MasterAgent，一個創造智能的智能產品_風聞

文 ｜ 闌夕

在AI Agent領域，晉西北已經亂成了一鍋粥。

2025年會是一個Agent大年，這個判斷倒是不新鮮，但現在説這話和在半年前説這話，語境完全不同。

這涉及到對於AI的能力感知差異：一方面，最新的大模型已經能夠摘下IMO（國際數學奧林匹克）的金牌，另一方面，關於「Strawberry」這個詞到底包含多少個「r」，各家大廠還要放在元提示詞裏專門訓練，才能減少出錯的可能。

智能是溢出的，這毫無疑問，卻還沒有到AGI的程度，於是又在ChatBot交互場景產生「殺雞用牛刀」的錯配。這種衝突，最終會由Agent的方式來做緩解，證明AI具有解決複雜問題的能力，路徑本身是可預測的。

但Manus燒出的那把火，仍然成為了照亮山野的雄厚光源，以致於今年湧現出的全球AI Agent產品裏，70%以上來自華人團隊，連ChatGPT Agent的發佈，也在垓下之圍裏顯得黯然失色。

從ARR來看，Manus接近1億美金，Genspark達到3600萬美金，Sierra超過2000萬美金，頭部的獨立產品尚且如此能打，就更不用説OpenAI、Anthropic這些「既做裁判員，又做運動員」的模型供應商了。

即便如此，大多數AI Agent產品都還只是在L3階段徘徊。但令人振奮的是，一家全國產化智能體廠商深元人工智能對此發起了挑戰——終於把AI Agent破天荒的捲到了L4級別。

· · ·

準確來説，L4並不是一個AI行業的原生概念，它來自美國汽車工程師學會對於自動駕駛技術的等級劃分，其中L4被定義為「高度自動駕駛」，指的是汽車能在大多數情況不需要人為接管，可在限定區域內上路運行。

L4級別的AI Agent標準，自然也是要在全託管的情況下，能夠自主完成多樣性的工作，體現出無人值守的含金量，並且還要具備自我批判，自我改進以及自我反思能力。

作為全球首款L4級智能體產品、全國產化智能體代表——MasterAgent的最大亮點在於，它本質上不是AI Agent，而是AI Agent的開發引擎，或者説，接近於一種「創造智能的智能」。

在實測裏，MasterAgent體現出的能力，是將Agent平權化，讓每個人都能打造自己的Agent，從其前端界面的主文案就能看出——「一鍵生成專業工作團隊」——這不單是生成一個，而是生成一羣Agent，來為用户服務。

這種非常具有未來感的場景已然實現，用户輸入自己的需求，隨即出現一條流水線，不同專業的Agent分工協作，羣策羣力的交付各自的成果，最後組裝成用户想要的成品。

MasterAgent的考慮也不難理解，複雜任務的難度除了考驗基座模型的能力之外，長上下文的處理和銜接更是重中之重，很多時候影響質量的因素在於丟失了上下文，以致於AI無法進行精確推理，整個流程的錯誤就像多米諾骨牌一樣，潰於一個無法察覺的錯誤。

所以MasterAgent選擇了在拆解需求之後為每一個環節單獨配置一個Agent的路線，這是工程化的典型解法，如果用户認為Manus這樣的產品確實有用，那麼MasterAgent實際上能夠為用户定製出無數個Manus，充分滿足個性化的需求。

在生物學上，製作和使用工具曾是人類區別於其他動物的重要標誌，而AI正在對整個文明的版本推送更新包，這是MasterAgent最讓人感到震撼的地方，當一個個Agent自行調用工具去為用户盡心盡力時，一種賽博牛馬的魔幻感已經有了真實可見的畫面。

· · ·

MasterAgent的開發商，是深元人工智能，自2018年起就專注於交互式3D與人工智能的底層技術研發，先後推出了X-Studio智能體開發引擎、Personal X情感多模態智能體交互系統、Virtual Human智能體創作引擎，一度供給了市面上80%以上的數字人解決方案，在大模型興起之後，又將可視化的智能體銷售和部署到了很多需要虛擬員工的場館，在文旅、教育、醫療、零售、客服等多個領域展現出廣泛應用潛力。

可以説，MasterAgent的前身，就是專業生產Agent的訓練師，在有了足夠多的積累，疊加上底層模型「每半年算力增加一倍、成本縮減一倍」的新定律之後，開始萌生出建設「母體」的念頭。

這和製造業的轉移和升級規律很類似，只要在生產上不斷精進，遲早會進入更上游的設計領域，因為開發出了足夠多的Agent，深元人工智能也有能力開始構建一個用來開發Agent的Agent，如其命名那樣，成為Agent的御主（Master）。

