何时打开:你想看 Agent 公司怎么做的(不是怎么用) / 想做 Agent 创业 / 想理解 Agent 商业模式。本 wiki 把深思圈 76 篇 Agent 公司案例按"水平 Agent / 垂直 Agent / Agent 基础设施 / Agent 商业模式"四类组织。
一句话核心:Cursor "训练即产品" + microVM 环境 + 强化学习 + Anthropic "AI 真正的护城河是权限不是智力" + Imbue 估值 10 亿做通用 Agent + 垂直 Agent 8 大赛道(销售/客服/招聘/法律/医疗/保险/HR/数据分析)各诞生独角兽。
0. Agent 公司 4 大类型
| 类型 | 代表公司 | 深思圈频次 |
|---|---|---|
| 水平 Agent / 通用 Agent | Imbue / Manus / Devin / OpenAI Operator | 10+ |
| 编程 Agent | Cursor / Lovable / Devin / Replit / Codex | 15+ |
| 垂直 Agent(销售/客服/招聘/法律/医疗) | Harvey / 11x / Eve / Decagon | 30+ |
| Agent 基础设施 | LangChain / GitHub Spec Kit / Agent 保险 / Memory / Browser | 15+ |
1. Cursor —— "训练即产品"(技术内幕)
深思圈 / AI Agent 公司案例库 source:weixin/2025-11/Cursor首度揭秘
1.1 核心命题
Sasha Rush(Cursor AI 研究员)at Ray Summit 2025:
Cursor Composer = 比顶级前沿模型几乎持平,但 token 生成效率 4 倍;模型不只聪明,而且快到不打断思路(2 秒内给答案 → 保持心流)。
1.2 三大技术挑战
| 挑战 | 解法 |
|---|---|
| 训练与推理匹配 | 数千 GPU + MoE + microscaling FP8 + 自定义内核(Blackwell 上 3.5x 加速) |
| 超长 rollout | 10 万-100 万 token / 数百工具调用 / Ray 单一控制器解 stragglers |
| 训练 = 生产一致 | 同一套 cloud agents microVM 环境做训练和产品 / "训练即产品"哲学 |
1.3 关键设计决策
"我们能够通过生产 Cursor 产品进行训练 —— 生产 agent 服务器,在运行云 agent 时和训练强化学习时是完全相同的。"
含义:模型在训练时就已经在学习如何在真实产品中表现得更好,而不是训练完了再去适配。
1.4 Cursor 现状(2026-Q1)
- 估值 500 亿美金
- 为 Kimi 做广告(2026-03)—— 多模型路由
- 首席设计师专访 —— "AI 原生设计"
- 反框架路线 —— 揭秘 Cursor/Perplexity/Lovable 都选择"反框架"
2. Anthropic —— AI 真正的护城河是权限
深思圈 / AI Agent 公司案例库 source:weixin/2026-05/打了两年谁最聪明Anthropic护城河
2.1 Jaya Gupta 核心判断
"企业 AI 里最稀缺的东西,正在从「智力」转向「权限」。"
两个角色:
- 顾问:给建议
- 操作员:自己动手(写代码 + 合并 PR / 开关工单 / 改生产配置 / 发消息 / 触发下游)
跨过这条线之前:模型是"助手" 跨过之后:它是"系统的一部分"
2.2 "权限"不是 IAM / SSO,是组织信任
"Jaya 说的'权限'是一种组织信任 —— 一家公司愿不愿意在法务、风控、董事会层面,签字同意让一个模型在真实系统里自己执行。"
2.3 旧剧本:能力 + 治理双卖
四个历史案例(Google / 微软 / AWS / Palantir):
- 谷歌:改写控制层(Privacy Sandbox)
- 微软:锁住身份层(Entra ID + Security Copilot)
- AWS:基础设施 + 守护一起卖
- Palantir:和场景捆绑到无法替换
2.4 Anthropic / AI 不一样的两点
- 能力本身就是威胁:"让模型在修补漏洞上变强的改进,同样会让它在利用漏洞上变得更强" —— Anthropic 自己模型发布时说的
- 越用越懂你:AWS 不会因为你多用了几年就更懂你这家公司,但 AI 会;换掉它 = 把"组织上下文"重新搭一遍
2.5 Anthropic 其他动作
| 标题 | 看点 |
|---|---|
| 40 余人撬动 1300 亿收入 | "自增长黑盒" |
| 69 个 Anthropic 员工用 AI 做生意 | 内部 dogfood |
| 三个月估值翻倍超过 OpenAI | 老股东等上市套现 |
