2025年中国企业级Al Agent应用实践研究分析报告

目录

CONTENTS0103定义与背景企业级Agent市场分析A型的定义与分类2025年企业级Agent应用市场规模约为232亿元全球企业级AIAgent优秀厂商图谱t的定义与分类I

Agent的发展历程企业级Agent采购分化：头部企业成采购主力，中小传统软件AI升级&AI原生软件：从“提升旧世垂直AIAgent重构SaaS行业：从效率提门坎Agent

=

大模型+规划能力+记忆能力+行动能力定义新世界规则”AI

Agent三级跃迁，产品形态与技术能力的协同演进MCP增强Agent与工具间的互联互通能力的范式革命端模式趋同全球Agent商业化模式分析：B端生0405不是所有AI模型/产品都是Agent，关键在于"工具调用能力"AI领域投融资分析：美国重视底层技术，中国聚焦头部大模型AI政策背景：中国将深化“人工智能+”行动：政策支持力度空前优秀厂商及案例分析通用AIAgent：阿里云、腾讯云、智谱、北电数智垂直AIAgent：美洽、玄武云、神州云动、蓝凌02AI

Agent应用现状2025年AI大模型应用市场规模约为328亿元趋势与展望全球AI价值链布局全景图：谁家更全面？谁家有短板？球标准，国产大模型快速追赶，缩小技术代差AI新型生产力：从“AI辅助人类(Copilot)”到“AI自主服务(Autop央国企+AI：超60%央企构建"大模型+Agent"双引擎Agent+机器人：为具身智能赋予“大脑”的关键价gent性能差距显著缩小：国际泛化能力占优，国产垂直场景深耕中国企业级AIAgent正处于从“普及级”向“融合级”过渡的阶AI

Agent应用场景智能客服渗透率最高，数据分析成为第AI

Agent应用的痛点与挑战Agent三大产品趋势：编码智能体、CUA与多通用Agent流量入口：颠覆传统搜索引体的崛起流量大战2定义与背景AI大模型的定义与分类AI大模型(LargeAIarge-scaleAIModels)是指拥有亿级以上参数的深度学习模能与模型的参数规模、数据集大小和训练用的计算量之间存型利用深度学习算法和人工神经网络技术等AI技术，通过学数据提升预测类型。从应用领域角度分类，AI大模型分为通用大模型、垂直大数据为单模态大模型、多模态大模型；按开放性分类，AI大模型模型、闭源大模型。也称“基座。在超大规模、广泛领域的数据上预训练而成，拥有强大的知识表示、语解与生成、基础推理能力。在通用大模型垂直大模型单模态大模型多模态大模型开源大模型闭源大模型多个领域和任务上通用。按应用领域在通用大模型的基础上，使用特定领域的专业数据和知识进行精调或继续预训练，使其在特定领域，如医疗、金融、法律、编程、生物医药等的表现显著优于通用模型。主要处理和生成单一类型的数据，包括纯文本、纯图像、纯语音等。常见的单模态大模型包括百度的文心一言、阿里的通义千问等。按输入数据类型能同时理解和生成多种类型的数据，包括文本模型包括腾讯的hunyuan-vision、商汤、视频、语音等，实现跨模态的信息融合、推理和创作。典型的多模态等。模型权重、部分训练代码及赖风险。典型的开源许研究、修改和私有化部署。透明度高，可定制性强，有助于促进求索的DeepSeek、百川的Baichuan等。低依模型权重和训练开，通过API、云服务或特定产品提供能力。通常由大型科技公司开能通常领先，服务稳定，易于集成。典型的闭源大模型如百度的文心一言、阿里的通义千问等。4定义与背景AI

Agent的定义与分类AIAgent（智能体）是环境感知、自主决策与行动执行能力的人工智能系统。其核心生成文本；规划能力（Planning）-制定目标导向的任务策互与知识。AI发展可划分为五个阶段：L1聊天机器人、L2推包含四个关键维度：感知能力（Perception）-解析、理解环（Action/Tool

Use）-调用工具或API执行操作；记忆能能体、L4创新者、L5组织者，智能体处在第三阶段。用户输入、进行-存储并y）01

部分自动化02

有条件自动化

感知能力：单一模态

感知能力：多模态L5

组织者规划能力：涉及少量流程节点行动能力：少量标准工具调用记忆能力：任务结束后重置规划能力：大量流程节点行动能力：工具数量、类型极大提高记忆能力：结构化数据存储L4

创新者L3

智能体04

完03

高度自动化L2

推理者主进化超高精度感知力

感知能力：少量人工规划能力：业行动能力能力：自主提升规划和编排能力行动能力：自动化调用工具编排下绝大多数工具调用L1

聊天机器人

记忆能力：自主构建知识图谱记忆记忆检索5定义与背景AI

Agent的发展历程：从传统架构到现代范式AI

Agent的发展可段。2017年之前可视为传统架构时期，从麦卡锡的“建议接7年之后，随着Transformer架构的提出，AI

Agent进入现集成使Agent获得“手脚”，实现与现实世界的高效交互。，到包容架构、BDI架构、混合架构，该阶段的研究为Agent。大语言模型如GPT-3扮演了“大脑”角色，突破了传统系和标准化工具协议进一步扩展了其感知与执行能力。的理论与架构制。工具调1959年：Agent的概念源于约翰·麦卡锡提出的“建议接受者”（advicetak感知、推理与行动能力的常识性程序核心是具备2017年：Google提出了基于自注意力机制的Transformer也催生了现代LLM-basedAgent的诞生为现代大模型的核心基石，••••••1970年：比尔·盖茨在《PersonalComputerasAgent》一文中设想未来电脑将成为每个人的数字代理人，可视为Agent的词源2020年：OpenAI推出了GPT-3模型，参数规模达到了1750亿，在零样本学习任务上实现了巨大性能的提升，提供了Agent的“大脑”。它证明了一个统一的模型可以理解、推理并回应各种复杂的指令，奠定了Agent作为“通用任务处理器”的可能性1972年：斯坦福大学开发出MYCIN系统，它能够诊断血液感染疾病，标志着第一批“专家级“Agent诞生2021年：OpenAI和Meta分别推出WebGPT和Toolformer，使大模型学会使用搜索引擎浏览网••页并引用来回答问题以及自主决定何时与如何调用外部API，赋予了Agent“手脚”。这两1980年：美国麻省理工学院的Minsky提出多Agent系统（Multi-AgentSystem,MAS），让多个相对简单的Agent协作，共同解决复杂问题个项目从理念上突破了LLM仅是“文本生成器”的局限，证明了工具调用（ToolUse）是扩展模型能力边界的关键范式，是Agent与外部世界交互的核心技术基础1986年：罗德尼·布鲁克斯提这种机制允许多个目标但合理的行为容架构，该架构最初被应用于机器人自动化领域的架构设计，抑制机制来协调最终采取的行动，确保Agent能表现出基础2023年力I发布AutoGPT，能够自主完成复杂项目任务，向全世界展示了Agent的潜gent”概念，使其破圈GPT-4TurbowithVision,Claude3Opus,Gemini1.5等模型强化多，使Agent能处理更复杂的真实世界信息•1987年（审议式BDI架构。BDI代表信念（Belief）、愿望（Desire）和意图这一架构的提出使Agent变得更像人类，给Agent装上“心智”••2024年：Anthropic推出MCP（ModelContextProtocol）协议，地访问各种外部工具和数据源全、标准化：InnesFerguson提出TouringMachine混合架构。由三个并行运作、构成，为动态环境中的自主移动Agent提供所需的多样化行为能力。2025年：Agent元年，AIAgent产品爆发，深度渗透至各行各业

