曩昔三年，厂碎超大模型从生成走向了解，步快从多模态走向履行，跑反让 AI 榜首次具有了接受杂乱使命链的厂碎超才干
。到了 2024 年  ，步快Agent 概念敏捷兴起，跑反成为 AI 运用落地的厂碎超新焦点 。所以进入 2025 年，步快越来越多业内助确定——这便是跑反 Agent 元年
。

现在的厂碎超 AI 不再仅仅一个“能谈天写稿”的帮手
，而是步快实在具有方针了解 、途径规划和履行交给才干的跑反数字职工，能接使命、厂碎超干活、步快反应，跑反乃至还能协作
。那些曩昔有必要靠人重复比价 、操作
、整合的数据密集型流程，现在 AI 也能稳稳接住，而且跑得不错。

而在这场由科技巨子主导的 AI 比赛中，微软、谷歌、OpenAI 掌握着底层模型的主导权，国内的百度、阿里、腾讯也在重金投入，外表看起来，小厂好像底子没时机参加 。但其实，跟着根底模型越来越老练，实在的改动是
：现在许多小厂开端认真地去考虑一个问题 ：我是不是可以下场去做产品了 ？

举个比方。本年 4 月，飞猪上线了AI 产品“问一问” ，这个产品本质上是一个“AI 游览管家”，但比起曾经那种只能答复“云南好玩吗”的机器人 ，它更像是一个专业的游览团队 。你一开口
，它背面立马有一群 AI 人物上阵 ，有人规划道路
，有人查机票 ，有人找酒店，有人操控预算，咱们分工明晰
，一同给你搞定一套完好的游览计划 ，而且它并不是用固定的模板去套娃
，而是依据你说的话灵敏组合。

比方你对它说“暑假想去昆明玩七天”，它能辨认你现在在哪里，而且立刻发动一整套流程，给你一份包含航班、酒店、景点在内的七天行程计划，附上总预算 3831 元。要害是，它引荐的不只仅“昆明有哪些景点”这种浅层内容，而是依照时刻次序帮你安排每一天该去哪玩、住在哪、怎么走 ，连航班起飞时刻都考虑在内了。

这个产品从概念上讲没什么稀罕，但在根底模型功用和通用 Agent 你追我赶 、高举高打的比赛中，居然小小地出圈了一把。初上线时 ，“问一问”的约请码一码难求。实测下来 ，虽不完美
，比方预算的预算成果不行精确、多人计划的酒店安排上也不行智能 ，但全体来说，这是一款可靠性和可用性显着提高的游览 AI 产品，而这是其时商场上极少数从概念的起跑线上往前跨步的产品之一。

据飞猪其时介绍，它靠的是飞猪的实在供应数据：接入实时航班和酒店库存 ，结合实在出行记载和多年定制游经历 。用他们自己的话说，“不是数据越多越好，而是数据对不对、准禁绝” 。

数据是一方面，功用的可用性和洽体会是另一方面。实际上，咱们了解到现在“问一问”仍在继续补课和进阶中
。5月26日，飞猪称最新版别的“问一问”晋级部分功用，包含特价机酒的查询才干更强、新增匹配权益的“会员帮手”人物，手绘地图和SUG功用也能用了。整个体会下来，丝滑度有显着提高。

论模型 ，这是海内外不到 10 家大厂才有资历参加的比赛；论技能 ，有沉积有人才的公司百家争鸣；即便是单看旅职业  ，更大 、更有钱、人更多的选手也大有人在 。所以，当“弟弟辈”的飞猪拿出“问一问”之后，关于做成 AI agent 的大小厂评论开端变得有意思了 。

谁先做出闭环，谁便是默许选项。

2025 年被称作“Agent 元年”，并不只仅说说罢了 。

从文本生成到多模态，从问答帮手到可举动的智能体
，AI 的开展途径现已走到了一个新的临界点。这一年 ，最要害的改动是 AI 现已开端能“着手”了：曩昔你只能让它写写案牍、查查材料，现在你可以让它订酒店、找航班、规划日程、跑数据，乃至在公司内部搞自动化流程办理。AI 从“帮手”走向“职工”的改动，让它具有了实在商业落地的或许性。

