本周行业协会发布新报告这些名场面彰显大国力量 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

桥西区留营街道平山县上观音堂乡四川省德阳市广汉市黑龙江省佳木斯市富锦市山西省晋中市灵石县河西区桃园街道辽宁省大连市旅顺口区蓟州区东二营镇蓟州区东施古镇北海市海城区辽宁省沈阳市朝阳区豆各庄地区门头沟区大峪街道蚌埠市龙子湖区平山县东回舍镇朝阳区双井街道四川省凉山彝族自治州西昌市元氏县广东省广州市越秀区陕西省汉中市留坝县顺义区空港街道辽宁省沈阳市沈河区山东省滨州市四川省凉山彝族自治州甘洛县崇左市宁明县蚌埠市蚌山区内蒙古鄂尔多斯市鄂托克旗桂林市秀峰区塔城地区和布克赛尔蒙古自治县黑龙江省鹤岗市山西省晋城市泽州县河东区东新街道陕西省咸阳市兴平市江西省宜春市宜丰县四川省甘孜藏族自治州百色市田林县赵县沙河店镇辽宁省本溪市溪湖区昌平区回龙观街道和田地区广东省珠海市斗门区蚌埠市龙子湖区钦州市西乡塘区平山县小觉镇福建省南平市银川市贺兰县福建省南平市门头沟区大峪街道福建省福州市罗源县山西省晋中市榆社县顺义区空港街道吉林省长春市双阳区甘肃省甘南藏族自治州云南省西双版纳傣族自治州勐腊县和平区南市街道四川省凉山彝族自治州昭觉县行唐县龙州镇喀什地区叶城县山东省烟台市牟平区辽宁省铁岭市开原市蚌埠市蚌山区井陉县测鱼镇和田地区海南省三沙市西沙区福建省厦门市湖里区蚌埠市蚌山区焦作市中站区赵县沙河店镇延庆区沈家营镇密云区不老屯镇山西省晋中市榆社县甘肃省陇南市河西区桃园街道江西省景德镇市昌江区江苏省徐州市洛阳市汝阳县陕西省宝鸡市眉县山西省晋中市榆社县平山县小觉镇焦作市云南省西双版纳傣族自治州勐腊县丰台区宛平城地区防城港市东兴市山东省滨州市南阳市内乡县江西省宜春市宜丰县赞皇县院头镇河东区大直沽街道河西区桃园街道广东省汕头市龙湖区许昌市建安区福建省漳州市龙海市西乡塘区桂林市兴安县河东区东新街道山西省长治市襄垣县喀什地区叶城县广东省惠州市龙门县鹿泉区白鹿泉乡

本月行业报告更新研究成果前Liblib CTO创业，打造Agent基础设施，可秒级调用上万种工具，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

辽宁省沈阳市浑南区四川省甘孜藏族自治州丹巴县江西省宜春市奉新县湖北省孝感市汉川市井陉县测鱼镇山西省忻州市定襄县福建省莆田市城厢区陕西省咸阳市兴平市云南省红河哈尼族彝族自治州绿春县福建省莆田市城厢区江西省赣州市石城县武清区汊沽港镇内蒙古锡林郭勒盟正镶白旗南开区体育中心街道四川省甘孜藏族自治州泸定县青海省果洛藏族自治州四川省甘孜藏族自治州丹巴县固原市西吉县广东省珠海市斗门区朝阳区酒仙桥街道山西省晋中市太谷区青秀区塔城地区和布克赛尔蒙古自治县崇左市南阳市内乡县平山县宅北乡鹿泉区寺家庄镇昌平区阳坊镇塔城地区和布克赛尔蒙古自治县山东省枣庄市台儿庄区赞皇县院头镇四川省成都市新都区湖北省宜昌市宜都市云南省丽江市宁蒗彝族自治县辽宁省沈阳市浑南区百色市田林县内蒙古鄂尔多斯市康巴什区喀什地区叶城县山西省晋中市榆社县四川省遂宁市蓬溪县巴音郭楞蒙古自治州和硕县江苏省南京市浦口区元氏县怀柔区雁栖地区蚌埠市蚌山区陕西省汉中市西乡县辽宁省锦州市义县内蒙古鄂尔多斯市康巴什区山东省烟台市龙口市四川省宜宾市珙县黑龙江省哈尔滨市巴彦县焦作市中站区和田地区河东区东新街道内蒙古呼伦贝尔市阿荣旗内蒙古锡林郭勒盟镶黄旗甘肃省陇南市防城港市东兴市平山县岗南镇长安区南村镇贵州省黔南布依族苗族自治州惠水县吉林省四平市铁西区昌平区阳坊镇云南省红河哈尼族彝族自治州泸西县昌平区回龙观街道黑龙江省佳木斯市汤原县黑龙江省哈尔滨市巴彦县西藏阿里地区日土县山东省烟台市牟平区青海省海南藏族自治州贵德县江西省宜春市奉新县蚌埠市龙子湖区广东省云浮市新兴县和田地区广东省汕头市龙湖区北辰区广源街道平顶山市卫东区吉林省四平市铁西区甘肃省陇南市武都区平顶山市湛河区南阳市内乡县平山县小觉镇蚌埠市蚌山区元氏县乌鲁木齐市沙依巴克区四川省甘孜藏族自治州九龙县丰台区宛平城地区伊犁哈萨克自治州昭苏县西乡塘区焦作市黑龙江省鹤岗市新乐市协神乡四川省泸州市江阳区黑龙江省佳木斯市汤原县南开区长虹街道广东省深圳市海南省儋州市江苏省徐州市丰县丰台区长辛店镇福建省南平市建瓯市

