如需报告请联系客服或扫码获取更多报告

第一章 Al Agent产业发展现状

1.1.1Al Agent概念定义

AlAgent是一种能够感知外部环境、自主制定决策并执行具体操作的智能系统。相较于传统Al，AlAgent具备自主推理与任务规划能力，能够独立完成复杂目标。

AlAgent是一个自主控制各类工具解决问题的Agent系统。一个基于大模型的Al Agent系统包括大模型、记忆系统、工具使用四大核心组件，运行机制大致为：输入请求→大模型理解请求→规划模块分拆任务步骤→记忆系统提供上下文→工具集成执行任务→感知与观测获取环境信息反馈→验证规划的步骤已执行→输出结果。

AlAgent分类体系主要围绕技术实现路径与生态影响模式展开。按技术路径，分为APIAgent与GUIAgent两类。APIAgent依托标准接口传输结构化数据，功能边界受限于第三方开放度。GUIAgent通过解析屏幕并模拟触控，具备跨软件的泛化操作能力。按生态影响模式，AIAgent分为工具类、合作式与侵入式三类。工具类Agent在自有生态或本地环境闭环运行，不涉及第三方交互，安全可控。合作式Agent遵循双向授权原则，基于互信机制协同操作，维护行业秩序。侵入式Agent在未经第三方授权时，跨应用调用底层权限。此行为打破了既有服务闭环，极易引发无止境的技术攻防对抗，最终导致生态割裂与用户体验下降。

1.1.2 Al Agent市场规模

全球AIAgent市场正迎来倍数级扩张。海外市场依托标准化的应用程序接口规范维持领先地位。中国市场由于底层系统缺乏互通，规模化落地主要表现为垂直行业的深度定制。

全球通用型AIAgent市场在2025至2026年间正处于高速增长期。全球月活跃用户预计将从2025年1月的2亿增至2026年12月的5.3亿，整体增幅超过一倍。在市场总量扩大的同时，各区域的增长表现差异显著。中国市场的用户占比预计从2025年初的28%逐步降至24%，海外市场份额则从72%提升至76%。这一趋势表明，海外市场未来三至五年的增长速度与普及率将持续高于中国市场。

区域增长差异的根本原因在于底层软件架构的不同。海外市场具备成熟的软件服务体系和标准化的程序接口规范，为AI应用提供了易于接入的数字环境。这让AlAgent能够以较低的边际成本融入企业现有的工作流程，快速转化为实际生产力。相比之下，中国企业级市场的软件环境较为分散，定制化开发比例高，各系统接口之间缺乏互通。这种结构限制导致通用型AIAgent在中国企业的部署成本增加且适配困难，最终影响了规模化应用的推进速度。

1.2.1GUIAgent与APIAgent的概念定义

APIAgent通过程序接口实现协议通信，GUIAgent通过模拟用户界面进行交互，这两类技术路径可独立或协作完成跨系统的复杂任务。

在互联网生态中，跨平台数据协同是数字服务的核心。网站与应用程序通常需要接入第三方数据源来构建服务闭环。出于数据主权、商业利益及合规性等因素，许多数据资源留存于相互独立的系统之中。这种数据隔离的现状，使得外部系统实现跨域共享面临一定挑战。

目前主要通过两种路径解决这一问题。首先是应用程序编程接口，即APIAgent架构。它依靠预设的接口规范和通信协议，为第三方系统提供可控的访问入口。这种方式满足安全审计需求，并能确保服务方对数据调用的可追溯性。其次是图形用户界面交互，即GUIAgent方案。这种方式不依赖API接口，而是通过启动操作系统级无障碍服务来模仿用户的界面操作。其逻辑在于AI能够通过与人类相同的视觉路径完成跨系统任务。

API与GUI在技术特性与生态治理维度上存在显著差异。APIAgent侧重于结构化交互，通过后端协议直接通信，确保了传输的精准度与效率。这种模式通常需要用户与平台方的共同许可，属于典型的合作式路径。这种合作模式尊重原开发者的商业利益与知识产权，有助于维护数字生态的稳定性。与之相比，GUIAgent虽然具备较强的泛化能力，能够操作各类可视化界面，但其授权机制存在明显分化。其中一类是获得了平台授权并在互信机制下运行的合作式GUI。另一类则是未经第三方应用程序开发者授权，利用超级底层权限强行介入的侵入式路径。