开启Agent应用的全新阶段早期定义与传统架构大模型重塑智能体范式6定义与背景Agent

=

大模型+规划能力+记忆能力+行动能力AI

Agent是“数字型是“数字人的大脑”。大模型是AI

Agent的核心驱动力与造性思维，如同赋予Agent一个强大的“大脑”。AIAgen工具使用（ToolUse）。这种结合了大模型智能与行动能力它为Agent提供了关键的感知与认知能力，包括理解信息、的基础上整合了三大关键能力组件构成的更高级架构：规划理、生成文本忆（）、记行的跃迁。表了当前大模型应用的最高阶形态，实现了从被动响应到主大模型

感知能力提供者(AI大脑)Agent

行动执行者(AI)大模型是Agent的核心驱动力与智能基础11大模型行动能力：大模型的工具调用受限于训练数据与模型参数行动能力：Agent能够突破模型限制，通过不同工具扩展能力+规划能力+22记忆能力记忆能力：大模型局限于单次对话的上下文窗口，虽然可以通过外部存储扩展具备管理长期记忆的应用的最高阶形态赋予感知和认知能力记忆能力：Agent不仅具有短期记忆，还具备长期记忆。此外，Agent还具有记忆流，能够记录其观察、思考和行动序列，形成可追溯的决策链+力，但本身并不行动能力33A规划虽然能够通过思维链(Chain-)等技术展现出一定的推理能力，但这是静态的、一次性的，无法根据执行结果动规划能力：Agent具有动态能够将复划并监控执行进划，并通过反思和自Agent是大模型应用独立分解任务、规AI不仅是“助手”

更是具备闭环执行能力的“智能代理”，赋予AI高度自主性，使其能够调用工具完成目标。Agent模式下，杂任务分解为子任务度，根据执行结果调我批评不断改进态调整7定义与背景通往AGI的道路：AI

Agent三级跃迁，产品形态与技术能力的协同演进Agent是AI迈向AGI（能）的关键环节之一。其发展可分为三个阶段，既体现产品、提示词工程和向量数据库等技术之上，实现L1部分自动化量人工干预下完成多步骤复杂任务，达到L2有条件自动化至，也标志着技术能力的跃升：初级阶段的智能体侧重于人机深核心能力构建于理等技术发展为任务驱动型智能体，需突破多智能体协作框架、复杂忆管自动化。化；高级阶段将实现纯粹的AGI智能体，无需任何人工干预初级阶段中级阶段阶段多智能体协作Multi-Agent

Collaboration完全自主的智能体Fully

Automous

AI

Agents大语言模型Large

Language

Models多个智能体在团队中互动、分配任务、解决问题无需人类干预，独立计划、决策、行动和改进像GPT、Deepseek这类能理解和生成文本的模型智能体框架Agent

Frameworks自我学习的智能体Self-Learning

AI

Agents用于构建、协调多个智能体的工具嵌入和数据向量库Embedding&Vector

Databases基于反馈和历史经验改进和学习的智能体多步骤推理Multi-Step

Reasoning存储和检索语义信息将任务分解为更小的步骤以进行执行(例如思维链提示)强化学习和微调Reinforcement

Learning&Fine-Tuning函数和工具Function

Calling&Tool

Use通过RLHF（人类反馈强化学习）和监督微调自定义智能提示工程Prompt

Eng允许AI调用函数和外部工具并执自主规划与决策Autonomous

Planning&Deci设计优化响应和准确性记忆和检索Memory&sms基于用户目标做出独立决策的智能体使用类似RAG）的方法获取信息部访问APIs&External

Access智能化工作流Agentic

W上下文管Management通过API将AI与外部数据源和工具连接处理长对话、对话历史和用户交互智能体可以自主决定和行动

结构化工作流程8定义与背景MCP普及突破传统Agent存在的问题，增强Agent与工具间的互联互通能力模型上下文协议（MoxtProtocol，MCP），是由Anthropic推出的开源协议，旨在）相比，MCP具备通用性强、互操作性高、使用门槛低等突本高昂等问题。MCP的广泛应用将显著降低系统集成复杂度言模型/Agent与外部数据源和工具的集成。与传统的工具调用FunctionCalli生态碎片过提供开放统一的通信标准，有效解决了Agent与外部环境在的系统。nt与工具之间的互联互通能力，形成更加繁荣、开放和协同比维度Function

Calling（OpenAI）A2A（Google）MCP（Anthropic）LLMAPI的早期工具调用方案，需开发者自定义函数集合建立跨平台、跨模型的通用工具调用标准，定义Agent与工具的交互规范核心定位强调Agent间直接交互高。如同“国际度量衡”，统一Agent与工具的交互逻辑，兼容所有遵循MCP规范的模型与工具低。依赖OpenAI专属规范，无通用

低。未形成统一技术标准，且与现有工通用性标准具生态割裂高。Agent可调用任意MCP工具，工支持MCP即可被所有Agent“一次开无。不同开发不低。无法直接复用现有工具生态，Agent间交互需额外适配互操作性传统模式存在的痛点MCP模式的优势生态割裂接口各异通用性强互操作性高。开发者需针对OpenAI规范编高。需单独开发Agent间交互模块，低。逻辑，Agent与工MCP规范即可对接，大幅降低集成与生态构建成本定制开发成本高使用门槛低开槛写函数调用代码，且需手动处理参

且无法复用成熟工具调用流程，增加开

具仅需数解析与结果返回

发成本9定义与背景不是所有AI模型/产品都是Agent，关键在于"工具调用能力"大多数AI产品（如文本像生成模型）是被动响应的“大脑”，是具备“理解与生成”法影响外部世界。而AIAgent则同时具备“感知能力、记忆调用外部工具以拓展能力边界、达成复杂目标的能力，实现术底座，仅能完成文本创作、信息问答等单一、封闭的输出任接受输入并产生Use）能调用能力、规划能力”四大能力，其核心差异在于是否具备ool问题”到“解决问题”的跨越。传统AI模型/产品

vs.

