過山車。儘管 Copilot 類產品大量普及，但許多企業發現續費率（Retention）並不如預期。原因在於，Copilot 本質上仍是「副駕駛」，它需要人類員工由始至終地參與。員工必須輸入指令、檢查輸出、並手動將結果複製到其他系統中。這種模式提升了效率，但並未改變工作流程的本質。

到了 2025 年底，我們看到了真正的範式轉移：AI Agent 的崛起。

這不僅僅是更聰明的聊天機器人。為了釐清概念，我們引用 AI 工程專家 Chip Huyen 提出的定義框架，這已成為目前業界判斷 Agent 能力的黃金標準：

Agent = Model（模型） + Tools（工具） + Planning（規劃）

1. 模型 (Model)： 這是大腦，負責理解自然語言和邏輯推理（如 GPT-5.2 或 Claude 4.5）。

2. 工具 (Tools)： 這是雙手。與 Chatbot 最大的不同在於，Agent 被賦予了調用外部系統的權限。它可以連接 API、查詢 SQL 數據庫、操作瀏覽器，甚至發送 Slack 通知。

3. 規劃 (Planning)： 這是 Agent 的核心靈魂。當面對一個模糊的指令——例如「幫我處理這筆退款爭議」——Agent 不需要人類告訴它第一步做什麼。它能自主將目標拆解為一系列子任務（驗證客戶資格 -> 計算退款金額 -> 更新 ERP 系統 -> 發送確認郵件），並在過程中自我修正。如果第一步驗證失敗，它會嘗試其他路徑，而不是直接報錯。

這標誌著技術從 "Read-Only"（唯讀） 到 "Read-Write"（讀寫） 的跨越。企業願意支付高溢價的，正是這種「非同步執行」的能力——你給出目標，然後轉身離開，Agent 負責交付結果。

為什麼這是一場工程學的勝利? 

技術的本質並沒有發生基因突變，發生改變的是 Computer Use (電腦操作能力) 與 Context (上下文) 的整合深度 。

1. 從「聊天」到「操作」

在 2024 年，要讓 AI 執行任務，你往往需要繁瑣的 API 對接。但在 2025 年，我們看到了 Anthropic 和 OpenAI 直接讓 Agent 接管了作業系統 (OS) 和瀏覽器層級 。

• OpenAI Operator / CUA: 這是典型的降維打擊。Agent 不再需要專用的 API 接口，它可以像人類一樣「看著」螢幕，控制滑鼠點擊、輸入文字、導航網頁 。

• Anthropic Computer Use: 讓 Claude 能夠直接操作桌面環境，這對於編碼和技術型 Agent 來說是巨大的護城河 。

2. MCP: Agent 時代的 USB 接口

這是我認為 2025 年最被低估的技術進展：Model Context Protocol (MCP) 。 在此之前，每個 Agent 連接數據庫的方式都像是在發明一種新語言。MCP 的出現，為 Agent 與數據源 (Systems of Record) 之間建立了一個通用的標準。這就像 USB 接口一樣，一旦標準化，生態系統的摩擦力就會瞬間消失。

• Microsoft Copilot Studio 已經原生支援 MCP，這意味著企業不需要再為每個 Agent 寫一堆膠水代碼。

2025 年的贏家，不是那些還在微調模型參數的人，而是那些搞定了「連接」的人。當 Agent 可以穩定地調用工具、讀取記憶並執行操作時，它就不再是一個昂貴的玩具，而是一個真正的 Digital Worker (數碼勞動力)。

這直接引發了一個更現實的問題：如果 AI 真的開始幹活了，我們該付它多少錢？

座位費沒死，它只是「變種」了 

市場上有一個流行的論點：「AI Agent 將殺死 SaaS 的 Per-Seat (按人頭付費) 商業模式。」這個說法很危險——因為它只對了一半。

SaaS 確實面臨壓力，但巨頭們並不是坐以待斃。我們正在見證商業模式的 Hybrid Mutation (混合突變)。企業不會一夜之間放棄訂閱制，而是進入一個「Seat + Action」的混合支薪時代。

1. Salesforce 的數據反擊

Salesforce 在 2025 年 Q3 (FY26) 的財報給了另一個答案。其 Agentforce + Data 360 業務錄得接近 14億美元 的 ARR (年經常性收入)，年增長率達 114%。

這證明了什麼？證明了企業願意為「數碼勞動力」買單，只要你能證明價值。

2. 定價的藝術：$2 Per Conversation

Salesforce 的定價策略非常有心機。他們推出了 $2 per conversation 的標準定價，並引入了 Flex Credits 機制。這不是單純的 API 調用費，這是 Outcome-Adjacent Pricing。

• 舊世界 (SaaS): 你租用工具，不管你有沒有用，每個月都要付錢。

• 新世界 (Agentic): 你付一筆基礎的「座位費」來維持系統運作，然後為 Agent 的每一次「實際工作」額外付費。

這意味著軟體公司不再只是在切分企業的IT 預算(通常佔營收的 5-10%)，而是開始直接進攻更龐大的勞動力預算。這是一場從「賣鏟子」到「賣挖掘服務」的升級。

不僅LAM，關注 "Context" & "Control" 

