财联社6月25日（记者 李洁） 伴随着大模型能力的持续迭代，简称为智能体的企业级AI Agent正日益成为推动产业数字化转型的关键新焦点。

从客服问答、文档生成这类基础应用，扩展到采购、风控、财务审批等更为复杂的业务流程自动化，AI技术正逐步实现从单纯的“辅助工具”向具备自主任务执行能力的“数字员工”的转变。根据Gartner的预测，到2026年底，全球40%的企业应用将嵌入这类智能体，而这一比例在2025年预计将不足5%。

不过，虽然市场关注度很高，但企业级AI Agent与真正实现规模化应用之间，仍然存在着较为显著的差距。

“当前，众多企业仍然普遍将自身应用停留在采购大模型账号，并对其开展初步测试与尝试的阶段。能够真正将AI技术纵深融入其核心业务流程，并借此创造出可量化商业价值的成功案例，实际上仍然相对有限。”兆企供应链的董事长徐琪在接受记者采访时阐述了这一观察。

多位产业分析人士指出，企业级AI Agent目前正处于从技术验证向产业应用过渡的关键阶段。在这一进程中，那些具有大量标准化操作流程的行业，例如供应链管理、制造业以及金融服务等领域，有望率先实现商业化方面的突破。

近两年间，市场上已涌现出若干具有代表性的企业级AI Agent产品。人工智能的应用范围正从客服问答、文档生成等基础功能，逐步深化至采购、风控、财务审批等更为复杂的业务流程自动化，其角色也由此开始从单一的“辅助工具”，向具备自主任务执行能力的“数字员工”转变。据预测机构Gartner分析，到2026年底，全球约40%的企业应用中将嵌入此类智能体，而这一比例在2025年预计尚不足5%。

然而，尽管市场关注度持续升温，企业级AI Agent的规模化应用与理想状态之间仍存在明显差距。“当前，许多企业仍将自身实践停留在购买大模型账号并进行初步测试与尝试的阶段。能够将AI技术深度融入核心业务流程，进而创造出可量化商业价值的成功案例，实际上依然较为有限。”兆企供应链董事长徐琪在采访中指出了这一现状。

多位产业观察人士认为，企业级AI Agent目前正处在从技术验证迈向产业落地的关键过渡期。在此过程中，那些具备大量标准化操作流程的行业，例如供应链管理、制造业以及金融服务等领域，将有望率先取得商业化层面的实质性突破。

其中，微软推出了名为Copilot的体系，将AI技术嵌入到办公软件以及企业系统当中；Salesforce推出了名为Agentforce的智能体体系，希望借助智能体来承担销售和客服等工作；ServiceNow则推出了面向企业流程管理的AI Agent体系，帮助企业自动处理工单、审批和运营流程。

国内市场同样动作频频。阿里云推出了企业智能体开发平台，腾讯则持续推动混元大模型在企业办公场景中的应用落地；百度、字节跳动以及华为等厂商也在加速推进企业级Agent生态的布局工作。

伴随大模型能力的持续进化，通常被称作智能体的企业级AI Agent，正日益成为驱动产业数字化转型的重要新方向。
其应用范围已从客服问答、文档生成等基础场景，扩展到采购、风控、财务审批等复杂的业务流程自动化环节，其角色也由此开始从单纯的“辅助工具”，向能够自主执行任务的“数字员工”转变。据Gartner预测，到2026年底，全球约40%的企业应用将嵌入此类智能体，而这一比例在2025年预计不足5%。
不过，尽管市场关注度很高，企业级AI Agent的规模化应用与理想状态之间仍存在显著差距。“目前，许多企业仍将自身实践停留在购买大模型账号并进行初步测试与尝试的阶段。能够将AI技术深度融入核心业务流程，进而创造出可量化商业价值的成功案例，实际上依然较为有限。”兆企供应链董事长徐琪在采访中指出了这一现状。
多位产业观察人士认为，企业级AI Agent目前正处在从技术验证迈向产业落地的关键过渡期。在此过程中，那些具备大量标准化操作流程的行业，例如供应链管理、制造业以及金融服务等领域，将有望率先实现商业化方面的突破。

与互联网大厂着重发展通用型人工智能能力不同，企业级智能体解决方案则更加依赖于行业知识、业务流程的深刻理解以及场景经验的长期沉淀。例如，在制造业当中，人工智能技术已经被应用于产品质量检测、生产设备的预测性维护以及生产排程的动态调度环节。在金融领域，智能体技术正逐步承担起客户画像分析、信贷风险审核以及研究报告生成等职责。而在供应链管理范畴，包括商品报价、供应商采购、跨部门物流协同以及商业合同审核等核心环节，也正在借助AI技术得以重构和优化。