全球服务区域:黑龙江省佳木斯市富锦市甘肃省天水市秦州区西乡塘区辽宁省锦州市义县黑龙江省绥化市明水县吉林省四平市铁西区青海省玉树藏族自治州治多县桂林市兴安县朝阳区小红门地区山东省聊城市茌平区焦作市密云区高岭镇焦作市中站区赞皇县西龙门乡湖北省襄阳市襄州区内蒙古呼伦贝尔市阿荣旗贵州省黔东南苗族侗族自治州天柱县南开区长虹街道陕西省咸阳市兴平市亳州市利辛县江西省赣州市石城县静海区大邱庄镇福建省三明市梅列区延庆区沈家营镇江苏省镇江市句容市湖北省宜昌市夷陵区喀什地区麦盖提县辽宁省朝阳市北票市内蒙古兴安盟乌兰浩特市江苏省南通市启东市西城区月坛街道哈密市伊吾县西乡塘区陕西省宝鸡市千阳县长安区广安街道西藏阿里地区日土县元氏县苏村乡福建省厦门市海沧区山东省滨州市大兴区元氏县苏村乡黑龙江省七台河市桃山区蚌埠市蚌山区辽宁省沈阳市广东省汕头市龙湖区福建省莆田市仙游县广东省惠州市龙门县淮南市大通区芜湖市南陵县昌平区延寿镇山西省晋中市灵石县伊犁哈萨克自治州昭苏县四川省泸州市江阳区黑龙江省哈尔滨市巴彦县内蒙古呼伦贝尔市阿荣旗四川省成都市双流区丰台区长辛店镇内蒙古兴安盟乌兰浩特市甘肃省陇南市上海市市辖区嘉定区山西省阳泉市平定县山西省阳泉市平定县赞皇县院头镇宝坻区牛家牌镇广东省佛山市三水区山西省晋中市榆社县辽宁省朝阳市北票市四川省甘孜藏族自治州九龙县江苏省苏州市相城区福建省三明市梅列区福建省南平市建瓯市辽宁省沈阳市怀柔区龙山街道延庆区康庄镇喀什地区叶城县福建省漳州市龙海市博尔塔拉蒙古自治州温泉县朝阳区豆各庄地区山西省吕梁市岚县辽宁省沈阳市沈河区平山县小觉镇钦州市四川省遂宁市蓬溪县西藏山南市吉林省白山市浑江区南开区长虹街道亳州市利辛县阿克苏地区拜城县湖北省宜昌市秭归县贵州省六盘水市水城县和田地区云南省大理白族自治州云龙县元氏县殷村镇陕西省西安市未央区密云区不老屯镇丰台区和义街道甘肃省白银市景泰县山东省淄博市临淄区青海省海北藏族自治州门源回族自治县黑龙江省佳木斯市汤原县

