在AI领域，一场关于Agent未来的讨论正悄然兴起。金沙江创投主管合伙人朱啸虎近期发表言论，预言“90%的Agent将被大模型吞噬”，此言一出，立即在行业内引起轩然大波。
朱啸虎的言论并非空穴来风。以Manus为例，这家曾备受瞩目的通用Agent公司，近期宣布总部迁至新加坡，并在国内进行大规模裁员，同时放弃了国内版本的上线计划。这一系列动作，无疑给通用Agent的前景蒙上了一层阴影。尽管Manus背后有BenchMark等美元基金的强力支持，且其底层模型涵盖了Gemini、Claude等海外知名模型，但面对现实的压力，它也不得不做出调整。
通用Agent的困境，不仅仅体现在Manus身上。整个赛道都面临着用户活跃度下降和收入变现难题。技术热潮和资本狂欢过后，通用Agent尚未找到能够吸引广大C端用户持续付费的杀手级应用场景。它们往往只能作为半成品出现在PPT中，或是成为几份报告中的点缀。
大模型能力的飞速发展，对通用Agent构成了直接威胁。随着模型性能的不断提升，用户可以直接调用模型来完成任务，而无需额外付费使用功能重叠的通用Agent产品。以AI代码为例，Anthropic的Claude、谷歌的Gemini等模型，其编码能力随着更新而不断提升。用户只需支付相对低廉的费用，就可以随意调用这些模型，完成复杂的编程任务。
在企业端，通用Agent同样面临着垂类Agent的竞争压力。垂类Agent针对特定场景进行优化，其准确度和效率远超通用Agent。因此，在引入新技术时，企业更倾向于选择垂类Agent来满足自身需求。通用Agent则因决策过程不透明、输出结果存在随机性等问题，而难以获得企业的青睐。
通用Agent的尴尬境地，也反映在用户对其热情的消退上。虽然通用Agent在商业化方面展现出了巨大的潜力，但短期的流量上涨过后，访问量和收入均出现了不同程度的下降。以Manus和Genspark为例，这两个商业化表现突出的产品，在6月份均出现了访问量和月度收入环比下跌的情况。
面对困境，通用Agent赛道上的玩家们并未放弃探索。他们试图通过技术创新和场景深耕来突破瓶颈。一些公司开始将强化学习等技术应用于Agent训练中，以提升其泛化能力和执行稳定性。同时，他们也在努力寻找更多贴合用户需求的应用场景，以吸引更多用户参与。