AI

Agent

能力定位不同AI产品的能力情况ꢀChatbotCopilot

&

Assistant半自动Agent全自动AgentAIAgent感知能力√√√√√√√记忆能力ꢀ工具调用能力ꢀꢀꢀꢀ√模型/产品能力ꢀ√封闭世界开放世界10定义与背景美国投资重视底层技术，中国投资聚焦头部大模型2024年美国AI领域投090亿美元，同比增长40%，聚焦底层技术突破，大量资金用比下降14%，尽管整体投资金额有所下滑，但投资更加聚焦优势，在2024年以绝对领先地位领跑中国AI融资数量，持续部企业在算力、数据垄断以及生态绑定等方面构建护城河；中流入月之暗面、智谱AI等头部大模型公司。地域分布上，北AI创新高地的核心地位。投资规模达146源地和资本聚2015-2024年美国/中国AI领域投资规模及增速2024年中国AI领域融资事件数量TOP10城市单位：亿美元单位：起120010008006525021320043150120600211040017820005003026-11882015

2016

2017

2018

2019

2020

2021

2022

2023

2024美国

中国

yoy（美国）

yoy（中国）北京

深圳

上海

杭州

南京

苏州都⽆锡

合肥数据：CBInsights、IT桔子、第一新声智库数据：IT桔子、第一新声智库11定义与背景中国将深化“人工智能+”行动：政策支持力度空前8月26日，国务院发表关于深入实施“人工智能+”行动的意见》，明确提出到2027济核心产业规模快速增长，人工智能在公共治理中的作用明、智能体等应用普及率超90%，智能经济成为我国经济发展实现人工智能与6大重点领域广泛深度融合，新一代智能终端、应用普及率超7工智能开放合作体系不断完善。到2030年，我国人工智能全量发展，新一极，推动技术普惠和成果共享。AI政策梳理时间名称发布部主要内容2017年7月《新一代人工智能发展规划》国务院明确到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。通过建立和完善人工智能的标准体系，促进技术创新、保障数据安全和个人隐私，以及维护伦理道德。《国家新一代人工智能标准体系建设指南》2020年7月2021年3月2022年7月2023年5月国家标准化管理委员会等全国人民代表大会《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标》人工智能优先级进一步提升，强调“培育壮大人工智能、大数据、区块链、云计算、网络安全等新兴数字产业”。《关于加快场景创

以人工智能高水平应着力解决AI应用和产业化问题，以“数据底座+算力平台+场景开放”三驾马车驱动AI与经济社会发展深度融合。科技部、教育部等六部门国家网信办、科技部等七部门用促进经济的指导意见》规范和服务，以促进其健康发展，维护国家安全和社会公共利益，同时保护公民智能服务管理暂行办法》益。关于推动未来产业创新发展的实施意见》工业和信息化部、教育部确利用人工智能、先进计算等技术精准识别和培育高潜能未来产业，支推进“人工智能+“行动，支持大模型在制造、新能源汽车、智能终端等化。25年3月《国务院政府工作报告》国务院国务院广泛应用。《国务院关于深入实施“人工智能+”行动的意见》明确到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长。2025年8月12AI

Agent应用现状AI

Agent应用现状2025年AI大模型应用市场规模约为328亿元，2022-2027年复合增长率达131%第一新声智库研究，2022-2027年中国AI大模型应用市场规合增长率将达到131%，至2027年，AI大模型市场规模将达2022-2027年中国AI大模型应用市场规模及增速元，AI大模型行业达到盈利临界点。

洞察一：2024年，中国AI大模型商用加速场规模将达到157亿，市场用户主要以定制化和AP为主；大模型应用785市场规模包括企业用户购买大模型产品、

模型服务、大模型应用服务和软硬一体化大模型应用平台形成的市场总量。800700600500400300200100

洞察二：

2025年，中国大模型招投标市场规模增速将有所放缓，主要受Deepseek开源影响。以Deepseek为代表的开源大模型生态的成熟与普及，有效降低了企业获取和使用先进大模型能力的门槛与成本，驱动部分行业用户从付费购买商业大模型服务转向采用或适配开源模型方案，从而抑制了整体付费市场规模增速。612CAGR：131%328三：头部大模型使用率下降，Agent应用增长。头部大模型epseek使用率从年初的50%大幅下跌。这一趋势主要由以下驱动：一方面，垂直领域模型、开源模型及小型化私有化15758部分用户需求，降低了对单一通用大模型的依赖；户更倾向于采购能直接解决业务场景问题的A用底层模型能力。业用而非单纯调2022202320242025E202027E数据：第一新声智库14全球AI领域关键参与者价值链布局全球AI巨头价值链布局全景图：谁家更全面？谁家有短板？全球人工智能核心企四大环节（应用层、基础模型层、云端推理层、领先优势，但在

硬件环节依赖外部供应，存在明显能成四大环节全链条布局，具备端到端技术落地能力；而Dee硬件呈现显著分化特征：作为全球AI领军企业的OpenAI，在应歌则实现四大环节深度全覆盖，垂直整合能力凸显；国内百模型层及云端外微软、里、字节跳动在前三环节实现深度渗透，仅在硬件领。弱存在感强存在感应用(Applications)基础模型

(自研)(FoundationModels-FirstParty)云端推理

(自研)(CloudInferenParty)atorware)H数据：第一新声智库整理15国内外大模型的性能对比分析GPT-5提升全球标准，国产大模型快速追赶，缩小技术代差8月8日，OpenAI正68.95，国内-5，进一步提升了全球基础模型能力标准，国内企业提质量。根据ArtificialAnalysis最新综合性能指数评测结果，Gen3和deepseek-R1分别得分63.59、62.53，国内大模型多任务处理等关键维度已实现对国际领先水平的快速追赶，能达技术代差。到与齐驱的水准。尽管国际厂商在基础模型泛化性与生态成熟度，但国内头部大模型通过聚焦核心能力的针对性优化，正逐2024-2025年全球顶尖大模型性能指数对比综合评测核8070605040302010人工智能综合指数（覆盖MMLU-Pro、GPQADiamond、SciCode等7项能力维度）显示，DeepSeek与国际头部模型的差距已缩窄至5%。MMLU-Pro（复杂推理与知识）与GPQADiamond（科学推理）两大高难度测评中，DeepSeek均强势入围全球前五，标志着国产模型在逻辑推演、跨学科知识融合等核心能力上已具备与国际巨头同台竞技的实力。1

GPQA

Diamond评测全球TOP5大模型10.90.80.70.60.50.4MMLU-Pro评测全球TOP5大模型0.90.80.70.60.50.40.30.20.104

Mar'24

May'24

Jul'24

Sep'24

Nov'24

Jan'25

Mar'25

May'25

AuOpenAIAlibabaGoogleDeepseek数据：ArtificialAnalysis、第一新声智库。注：指数包括MMLU-Pro,ꢀGPQAꢀDiamond,ꢀHumani

sꢀLastꢀExam,ꢀLiveCodeBench,ꢀSciCode,ꢀAIME,ꢀIFBench,ꢀAA-LCR共8个评估标准16国内外Agent的性能对比分析中美Agent性能差距显著缩小：国际泛化能力占优，国产垂直场景深耕基于SuperCLUE等权构建的评估框架分析，国内外Agent在核心性能维度上呈现域知识内化构建差异化竞争力，在强本土化场景中任务准对比格局。在任务适应力与资源效率两大维度上，国内外Ag当，国产Age。但在泛化能力与迭代成本方面，国际产品仍保持显著优势用场景的零样上，国际Agent展现出更强的适应性与扩展性，能够更高效迁移到全新、未见过的任务场景中。AI