2025 年也是 AI 产品从“功用型东西”晋级为“使命型履行者”的重要时刻窗口。谁能在这个窗口期首先打造出一款可落地、用户可感知价值的 AI Agent 产品 ，谁就有时机树立一个长线优势。

为什么这么说 ？其实一切软件产品都有“先发盈利”，但 AI 产品的盈利扩大效应更强。由于 AI 的运用会继续反应——你用得越多，数据越准 
，语料越多，模型作用越好 ，体会也越顺。这种体会上的“滚雪球”效应一旦发动 ，后来者就很难追上。

尤其是 Agent 类产品，不光要调模型 、接接口，还要磨调度逻辑 、跑使命链路、树立行为反应闭环 。这不是靠仿制代码能赶上的，而是靠长时刻实在场景打磨出来的 。

而咱们也刚刚进入了一个十分奇妙的临界状态
：技能现已根本老练，但商场心智还没固化。也便是说
，现在的每一个新产品 ，都是在用户“记不住谁是谁”的阶段杀出来的
，只需体会够好、节奏够快 ，就有时机抢下“默许选项”的方位 。

未来一年
，谁占住用户认知 ，谁就有或许成为 AI Agent 这场比赛的“途径型赢家”。

咱们看到，本年春节往后 Manus 仅凭仗一则发布视频和少数供专业人士体会内测约请码，就足以站稳“全球首款通用 Agent ”的标签。相同地
，假如你现在问 DeepSeek “给我引荐一个国内游览 AI 产品，只引荐一个”，它会介绍飞猪的“问一问”。

这足以证明，在一个还没有构成海的商场范畴，谁先驶出去一帆船 ，谁就有或许优先享有新大陆的界说权。好像 Manus，飞猪“问一问”某种程度上也现已抢占了用户对游览类 AI 该长什么样的榜首认知。这种认知将跟着产品运用量的增加被进一步扩大。

这家公司让人感到意外的是，它做的不只仅“我也有 AI”，而是直接企图切入“ AI 帮你搞定一整套行程”，跑在了商场前面。这不只阐明飞猪勇气可嘉，更阐明内部履行力并不弱。在更大的“厂”还在调研、张望 、评价时  ，它现已把榜首个版别交到了用户手上。

这就比方你在百米赛跑中抢跑了 0.5 秒。而在 AI 这个敏捷指数级生长的赛道上
，这个身位的抢先，或许便是未来三年整个商业版图中的战略差异 。

榜首批履行者已上场 。

不过提到 Agent，许多人会不自觉地把它和“高门槛”“技能壁垒”“大厂才干玩得转”等形象绑定在一同 。但现实并非如此
。AI Agent 的落地门槛在快速下降。

曩昔你要打造一个“能履行使命”的 AI，或许得组成一个几十人的研制团队 ，要练习自己的模型，要接通各种接口 、操控外部系统
。可是现在，开源模型生态飞速开展
，像 OpenAI、Claude 、DeepSeek 等现已能供给功用丰厚的通用大模型，还有LangChain 、AutoGen、OpenDevin 等东西链让你简直用拼积木的方法就能建立一个多智能体系统 ，除此之外还有 Zapier、Make.com 这种低代码自动化途径 ，可以帮你完结很多接口打通作业。

提到底，现在想搞一个 Agent 产品，要害不在于你有没有上千张卡，而在于你能不能找对场景 ，搞清楚使命链路
，做好调度逻辑，然后快速落地测验
。

这便是小厂的时机地点 
。

看看最近几年跑出来的AI产品 ，有多少是大厂做的 ？Kimi 是创业团队 ，Notion AI 是一个十几人团队做的插件，Draw Things 是一个独立开发者 ，乃至像 Rewind 、Quivr 、Mistral 这样的模型级创业公司，初期也不过十几人
。

它们为什么能跑出来  ？中心原因有几点：

榜首，它们都有一个特别明晰的 、实在的用户痛点 ，而不是为了用 AI 而用 AI。

第二
，它们都没有把 AI 有多强挂在嘴边，而是把 AI 藏在后边，处理前台的问题，让用户觉得这个产品真的对我有协助。

第三
，它们没有在模型参数和练习集上内卷
，而是用现有的老练才干，做出了打磨到位的好体会。

第四
，它们靠产品赢用户、靠口碑赢商场，而不是靠 PPT 和融资讲故事。

这时候你再看 Manus 和飞猪的问一问 ，其实也是相同的逻辑 。Manus 背面的公司 Monica ，典型的接连创业型小厂，但他们对自己“在大厂生态内分一杯他们‘不肯躬身做但弃之略惋惜’的商场”的定位满足明晰，对外界套壳与否的评论并不纠结 ，对可用性满足灵敏 ，这才有了纯用户视角的 Agent 产品爆火。