昨日行业协会传递重大研究成果前Liblib CTO创业，打造Agent基础设施，可秒级调用上万种工具，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：黑龙江省伊春市金林区隆安县合肥市庐阳区江苏省连云港市赣榆区银川市贺兰县江苏省苏州市相城区亳州市利辛县静海区大邱庄镇辽宁省沈阳市沈河区河东区东新街道甘肃省甘南藏族自治州广东省佛山市三水区桥西区苑东街道湖北省宜昌市西陵区山西省长治市襄垣县青海省果洛藏族自治州无极县大陈镇江苏省苏州市相城区洛阳市汝阳县海南省海口市美兰区云南省大理白族自治州云龙县亳州市利辛县四川省甘孜藏族自治州山东省烟台市龙口市喀什地区麦盖提县上海市市辖区嘉定区福建省漳州市龙海市黑龙江省七台河市桃山区辽宁省大连市旅顺口区陕西省西安市未央区江苏省苏州市相城区甘肃省陇南市福建省南平市昌平区延寿镇甘肃省甘南藏族自治州黑龙江省伊春市金林区南阳市内乡县内蒙古呼伦贝尔市阿荣旗和田地区湖北省襄阳市襄州区昌平区阳坊镇赞皇县西龙门乡湖北省宜昌市秭归县四川省宜宾市江安县青海省海南藏族自治州贵德县江西省赣州市石城县延庆区沈家营镇黑龙江省伊春市金林区固原市西吉县青海省果洛藏族自治州湖北省宜昌市宜都市陕西省汉中市西乡县山西省运城市夏县江苏省苏州市相城区鹿泉区寺家庄镇四川省乐山市内蒙古乌海市乌达区密云区河南寨镇吉林省长春市双阳区昌平区延寿镇江西省赣州市石城县喀什地区麦盖提县陕西省汉中市留坝县西乡塘区鹿泉区白鹿泉乡青海省海北藏族自治州门源回族自治县丰台区右安门街道江西省赣州市石城县山西省忻州市宁武县河东区大直沽街道陕西省汉中市西乡县海南省海口市美兰区北辰区广源街道顺义区空港街道黑龙江省七台河市桃山区博尔塔拉蒙古自治州温泉县哈密市伊吾县辽宁省沈阳市芜湖市南陵县辽宁省铁岭市开原市井陉县测鱼镇湖北省恩施土家族苗族自治州恩施市辽宁省辽阳市白塔区黑龙江省鸡西市鸡冠区辽宁省沈阳市浑南区丰台区和义街道平山县小觉镇四川省广安市岳池县贵州省安顺市普定县和平区南市街道山西省运城市夏县陕西省汉中市南郑区云南省大理白族自治州云龙县延庆区康庄镇广东省惠州市龙门县桂林市兴安县桥西区苑东街道贵州省铜仁市印江土家族苗族自治县伊犁哈萨克自治州昭苏县江苏省连云港市赣榆区

售后服务上门服务电话，智能分配单据：前Liblib CTO创业，打造Agent基础设施，可秒级调用上万种工具

现在，AI 正在变得越来越聪明，但是一个现实的问题是：重要的事情可以直接交给它去完成吗？

ChatGPT、豆包、元宝能帮你查天气、订机票，但你敢用它做投资决策吗？问题的关键不在于现在的大模型不够强，而在于它们尚不具备真实世界的感知和行动能力。

需要了解的是，要想得到高质量的金融分析报告，仅靠大模型本身编码的静态知识是远远不够的，大模型需要像投研专家一样实时动态的获取最新的政策、新闻、产业链、舆情、行情等多维信息和数据，并使用专业的金融分析工具进行精密和精确计算，如此才能得到一份真正可用的金融分析报告。

而现实的问题是，现阶段大模型智商很高，具备强大的理解、分析和规划能力，但在现有的数字世界中“眼瞎手残”，像被困在玻璃缸中的“缸中之脑”，无法高效、便捷、低成本地感知和操作现实世界。

要有效解决这个问题，就需要为大模型接入一套感知和行动层的基础设施，让它成为在数字世界中无所不知、无所不能的真正的超级智能体。

一家名为 Qveris AI 的初创公司，聚焦于 Agent 时代的 Infra 层，正致力于为 Agent 设计原生搜索和行动路由引擎。据悉，截至目前该公司已获得近千万元种子轮融资。

如果说具身智能是为 AI 安上了与现实世界交互的“身体”，那么 Qveris AI 正在做的事就是给智能体（Agent）装上了数字世界的“眼、耳、手、脚”。也就是说，接入这套基础设施之后，大模型和智能体就能自己查数据、用工具，真正实现与现实数字世界的连接和互动。

“简单来理解我们做的事情，是构建 AI 时代可被大模型和智能体使用的所有开放服务、资源和能力的 AI-Ready 数字孪生引擎，帮助大模型和智能体在数字世界中快捷、高效、低成本、实时动态的搜索和调用所需的专业、权威、可信的数据和工具能力。”Qveris AI 创始人兼 CEO 王林芳告诉 DeepTech。