Agent评估层级及关键指标能源调度场景政务舆情场景国内优势场景评估层级关键指标国内代表产品国际代表产品性能差距国内某电网智能调度Agent深度整合了我国特高压电网架构、区域能源政策、地方用电峰谷规律等本土化数据。在实时响应精度上，能够在5分钟内完成区域电网负荷预测与电力分配调整。国内政务Agent专注于地方政府舆情监测，可实时抓取并分析社交媒体、地方论坛、政务留言板等平台的信息。在处理涉及方言、地方政策术语的舆情时，实时响应精度达90%，能精准识别舆情风险等级并生成本土化应对建议。中文任务准确率DeepseekR192%vsClaude94%任务适应力

实时响应精度DeepSeek-R1Claude3GLM-Z1120ms/queryvsGPT-4126ms/query资源效率泛化能力推理延迟异常鲁棒智谱GLM-Z1AirGPT-4TurboOperator跨行业客服场景深度科研场景Manus数据异常时能保持81%的风险识别准确率vsOperator环境异常时自动重新定位元素的成功率达94%国s国际某通用客服Agent可快速迁移至电商、金融、医疗等多领域，无需针对单一行业大量标注数据。在处理“异常查询”（如用户用隐喻、跨领域术语提问）时，能通过已有知识迁移理解复杂表述并给出准确回复。国外Agent在深度科研与内容巨大优势，能够理解复杂取、阅读并交叉验构报告、最爬、权威机势场景Manus在金融分析场景中，微条人工标注数据即可达到Operator在办公自动微调仅需200条标信息，最终整合综述报告、市场分析数据标注量ManusOperator成结构清，学术论文。数据：第一新声智库整理17AI

Agent应用现状中国企业级AI

Agent正处于从“普及级”向“融合级”过渡的阶段根据第一新声智库研ens（模型处理的文本单位，含输入、输出）作为核心量化指广度”、“对核心业务的影响权重”三个维度，将企业AI业AIAgent应用的规模、深度、场景渗透度，结合“tokentokens量”Agen度分为五个等级：萌芽级、普及级、融合级、驱动级、原“融合级”并探索“驱动级”，但绝大多数企业仍处于“萌业AI及级”。成熟度正处于从“普及级”向“融合级”过渡的阶段，头部等级tokens特征应用特征典型场景以输入tokens为主（如员工手动输入prompt），输出tokens多为简单文本（如短回答、单轮对话）仅在非核心场景零星试用，未接入企业系统，无标准化流程中小企业市场部用AI写朋友圈文案HR用AI初筛简历（单轮提问）年tokens量＞100亿AI定义业务模式萌芽级普及级原生级Level5输入tokens开始多样化（如对接部分业

1-3个非核心业务场景实现规模化应

电商企业智能体客服日均处理10万务系统API），输出tokens涉及结构化内容（如报表摘要、多轮对话）用，但未覆盖核心业务流程，tokens消耗集中在单一部门次咨询，制造业用智能体分析设备日年tokens量10亿-100亿全业务AI驱动驱动级融合级普及志Level4Level3融入2-5个核心业务场景（如金融风输入tokens全面对接企业核心系统（如CRM、ERP、生产系统），输出tokens直接影响业务决策（如风控报告、生产调度指令）多模态to

n占比提升控、供应链调度、精准营销），形

银行数据分析智能体实时分析用户交融合级驱动级成标准化的“数据输入→AI处理→

易数据（日均100万条，每条转化为业务执行”闭环，tokens消耗与业年tokens量1亿-10亿核心场景深度渗透100tokens），年tokens量约3.6亿务指标强关联AI成为业务运转的核心引擎，80%大型互联网平台数据分用户行为数据（日token路，输出tokens支

以上业务场景依赖AI决策，tokens化，多模态tokens占比超50%年tokens量100万-1亿局部场景规模化Level2Level1消耗与企业营收、成本等核心指标直接挂钩，有专门的AI中台管理tokens分配与模型优化交互100tos量约okens成为企业“业务货币”——不仅是AI处理的单位，更是业务流程的核心载体企业商业模式基于AI原生设计（而非传统业务+AI叠加），toke年tokens量＜100万单点试用业（如智能驾驶公司、萌芽级AI平台），日均处理1亿+多态交互（如车路协同数据、用户生成内容），年tokens量超360亿生级（如用tokens量化用户需求、产品功能），

耗效率（如“每100万tokens输出tokens可直接生成新业务（如AI自动设

的营收”）成为核心竞争力，AI计产品、生成服务方案）型迭代与业务创新深度绑定18AI

Agent应用现状AI

Agent应用场景深度分化：智能客服渗透率最高，数据分析成为第二增长曲线根据第一新声智库对景最核心的目融、通信、医疗、工业/制造、教育六大行业近70家企业调研大行业下AIAgent应用的36个细分场景按“核心功能优先级的应用呈现场景深度分化的显著特征：智能客服以超70%的手场景孕育着下一轮爆发点。能）划分为客服、数据分析、营销、研发、知识助手五大类熟标杆；数渗透率达60%紧随其后，成为业务决策的核心支撑；研发、2025年AI

Agent

细分行业应用场景成熟度客服数据分析研发知识助手

洞察一：智能客服成为Agent规模化落地的标杆，跨行业渗透格局已成。00%智能客服智能客服凭借技术成熟度与商业价值的双重验证，已成为当前Agent应用中成熟度最高、覆盖最广的标杆场景，其渗透范围已横跨互联网、通信、金融等核心行业。根据第一新声智库调研，智能客服在各行业的应用深度呈现显著梯度差异，具体可划分为三大梯队：第一梯队（高频高标准化行业）：渗透率突破80%，以互联网、通信、金融为代表。其中，互联网行业依托海量标准化交互场景，渗透率超80%，头部电商平台智能客服部署率高达90%；通信行业则凭借运营商规模化服务需求，渗透率达到80%，金融行业智能客服渗透率达80%，成为智能客服落地的核心阵地。第二梯队（中频强合规行业）：渗透率约60%，集中于医疗、教育领域。受限于服务合规性要求与业务复杂性，医疗行业智能客服渗透率达60%，教育行业与之持平，整体处于规模化落地的攻坚阶段。第三梯队（低频高壁垒行业）：落地进程相对缓慢，以工业制造为典型。工业制造因服务场景非标准化，智能客服渗透率暂未形成规模化突破，仍处于探索期。智能客服智能客服知识助手智能质检内容生成知识助手75%成熟度网络优化

智能客服数据分析风险管理智能投顾智能维护智能客服数据分析用户行为分析智能运维远程监测50%个性化推荐知识助手知识助手个性化供应链优化个性化学习智能信贷智能营销数据分析型场景成为企业级Agent的核心战场，仅次于智能客服。药物研发智能诊断医疗虚拟社交角智能调度智能测评析型场景凭借与业务决策的强绑定性，成为Agent技术落地的第二增长曲线，应服之后。根据第一新声调研，数据分析型场景高渗透行业包括工业、金融、互联用Agent实现智能质检、智能维护，渗透率超70%；金融行业通过Agent完评分等环节，实现智能投顾、智能信贷，头部机构渗透率超70%；互客域通过利25%建模、用户信用行为数据池，在数据用户行为分析设计研发智能辅导教育分析场景实现65%的渗透率；通信行业则将Agent应用于智能运维、著提升资源调度效率。析，应用渗透率达60%，显低互联网通信工业/制造金融19AI