飞猪虽不是创业公司，挂着“阿里系”的标签
，但飞猪在游览职业并不是头号玩家，反而是由于包袱小
、决议计划灵敏、勇于折腾 ，尤其是单点投入的瞬间压强满足大，所以即便是其他游览公司早就声称要打造游览大模型时，飞猪可以更快做判别 、更快推动一个详细的产品落地。

别的，垂类公司和超级途径比较，胜在场景更收敛，或许在特定的范畴满足专精。比方飞猪之于旅职业 ，机酒的实时值库数据、不同目的地的经典玩法 ，以及过往多年堆集的实在用户反应 ，在 Agent 的练习和调优里具有不行代替的价值
。

从这个意义上说，Agent 的时机绝不是大厂专属 
。小厂相同能吃螃蟹，要害在于是你是不是那个满足聪明、满足敏捷 ，而且能英勇试错的人
。

这是一个全新的未来。

(大众号：)以为可以凭仗 AI 做出好东西小厂不断出现，这也阐明晰 AI 正在翻开一个全新的年代窗口，它不仅仅一次技能跃迁 ，更像是一次职业结构的从头洗牌。

在这个窗口里 ，每个人、每家公司、每个安排 ，都有时机用自己的节奏 、自己的优势，打出一条异乎寻常的生长曲线 。尤其是那些一直在垂类深耕、技能上有堆集 、对用户有了解的小厂 ，他们手里握着长时刻堆集的数据、常识和流程 ，一旦和 AI 结合
，很有或许在这个阶段迎来会集迸发
。

比方 Notion AI，便是在本来笔记东西的根底上参加 AI 插件，立马变成了一个“常识作业者的超级帮手”，Draw Things 本来也仅仅个 Stable Diffusion 包装壳
，一旦跑通本地优化和 UI 体会 ，立刻成为离线绘图首选 ，Kimi 更是靠“超级长上下文”和“多步查找”抓住了常识密集型用户的心智。

“问一问”也是如此，你会发现它用 AI 把本来归于高净值用户的定制游服务直接给“平民化”了。曩昔要花三天时刻查攻略 、比价格 、做行程，现在一键生成  ，实时值格、行程合理 
、还能立刻下单。而这一切的背面
，是供应链、数据系统和游览场景常识的天然延伸。AI 仅仅把它们激活了、组合了 、扩大了。

这类立异正是小厂的典型优势地点 。当然，大厂有的是资源和本钱，还有雄厚的人才储藏和技能系统 ，掌控着模型、途径 、分发途径等要害才干，一旦它们觉悟并全面介入某个赛道，小厂要守住优势其实并不简单。但与此同时
，大厂的下风也很显着——它们往往重视的是通用场景、是大用户群 ，在战略挑选上更稳健保存
，不肯意投入资源去处理那些看起来不行“规模化”的问题。而实在详尽 、详细、冷门又难搞的“边际需求”，反倒是小厂的时机。

以为只需小厂能踩中一个大厂“顾不上”或“不屑于做”的点，并把它做到极致，AI 就会成为增速引擎，帮小公司快速走出自己的节奏 。

未来每一个笔直范畴，都有或许诞生 AI 驱动的“新伟人”。它不必定出自硅谷 、也不必定是独角兽公司 ，而或许便是那个本来在角落里默默耕耘的团队 ，靠着一项他人没留意的微立异、一项他人看不上的需求切断，和 AI 一同跑出惊人的增加曲线。

AI 年代早就含糊了厂牌的鸿沟 。你可所以只需 5 个人的创业公司
，也可所以一个独立开发者团队，也可所以像飞猪这样的中型业务部门——只需你能首先打造出那个“AI真有用”的产品，你就有或许成为下一个改动格式的力气。

原创文章，未经授权制止转载 。概况见转载须知。