Agent 接不上真实世界，问题出在哪里？

互联网的数据与工具生态为人类设计，Agent 缺少统一、可信、标准化的供应层。从领域现状来看，不同的专家分散在不同的平台，例如金融、理财、计算等等。

举例来说，你要做金融投资，正在考虑买黄金、比特币、股票或债券。这是一项复杂的任务，即使人类去做也可能需要咨询各类专家，包括金融银行经理、理财经理、投资顾问，还可能需要去网络上看一些专家发言等作为参考资料。

现在人们常用的做法是：让大模型用深度研究（Deep Research）模式，或找专业的金融 Agent 帮忙做全面的信息调查和推荐建议。

那么问题来了：面对海量数据查询和对比、海量的免费和付费信息和跨供应商、跨平台的挑战，大模型的能力能行吗？实际上，Agent 现在仍处于技术的早期阶段，如果它拿不到真实、可信和高质量的数据，它生成的报告或未必正确，或质量水平很低。

尽管现阶段大模型性能高、能对话聊天，但当面临专业数据、专业工具甚至专业服务时，大模型的能力便“捉襟见肘”：即便是当下前沿团队开发的产品，能够调用的数据源和工具数量大概在数十个到百个，且搜集、对比、接入、评估、验证的难度、成本和时间周期都很高。

面对专业级别难度的问题，AI 极有可能因找不到实时、可信、权威、专业的数据，仅靠训练时的记忆给出推测的答案。所以，AI 最大的问题不是不够聪明，而是被困在“光说不练”的世界里。这并不是某个模型、某个产品的单一局限性，而是当前整个 Agent 生态普遍面临的结构性问题。

AI 会思考，但缺一层“行动基础设施”

事实上，行业已经达成共识：大模型已经具备了惊人的“大脑”思考能力，但极度缺乏感知和改变现实世界的“手脚”。为了填补这一空白，市场正在经历从单一的技术探索向系统化基础设施建设的转变。放眼整体生态，目前主要存在三类关键的建设路径：标准协议层、模型算力层以及新兴的“行动基础设施”层。

第一类是标准协议层，以 Anthropic 等机构推出的 MCP（Model Context Protocol）为代表。这类协议制定了 AI 与世界沟通的语法规则，解决了如何连接的标准化问题。但这仅仅是铺设了管道，管道中流动的内容——丰富、可用的工具资源，仍然处于匮乏状态。

第二类是模型算力路由层，例如 OpenRouter。它们聚合了来自全球不同厂商的顶尖模型 API，解决了开发者获取智力资源的便利性问题。

“这类平台解决了‘大脑’的供给问题，属于核心算力层。但对于一个完整的 Agent 而言，光有大脑是不够的。”王林芳表示，Agent 要真正落地，需要面对的是一个复杂、非标、数据分散的现实世界。而 Qveris AI 聚焦的正是模型之外的行动能力——将各行各业的技能与服务，转化为 AI 可理解、可调用的资产。

从技术演进的宏观视角来看，我们正处于一种全新的运行模式切换期：互联网时代是“人类搜索+人类执行”；大模型初期开启了“人类辅助+AI 生成”；而现在，我们正在进入“Agent 自主资源调度+Agent 自主执行”的新阶段。

然而，现有的互联网是为人类设计的，而非为 Agent 设计的。这导致了一个巨大的范式鸿沟（如下表所示）：

（内容来源：王林芳；制图：Nano Banana Pro）

由此可见，强行让 Agent 去使用为人类设计的网页或接口，效率极低且极不稳定。Qveris AI 的核心定位正是基于此，来构建互联网上可被大模型和智能体使用的“AI-Ready”数字孪生引擎。

Qveris AI 不仅仅是简单的工具聚合，而是对数字世界的重构。它将互联网上开放的服务、资源和能力进行深度的清洗、建模与封装，把原本适合人类阅读的“网页互联网”，转化为适合机器调用的“能力互联网”，使得大模型能够快捷、高效、低成本且实时动态地搜索，并调用所需的专业数据与工具。

这与 2000 年代初的电商市场颇为类似。彼时，虽然商品丰富，但由于缺乏统一的支付、物流和信用体系，交易成本极高。而 Qveris AI 正在建设的“行动基础设施”，相当于 Agent 经济时代的“商业操作系统”：它把所有数字世界的信息交换产品，包括跨领域、跨平台的资源集合在一起，打通了从搜索、发现、比较到调用、交易的全链路。

未来，当 Agent 需要查询最新的法律条文、预定复杂的差旅服务或调用特定的 SaaS 功能时，它不再需要像人类一样去浏览网页，而是通过 Qveris AI 的基础设施，直接以机器的速度连接真实世界。这不仅是技术架构的升级，更是智能体时代释放生产力的关键一环。