Agent应用痛点企业级AI

Agent应用的三重困境：供给端技术成本限制-需求端落地受阻-供需错配加剧根据第一新声智库调研端，技术能力不国企业级AI

Agent应用正面临“供给端技术成本限制-需求端供需错配加剧”的三重痛点，形成制约其规模化渗透的系统性给匮乏。需求端，组织内耗引发跨部门协同障碍，数字化基求形成尖锐矛盾，叠加数据孤岛问题，使Agent陷入落地困给应用，高研发成本与技术壁垒又将中小厂商挡在门外，导致两极分化进一动力。而供给端的通用化、标准化倾向，与需求端的垂直化供给端-技术与成本壁垒需求端-组织与基础障碍

组织内耗消解应用动力：

技术能力不足制约场景应用：企业级Agent往往需要跨部门数据共享与流程协同，但部门间存在数据壁垒与利益博弈，这种“竞争推诿”直接导致Agent落地时被人为基础技术尚未完全突破，如客服场景中方言理解的精准度不足，导致Agent在下沉市场或特定行业的服务效能大打折扣。这类细分场景的技术打磨需长期投入，但市场回报周期长，进一步加剧了供给端的研发顾虑。演亦文化供需错配设置障碍，甚至出现“试点即终点”的现象。

数字化基础薄弱：大量企业存在数据缺失、格式混乱、系统异构等问题，Agent应果不佳。

高成本压制供给

认知两极分化：企业级A入注、算力投入等成本极高，使中小厂商难以商为平衡成本，更倾向于服务标准化需求强的大客部分企业高估Agent能力，期待一步到分企业则低估Agent能力，完全不了观望态度。问题；另一部为企业带来什么，持长尾企业的供给缺口扩大。20企业级Agent市场分析企业级Agent市场分析2025年企业级Agent应用市场规模约为232亿元，2023-2027年复合增长率达120%一新声智库研究，2023-2027年中国企业级AI

Agent市场率将达到120%，至2027年，企业级AI

Agent市场规模将元。23-2027年中国企业级AI

Agent市场规模及增速单位

洞察一：据第一新声智库研究，2025年中国企到232亿元。AI

Agent将对SaaS市场的重AIAgent功能所产生的市场价值巨大。t市场规模将达业在SaaS产品中集成765500.00

洞察二：AI

Agent在SaaS中的渗透速度远超预期，已成为头部厂商竞争标配。据第一新声智库调研，AI

Agent在中国SaaS行业中的渗透率呈现爆炸式增长。2025年7月时渗透率约为30%，至9月已迅速攀升至40%以上。这一飞跃主要得益于钉钉、飞书等头部SaaS厂商均已全面部署并发布其AIAgent战略产品，将智能体能力作为核心模块嵌入其ERP、CRM、HRM等主力产品中，通过AI+重塑产品价值，驱动市场换挡提速。500.00400.00300.00200.00100.00468CAGR：120%232

洞

三：市场爆发伴随分层，“通用平台型”与“垂直场景型”Agent将展。面对旺盛且多元的企业需求，市场呈现出两大清晰路径：技巨头打造的通用AI

Agent平台（如阿里云通义千问、腾70发平台），提供基础能力以赋能千行百业；二是深耕特Agent解决方案（如专注于财务自动化、医疗研发其专业性和深度更能解决企业痛点。两者相年复合增长率的核心支柱。型AI的Agent），同构成了市场120%202320242025E20262027E数据：第一新声智库22全球企业级AI

Agent优秀厂商图谱23全球企业级AI

Agent优秀厂商图谱24企业级Agent市场分析准确率优先！企业级Agent采购分化：头部企业成采购主力，中小企业踌躇成本门坎根据第一新声智库调链优化等高内企业级AI

Agent市场需求呈现“头部引领、中小跟进”部企业凭借资源与场景优势成为采购主力，重点部署于智能客足15%。从核心采购指标看，目前企业级Agent采购的TOP中小企业虽接受度提升，仍受限于试错成本与集成门槛，实别是：首字延时、数据安全合规、多模态推理能力、跨系统协同水收敛度。客户核心关注指标（优先级排序）企业接受度与采购倾向••92%的企业表示第一考虑因素是召回准确率。作为核心性能指标，决定了信息检索与任务执行的精准性，直接影响业务结果。92%召回准确率中小企业头部企业首字延时指标直接影响用户体验与业务转化率，如在客服场景，用户等待超过2秒就可能流失。78%首字延时数据安全合规理能力•••接受度稳步提升：随着AIAgent轻量化方案普及，中小企业对智能化工具的认知度提高。核心顾虑：试错成本部署、人员培训期），更费意好订阅的SaaS否有集成的Agent力，而非单独采购Agent。••数据安全合规是采购决策的红线指标。70%••付费意愿明确：头部企业更关注AIAgent对业务效率“规模化提升”，70%上愿意为高精准度、定制化方案付费。采购特征：偏好定制Agent，优先选择成熟厂商。注重长期技术服务与行业适配性，试错成本容忍度高。多模态推理能力反映Agent能否跨文本、图像、语音等模态处理任务，适配复杂业务场景的关键。64%••企业内部多存在ERP异构系统，Agen系统直接决跨系统协同水平长任务收敛度，付52%些流程。长任骤断或gent处理多步贯性，避免中途中40%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%数据：第一新声智库25企业级Agent市场分析传统软件AI升级&AI原生软件：从“提升旧世界效率”到“定义新世界规则”传统软件AI升级如同“电动车”，在旧架构上局部优化，受制于历史包袱陷入“功能数据调用的效能瓶颈；而AI原生软件则像是“造特斯拉”，以互范式、数据流设计、商业本质上存在代际差异。以客服系界效率”转向“定义新世界规则”。式”数据融合为软件从被动工具蜕变为主动业务引擎。二者在核心理念、技仅能延迟响应后者则实时预判需求并拦截风险——这昭示着软件价值已从传统客服AI升级

vs

AI原传统软件AI升级与AI原生软件的差异维度传统客服AI升级AI原生客服实时扫描全链路数据（语音情绪/工单记录/库存状态），预判需求并主动出击：检测用户通话中的愤怒语调→自动调取补偿方案库，推送专属折扣；仅在用户点击咨询按钮后激活AI，调用碎片化数据（如历史工单库的10%字段）；回答依赖预设话术库，复杂问题需人工接管核心理念技术架构交互范式数据流设计商业本质运作模式发现物流延迟→主动短信告知备用方案传传传统软件AI升级lAI原生软件l自然语言驱动全流程统软件AI升AI原生统软件AI升级lAI原生软件l传传统软件AI升级lAI原生软件l实时决策型统软件AI升级lAI原生软件l数据流逻辑手动触发→有限字段调用“问题-答案”匹配减少人工-降本自动触发→全字段主动预判“需求-场景-AI作经符号混合架构菜单按钮触发功能AI作为事后分析型化嵌入AI组件效底座价值锚点存与复购-增收件26企业级Agent市场分析垂直AI

