过去三年，厂碎超大模型从生成走向理解，步快从多模态走向执行，跑反苏州大学偷拍地址让 AI 第一次具备了承接复杂任务链的厂碎超能力。到了 2024 年，步快Agent 概念迅速崛起，跑反成为 AI 应用落地的厂碎超新焦点。所以进入 2025 年，步快越来越多业内人认定——这就是跑反 Agent 元年。

现在的厂碎超 AI 不再只是一个“能聊天写稿”的助手，而是步快真正具备目标理解、路径规划和执行交付能力的跑反数字员工，能接任务、厂碎超干活、步快反馈，跑反甚至还能协作。那些过去必须靠人反复比价、操作、整合的信息密集型流程，现在 AI 也能稳稳接住，而且跑得不错。

而在这场由科技巨头主导的 AI 竞赛中，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，表面看起来，小厂好像根本没机会参与。但其实，随着基础模型越来越成熟，真正的变化是：现在很多小厂开始认真地去思考一个问题：我是不是可以下场去做产物了？

举个例子。今年 4 月，飞猪上线了AI 产物“问一问”，这个产物本质上是苏州大学偷拍地址一个“AI 旅行管家”，但比起以前那种只能回答“云南好玩吗”的机器人，它更像是一个专业的旅行团队。你一开口，它背后立马有一群 AI 角色上阵，有人规划路线，有人查机票，有人找酒店，有人控制预算，大家分工明确，一起给你搞定一套完整的旅行方案，并且它并不是用固定的模板去套娃，而是根据你说的话灵活组合。

比如你对它说“暑假想去昆明玩七天”，它能识别你现在在哪里，并且马上启动一整套流程，给你一份包括航班、酒店、景点在内的七天行程计划，附上总预算 3831 元。关键是，它推荐的不只是“昆明有哪些景点”这种浅层内容，而是按照时间顺序帮你安排每一天该去哪玩、住在哪、怎么走，连航班起飞时间都考虑在内了。

这个产物从概念上讲没什么稀奇，但在基础模型性能和通用 Agent 你追我赶、高举高打的竞赛中，竟然小小地出圈了一把。初上线时，“问一问”的邀请码一码难求。实测下来，虽不完美，比如预算的估算结果不够准确、多人方案的酒店安排上也不够智能，但整体来说，这是一款可靠性和可用性显著提升的旅行 AI 产物，而这是当前市场上极少数从概念的起跑线上往前迈步的产物之一。

据飞猪当时介绍，它靠的是飞猪的真实供给信息：接入实时航班和酒店库存，结合真实出行记录和多年定制游经验。用他们自己的话说，“不是信息越多越好，而是信息对不对、准不准”。

信息是一方面，功能的可用性和好体验是另一方面。实际上，我们了解到目前“问一问”仍在持续补课和进阶中。5月26日，飞猪称最新版本的“问一问”升级部分功能，包括特价机酒的查询能力更强、新增匹配权益的“会员助手”角色，手绘地图和SUG功能也能用了。整个体验下来，丝滑度有明显提升。

论模型，这是海内外不到 10 家大厂才有资格参与的竞争；论工艺，有沉淀有人才的公司百花齐放；即便是单看旅游业，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 的大小厂讨论开始变得有意思了。

谁先做出闭环，谁就是默认选项

2025 年被称作“Agent 元年”，并不只是说说而已。

从文本生成到多模态，从问答助手到可行动的智能体，AI 的增长路径已经走到了一个新的临界点。这一年，最关键的变化是 AI 已经开始能“动手”了：过去你只能让它写写文案、查查资料，现在你可以让它订酒店、找航班、规划日程、跑信息，甚至在公司内部搞自动化流程运营。AI 从“助手”走向“员工”的变化，让它具备了真正商业落地的可能性。

2025 年也是 AI 产物从“功能型工具”升级为“任务型执行者”的关键时间窗口。谁能在这个窗口期率先打造出一款可落地、客户可感知价值的 AI Agent 产物，谁就有机会建立一个长线优势。

为什么这么说？其实所有软件产物都有“先发红利”，但 AI 产物的红利放大效应更强。因为 AI 的使用会持续反馈——你用得越多，信息越准，语料越多，模型效果越好，体验也越顺。这种体验上的“滚雪球”效应一旦启动，后来者就很难追上。

尤其是 Agent 类产物，不光要调模型、接接口，还要磨调度逻辑、跑任务链路、建立行为反馈闭环。这不是靠复制代码能赶上的，而是靠长期真实场景打磨出来的。

而我们也刚刚进入了一个非常微妙的临界状态：工艺已经基本成熟，但市场心智还没固化。也就是说，现在的每一个新产物，都是在客户“记不住谁是谁”的阶段杀出来的，只要体验够好、节奏够快，就有机会抢下“默认选项”的位置。

未来一年，谁占住客户认知，谁就有可能成为 AI Agent 这场竞赛的“平台型赢家”。

我们看到，今年春节过后 Manus 仅凭借一则发布影片和少量供专业人士体验内测邀请码，就足以站稳“全球首款通用 Agent ”的标签。同样地，如果你现在问 DeepSeek “给我推荐一个国内旅行 AI 产物，只推荐一个”，它会介绍飞猪的“问一问”。

这足以证明，在一个还没有形成海的市场领域，谁先驶出去一帆船，谁就有可能优先享有新大陆的定义权。如同 Manus，飞猪“问一问”某种程度上也已经抢占了客户对旅行类 AI 该长什么样的第一认知。这种认知将随着产物使用量的增长被进一步放大。