为 AI 而生的搜索引擎，解决的不是查信息，而是“找能力”

在 Agent 赛道中，头部玩家的目标往往是打造 AI 时代的超级应用，成为新的流量入口。凭借强大的工程资源与商务拓展能力，大厂往往倾向于通过自建或深度定制的方式，直接接入高频、核心的数据与服务（如地图、支付、主流电商）。然而，现实世界的复杂性远超单一平台的覆盖能力。

对于核心且排他性强的场景，自建连接是合理的选择；但对于海量、长尾、分散在各行各业的专业工具与数据（如特定行业的合规查询、垂类 SaaS 操作、实时供应链数据），构建一个跨平台、中立的行动基础设施，显然是比单点逐一接入更具性价比的系统化解法。

对于广大中小 Agent 开发者而言，痛点更为直接：他们拥有敏锐的场景洞察力，却往往受困于有限的工程与商务资源。要验证一个创新场景，可能需要对接几十个不同的 API，每个接口的鉴权、调试、维护都耗时耗力。他们迫切需要一套现成的基础设施，以极大地缩短开发周期，将验证成本降至最低。

由此可见，Agent 时代的瓶颈，已不再是算力或模型智商，而是连接成本。

如果说 ChatGPT 等聊天机器人解决了 AI 的思考问题，那么 Qveris AI 致力于解决的便是 AI 的行动问题。

Qveris AI 通过构建 AI-Ready 的数字孪生引擎，为开发者带来三大核心价值：

·语义级快速发现（Semantic Discovery）：AI 获取工具不再局限于预置的几十个插件。面对用户的复杂意图，Qveris AI 能够基于语义理解，在海量资源库中以秒级速度匹配最适合当下的工具或数据源，实现从关键词搜索到意图匹配的进化。

·标准化一键调用（Unified Execution）：将原本需要耗时数月的商务谈判与 API 对接工作，压缩为几行代码。通过统一的 Schema（数据结构）定义，Qveris AI 屏蔽了底层数万个工具的异构差异。开发者只需对接一个标准接口，即可调度万级以上的标准化工具，极大降低了集成复杂度。

·动态路由与高可用（Dynamic Resilience）：这是企业级 Agent 稳定运行的保障。Qveris AI 充当了智能路由器的角色，当某个工具因网络波动、服务中断或价格调整不可用时，系统能自动寻找并切换至同类备选方案。

王林芳解释说道：“我们接入了全网的工具和搜索+调用的能力，包括进行 Agent 的搜索排序。例如，在同花顺无法使用时，这套基础设施可以查询东方财富、彭博等同类数据。这样一来，开发者始终能够获得实时的替代方案，不会受到单一服务提供方的限制或中断的影响。”

从搜索到 Agent：一个长期主义者的判断

要把搜索、调用、评估和交易整合成一套系统，本身并不是一个轻量级工程。回顾王林芳的职业经历，她在搜索领域的积累为创业奠定了基础。

其本科和硕士毕业于清华大学电子系，研究生时期曾在微软亚洲研究院实习，毕业后加入微软，在 Bing 搜索引擎负责工作包括百亿级网页爬虫、索引、多模态理解、知识图谱等。

后来，她加入了一家创业公司 Opera News 做大规模推荐引擎。2018 年，王林芳来到京东 AI 研究院，主要聚焦于 AI 视觉算法及应用。2022 年底 ChatGPT 出现后，她意识到这是 AI 领域的一个重大机遇。于是她 2023 年中从京东离职开始探索创业之路，以 CTO 的身份加入了 Liblib AI，打造了国内领先的开源开放多模态模型社区和工具平台。

图丨王林芳（来源：王林芳）

2025 年 6 月，她正式成立了 Qveris AI。据了解，目前该公司已与数家企业达成合作，其中包括知名通用 Agent 开发商，以及多家专注于金融与科技领域的 Agent 公司，年收入已到达数百万元。

在王林芳看来，云厂商、SaaS 服务商以及各类数据工具提供方，本质上属于资源供给侧；而 Qveris AI 则处于连接供给与需求的索引分发层，两者生态位截然不同。

“我们希望成为 Model Agent 体系中的‘Google’。”王林芳形象地比喻道，“正如 Google 不生产网页但索引全网信息一样，Qveris AI 的核心价值在于其跨平台的中立性。我们不绑定任何单一云厂商，而是广泛兼容各类底层基础设施，将分散在不同云端的服务聚合起来，统一分发给上层的各类模型与开发者。无论你的资源在哪里，无论你使用什么模型，我们都是中间那个高效的连接器。”