如果説ChatBot帶來的是最低程度的智能平權，那麼Agent帶來的就是中等水平的知行平權，再往後就只有AGI這座聖盃了。

就實際體驗而言，MasterAgent的交付品質上限和下限相隔甚遠，這非常取決於使用者調用Agent的人機協作能力，所以這既可以看作是普通人上手使用的難點，但也投射出產品本身更為壯闊的想象空間。

大模型的原理是預測下一個Token，同理，Agent的原理也離不開擬合，甚至可以説，過擬合才是後訓練和數據標註的分數線，很多時候，完成任務的結果取決於拆分之後能在多大程度上與「題庫」對照。

畢竟，人類的經驗形成，就是建立在局部最優化這個基礎之上，這是生存和適應的基礎，如果每次都在遇到突發事件後重新建立一遍認知，大腦的負載早就不夠用了。

雖然AI本身的訓練也是基於獎勵模型——這難免鼓勵過擬合——但它在湧現時給人制造的驚喜，仍然是最有價值的嘗試，就像DeepSeek-Zero在論文裏呈現的「啊哈」時刻，只有在這樣的稀缺裏，智能的邊界才能被推得更遠。

使用MasterAgent的體感就是如此，看着自己憑空生成的「團隊」一邊配合一邊幹活、還會交叉核驗以便改進工作程序，一種不必要的剝削感油然而生，神話故事裏孫悟空拔毫毛變出百萬大軍的便捷性，也不過如此。

一花一世界，撒豆皆成兵。

· · ·

在嘗試打開消費級市場之前，堅定全國產化路徑的MasterAgent已經在企業級市場「殺瘋了」，廣汽、海爾、中銀國際、六福珠寶等頭部企業以及政府機構都來簽了大單，其中核心原因之一就是，作為AI Agent開發引擎而非單一的AI Agent，MasterAgent的兼容性實在是太高了。

相當於它自帶外接插槽，企業可以接入自己的知識庫或是智能體，在最短的時間內和MasterAgent做適配，然後擴展成一個更強大的Agent團隊，落地成本之低，遠勝於獨立開發或是私有定製。

生成智能體均為可複用、可進化、可學習的特點，讓MasterAgent作為「母體」的價值極高，這已經由來自SaaS市場的訂單證明了，而在跨入消費級市場的判斷做出之後，率先將MasterAgent融入工作流的人，會在Agent這條賽道的起跑線上佔盡優勢。

在MasterAgent的幕後，依託的是中國科學技術大學的專家團隊，擁有極強的工程化自研能力。

和同行們不同，MasterAgent堅持全國產底座，從模型自研打破模型調用再到語料訓練，全都堅定不移的紮根中國本土，「自己人」的含金量十足。而工程化的應用突破，這反映出AI Agent時代最為明顯的一次迭代，即從前的套殼和非套殼之分已經不再奏效了。

從Manus驚豔出世以來，AI Agent的套殼之説就不絕於耳，言下之意當然是套殼沒有價值，「模型即產品」將成為一條必經之路，大模型的研發商將會在市場得到驗證之後親自下場，全鏈路的收割產業。

然而，即便Claude 4實質上已經內化了部分Agent能力，以Claude為主要調用模型的第三方Agent產品依然活得滋潤無比，甚至以AI Coding市場為例，在Claude Code發佈之後，Cursor們還是「該幹嘛幹嘛」，並沒有讓出多少顯性份額。

一方面固然是增長，只要蛋糕的體積持續做大，市場就不會排擠新入局的分羹者，考慮到通用性，AI Agent的用户規模相比AI Coding一定只大不小。

另一方面，懂得如何最大化調用模型的工程能力往往是最容易被低估的，就像遊戲的高階玩家能比遊戲的開發團隊更懂技巧，在具體到發揮模型效能的層面，AI Agent的水平未必不如開發者，這本身也是「術業有專攻」的結果。

所以微軟的CEO納德拉才在今年這波AI Agent大火之前就表示，大模型被商品化是板上釘釘的事情，好的模型必須配備好的產品才有競爭力，而基礎模型商品化的最大受益者必然會是應用層公司。

這麼來看，MasterAgent的卡位就非常準確了，在AI Agent的爆發前夕，提前建好了一座日夜不休的Agent製造工廠。

AI讓人類過足了「造物主」的癮，隨手就能擼出一個能夠自己幹活的小微智能物種，對於生產力的解放無疑是巨大的，哪怕它目前還有着種種不足，但掛在後台隔一會兒就能回來檢閲結果的全新體驗，將會伴隨着這一代年輕人成長起來，鋪滿AGI時代的萬古長夜。