| Anthropic 进军金融 | 垂直化 |
| 海外 2025 人才报告:Anthropic 留存率 80% 碾压全球 | 人才战 |
| 营销已死,Anthropic 一个人干翻市场部 | AI 自营销 |
| 你的 Agent 为什么没法上生产 | Anthropic 给出了答案(Agent 工程实践) |
| Claude Code 背后 Anthropic 的"野心" | Skill / OS 战略 |
3. 通用 / 水平 Agent 公司
3.1 Imbue(估值 10 亿 / 2 亿融资)
"Imbue 估值 10 亿美金,2 亿美金融资通往 Agent 的下一个阶段" —— 深思圈
3.2 Manus(中国出海)
- Manus 命门:newtype · Agent 架构与多 Agent 编排 详细分析
3.3 Devin(Cognition)
- 编程 Agent 三巨头之一(Cursor / Devin / Claude Code)
- "继 Cursor、Devin 和 Claude Code 之后,又一匹 AI coding 黑马正在快速崛起"
3.4 Operator / Computer Use(OpenAI / Anthropic)
- a16z 预测:Computer Use 让 AI Agent 像人类一样工作,18 个月内效率超越人类
3.5 浏览器 Agent OS
- Accel 领投 2200 万美金,YC 创始人都心动 → 浏览器 AI Agent 的"操作系统"
- 与 海外推广与多账号矩阵(跨作者主题综合) / 王凯多 Agent 浏览器矩阵架构(v1.1 实操指南) 浏览器多账号路径不同
4. Agent 商业模式:三类典型
4.1 "Agent 终结 X 时代"模式
| 公司 | 替代谁 | 数据 |
|---|---|---|
| 销售领域 Claude Code(Peter Thiel 3500 万) | Salesforce | 号称"终结 Salesforce 时代" |
| AI-native ERP(红杉美国 2500 万) | 传统财务软件 | "干掉传统财务软件" |
| AI 重建律师事务所(红杉美国) | 卖工具的法律 SaaS | 不是卖工具,直接用 AI 重建 |
4.2 "为 Agent 而生的基础设施"模式
| 公司 | 做什么 |
|---|---|
| Agent 保险(1500 万美金) | 当 AI Agent 出错时,谁来买单? |
| Agent 时代的 Git(GitHub 前创始人,a16z 1700 万) | Agent 协作版本控制 |
| Agent 注册邮箱(YC 600 万) | 只做一件事:为 Agent 准备邮箱身份 |
| 2025 AI 记忆系统大横评 | Memory Infra |
4.3 "Agent 自带订阅模式"
- AI 私人助理住进 iMessage:两步设置 / $49/月
- AI 销售培训:5000 万美金融资 / 极度细分赛道
- Founder Mode 已经不够用了(AppSumo 前 CEO):AI 时代创始人要从"做引擎"升级到"设计引擎"
5. Agent 失败案例:11x 暴雷
- 2024-2025 11x 公司(AI 销售 SDR)暴雷 / 客户大量流失
- 代际更替:"11x 暴雷后,又一家做 AI 数字员工的公司拿到了 2500 万美金融资"
- 教训:Agent 不能只是"自动化 SDR" → 必须解决组织信任 / 权限问题(Jaya Gupta 视角)
6. 垂直 Agent 8 大赛道
详见 深思圈 / AI B2B 垂直行业(8 大赛道独角兽案例):
| 赛道 | 代表公司 / 数据 |
|---|---|
| 销售 | 红杉 5000 万(Salesforce 替代) / Peter Thiel 3500 万 / 0 到 8 亿(23 岁) |
| 客服 | 华人 2 亿(估值 15 亿)/ 5000 万巨额 / 丹麦 2100 万 |
| 招聘 | 5000 万一体化 / 2000 万 6 个月吸 5w 用户 / Inflection+Anthropic 用的 |
| 法律 | Harvey 类 / 25 岁电竞选手 7 亿 / Draftwise 2000 万 |
| 医疗 | 2400 万 Copilot / 4200 万家庭医生 / Shimmer 220 万 |
| 保险 | 6 个月连融 3000 万 / Agent 保险 1500 万 |
| HR | 1500 万 AI HR 通才 + 垂直模型 |
| 金融 | 4350 万(前 Google/Meta 科学家)/ 5000 万下一代基建 |
7. Agent 工程实践(深思圈视角)
7.1 训练即产品(Cursor)
详见 §1。关键认知:训练环境 = 生产环境 → 训练时学到的工具用法直接迁移。
