企業(yè)級Agent正在成為整個(gè)toB市場的共識。

作者｜栗子

企業(yè)級智能體（toB AI Agent）正在成為全球最受資本追捧的賽道之一。

• 去年10月，由OpenAI董事會(huì)主席Bret Taylor與前谷歌高管Clay Bavor聯(lián)合創(chuàng)立的企業(yè)AI智能客服產(chǎn)品Sierra AI，以45億美元估值完成1.75億美元融資；

• 今年5月，幫助企業(yè)構(gòu)建AI Agent的初創(chuàng)企業(yè)Relevance AI完成2400萬美元B輪融資；

• 上個(gè)月，企業(yè)級AI平臺(tái)Glean完成1.5億美元F輪融資，號稱為企業(yè)實(shí)現(xiàn)“Google+AI知識圖譜+工作流自動(dòng)化”，估值超72億美元……

從最初的幫你做分析、做研究的通用型Agent，到如今宣稱能重構(gòu)企業(yè)流程的“數(shù)字員工”，這股浪潮以前所未有的速度席卷而來。

「甲子光年」在此前發(fā)布的中明確指出，到2026年，認(rèn)知型Agent將覆蓋70%的企業(yè)復(fù)雜決策場景，重新定義生產(chǎn)力革命。

資本熱捧，巨頭入局，創(chuàng)業(yè)公司如雨后春筍，企業(yè)級Agent似乎已經(jīng)成了整個(gè)AI甚至是toB市場的共識。

然而，喧囂之下，一些問題依然需要我們厘清：Manus、flowith Neo等通用型Agent珠玉在前，企業(yè)為什么還需要企業(yè)級Agent？企業(yè)級Agent在業(yè)務(wù)場景落地的難點(diǎn)是什么？它能否真正改變toB軟件的商業(yè)模式？

換句話說：企業(yè)級Agent，究竟是一門好生意嗎？

1.企業(yè)級Agent崛起：從工具到“數(shù)字員工”

一個(gè)確定的事實(shí)是，企業(yè)級Agent越來越多了。

以國內(nèi)市場為例：CRM賽道，銷售易和紛享銷客都在產(chǎn)品中上線了圍繞銷售場景的系列Agent；來也、金智維等服務(wù)商正在基于Agent能力實(shí)現(xiàn)從RPA到數(shù)字員工平臺(tái)的升級；而HR領(lǐng)域，北森等公司也陸續(xù)推出了各種企業(yè)級Agent產(chǎn)品。

還有非常多沒有列舉到的企業(yè)級Agent。

從技術(shù)架構(gòu)看，一個(gè)完整的企業(yè)級Agent，通常包含幾個(gè)核心模塊：環(huán)境感知、決策引擎、記憶系統(tǒng)和執(zhí)行工具。

• 感知（多模態(tài)輸入與環(huán)境感知）：企業(yè)業(yè)務(wù)不只涉及文本，還包括票據(jù)、合同、圖紙甚至音視頻。Agent需要具備處理多模態(tài)信息的能力。悅點(diǎn)科技創(chuàng)始人任鑫琦指出， Agent技術(shù)正從純文本向圖像、語音等多模態(tài)遷移，這是其能力進(jìn)化的重要方向。

• 大腦（決策引擎）：這是Agent的核心智能所在，通常由大語言模型（LLM）驅(qū)動(dòng)。它負(fù)責(zé)理解用戶意圖、將復(fù)雜任務(wù)分解為可執(zhí)行的子任務(wù)，并根據(jù)實(shí)時(shí)反饋進(jìn)行動(dòng)態(tài)決策。Minimax Agent核心研發(fā)林凡提到，優(yōu)秀的Agent必須具備出色的“規(guī)劃執(zhí)行能力”，這是衡量其智能性的關(guān)鍵。