Agent 经济的长期想象

Agent 经济给我们留下了想象空间：Agent 的发展可能是非线性的，并在各种业务中得到广泛应用。

王林芳指出，未来 10 年内，有可能 90% 的业务都会由 Agent 自主完成。“尽管每个领域都有最好的工具，但发展路径总是先有再优，就像搜索引擎的覆盖面优于人工精选一样，我认为搜索模式更适合现在和未来较长一段时间的需求。”

当 Agent 开始自主搜索、比价、决策并执行，人类与技术的关系或许会再次发生改变。在这个过程中，真正重要的，不只是模型有多聪明，而是它能否被接入一个更开放、更透明、更可信的世界。

如果说过去的互联网连接的是人，那么正在形成的 Agent 网络，连接的将是能力本身。

排版：刘雅坤

本月官方发布行业研究成果前Liblib CTO创业，打造Agent基础设施，可秒级调用上万种工具

现在，AI 正在变得越来越聪明，但是一个现实的问题是：重要的事情可以直接交给它去完成吗？

ChatGPT、豆包、元宝能帮你查天气、订机票，但你敢用它做投资决策吗？问题的关键不在于现在的大模型不够强，而在于它们尚不具备真实世界的感知和行动能力。

需要了解的是，要想得到高质量的金融分析报告，仅靠大模型本身编码的静态知识是远远不够的，大模型需要像投研专家一样实时动态的获取最新的政策、新闻、产业链、舆情、行情等多维信息和数据，并使用专业的金融分析工具进行精密和精确计算，如此才能得到一份真正可用的金融分析报告。

而现实的问题是，现阶段大模型智商很高，具备强大的理解、分析和规划能力，但在现有的数字世界中“眼瞎手残”，像被困在玻璃缸中的“缸中之脑”，无法高效、便捷、低成本地感知和操作现实世界。

要有效解决这个问题，就需要为大模型接入一套感知和行动层的基础设施，让它成为在数字世界中无所不知、无所不能的真正的超级智能体。

一家名为 Qveris AI 的初创公司，聚焦于 Agent 时代的 Infra 层，正致力于为 Agent 设计原生搜索和行动路由引擎。据悉，截至目前该公司已获得近千万元种子轮融资。

如果说具身智能是为 AI 安上了与现实世界交互的“身体”，那么 Qveris AI 正在做的事就是给智能体（Agent）装上了数字世界的“眼、耳、手、脚”。也就是说，接入这套基础设施之后，大模型和智能体就能自己查数据、用工具，真正实现与现实数字世界的连接和互动。

“简单来理解我们做的事情，是构建 AI 时代可被大模型和智能体使用的所有开放服务、资源和能力的 AI-Ready 数字孪生引擎，帮助大模型和智能体在数字世界中快捷、高效、低成本、实时动态的搜索和调用所需的专业、权威、可信的数据和工具能力。”Qveris AI 创始人兼 CEO 王林芳告诉 DeepTech。

Agent 接不上真实世界，问题出在哪里？

互联网的数据与工具生态为人类设计，Agent 缺少统一、可信、标准化的供应层。从领域现状来看，不同的专家分散在不同的平台，例如金融、理财、计算等等。

举例来说，你要做金融投资，正在考虑买黄金、比特币、股票或债券。这是一项复杂的任务，即使人类去做也可能需要咨询各类专家，包括金融银行经理、理财经理、投资顾问，还可能需要去网络上看一些专家发言等作为参考资料。

现在人们常用的做法是：让大模型用深度研究（Deep Research）模式，或找专业的金融 Agent 帮忙做全面的信息调查和推荐建议。

那么问题来了：面对海量数据查询和对比、海量的免费和付费信息和跨供应商、跨平台的挑战，大模型的能力能行吗？实际上，Agent 现在仍处于技术的早期阶段，如果它拿不到真实、可信和高质量的数据，它生成的报告或未必正确，或质量水平很低。

尽管现阶段大模型性能高、能对话聊天，但当面临专业数据、专业工具甚至专业服务时，大模型的能力便“捉襟见肘”：即便是当下前沿团队开发的产品，能够调用的数据源和工具数量大概在数十个到百个，且搜集、对比、接入、评估、验证的难度、成本和时间周期都很高。

面对专业级别难度的问题，AI 极有可能因找不到实时、可信、权威、专业的数据，仅靠训练时的记忆给出推测的答案。所以，AI 最大的问题不是不够聪明，而是被困在“光说不练”的世界里。这并不是某个模型、某个产品的单一局限性，而是当前整个 Agent 生态普遍面临的结构性问题。