7.2 反框架路线(Cursor + Perplexity + Lovable)
"揭秘 Cursor、Perplexity、Lovable 的技术内幕:为什么它们都选择'反框架'路线"
反 LangChain / AutoGen / CrewAI 等通用框架 → 自己写底层,更可控、更快。
7.3 Agent 上生产难点(Anthropic)
"你的 Agent 为什么没法上生产?Anthropic 给出了答案"
详见原档(权限 + 上下文 + 错误处理 + 监控)
7.4 LangChain 销售/营销最佳实践
"LangChain 团队用 AI agent 做销售和营销的最佳实践"
8. 怎么用 —— 按身份的 Agent 公司案例路径
| 你是谁 | 主用 | 起点 |
|---|---|---|
| 想做编程 Agent | Cursor 训练即产品 + microVM | RL + 自定义内核 + cloud agents |
| 想理解 AI 护城河 | Anthropic Jaya Gupta | 权限 > 智力 / 组织信任 |
| 想做垂直 Agent | 第 6 节 8 大赛道 | 销售 / 客服 / 招聘 / 法律 / 医疗 |
| 想做 Agent 基建 | 第 4.2 节 | Agent 保险 / Agent Git / Agent Email / Memory |
| 想避免 11x 式暴雷 | 第 5 节教训 | 解决组织信任 / 权限,不只是自动化任务 |
| 想做反框架 | 第 7.2 节 | 自己写底层 / 不用 LangChain |
通用纪律:
- 训练即产品(Cursor 哲学)
- 权限 > 智力(Anthropic Jaya Gupta)
- 垂直 8 赛道各诞生独角兽 —— 不是赛道太挤,是没找到组织信任
- 能力即威胁(AI 时代旧剧本升级)
- 越用越懂你 —— 数据 / 上下文成为新护城河
9. 引用清单
- 深思圈作者全集入口 —— 全集入口
- 主要 source:
sources/learning/深思圈/含 "Agent" / "Cursor" / "Anthropic" 等 ~76 篇文章 - AI Agent 架构与多 Agent 编排(跨作者主题综合) —— 综合 Agent 架构(已合并本 wiki)
- newtype · Agent 架构与多 Agent 编排 —— newtype 视角(Manus / Profile)
- AI Agent 技术架构演进 2025(深度研究报告) —— 2026-01 学术研究报告
- 王凯 Agent 工程实操 —— 王凯实操(Chrome MCP)
- 深思圈 / AI Coding 公司案例(Cursor/Lovable/Bolt/Devin/Replit) —— 编程 Agent 公司专题
- 深思圈 / AI B2B 垂直行业(8 大赛道独角兽案例) —— 垂直 Agent 8 赛道详情
2026-06 增补：垂直工作流的防线与 Agent 商业基础设施
本节全文阅读深思 SenseAI 6 月 1 日与 5 日的两篇中文解读后整理。前者转述 a16z 的 Joe Schmidt IV，后者解读 Stripe 的 Emily Sands；属于二手材料与作者分析，本次没有核验公司现状、指标或产品可用性。两篇原文中的配图说明比已归档版本更完整，因此另留文字快照，不覆盖旧档。
1. 通用连接器组合不等于垂直业务系统
“黄砖路”是 Schmidt 对容易与模型厂商正面重合的产品路径的比喻：把通用模型、现成的 Drive/Slack/CRM 连接器和一层任务协调拼起来。如果客户只需一次检索、自己就能判断答案，应用层很难只靠包装形成长期差异。
法律审阅、保险核保、复杂销售则涉及多系统上下文、多人审批、旧系统和明确的错误代价。竞争力可能来自深入业务系统的工程与治理，而不是下一代模型本身。判断一个机会可用三个问题：
- 步骤测试：是不是只有一两次通用工具调用？还是必须可靠完成多角色、多步骤工作？
- 系统测试：客户依赖你编排整个工作，还是只把你当临时附加工具？客单价高只是线索，不足以证明不可替代。
- 业务结果测试：客户用模型榜单打分，还是用有效销售线索、风险识别、合同处理等自身结果衡量？后者才把能力与付费理由接起来。
2. 四条防线必须在运营中兑现
| 防线 | 需要实际积累什么 | 不能偷换成什么 |
|---|---|---|
| 数据反馈 | 客户的风险升级规则、例外处理、人工改写及其原因 | 有日志就天然拥有数据权利或护城河 |
| 模型管理 | 跨供应商选型、升级回归测试、提示词与客户边界案例维护 | 一个通用路由器就无法被复制 |
| 成本控制 | 难任务用前沿模型、常规任务用更便宜方案，窄场景验证后再考虑小模型 | 所有任务都用最贵模型也能保持利润 |
| 治理 | 谁可授权、允许做什么、实际做了什么、出了问题由谁负责 | 写了“合规”两个字就完成行业要求 |