• 記憶（長期與短期記憶系統(tǒng)）：Agent需要記憶來維持任務(wù)上下文，并從過去的經(jīng)驗(yàn)中學(xué)習(xí)。

• 手腳（工具調(diào)用與執(zhí)行器）：“大腦”的決策最終需要“手腳”來執(zhí)行。這包括調(diào)用外部API、操作軟件界面、讀寫數(shù)據(jù)庫等。

「甲子光年」認(rèn)為，企業(yè)級AI Agent的核心價(jià)值在于“大模型調(diào)度能力與全鏈路自動(dòng)化閉環(huán)”。

之所以大量toB企業(yè)都在產(chǎn)品中加入了Agent，是因?yàn)樗⒉粌H僅是傳統(tǒng)軟件的AI升級版，而是具有顛覆性的潛力。它真正將大模型的“思考力”與工具的“執(zhí)行力”高效協(xié)同，形成一個(gè)完整的、能解決實(shí)際問題的閉環(huán)。

在「甲子光年」的訪談中，幾乎所有受訪者都認(rèn)可：企業(yè)級Agent的核心價(jià)值，在于它正在從一個(gè)“輔助工具”進(jìn)化為一個(gè)能夠獨(dú)立完成任務(wù)的“數(shù)字員工”，從而重構(gòu)人與機(jī)器的協(xié)作關(guān)系。這與「甲子光年」智庫報(bào)告的判斷相互印證。

來源：甲子光年智庫《中國AI Agent行業(yè)研究報(bào)告（二）》

以來也的銷售線索生成Agent為例，該Agent能自動(dòng)在搜索引擎、海關(guān)數(shù)據(jù)、招投標(biāo)網(wǎng)站中搜索、分析、比對潛在客戶，并自動(dòng)撰寫和發(fā)送開發(fā)信，直到客戶回復(fù)約定交流時(shí)間，才將任務(wù)轉(zhuǎn)交給真人銷售。這實(shí)現(xiàn)了端到端的銷售線索生成，交付的是“新線索”這一工作成果。

當(dāng)企業(yè)級Agent開始“干活”，它就不再僅僅是員工手中的工具，而成為了員工的“同事”。這種角色的轉(zhuǎn)變，正在催生一種全新的人機(jī)協(xié)同范式。

從技術(shù)的視角看，這種迭代可以概括為數(shù)字員工的進(jìn)化。從1.0階段依賴人工配置的RPA，到2.0階段融合常規(guī)AI能力的智能自動(dòng)化，再到3.0階段由大模型驅(qū)動(dòng)、具備自主決策能力的Agent，數(shù)字員工的能力正不斷躍遷。

最終的圖景是：每個(gè)業(yè)務(wù)單元乃至個(gè)體員工都將與專屬Al Agent形成共生關(guān)系，通過智能體網(wǎng)絡(luò)實(shí)現(xiàn)跨系統(tǒng)、跨部門的協(xié)同，構(gòu)建起一個(gè)動(dòng)態(tài)響應(yīng)、自主進(jìn)化的新型智能組織。

2.確定、垂直、落地，企業(yè)級Agent的三個(gè)標(biāo)簽

但問題在于，今天的用戶可能或多或少都已經(jīng)使用過通用型AI Agent產(chǎn)品，為什么我們還需要企業(yè)級Agent？

如果從產(chǎn)品本身來看，無論是Manus、智譜的COCO、昆侖萬維的天工超級智能體，還是上述企業(yè)級Agent，它們確實(shí)都具有相似的產(chǎn)品形態(tài)和交互體驗(yàn)：一個(gè)對話框，通過自然語言交互完成任務(wù)。但使用場景的差異，導(dǎo)致二者呈現(xiàn)了兩條截然相反的底層邏輯。

首先就是用戶對“確定性”要求的天壤之別。

縱觀市場大多數(shù)通用型toC Agent，它的任務(wù)通常是調(diào)研、創(chuàng)作甚至是娛樂的。例如寫文章、調(diào)研報(bào)告、一鍵生成PPT、生成旅游攻略等。這些任務(wù)的共同點(diǎn)是容錯(cuò)率高，用戶甚至可以容忍一定程度的幻覺。