对比两种AIAgent范式，GUIAgent的核心优势在于通用性高，但在可靠性、效率性、安全性等方面弱于APIAgent。

(1）在通用性方面，相较于APIAgent的拓展依赖于创建和部暑的额外端点，GUIAgent因不需要与应用程序开发者进行适配，理论上用户可使用的程序，GUIAgent都能使用，解决了应用覆盖率的问题，对新功能或未暴露功能的适配能力也更强。

（2）在可靠性方面，因目前大模型技术对复杂界面的识别准确率尚未达到100%、需模拟用户的多个操作导致风险累积、界面改版时可能导致失效等，GUIAgent执行复杂任务的失败率较API Agent高。

(3）在执行效率方面，APIAgent可通过一次精准调用就完成复杂任务，后端直接驱动执行效率高，但GUIAgent哪怕是在完成简单任务时，也需要经过多次截图分析、视觉推理等复杂计算，效率低且算力消耗大。例如：当你需要在手机上设置一个12月12日晚上八点的会议提醒时，API Agent仅需调用一次API并进行适当的认证即可创建事件提醒，但GUIAgent需要打开日历，通过视觉导航填写相关字段，并点击按钮完成会议详情设置。

（4）在隐私性方面，不同于APIAgent的应用端后台对数据和权限进行精细化管理，GUIAgent因需要读取屏幕内容，容易暴露敏感信息，导致隐私风险高。

1.2.2GUI Agent市场规模

全球GUIAgent市场在2025至2026年间高速增长，中国市场受移动应用环境封闭与厂商系统级预装策略共同驱动，其普及速度与全球份额占比均实现显著提升。

全球GUIAgent市场的活跃用户量在2025年至2026年间将呈现显著上升趋势。该领域的月活跃用户总数预计将从2025年1月的0.02亿增长至2026年12月的0.49亿。与通用型市场占比下滑的趋势不同，中国在GUIAgent领域的市场占有率将从29%稳步提升至36%。与此同时海外市场的占比将从71%下降至64%。这种结构变化表明中国正在成为该技术方向增长的主要推动力量。

中国市场在GUIAgent领域的普及优势主要源于其独特的移动互联网环境与硬件厂商的推广策略。中国移动互联网的应用环境具有较强的独立特征，各软件之间缺乏标准的数据互通机制。这使得通过视觉模拟来实现跨软件操作的GUIAgent成为解决系统协作问题的主要方式。此外中国厂商在技术普及方面表现得更为积极。相比海外开发商较为审慎的商业化态度，国内手机与操作系统厂商倾向于在系统基础层面直接预装相关功能。这种由系统供应方直接提供的推广模式能够更快让用户使用，从而在短时间内推动了市场规模的迅速增长。

1.2.3GUIAgent产业发展历程

GUI自动化早已有之。自2023年起，多模态理解与跨环境泛化显著降低GUIAgent开发部署门槛；2025年，手机Al助手、豆包手机助手、AutoGLM等GUIAgent相继发布。

困形用户界面是人机交互的主要方式，广泛应用于从操作系统到移动程序的各类数字系统。图形用户界面自动化是指通过程序模拟人类的鼠标点击与键盘输入等操作，自动完成人工任务。其规模化应用主要依靠系统授权的无障碍辅助功能。

在自动化初期，系统高度依赖随机操作与预设规则以及固定脚本。这些策略通过在屏幕特定位置执行设定动作来实现自动化。此时无障碍辅助服务主要负责提供结构化的界面信息与执行接口。例如，早期的录制回放工具虽然在固定环境中表现良好，但缺乏灵活性与适应能力，需要频繁进行人工更新。这限制了技术的通用性，使其难以应对不断变化的界面与多样化的软件应用。