供应链领域已率先形成可供参考的应用范本。近期，由中央财经大学与兆企供应链联合开发的企业级AI Agent框架WorkMate正式宣布了其开源进程。

与市场上大量通用型智能体有所不同，WorkMate将自身明确定位于供应链服务这一垂直领域，并在塑化行业率先完成了应用验证。据了解，该智能体已在兆企供应链内部持续运行了近两年时间，其功能深度应用于包括微信报价识别、合同自动生成、客户画像分析以及风控预警在内的多个核心业务环节。

根据兆企方面披露的数据显示，在WorkMate系统上线后，企业报价响应时间从20分钟缩短至30秒，市场分析报告撰写时间从4小时压缩至15分钟，合同审批周期从1天缩短至20分钟。

企业级Agent落地仍面临挑战

尽管市场前景显得十分广阔，但企业级AI Agent实现大规模应用仍面临若干现实挑战。

就企业应用的角度而言，虽然通用大模型在语言理解方面表现出了较强的能力，但在产业知识的积累方面却有所欠缺。仅仅具备基础的对话交互能力是远远不够的，人工智能技术需要真正理解采购规则、财务制度、审批流程以及行业内在的逻辑。

“不同行业之间存在着巨大的知识与实践壁垒。”徐琪对此评论道，许多科技公司开发的产品由于在产业实际操作经验方面存在欠缺，因此很难真正融入企业实际的经营决策与流程运转之中。

“真正决定最终价值的并非模型本身，而是哪些实体能够成功实现模型与具体产业场景之间的深度结合。”徐琪向记者指出。

其次，安全与合规问题同样构成了一个关键考量方面。中国人民大学商学院教授吴武清对记者阐述道，财务以及风控等敏感岗位对权限管理和审计追溯提出了极高的要求，企业最为担忧的并非人工智能“不聪明”，而是人工智能可能“做错事”。

此外，与消费级应用存在显著差异的是，企业级Agent并非仅通过简单安装便能投入使用。尤其是在大型国企、央企以及传统制造企业当中，其组织架构、管理制度和审批体系都保持着高度的稳定性。人工智能若要真正融入业务流程，就需要对现有流程进行梳理，对协作模式加以重构，并建立新的责任边界。

徐琪对此进一步指出，人工智能技术所带来的变革更可能是一个长期演进的过程。企业不可能将现有体系推倒重来，只能逐步进行适应性调整。在这一过程中，中小企业可能展现出更快的适应节奏，而大型企业则需要更长的周期来完成相应的组织架构升级工作。

北京航空航天大学教授宋文燕指出，企业级智能体未来的发展方向，其核心目标并非完全取代人类工作者，而是致力于构建一种以知识增强为特征的人机协同闭环。

竞争进入“场景为王”时代

业内观察人士普遍认为，企业级AI Agent的发展路径正逐步趋于明确。通用大模型领域的竞争格局已经趋于稳定，而未来更大的市场机会则将来源于行业应用层面。

徐琪指出，在供应链、能源、钢铁、有色金属、制造业等具备产业链条较长、业务流程复杂以及数据要素密集特征的行业领域，有望发展成为下一阶段企业级智能体实现规模化落地应用的重要方向。

从商业逻辑的角度审视，企业级智能体的核心竞争力构成正发生显著转变。其应用范围已从客服问答、文档生成等基础场景，扩展到采购、风控、财务审批等更为复杂的业务流程自动化环节，其角色也由此开始从单纯的“辅助工具”，向能够自主执行任务的“数字员工”演进。据Gartner预测，到2026年底，全球约40%的企业应用将嵌入此类智能体，而这一比例在2025年预计不足5%。

徐琪指出，通用模型这一领域，预计最终可能只会剩下少数几家处于领先地位的企业。然而，行业Agent这条赛道，其发展的潜力和空间却足够宽广。不同行业将会各自构建具有自身特色的Agent生态系统，评价体系的核心标准也将发生根本转变，不再仅仅着眼于模型的参数规模，而是转向考察其能否为企业带来切实的商业价值与效益。

在业内人士看来，随着对算力资源的获取成本正呈现出持续下降的趋势，人工智能模型所具备的智能处理能力也在不断获得提升，开源技术框架与面向特定行业的技能知识库也在日益增多，这使得面向企业级应用场景的智能体技术，有望迎来一个加速普及与广泛落地的新阶段。

不过，与单纯追求技术层面的突破相比，一个更为关键的问题在于，如何让人工智能技术真正融入企业日常的经营决策与运作体系之中。基于此视角来审视，企业级智能体之间的竞争，其最终的决定性因素往往并非底层模型的参数规模或单纯的能力高低，而是开发团队或解决方案所具备的对特定产业的理解深度与场景适配能力。

来源：企业级AI Agent进入深水区：40%企业应用或嵌入智能体 供应链领域跑出落地样本 | 财联社