“比如用戶讓通用型Agent調(diào)研100個(gè)網(wǎng)站，基于調(diào)研情況撰寫報(bào)告?？赡芩某晒β手挥?0%，但完成報(bào)告已經(jīng)足夠了?！眮硪部萍悸?lián)合創(chuàng)始人兼CTO胡一川舉例。

但企業(yè)級Agent完全不同。

由于企業(yè)級Agent需要接入業(yè)務(wù)場景，就意味著企業(yè)級Agent必須做到“零失誤”。因?yàn)閷τ谄髽I(yè)而言，無論是財(cái)務(wù)報(bào)銷、供應(yīng)鏈管理還是客戶關(guān)系維護(hù)，都牽一發(fā)而動(dòng)全身。一個(gè)錯(cuò)誤的訂單處理、一次不準(zhǔn)確的客戶信息錄入，都可能造成直接的經(jīng)濟(jì)損失和信譽(yù)危機(jī)。

銷售易產(chǎn)品副總裁羅義認(rèn)為，對比通用型Agent的自主規(guī)劃和發(fā)散思維，企業(yè)級Agent的要求是收斂和確定性。這種收斂的思維模式，就需要企業(yè)級Agent的設(shè)計(jì)者必須將業(yè)務(wù)路徑確定化，讓執(zhí)行結(jié)果可驗(yàn)證。

“我們在做自己的Agent產(chǎn)品時(shí)，思路就是無限收斂的，我們只在特定場景提供特定能力，輸出穩(wěn)定的結(jié)果，而并非像通用Agent一樣為用戶提供發(fā)散的結(jié)果?！绷_義表示。

其次就是通用與垂直的差別。

通用型Agent的目標(biāo)是成為一個(gè)能夠處理多種任務(wù)的通用平臺(tái)，通過各種工具的協(xié)同工作，在數(shù)據(jù)、網(wǎng)頁、金融等領(lǐng)域展現(xiàn)優(yōu)勢。所以這類Agent更偏向研究型（deep research）。

但toB卻是一個(gè)需要垂直聚焦才能產(chǎn)生業(yè)務(wù)價(jià)值、提高效率的領(lǐng)域。

例如，只有深度綁定CRM業(yè)務(wù)流程、數(shù)據(jù)和場景，才能創(chuàng)造真正的閉環(huán)價(jià)值。銷售易的銷售助理Agent可以在會(huì)議結(jié)束后，自動(dòng)將會(huì)議紀(jì)要同步到CRM的客戶活動(dòng)記錄中，并為銷售創(chuàng)建跟進(jìn)任務(wù)。這種與業(yè)務(wù)系統(tǒng)的無縫融合是通用Agent難以企及的。

最后也是最重要的一點(diǎn)，就是企業(yè)級Agent需要能夠在業(yè)務(wù)場景中真正落地。這既是區(qū)別，也是最大的挑戰(zhàn)。

基于通用平臺(tái)的目標(biāo)設(shè)定，所以通用型Agent可調(diào)用的“工具箱”是開放的，主要由瀏覽器、虛擬機(jī)、搜索引擎、代碼解釋器等互聯(lián)網(wǎng)基礎(chǔ)工具構(gòu)成。加之如今越來越完善的MCP生態(tài)，通用型Agent可通過MCP調(diào)用各種工具為用戶輸出最終結(jié)果。

然而，在企業(yè)環(huán)境中，Agent并不只依賴通用的互聯(lián)網(wǎng)工具來完成與業(yè)務(wù)相關(guān)的大量工作，還需要與企業(yè)的業(yè)務(wù)系統(tǒng)進(jìn)行整合，如ERP系統(tǒng)、CRM系統(tǒng)、HRM系統(tǒng)、財(cái)務(wù)系統(tǒng)等等。