这家公司让人感到意外的是，它做的不只是“我也有 AI”，而是直接试图切入“ AI 帮你搞定一整套行程”，跑在了市场前面。这不仅说明飞猪勇气可嘉，更说明内部执行力并不弱。在更大的“厂”还在调研、观望、评估时，它已经把第一个版本交到了客户手上。

这就好比你在百米赛跑中抢跑了 0.5 秒。而在 AI 这个迅速指数级成长的赛道上，这个身位的领先，可能就是未来三年整个商业版图中的战略差异。

第一批执行者已上场

不过说到 Agent，很多人会不自觉地把它和“高门槛”“工艺壁垒”“大厂才能玩得转”等印象绑定在一起。但事实并非如此。AI Agent 的落地门槛在快速下降。

过去你要打造一个“能执行任务”的 AI，可能得组建一个几十人的研发团队，要训练自己的模型，要接通各种接口、控制外部系统。但是现在，开源模型生态飞速增长，像 OpenAI、Claude、DeepSeek 等已经能提供功能丰富的通用大模型，还有LangChain、AutoGen、OpenDevin 等工具链让你几乎用拼积木的方式就能搭建一个多智能体系统，除此之外还有 Zapier、Make.com 这种低代码自动化平台，可以帮你完成大量接口打通工作。

说到底，现在想搞一个 Agent 产物，关键不在于你有没有上千张卡，而在于你能不能找对场景，搞清楚任务链路，做好调度逻辑，然后快速落地测试。

这就是小厂的机会所在。

看看最近几年跑出来的AI产物，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，甚至像 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？核心原因有几点：

第一，它们都有一个特别明确的、真实的客户痛点，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 藏在后面，解决前台的问题，让客户觉得这个产物真的对我有帮助。

第三，它们没有在模型参数和训练集上内卷，而是用现有的成熟能力，做出了打磨到位的好体验。

第四，它们靠产物赢客户、靠口碑赢市场，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，其实也是同样的逻辑。Manus 背后的公司 Monica，典型的连续创业型小厂，但他们对自己“在大厂生态内分一杯他们‘不愿躬身做但弃之略可惜’的市场”的定位足够清晰，对外界套壳与否的讨论并不纠结，对可用性足够敏感，这才有了纯客户视角的 Agent 产物爆火。

飞猪虽不是创业公司，挂着“阿里系”的标签，但飞猪在旅游行业并不是头号玩家，反而是因为包袱小、决策灵活、敢于折腾，尤其是单点投入的瞬间压强足够大，所以即便是其他旅游公司早就宣称要打造旅游大模型时，飞猪可以更快做判断、更快推进一个具体的产物落地。

另外，垂类公司和超级平台相比，胜在场景更收敛，或者在特定的领域足够专精。比如飞猪之于旅游业，机酒的实时价库信息、不同目的地的经典玩法，以及过往多年积累的真实客户反馈，在 Agent 的训练和调优里具有不可替代的价值。

从这个意义上说，Agent 的机会绝不是大厂专属。小厂一样能吃螃蟹，关键在于是你是不是那个足够聪明、足够迅速，并且能勇敢试错的人。

这是一个全新的未来

雷峰网(公众号：雷峰网)认为能够凭借 AI 做出好东西小厂不断出现，这也说明了 AI 正在打开一个全新的时代窗口，它不仅是一次工艺跃迁，更像是一次行业结构的重新洗牌。

在这个窗口里，每个人、每家公司、每个组织，都有机会用自己的节奏、自己的优势，打出一条与众不同的成长曲线。尤其是那些一直在垂类深耕、工艺上有积累、对客户有理解的小厂，他们手里握着长期积累的信息、知识和流程，一旦和 AI 结合，很有可能在这个阶段迎来集中爆发。

比如 Notion AI，就是在原本笔记工具的基础上加入 AI 插件，立马变成了一个“知识工作者的超级助手”，Draw Things 原本也只是个 Stable Diffusion 包装壳，一旦跑通本地优化和 UI 体验，马上成为离线绘图首选，Kimi 更是靠“超级长上下文”和“多步搜索”抓住了知识密集型客户的心智。

“问一问”也是如此，你会发现它用 AI 把原本属于高净值客户的定制游支持直接给“平民化”了。过去要花三天时间查攻略、比价格、做行程，现在一键生成，实时价格、行程合理、还能马上下单。而这一切的背后，是供应链、信息系统和旅行场景知识的自然延伸。AI 只是把它们激活了、组合了、放大了。

这类创新正是小厂的典型优势所在。当然，大厂有的是资源和资本，还有雄厚的人才储备和工艺体系，掌控着模型、平台、分发渠道等关键能力，一旦它们觉醒并全面介入某个赛道，小厂要守住优势其实并不容易。但与此同时，大厂的劣势也很明显——它们往往关注的是通用场景、是大客户群，在策略选择上更稳健保守，不愿意投入资源去解决那些看起来不够“规模化”的问题。而真正细致、具体、冷门又难搞的“边缘需求”，反倒是小厂的机会。

雷峰网认为只要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。

未来每一个垂直领域，都有可能诞生 AI 驱动的“新巨人”。它不一定出自硅谷、也不一定是独角兽公司，而可能就是那个原本在角落里默默耕耘的团队，靠着一项别人没注意的微创新、一项别人看不上的需求切口，和 AI 一起跑出惊人的增长曲线。

AI 时代早就模糊了厂牌的边界。你可以是只有 5 个人的创业公司，也可以是一个独立开发者团队，也可以是像飞猪这样的中型业务部门——只要你能率先打造出那个“AI真有用”的产物，你就有可能成为下一个改变格局的力量。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。