AI 会思考，但缺一层“行动基础设施”

事实上，行业已经达成共识：大模型已经具备了惊人的“大脑”思考能力，但极度缺乏感知和改变现实世界的“手脚”。为了填补这一空白，市场正在经历从单一的技术探索向系统化基础设施建设的转变。放眼整体生态，目前主要存在三类关键的建设路径：标准协议层、模型算力层以及新兴的“行动基础设施”层。

第一类是标准协议层，以 Anthropic 等机构推出的 MCP（Model Context Protocol）为代表。这类协议制定了 AI 与世界沟通的语法规则，解决了如何连接的标准化问题。但这仅仅是铺设了管道，管道中流动的内容——丰富、可用的工具资源，仍然处于匮乏状态。

第二类是模型算力路由层，例如 OpenRouter。它们聚合了来自全球不同厂商的顶尖模型 API，解决了开发者获取智力资源的便利性问题。

“这类平台解决了‘大脑’的供给问题，属于核心算力层。但对于一个完整的 Agent 而言，光有大脑是不够的。”王林芳表示，Agent 要真正落地，需要面对的是一个复杂、非标、数据分散的现实世界。而 Qveris AI 聚焦的正是模型之外的行动能力——将各行各业的技能与服务，转化为 AI 可理解、可调用的资产。

从技术演进的宏观视角来看，我们正处于一种全新的运行模式切换期：互联网时代是“人类搜索+人类执行”；大模型初期开启了“人类辅助+AI 生成”；而现在，我们正在进入“Agent 自主资源调度+Agent 自主执行”的新阶段。

然而，现有的互联网是为人类设计的，而非为 Agent 设计的。这导致了一个巨大的范式鸿沟（如下表所示）：

（内容来源：王林芳；制图：Nano Banana Pro）

由此可见，强行让 Agent 去使用为人类设计的网页或接口，效率极低且极不稳定。Qveris AI 的核心定位正是基于此，来构建互联网上可被大模型和智能体使用的“AI-Ready”数字孪生引擎。

Qveris AI 不仅仅是简单的工具聚合，而是对数字世界的重构。它将互联网上开放的服务、资源和能力进行深度的清洗、建模与封装，把原本适合人类阅读的“网页互联网”，转化为适合机器调用的“能力互联网”，使得大模型能够快捷、高效、低成本且实时动态地搜索，并调用所需的专业数据与工具。

这与 2000 年代初的电商市场颇为类似。彼时，虽然商品丰富，但由于缺乏统一的支付、物流和信用体系，交易成本极高。而 Qveris AI 正在建设的“行动基础设施”，相当于 Agent 经济时代的“商业操作系统”：它把所有数字世界的信息交换产品，包括跨领域、跨平台的资源集合在一起，打通了从搜索、发现、比较到调用、交易的全链路。

未来，当 Agent 需要查询最新的法律条文、预定复杂的差旅服务或调用特定的 SaaS 功能时，它不再需要像人类一样去浏览网页，而是通过 Qveris AI 的基础设施，直接以机器的速度连接真实世界。这不仅是技术架构的升级，更是智能体时代释放生产力的关键一环。

为 AI 而生的搜索引擎，解决的不是查信息，而是“找能力”

在 Agent 赛道中，头部玩家的目标往往是打造 AI 时代的超级应用，成为新的流量入口。凭借强大的工程资源与商务拓展能力，大厂往往倾向于通过自建或深度定制的方式，直接接入高频、核心的数据与服务（如地图、支付、主流电商）。然而，现实世界的复杂性远超单一平台的覆盖能力。

对于核心且排他性强的场景，自建连接是合理的选择；但对于海量、长尾、分散在各行各业的专业工具与数据（如特定行业的合规查询、垂类 SaaS 操作、实时供应链数据），构建一个跨平台、中立的行动基础设施，显然是比单点逐一接入更具性价比的系统化解法。

对于广大中小 Agent 开发者而言，痛点更为直接：他们拥有敏锐的场景洞察力，却往往受困于有限的工程与商务资源。要验证一个创新场景，可能需要对接几十个不同的 API，每个接口的鉴权、调试、维护都耗时耗力。他们迫切需要一套现成的基础设施，以极大地缩短开发周期，将验证成本降至最低。