“這些系統(tǒng)可能已經(jīng)運(yùn)行了十年甚至二十年，很多是桌面客戶端，可能連API接口都沒有。通用型Agent很難真正打破系統(tǒng)的數(shù)據(jù)孤島。而這同樣是企業(yè)級Agent能否在企業(yè)側(cè)落地的最大難點(diǎn)。”訪談中，胡一川與羅義都向甲子光年表達(dá)了這一觀點(diǎn)。

內(nèi)容總結(jié)：天工AI，制圖：甲子光年

3.不要迷信MCP

中國管理咨詢行業(yè)資深專家陳果認(rèn)為，企業(yè)軟件要想成為“剛需”，必須滿足兩個(gè)條件：管理核心業(yè)務(wù)數(shù)據(jù)、與業(yè)務(wù)流程緊密集成。不跟業(yè)務(wù)流程結(jié)合的AI智能體都是可有可無的東西。

在如何與各業(yè)務(wù)系統(tǒng)之間進(jìn)行打通，從而實(shí)現(xiàn)企業(yè)級Agent落地的問題上，MCP（Model Context Protocol，模型上下文協(xié)議）被認(rèn)為是解決Agent與外部工具的最佳方案。

通過提供統(tǒng)一的協(xié)議，Agent能夠像調(diào)用函數(shù)一樣方便地使用各種工具。不少通用性Agent都已向用戶展現(xiàn)過MCP的巨大潛力。

然而，一線廠商的實(shí)踐中卻發(fā)現(xiàn)，在復(fù)雜的企業(yè)級場景中，MCP絕非萬能。

銷售易產(chǎn)品副總裁羅義直言，MCP對于那些功能單一、標(biāo)準(zhǔn)化的工具類應(yīng)用（如地圖、支付等）是有效的，因?yàn)樗鼈兊?/strong>API數(shù)量有限，語義清晰。但對于像CRM這樣的復(fù)雜業(yè)務(wù)系統(tǒng)，情況完全不同。

“我的產(chǎn)品中可能會(huì)有上千個(gè)API。這些API在被MCP server封裝時(shí)，調(diào)用的是哪一個(gè)具體的API，實(shí)際上它是語義化的。因此，我們需要把API背后的語義整理清楚，并放在MCP server里面，才能有更好的效果。但這其實(shí)是一項(xiàng)不容易完成的工作?！绷_義透露。

簡單來說，Agent需要知道在什么業(yè)務(wù)場景下、為了什么目的、應(yīng)該調(diào)用哪一個(gè)API。這需要深度的業(yè)務(wù)知識，而不僅僅是一個(gè)技術(shù)協(xié)議所能提供的。

同時(shí)，企業(yè)業(yè)務(wù)的復(fù)雜性，進(jìn)一步放大了MCP的局限性。

例如事務(wù)的一致性與狀態(tài)管理。企業(yè)的很多操作是事務(wù)性的，需要多個(gè)步驟全部成功才能提交，否則就需要回滾。比如一個(gè)完整的下單流程可能涉及庫存檢查、訂單創(chuàng)建、支付處理、物流通知等多個(gè)API調(diào)用。但MCP本身并不提供事務(wù)管理機(jī)制。如果Agent在一個(gè)多步流程中途失敗，如何保證數(shù)據(jù)的一致性是一個(gè)巨大的技術(shù)難題。

再比如企業(yè)級產(chǎn)品都會(huì)關(guān)注的權(quán)限與安全問題。企業(yè)系統(tǒng)有著精細(xì)到字段級別的權(quán)限控制。而MCP協(xié)議本身并不包含復(fù)雜的權(quán)限管理邏輯。一個(gè)Agent通過MCP調(diào)用API時(shí)，如何驗(yàn)證其操作權(quán)限？如何確保它不會(huì)越權(quán)訪問數(shù)據(jù)？這些都需要在MCP之外構(gòu)建一套復(fù)雜的安全和認(rèn)證體系。

還有決策的可追溯性與可解釋性問題。在金融、醫(yī)療等高合規(guī)行業(yè)，AI的每一個(gè)決策都必須是可追溯、可解釋的。當(dāng)Agent通過MCP調(diào)用了一系列工具最終給出一個(gè)建議時(shí)，企業(yè)需要能夠清晰地審計(jì)整個(gè)決策鏈條。