2020年前后，随着人工智能技术的演进，这一时期行业内出现了利用机器学习识别屏幕组件的测试系统，并将自动化能力跨平台拓展至不同设备。同时期部分系统开始支持用户通过自然语言指令直接控制图形界面，强化学习技术也在处理复杂网络交互任务中展现出技术潜力。在此阶段，系统无障碍辅助功能的作用升级为环境感知与动作匹配，将纯视觉像素转化为算法可解析的结构化数据，从而将用户的语言指令精准映射到具体的界面控件上，初步摆脱了对固定屏幕坐标的依赖。

到了2023年，大型语言模型的广泛应用彻底改变了自动化技术的演进路线。GUlAgent正式进入语义理解阶段，能够基于屏幕视觉识别执行非固定路径的操作，并在网页与移动端及桌面端实现全面技术突破。行业内开始广泛利用大模型执行网络导航与手机自动化控制，甚至在主流操作系统中执行跨款件的复杂指令。为提升系统性能，研究人员通过积累任务经验与优化提示词等方式，指导视觉模型模仿人类行为并实现多智能体协同。在此阶段，无障碍辅助功能正式确立为结构化的信息入口，为大模型提供具备属性定义的界面元素，大幅降低了纯视觉识别技术带来的执行误差。

自2024年起，基于原生多模态大模型的范式成为行业主导。在该模式下任务呈现端到端的学习与执行特征，将信息感知与逻辑推理以及记忆行动深度整合于单一模型内。这种数据驱动的本质使GUIAgent能够自主适应全新任务与未知界面，彻底脱离了对人工预设规则的依赖，极大提升了产品的业务拓展能力。同年后期，海外领先厂商发布了具备系统级计算机操作能力的视觉大模型，能够自主识别屏幕元素并完成跨软件任务，标志着该技术正式走向商业实用阶段。随后集成了专属交互模型的智能Agent产品相继问世，系统不仅开放了底层开发接口，还能完全模拟人类行为进行网页浏览与信息录入，自动处理多步骤并行任务，推动了行业应用标准的确立。

在全球技术走向商业实用的同时，中国市场也紧跟发展趋势，在2025年迎来了原生GUIAgent的密集应用与技术创新。2025年3月Monica团队发布了通用AIAgent产品Manus。该产品采用较少结构化与多智能体协同的设计方案，能够独立完成复杂的跨软件任务，进一步验证了GUIAgent的广泛适应能力。同年7月终端厂商荣耀发布了界面操作大模型。该模型不仅能够理解复杂的用户需求，更能跨越不同软件协同完成业务，例如在各类出行软件中自动执行开启程序与选择地址及确认车型并下单等多项连贯流程。随着技术向移动端深入，2025年12月字节跳动推出了专属手机助手的技术预览版本。该系统通过获取移动设备系统级授权，在终端实现了持久的本地记忆与直接跨软件操作功能，无需依赖第三方数据接口即可执行打开软件与点击滑动及输入文字等连续动作。紧随其后智谱公司开源了其移动端智能助手框架。

该开源框架米用外部Agent控制结合标准终端的系统架构，支持云端AIAgent通过系统调试接口远程控制安卓设备并自动完成各类任务。值得注意的是，各类终端助手与开源框架均依赖系统级无障碍权限，能直接读取通讯与支付等敏感信息。若无严格的权限管控，技术规模化应用将面临严重的安全风险。

1.3.1侵入式Agent与合作式Agent的概念定义

合作式Agent基于用户授权与应用许可，采用规范安全的机制执行调用。侵入式Agent则在未经应用认可的情况下，直接获取底层权限并单向介入系统操作合作式Agent与侵入式Agent的共同点在于都以完成端到端任务为目标，均可通过感知界面信息与执行操作来驱动跨应用流程。差异在于协作边界与权限来源不同。合作式Agent建立在产业各主体共识基础上，通过共同参与与收益共享形成Agent系统，既包括基于标准接口调用的APIAgent，也包括在可信框架与明确授权约束下运行的GUI Agent。侵入式Agent则通过嵌入操作系统底层获取高等级系统权限，在未获得应用授权的前提下读取界面内容并模拟用户操作，从而绕过应用层限制完成跨应用联动。