Agent重构SaaS行业：从效率提升到价值创造的范式革命AIAgent对SaaS行一场从底层逻辑到用户体验的范式革命，彻底颠覆了传统软件者升级为指挥官，软件从执行者蜕变为协作者。这种重构推着软件正式进入"目标驱动、人机共创"的新纪元。具"的协作模式。这种重构不是简单的功能增强，而是彻底改从"提升效率"跃迁至"创造收益"——Salesforce集成Agent协作的本质：期缩化周102业务逻辑层重构用户端-交互方式革新从"工具执行"到"智能决策"，AIAgent通过目标导向的动态规划能力，将业务逻辑从固定流程转向智能决策。例如，微软CEO纳德拉指出，AIAgent将SaaS应用从简单的CRUD操作升级为跨系统协调的业务逻辑层，无需直接访问单个应用数据即可完成多系统协同。从“图形界面”到“自然语言交互”，AIAgent通过自然语言交互颠覆传统SaaS的图形用户界面（GUI），且能自动生成解决方案，无需用户学习，直接消除用户学习成本。使SaaS从"人适应系统"转向"系统服务人"。0304生产端能迭代转型发"到"框架+模型"，智能体在生产端也极大简化，通过框架"订阅制"到"效果付费"，AIAgent推动SaaS商业模式从"按功阅"转向"按结果付费"。例如，AIAgent可提供AIaaS（AService）模式，企业按需租赁特定任务的AIAgent，护成本，同时实现效果付费机制。和模型调用，快速实现功能迭代，无需传统代码开发。AIAg的核心逻辑在后台维护，虽然需要不断迭代和更新功能，但相统SaaS软件的整个生命周期管理，AIAgent的迭代过程更为简单。和维27企业级Agent市场分析全球Agent商业化模式分析：B端生态分化，C端模式趋同全球Agent商业化呈、生态分化的格局。ToB领域形成三级结构：基础层国内外及企业平台；行业方案层差异凸显，海外由软件巨头主导金域快速铺量，反映技术积淀与生态基因的双重差异。ToC领费为主；功能层生态路径裂变，海外通过开放API构建独立S国内则深度嵌在政高价值领域，采用“订阅费+抽成”模式，国内则以政府、动，一：基础能力层普遍采用免费或按量付费策略，功能模块层。球Agent商业化模式对比客户类型区域国外服务层级商业模式说明举例OpenAl：EnterpriseAgent调用按量计费（约$0.06/1KTokens）按API调用量(如Token数、请求次数、处理时长)或资源使用量(如GPU小时)收费基础能力层按量付费LangChain：提供Agent开发框架，支持企业快速集成大模型、数据库和API，按团队规模收取订阅费（10人团队约2000美元/月）功能模块层订阅制或项目制订阅制+价值抽成Saas订阅(按用户数/用量/功能包)项目制解决方案(包含价值抽成)、高价值SaaS订阅(按企业规模/用量)Salesforce：EinsteinGPT为CRM场景定制Agent，自动生成销售话术、预测客户流失，按用户数订阅（约150美元/用户/月），同时抽取客户因效率提升带来的收益的5%行业解决方案层ToB与国外类似基础按量付费订阅制通义千问：在阿里云上提供通义模型API和AI平台服务，按调用收费（约0.002元/1KTokens）如流智能工作平台，提供会议纪要生成、文档总结、知识问答等功能，企业按用户数订阅平：盘古大模型政务Agent、煤矿安全监控Agent，按项目收费与国外类似，SaaS订阅为主，强调整合到微信/钉钉等生态国内业解决方案层项目制深耕垂直行业，提供“场景化Agent+决方案，按项目制收费Anthropic：提供对话式AgentAPI，个人开发者可申请免费额度；百建轻量级ToC应用（约0.002元/1KTokens），个人开发者调用构基础能力层功能模块层兔费或按量付费订阅制提供一定免费阅国内/外Midjourney：订阅制；金山办公：集成在WPSOffice中，提供文阅WPS会员或单独购买AI功能包结、PPT生成等Agent功能，需订免费基础功能，高级功能数据：第一新声智库整理28优秀厂商及案例分析AI

Agent优秀厂商案例分析阿里云：通义千问Agent，思深、行速，满足多场景AI应用构建需求阿里云通义备多统展现了企业级通用Agent的典型实践，通过大模型与工具与记忆进化能力，支持企业适配业务流程。核心优势在于深实现复杂任务的自规划与执行。通义千问Agent系统定位企作中枢，具定制化开发费”态工具与企业业务系统，支持私有化部署。商业模式以“基自动化，帮助企业降低运营成本，目前服务超2000家企业在零售、物流、金融等领域落地。阿里云通义千问Agent通产业AI化的关键载体。基于大模型实现交易机器人的全链路升级哈啰单车应用成果AgentCopliotAgent解决方案：•

阿里云百炼携手哈啰集团在智能出行领域展开新的业务探索：交易机器人判责机器人客服机器人人工助手•

哈啰基于通义干问的Qwen-plus、Qwen-turbo等模型组合，构建了用户意图识别、多轮对话、判责处置、智能问答等能力，实现了交易机器人的全链路各环节升级；租车导购四轮判责两轮判责租车判责知识问答多轮对话流程处置服务引导智能质检智能培训•引入RAG、COT、TOOL等技术构建Agent。以Agent直接赋能业务，实现全流程覆盖。交易机器人的售前导购环节，帮助客户实现租车GMV提升5%。出行机器人端到端多场景交互大模型多模态判责AI为引擎人机结合售前售中售后-30%+5%87%客服运营成本降低租车GMV提升判责准确率高达30AI

Agent优秀厂商案例分析腾讯云：智能体开发平台助力多行业、多场景智能体搭建腾讯云智能体开发平台tCloudAgentDevelopmentPlatform，简称TencentClo具，帮助企业高效、灵活地打造贴合业务场景的智能体应用检索增强生成）、Workflow（工作流引擎）、Multi-agent是基于大模型技术构建的一站式智能体开发与部署平台。该平多种先进的人工智包括LL对外服务的智能化升级。依托腾讯云雄厚的大模型基础与自P提供质量。协同）等核心开发框架，有效降低开发门槛，提升智能应用腾讯云智能体开发平台解决方案应用成果政务一网通办文旅虚拟导游金融智能投顾零售电子说明汽车语音助手物流智能客服泛互员工服务医疗挂号助手客户案例：应用场景

一汽丰田基于智能体开发平台搭建智能客服应用，上线于一汽丰田官网、APP、小程序、公众号等多个通路，提升多端人效，智能客服独立解决率从37%提升至84%。应用配置应用评测应用发布调用统计权限管理应用构建框架

雍禾植发通过将智能体开发平台搭建的应用与企业微信无缝对接，赋能团队实时获取业务专业知识，将客户核心需求与特征精准传递至行团队，为客户提供更专业、贴心的服务体验。LLM+RAG框架WorkFlow框架Multi-Agent框架文档问答对数据库官方插件：文档解析、混元文生图MCP插件企业知识库原子能力插件中心

腾讯学堂通过智能体开发平台，搭建司内首个连接问答助手，同时上线到腾讯学堂官网、企业序等入口，为员工提供课程学习、人事制平台的AI人、微信小程的咨询服务。自定义插件文档解析文档拆分向量化多模态多轮改写Rerank31AI

