摘要：截至 2024 年末，Agentic AI 领域已获得逾 20 亿美元 的初创公司融资，整体估值达 52 亿美元，并有望在 2034 年前逼近 2000 亿美元。先分享一个AI Agent 2025的发展趋势图谱：
本文约1000字，建议阅读5分钟
本文介绍 AI Agent 2025 趋势，凸显 SLM 成本适配优势及 LLM 向 SLM 迁移必然性。
截至 2024 年末，Agentic AI 领域已获得逾 20 亿美元 的初创公司融资，整体估值达 52 亿美元，并有望在 2034 年前逼近 2000 亿美元。先分享一个AI Agent 2025的发展趋势图谱：
Agentic RAG、Voice Agents、CUA、Coding Agents、DeepResearch Agents、Protocols
但，过去两年，大模型参数规模在狂奔：从 7B → 70B → 400B+，几乎所有指标都在涨。是不是所有场景都适合用大模型，NVIDIA发布的研究报告显示：
在大多数 Agentic AI 场景中，小型语言模型（SLM）已足够强、更适配、更便宜，理应成为默认选择。LLM-to-SLM 迁移不是“可选项”，而是“必然趋势”。现状：2024 年 57bn USD 砸进云基建，只为支撑通用 LLM API，而当年市场规模仅 5.6bn USD（10 倍溢价）。问题：Agent 的绝大多数调用其实只做 重复、狭窄、非对话 任务，却硬要调用 175B 参数的“巨无霸”。
SLMs在延迟、能耗和浮点运算次数上比LLMs便宜10到30倍，LoRA、DoRA微调只需少量GPU小时，并能够在消费级GPU上本地执行，
来源：数据派THU一点号
