企业级Agent正在成为整个toB市场的共识。
作者|栗子
企业级智能体(toB AI Agent)正在成为全球最受资本追捧的赛道之一。
- 去年10月,由OpenAI董事会主席Bret Taylor与前谷歌高管Clay Bavor联合创立的企业AI智能客服产品Sierra AI,以45亿美元估值完成1.75亿美元融资;
- 今年5月,帮助企业构建AI Agent的初创企业Relevance AI完成2400万美元B轮融资;
- 上个月,企业级AI平台Glean完成1.5亿美元F轮融资,号称为企业实现“Google+AI知识图谱+工作流自动化”,估值超72亿美元……
从最初的帮你做分析、做研究的通用型Agent,到如今宣称能重构企业流程的“数字员工”,这股浪潮以前所未有的速度席卷而来。
「甲子光年」在此前发布的《中国AI Agent行业研究报告(二)》中明确指出,到2026年,认知型Agent将覆盖70%的企业复杂决策场景,重新定义生产力革命。
资本热捧,巨头入局,创业公司如雨后春笋,企业级Agent似乎已经成了整个AI甚至是toB市场的共识。
然而,喧嚣之下,一些问题依然需要我们厘清:Manus、flowith Neo等通用型Agent珠玉在前,企业为什么还需要企业级Agent?企业级Agent在业务场景落地的难点是什么?它能否真正改变toB软件的商业模式?
换句话说:企业级Agent,究竟是一门好生意吗?
1.企业级Agent崛起:从工具到“数字员工”
一个确定的事实是,企业级Agent越来越多了。
以国内市场为例:CRM赛道,销售易和纷享销客都在产品中上线了围绕销售场景的系列Agent;来也、金智维等服务商正在基于Agent能力实现从RPA到数字员工平台的升级;而HR领域,北森等公司也陆续推出了各种企业级Agent产品。
还有非常多没有列举到的企业级Agent。
从技术架构看,一个完整的企业级Agent,通常包含几个核心模块:环境感知、决策引擎、记忆系统和执行工具。
- 感知(多模态输入与环境感知):企业业务不只涉及文本,还包括票据、合同、图纸甚至音视频。Agent需要具备处理多模态信息的能力。悦点科技创始人任鑫琦指出, Agent技术正从纯文本向图像、语音等多模态迁移,这是其能力进化的重要方向。
- 大脑(决策引擎):这是Agent的核心智能所在,通常由大语言模型(LLM)驱动。它负责理解用户意图、将复杂任务分解为可执行的子任务,并根据实时反馈进行动态决策。Minimax Agent核心研发林凡提到,优秀的Agent必须具备出色的“规划执行能力”,这是衡量其智能性的关键。
- 记忆(长期与短期记忆系统):Agent需要记忆来维持任务上下文,并从过去的经验中学习。
- 手脚(工具调用与执行器):“大脑”的决策最终需要“手脚”来执行。这包括调用外部API、操作软件界面、读写数据库等。
「甲子光年」认为,企业级AI Agent的核心价值在于“大模型调度能力与全链路自动化闭环”。
之所以大量toB企业都在产品中加入了Agent,是因为它并不仅仅是传统软件的AI升级版,而是具有颠覆性的潜力。它真正将大模型的“思考力”与工具的“执行力”高效协同,形成一个完整的、能解决实际问题的闭环。
在「甲子光年」的访谈中,几乎所有受访者都认可:企业级Agent的核心价值,在于它正在从一个“辅助工具”进化为一个能够独立完成任务的“数字员工”,从而重构人与机器的协作关系。这与「甲子光年」智库报告的判断相互印证。
来源:甲子光年智库《中国AI Agent行业研究报告(二)》
以来也的销售线索生成Agent为例,该Agent能自动在搜索引擎、海关数据、招投标网站中搜索、分析、比对潜在客户,并自动撰写和发送开发信,直到客户回复约定交流时间,才将任务转交给真人销售。这实现了端到端的销售线索生成,交付的是“新线索”这一工作成果。
当企业级Agent开始“干活”,它就不再仅仅是员工手中的工具,而成为了员工的“同事”。这种角色的转变,正在催生一种全新的人机协同范式。
从技术的视角看,这种迭代可以概括为数字员工的进化。从1.0阶段依赖人工配置的RPA,到2.0阶段融合常规AI能力的智能自动化,再到3.0阶段由大模型驱动、具备自主决策能力的Agent,数字员工的能力正不断跃迁。
最终的图景是:每个业务单元乃至个体员工都将与专属Al Agent形成共生关系,通过智能体网络实现跨系统、跨部门的协同,构建起一个动态响应、自主进化的新型智能组织。
2.确定、垂直、落地,企业级Agent的三个标签
但问题在于,今天的用户可能或多或少都已经使用过通用型AI Agent产品,为什么我们还需要企业级Agent?
如果从产品本身来看,无论是Manus、智谱的COCO、昆仑万维的天工超级智能体,还是上述企业级Agent,它们确实都具有相似的产品形态和交互体验:一个对话框,通过自然语言交互完成任务。但使用场景的差异,导致二者呈现了两条截然相反的底层逻辑。
首先就是用户对“确定性”要求的天壤之别。
纵观市场大多数通用型toC Agent,它的任务通常是调研、创作甚至是娱乐的。例如写文章、调研报告、一键生成PPT、生成旅游攻略等。这些任务的共同点是容错率高,用户甚至可以容忍一定程度的幻觉。
“比如用户让通用型Agent调研100个网站,基于调研情况撰写报告。可能它的成功率只有70%,但完成报告已经足够了。”来也科技联合创始人兼CTO胡一川举例。
但企业级Agent完全不同。
由于企业级Agent需要接入业务场景,就意味着企业级Agent必须做到“零失误”。因为对于企业而言,无论是财务报销、供应链管理还是客户关系维护,都牵一发而动全身。一个错误的订单处理、一次不准确的客户信息录入,都可能造成直接的经济损失和信誉危机。
销售易产品副总裁罗义认为,对比通用型Agent的自主规划和发散思维,企业级Agent的要求是收敛和确定性。这种收敛…