Agent优秀厂商案例分析智谱toGLM沉思，推动智能体进入“干”的阶段智oGLM沉思是全球首个能操作手机和电脑的通用Agent，由高级功能，在相关基准测试中性能表现出色。其最大亮点国产模型GLM-4.5与GLM-4.5V驱动，支持复杂任务链执行的“执行型助手”，只需用户一句话，它就能操作手机、电、工具调用、知识个高频手机应用及电脑软件中无缝切换，完成复杂任务。无论是用于企业级的业务赋能、内容，还是个人的学习和效率工具，AutoGLM都提供了一个高效且可靠能化解决方案。智谱AI技术栈示意图保险核保业务案例互联网金融科技终端硬件应用赋能解决方案：搜索招聘教育银行办公•

GLM应用于保险核保业务，快速提取投保件关键信息，并通过多轮对话、补充追问等方式引导用户。项目预估投保标准件占比将得到显著提升；客户满意度也将得到进一步提升。应用智能硬件手机车辆智能助手垂类应用电商证券电子•

使用GLM前：大量的客户投保，因为不符合标准件处理流程，需要人工核保，工作量大，客户等待时间长。多模态模型通用模型智能体模型•

使用GLM后：利用GLM辅助核保，快速提取投保件关键信息，并通过多轮对话、补充追问信息，引导走向标准流程，大大提升核保效率。模型CogVideoGLM-PCGLMCogViewAutoGLMCogVLMCodeGeex-20%人工处理核保流程下降+50%客户满意度提升+70%投保标准件占比提升PartnerPartnerInfraChipInfrastructureCloudCenterCross-platformChips基础设施Co-designChips32AI

Agent优秀厂商案例分析北电数智：新天智能体平台+行业算法库，深入解决银行分行痛点银行分行普遍存在以下业务系统复杂与分析难度大：业务办理环节涉及多套系统，界能力，只能基于总行信息，难以获取用户需求与痛点，获客赖个人理解与经验，存在操作偏差的风险。人工方式难以确作繁琐。客户信息与数据虽较丰富，但分行数据查阅权限受限备清洗、分析并在执行过成本高。2.合规管理压力突出：规章制度更新频繁，业务规面的合规把控，增加了潜在风险与合规压力。3.知识沉淀与获取，影响了服务时效与客户体验。员工支机构广，，员工业务掌握效率低。相关制度与流程规范分布零散，难北电数智AI云解决方案某银行分行应用解决方案：场景赋能AI问答AI数据AI合规AI审查•••基于开源模型和北电数智行业大模型进行精调，基于分行的信息制作对应的知识和知识图谱，适配特色问答、总结、创作等场景，打造专属大模型；智能体开发平台相关套件：知识库&知识图谱、工具服务集合、行业算法库智能体开发平台：上下文工程、多智能体协同、RAG新天利用新天·智能体平台和适配AI的应用工具，结合行业算法库，形成落地应用；智能体平台结合前进·智算平台支持用户私有化部署或在北电数智的可信机房托管算力与服

器；大模型生态：Deepseek/Qwen（基模），行业垂类大模型大模型工程：训练、优化、压缩、加速宝塔大模型服务电数智红湖·可信数据，在合规安全区域内获取数据特征并加工，为分务智能化提供基础。数据智能分析数据智能清洗隐私计算流通管理训练数据合成数据标注红湖可信数务建模私有化部署1-3小时+云原生算力与资源管理国产云&国产化芯片适配每天节约专员时间答系统准确率算平台33AI

Agent优秀厂商案例分析美洽：全渠道、多场景客服AI

Agent解决方案存量市场时代，以在线游、医疗服务、企业服务为代表线索行业，多渠道、多咨询入客阵地。然而多平台多账号获客运营存在着诸多痛点：1.咨下，人工客服承载量有限，客户咨询响应速度慢、客户等待景获客成为共识，以小红书、抖音、视频号等为代表的短视频、消息众多，客服需频繁切换平台以及账号进行回复，运营致关键线索易流失或者影响客户体验；3.在一些语音电话客台矩阵成为线索段、流量特殊时准化、高重询、解答仍然需要人工客服处理。全渠道/多场景客服AI

Age方案领格教育-接入私信客服AI

Agent

大幅提升获客效率流量/咨询入口AI

客服托管AI

知识库AI

数据分析客户面临的挑战与需求：文本

AI

（多模态理解）企业私域：小红书、抖音为代表的新媒体平台是领格教育主要获客阵地，矩阵多账号运营面临客资转化效率的挑战：AI

分析••••网站App信息抽取•••图表视频理解

•开口率留资率••多渠道客服指标可视化与预测流失预测、成交概率与客户价值评估企业微信小程序AI意图识别角色扮演••内容加工知识检索•••多个账号私信咨询入口分散，人工响应不及时主流广告平台：无法快速识别高意向客户并引导留资账号矩阵、内容素材转化数据难以统计•••百度广告腾讯广告必应广告语音

AI

（大模型通话）响应速度服务效率客户满意度通话打断低延迟通话API/MCP•••音色克隆方言理解••自主学习解决方案：多语言支持

•AI

语音客服：呼叫中心/400电话••RAG2.0自适应学习反馈多Agent协同数据分析，自主学习针对以上问题

，领格教育在小红书接入来鼓AI。AI员工7x24小时在线回复客户，零延迟响应客户咨询，一个工作台聚合所有对话，有效提升多账号客资管理效率。AI自动学习知识库更新回复话术、自动打标签、有效撬动沉默客户开口，提升留资率；提供多账号、多笔记的投入产出比分析功能，精准评估内容营销效果。任务型多Agents质量提升新媒体：••专业问答，情绪识别安抚转人工自主查询、订单处理、预约排程••••小红书抖音效率提升视频号快手……Open

APIConsole出海独立站及社媒

：Agents

studioFacebookWhatsAppLine99.6%56%60%••••AgentsWorkflowRAGMCP

SeverLLM

Proxy一分钟回复率达留资率提升人效比提升Email基础模型层34注：美洽、Voicefox、来鼓AI、Mixdesk

同属于美满科技旗下品牌AI

Agent优秀厂商案例分析玄武云：快消云脑——专为快消行业提供从终端洞察到经营决策的全链路数字化解决方案快消行业面临以下几人工抽查，易：1.终端拜访管理难：业务员是否真实完成拜访难以核验；量货架陈列与特殊陈列数据，极大占用时间；2.陈列质量难工审核成本高、效率低；3.促销费用管控弱：费用投放真实企业打造快消云脑，助力企业实现精益增长与智能决策。干扰，难以真实反映终端现状；不合格陈列整改结果无法有高度依赖销流程严重拖延，影响后续策略执行。针对以上痛点，玄武玄武云·玄瞳AI整体解决方案玄武云·快消云脑