FurtherAI 的保险案例说明“工作流就是操作记忆”：表面相同的收件、审核、报价、承保，背后的风险权重和规则冲突处理却因公司而异。可重复步骤由确定性软件承担，变化与异常交给 Agent，需问责的判断保留给人；人工升级与改写成为下次修正规则的反馈。
11x 的销售案例把结果拆为潜客筛选、数据补全、账户调研、CRM 上下文、文案、资质评估和送达。文中 CEO 认为约一半步骤是排序、过滤、查询等确定性软件，并自报正向回复率数月内提高四倍。这是案例说法，不是所有行业的固定比例，也不能抹掉本页第 5 节记录的早期争议。对产品经理，更有用的问题是：哪一步真的需要模型，哪一步需要稳定规则？客户反馈变化后，谁负责持续维护？
3. 当 Agent 成为买家，支付要拆成不同职责
Stripe 解读文章把 Agent 看作购买服务、部署应用和消耗算力的新参与者。它描述的组合如下；这是 2026 年 6 月的产品叙事，不是当前接入指南。
| 模块 | 文章描述的职责 | 产品设计要分清的边界 |
|---|---|---|
| MPP，机器支付协议 | 用程序可理解的价格与支付流程替代人工结账页面 | 自动执行仍发生在预先授权范围内 |
| Link 钱包 | 用户授权 Agent 消费，凭证不直接暴露，购买可被通知和追踪 | 通知不等于每笔都必须人工点击，也不等于无限授权 |
| Stripe Projects | 从命令行管理部署所需服务，减少跨后台操作 | 减少操作步骤不等于账号和权限审核全部消失 |
| Metronome 与 Tempo | 用量计量与清算协作，探索消耗发生时收费 | 计量正确、收款成功、授权成立是不同问题 |
| Radar | 识别试用滥用与消耗后不付款风险 | 文中没有足够效果证据证明某类欺诈已被解决 |
4. 成本、计费与风险必须一起设计
文章以 Lovable 和 ElevenLabs 的演化说明：简单订阅便于起步，之后可将套餐内用量与超额收费结合。AI 任务有随使用增长的成本，不能只看订阅收入而不知道重度用户的实际消耗。迁移到按量计费的前提是能定义并追踪有意义的用量单位。
免费试用也有成本：虚假账号耗尽额度后消失，费用已产生但未必收得到。纯预付费可能中断正常用户，月底后付费则扩大坏账暴露；文中提出的流式支付试图缩短消耗与收费之间的时间。它是一种待评估方案，不是“稳定币必然解决一切”的结论。
最后保留两个未解决问题：数据使用权、真实反馈规模和竞争者捷径会影响垂直护城河的持久性；临时生成的 Agent 如何继承信用记录与责任主体，文章也没有答案。立项时应把这些写成待验证问题，不能因商业图谱完整就认定已经跑通。
来源与关联资料
- https://mp.weixin.qq.com/s?__biz=MzAxNjE1NTg2Ng==&mid=2247494661&idx=1&sn=64971ef39eae6a1b35c436149b49b4c9&chksm=9bfbb9b0ac8c30a66667201e1b3d1ed571918cdc1b9c6d4b2937db5fb365bfc49c8dab6953ee
- https://mp.weixin.qq.com/s?__biz=MzAxNjE1NTg2Ng==&mid=2247494752&idx=1&sn=6c50c0e7ca16735d43623052422e8267&chksm=9bfbb9d5ac8c30c3dd3a7d5ea23646b263f6f6af737c6bebd494d773f631bcad914a80ca41db
- https://mp.weixin.qq.com/s?__biz=Mzg3NDc2MjQxMg==&mid=2247491282&idx=1&sn=83dce462b2a3158fbe3c2d310235b095&chksm=ceca8711f9bd0e07208dbb1b6b925268005426b516beaf2fc666b7de7e8610fdec32044bb810
- https://mp.weixin.qq.com/s?__biz=MzAxNjE1NTg2Ng==&mid=2247494188&idx=1&sn=394115e9006df186ed1c2944a1aa01b8&chksm=9bfbbf99ac8c368fb1821f0d52491195fcaaf55d2c6557c7c53c6621674a9840ece831b72246
- 深思圈作者全集入口
- 深思圈 / AI 一级市场 VC 视角(a16z + 红杉 + YC)
- 深思圈 / AI Coding 公司案例(Cursor/Lovable/Bolt/Devin/Replit)
- 深思圈 / AI B2B 垂直行业(8 大赛道独角兽案例)
- AI Agent 架构与多 Agent 编排(跨作者主题综合)
- newtype · Agent 架构与多 Agent 编排
- 王凯 Agent 工程实操