由此可见，Agent 时代的瓶颈，已不再是算力或模型智商，而是连接成本。

如果说 ChatGPT 等聊天机器人解决了 AI 的思考问题，那么 Qveris AI 致力于解决的便是 AI 的行动问题。

Qveris AI 通过构建 AI-Ready 的数字孪生引擎，为开发者带来三大核心价值：

·语义级快速发现（Semantic Discovery）：AI 获取工具不再局限于预置的几十个插件。面对用户的复杂意图，Qveris AI 能够基于语义理解，在海量资源库中以秒级速度匹配最适合当下的工具或数据源，实现从关键词搜索到意图匹配的进化。

·标准化一键调用（Unified Execution）：将原本需要耗时数月的商务谈判与 API 对接工作，压缩为几行代码。通过统一的 Schema（数据结构）定义，Qveris AI 屏蔽了底层数万个工具的异构差异。开发者只需对接一个标准接口，即可调度万级以上的标准化工具，极大降低了集成复杂度。

·动态路由与高可用（Dynamic Resilience）：这是企业级 Agent 稳定运行的保障。Qveris AI 充当了智能路由器的角色，当某个工具因网络波动、服务中断或价格调整不可用时，系统能自动寻找并切换至同类备选方案。

王林芳解释说道：“我们接入了全网的工具和搜索+调用的能力，包括进行 Agent 的搜索排序。例如，在同花顺无法使用时，这套基础设施可以查询东方财富、彭博等同类数据。这样一来，开发者始终能够获得实时的替代方案，不会受到单一服务提供方的限制或中断的影响。”

从搜索到 Agent：一个长期主义者的判断

要把搜索、调用、评估和交易整合成一套系统，本身并不是一个轻量级工程。回顾王林芳的职业经历，她在搜索领域的积累为创业奠定了基础。

其本科和硕士毕业于清华大学电子系，研究生时期曾在微软亚洲研究院实习，毕业后加入微软，在 Bing 搜索引擎负责工作包括百亿级网页爬虫、索引、多模态理解、知识图谱等。

后来，她加入了一家创业公司 Opera News 做大规模推荐引擎。2018 年，王林芳来到京东 AI 研究院，主要聚焦于 AI 视觉算法及应用。2022 年底 ChatGPT 出现后，她意识到这是 AI 领域的一个重大机遇。于是她 2023 年中从京东离职开始探索创业之路，以 CTO 的身份加入了 Liblib AI，打造了国内领先的开源开放多模态模型社区和工具平台。

图丨王林芳（来源：王林芳）

2025 年 6 月，她正式成立了 Qveris AI。据了解，目前该公司已与数家企业达成合作，其中包括知名通用 Agent 开发商，以及多家专注于金融与科技领域的 Agent 公司，年收入已到达数百万元。

在王林芳看来，云厂商、SaaS 服务商以及各类数据工具提供方，本质上属于资源供给侧；而 Qveris AI 则处于连接供给与需求的索引分发层，两者生态位截然不同。

“我们希望成为 Model Agent 体系中的‘Google’。”王林芳形象地比喻道，“正如 Google 不生产网页但索引全网信息一样，Qveris AI 的核心价值在于其跨平台的中立性。我们不绑定任何单一云厂商，而是广泛兼容各类底层基础设施，将分散在不同云端的服务聚合起来，统一分发给上层的各类模型与开发者。无论你的资源在哪里，无论你使用什么模型，我们都是中间那个高效的连接器。”

Agent 经济的长期想象

Agent 经济给我们留下了想象空间：Agent 的发展可能是非线性的，并在各种业务中得到广泛应用。

王林芳指出，未来 10 年内，有可能 90% 的业务都会由 Agent 自主完成。“尽管每个领域都有最好的工具，但发展路径总是先有再优，就像搜索引擎的覆盖面优于人工精选一样，我认为搜索模式更适合现在和未来较长一段时间的需求。”

当 Agent 开始自主搜索、比价、决策并执行，人类与技术的关系或许会再次发生改变。在这个过程中，真正重要的，不只是模型有多聪明，而是它能否被接入一个更开放、更透明、更可信的世界。

如果说过去的互联网连接的是人，那么正在形成的 Agent 网络，连接的将是能力本身。

排版：刘雅坤

北京心灵方舟科技发展有限公司‌成立于2000年8月‌，是一家专注于心理学与脑科学应用研发的国家级高新技术企业。‌公司致力于以脑保护和脑开发为核心的脑健康领域，已经推出了脑机接口技术转化产品——外形类似于头戴耳机的光电刺激仪，设备可以在使用者头上、耳后等点位发射光和电的刺激，调节皮层兴奋性。 这些名场面彰显大国力量