AI赋能业务创营销数智化转型玄瞳AI业务赋能业务系统某企业为市场领先饮料及方便面制造商之一，年销售额超过280亿。2019年，该企业与玄武云达成深度合作，至今紧密合作6年，玄武云AI赋能业务创新，助力完成营销数字化转型。SFATPMDMSRMSPMMERPOA店头签到陈列采集SKU识别竞品SKU模糊识别生动化检查活动价签活动检查费用智核图片拼接物料识别终端数据清洗AI产品店头场景识别空位检测价签识别翻拍识别视频识别陈列场景检测遮挡识别图片查重通用竞品检测超级模型识别奶粉行业图片翻拍检测分层检测地堆面积识别图片采集模型训练标签管理服务部署智能标注目标检测图像分类图像检索业务数据分析建模平台识别分析实时情况活跃指数费用分析终端情况竞品分析销量使用统计到店情况活动分析铺货分析核销统计人员考勤管理平台客户平台财租户服务配置服务使用明细监控预警设置租户管理租户计费采集陈列数据智能：识别商品，对比手工录入，大幅提效AI智能检核真伪图像感知智能：判断翻拍、重复图片AI实现数铺货、产品/模型详情服务计费详情在线产品试用认知智能：代替人工判断门店是否真实存在报表成本统计签单统计流量统计验收统计客单价客单成本产品净利润月收入增长分分析比分析客户留存感知智能、认知智监督复核人员50人->平均节约复核年成本40智能感知5分钟->5秒多维报表分析覆盖30+报表监

预警中心GPU使用率监控KU品类监控CPU占用内存使用率网络带宽磁盘IO监控流量监控响应监控35AI

Agent优秀厂商案例分析神州云动CloudCC：应用于某全球豪华汽车品牌，统一数字化平台管理方案企业数智化转型过程大核心痛点：1.数据孤岛阻碍智能决策。客户全旅程数据散市场、经销商等各系统，形成数据壁垒，导致AI分析缺乏全降低服务效率，更造成客户满意度大幅波动；3.应用落地割动CloudCC重构CRM体系，将AIAgent深度融入客户关系撑；2.复杂场。服务售后的预约、维修、回访等环节流程分散，缺乏闭环道投诉入理过程不透明，AI能力难以深度嵌入业务流程。针对以上痛神州云动CloudCC

AI平台：打造企业级智能

基座某全球豪华汽车品牌

用成果解决方案：

整合多渠道数据，建立唯一客户档案；客服智能体打造7*24小时的服务管家；全渠道AI路由：电话/小程序/邮件/微信/APP等咨询自动分配最优服务节点;将预约、工单、配件、质检、回访全流程线上化，配合IoT车辆健康数据主动触发保养提醒，形成售后闭环；

金融系统对接征信与风控系统，自动审批、生成还款计划，设置风险预警与智能催收，提升金融效率并降低逾期。应用效果：

Salesforce向CloudCC的迁移替换，10亿条业务数据在CloudCC平台上安全、稳定loudCCPaaS的强大能力，构建个性金融业务核心，提升金融效率并降低以CloudCC为核心整合客户数据，打通多个系统，形成统一客户画像。+150%-50%10亿+服务效率工单平均处理时长处理业务数据36AI

Agent优秀厂商案例分析蓝凌：企业大脑·蓝博士LanBots实现协同办公与业务场景智能化升级AIAge办公场景面临四大痛点：1.场景多样碎片，业务落地迷茫：场景爆发式增长，企业难辨高价值场景。2.技术选型困难，缺乏梳理，模型使用效果欠佳。4.数据安全焦虑，合规部署场景、厘清架构、快速落地”十六字方针为核心，融合AI智清：对算数据无法直连力、认知不足，资源选型困难。3.数据治理缺失，应用效能打折，权限管控困难。蓝凌企业大脑·蓝博士LanBots，以“引入造AI基座，实现协同公与业务场景智能化升级，为企业数智化转型注入新动能。蓝凌企业大脑·蓝博士LanBots.AI某央企500强应用案例超级入口（框）解决方案：携手蓝凌，基于企业大脑·蓝博士，构建全新工程技术智能知识库系统，通过接入AI大模型及相关AI应用的建设，实现了智能搜索、智能问答、智能推荐、AI助手等系列功能，构建了企业知识中枢，为用户提供更为精准、高效的知识服务，激活知识资产价值，推动业务高质量发展。智能搜索智能问答智能问数权限管控……智能办公智能合同智能流大模型领域模型智能体Deepseek意图识别文本纠错公文模型合同审查审批助手智能生成敏感词检查智能商旅应用效果：AI大模型推动知识服务从“被动检索”转向“主动响应”，提升问答准确率与信息效率，减少模型幻觉；多模态交互+动态优化，实传图即问、即搜即得”，提高问题反馈与解决效率；建立知识文档价值、沉淀知识资产，支撑“AI+”战略落地。向量模型OCR识别合规助手智能翻译GPT……………………↑95%↑98%99%+知识湖仓（结构化+非结构化）智能问答系统精准度知识检索效率与准确率私有化+权限管控37趋势与展望趋势与展望AI新型生产力：从"AI辅助人类(Copilot)"到"AI自主服务(Autopilot)"AI

Agent作为“新的核心载体，正在将AI应用从“Copilot”（辅助者）推向“预示着未来工作模式和服务形态的根本性重塑——AI将从“深化，AI的自主服务能力将更广泛地渗透到各行各业的核心（自主服务者）的新高度。这种从“辅助”到“自主”的跃是效率的进一成熟逐步进化为能主动思考、决策并解决问题的“新型生产力”技术的改变价值链构成，并最终重新定义人机协作的边界与模式，济的新篇章。AI

A驱动的生产力范式跃迁AI

辅助人类（Copilot）AI

自主服务（Autopilot）生产力跃迁的本质

感知-响应型认知：识别模式、匹配已知方案

无自我目标：需人类输入明确指令

静态知识库依赖

目标-推理型认知：理解抽象目标、自主拆解任务

主动问题发现：预判需求并行动

动态知识构建：实时学习与环境交互从“机械反射”到“生物级智能”：具备目标设定与因果推理能力，突破程序边界认知能力边界

人类闭环控制：每步操作需人工确认

单次交互驱动：无状态连续性

被动工具调用

环境闭环控制：自主决策-执行-校准循环

长期状态维持：记忆历史与上下文

主动工具调用从“操作杆”到“驾驶员”：行为自主性价值创造逻辑社在动态环境中持续达成目标，无需人工介入

优化存

依：缩短人类劳动时间无独立成果所有权

创造增量价值：独立完成经济交

生成生产资料：输出专利/策从“劳动效率”到“生产主体”：成为可量化经济产出的价值源产类附属工具：法律责任与伦理归属完全由人承担无社会交互能力

准社会实体

参与社界（如自主签约的合法性）t谈判、人类-Agent混合组织从“机器”到“数字生命体”：引发生产关系重构（如Agent纳税

化：通过强化学习优化决策策略能力迁移：经验抽象复用（如谈判技巧移植到采购场

版本迭代依赖：人类工程师主导升级从“人工培育”到“自然在环境反馈中自主演进智能进化机制

有限场景泛化景）39趋势与展望央国企+AI：超60%央企构建"大模型+Agent"双引擎近年来，在通用大模突破与国家政策精准引导的双重驱动下，我国央国企加速推能金融、电信、能源、交通等国民经济命脉领域，实现从通规模化落地。截至2025年二季度，央国企发布并投入应用的总量已突破百阵。直场景的全方位覆盖，形成“通用场景标准化+垂直领域深