不止是 LAM (Large Action Model) 正在堀起 。模型本身正在商品化，任何人都可以透過 API 調用最強的大腦。

真正的護城河在於 Context (上下文) 和 Control (控制權)。誰擁有數據的完整上下文，誰能確保 Agent 不會發瘋，誰就是贏家。

1. Microsoft: The Context King 

Microsoft 的策略是透過 Copilot Studio 讓 Agent 普及化。利用其在 Office 365 和 SharePoint 的統治地位，Microsoft 試圖讓建立 Agent 變得像使用 Excel 一樣簡單。

其優勢在於非結構化數據的處理能力。企業大量的隱性知識隱藏在 PDF、郵件、Teams 會議記錄中。Microsoft 的 Graph 技術讓 Agent 能夠「讀懂」這些散落在各處的知識，這在法律、諮詢、研發等知識密集型工作中構築了極高的壁壘。

更關鍵的是，Copilot Studio 原生支援 MCP (Model Context Protocol)，這讓企業可以快速將 Agent 連接到內部的 Legacy Systems。當你的 Agent 能直接讀懂那份 200 頁的合規 PDF 並回答問題時，這就是護城河 。

2. Palantir: The Reality Architect 

如果說 Microsoft 管文檔，Salesforce 管客戶，那麼 Palantir (PLTR) 就管「現實世界」。

Palantir 的 AIP (Artificial Intelligence Platform) 之所以獨特，在於它的核心技術 Ontology（本體論）。

• 什麼是 Ontology？ 它將真實世界的資產（如工廠流水線、戰場上的坦克、供應鏈中的貨輪）映射為數位雙胞胎。

• Agent 的能力： 其他家的 Agent 頂多幫你寫郵件或更新 CRM，但 Palantir 的 Agent 能執行物理級別的決策。例如：「颶風即將來襲，Agent 自動分析影響，並重新調度 50 個貨櫃的物流路徑」。

• 護城河： 這種讓 Agent 理解「實體資產互動邏輯」的能力，是 Palantir 在軍工、製造和能源領域不可撼動的護城河。對於需要「高風險決策」的企業來說，Palantir 是唯一選擇。

3. Sierra: The Trust Broker 

由 OpenAI 現任董事會主席 Bret Taylor 創立的 Sierra，估值已達 100 億美元。為什麼？因為它解決了 B2C Agent 最致命的問題：Trust (信任)。

在面對消費者時，企業對 Hallucination (幻覺) 是零容忍的。Sierra 的價值在於它不僅僅是讓 Agent 說話，而是建立了嚴密的 Guardrails (護欄)，確保 Agent 絕不承諾超出政策的退款。在 B2B 市場，Reliability (可靠性) 的溢價遠高於 Creativity。

Google DeepMind 的「規模悖論」 

在 Agent 狂熱中，最清醒的聲音反而來自 Google DeepMind。他們發布的研究報告《Towards a Science of Scaling Agent Systems》戳破了「多智能體 (Multi-Agent)」的泡沫 。

1. More Agents ≠ Better

直覺告訴我們，三個臭皮匠勝過一個諸葛亮。但數據告訴我們：錯了。

研究顯示，3-4 個 Agent 是協作效率的「黃金分割點」。一旦超過這個數量，Agent 之間的溝通成本和 Token 消耗將呈指數級上升，而績效卻會出現 Diminishing Returns。

2. 複雜度的代價

• 協調崩潰: 當任務需要過多工具時，多智能體系統容易出現「協調崩潰」，因為它們花在解釋彼此操作上的時間比實際推理還多 。

• 單體強模型勝出: 在許多情況下，一個經過嚴格定義工具的強大單體模型，其表現遠勝過一群平庸的 Agent 互相開會。

這給企業的啟示是： 不要為了 AI 而 AI。盲目堆疊 Agent 數量只會讓你燒光預算，卻得不到結果。Simplicity 和 Focus 才是工程落地的關鍵。

贏家屬於「控制者」

我們正處於一個分水嶺。2025 年不是 Agent 的「魔法元年」，而是 Operational Discipline的元年。

市場不再獎勵那些展示超型 Demo 的公司，而是獎勵那些能將 Agent 轉化為生產級資產的企業 。這場遊戲的贏家邏輯已經徹底改變：

1. 治理即產品：未來的護城河不在於誰的模型參數更大，而在於誰能提供最強的治理框架 。 企業不敢讓 Agent 自主運行的根本原因不是技術能力，而是 Liability (責任) 。像 Sierra 和 Palantir 這樣能提供嚴格護欄、審計日誌和「可解釋性」的平台，將收割 B2B 市場的最大份額。如果你無法控制你的 Agent，你就無法將它部署到核心業務中。

2. 數據鴻溝：我們將看到企業之間出現巨大的 GenAI Divide。 一邊是擁有 Structured Data (結構化數據) 和 Context 的「控制者」(如 Microsoft, Salesforce)，他們的 Agent 能讀懂企業的每一條神經；另一邊是陷在 Unstructured Data (非結構化數據) 泥沼中的落後者，他們的 Agent 只能由始至終地產生幻覺 。Agent 需要的是乾淨的數據糧食，而不是混亂的 PDF 垃圾。

Agentic AI 是一場關於 Infrastructure 和 Integration 的戰爭，而不是模型智商的戰爭。

這不是科幻小說，這是工程學。

蕭生點評

我想大家首先明白AI Agent嘅基本性質。2026年好有可能係AI Agent之年，即係AI係由一個chatbot變成可以幫你採取行動同埋決策嘅工具，呢個係大量慳到好多人手，亦都會令生產力大增。同時呢個都會用到好多算力，因為呢個係chain-of-thought follow up by action。