面對MCP的局限性，toB廠商們也在根據(jù)自己的優(yōu)勢進(jìn)行探索破局。

第一條路，是業(yè)務(wù)系統(tǒng)廠商自己開放原生接口，甚至發(fā)布自己的MCP。這一點(diǎn)在甲子光年對銷售易、來也等廠商的走訪時(shí)得到的共同回復(fù)。

當(dāng)應(yīng)用廠商主動(dòng)擁抱Agent生態(tài)，將自己的核心能力封裝成易于調(diào)用的接口時(shí)，Agent的集成效率和可靠性將大大提升。更重要的是，MCP化顯然能夠給toB產(chǎn)品在AI時(shí)代帶來新的流量。

第二條路，是在沒有原生接口的情況下，利用RPA作為“萬能膠”與Agent進(jìn)行結(jié)合。這是來也等典型RPA廠商的優(yōu)勢。通過RPA，智能體仿佛獲得了“雙手”，能夠在業(yè)務(wù)系統(tǒng)上進(jìn)行穩(wěn)定、可靠的操作。

毋庸置疑，MCP技術(shù)為企業(yè)級Agent生態(tài)描繪了一個(gè)互聯(lián)互通的藍(lán)圖，但并不能包治百病。如何讓Agent順利在業(yè)務(wù)場景中發(fā)揮價(jià)值，還需要企業(yè)結(jié)合自身情況探索。而企業(yè)級Agent這門生意本身，也要回歸到對業(yè)務(wù)的深刻理解和對技術(shù)可靠性的極致追求上。

4.并不容易改變的商業(yè)模式

技術(shù)上的可行性只是起點(diǎn)，一個(gè)生意能否成立，最終取決于其商業(yè)模式是否能被市場接受并創(chuàng)造持續(xù)的利潤。

過去十幾年，SaaS模式主導(dǎo)了企業(yè)軟件市場。但SaaS模式的根本缺陷在于，它賣的是“工具”，而非“結(jié)果”。從本質(zhì)而言，客戶購買的不是軟件本身，而是期望軟件能解決實(shí)際問題。當(dāng)經(jīng)濟(jì)環(huán)境趨緊，企業(yè)對ROI（投資回報(bào)）的追求變得愈發(fā)苛刻時(shí)，這種“為工具付費(fèi)”的模式便顯得力不從心。

而企業(yè)級Agent正在改變這一切。

今年初紅杉資本在閉門會(huì)中提出，AI時(shí)代的企業(yè)級軟件將從交付工具向交付結(jié)果演變。「甲子光年」在訪談中發(fā)現(xiàn)，這種趨勢已經(jīng)被得到印證。

來也科技聯(lián)合創(chuàng)始人兼CTO胡一川直言，這一過程“已經(jīng)開始”。例如前文提到的銷售線索生成Agent，向客戶匯報(bào)的關(guān)鍵指標(biāo)就是“挖掘了多少新線索”、“郵件回復(fù)率是多少”，這些都是明確的結(jié)果。

還有銷售易的智能客服Agent、北森的培訓(xùn)Agent等等，交付物都已經(jīng)從軟件功能，變成了實(shí)實(shí)在在的工作成果。

這種轉(zhuǎn)變的底層邏輯在于，Agent能夠?qū)⑦^去難以量化的、依賴于人的經(jīng)驗(yàn)和操作的“過程”，轉(zhuǎn)化為可衡量、可交付的“結(jié)果”。這對于付費(fèi)意愿普遍不高的國內(nèi)市場而言，無疑將會(huì)是一場巨大的變革。

但需要指出的是，目前從“交付結(jié)果”到“按結(jié)果付費(fèi)”，中間的商業(yè)模式轉(zhuǎn)變并不容易。

比如Agent能提供幾百份銷售線索，但如何給這些銷售線索定價(jià)？“我們暫時(shí)還不能確定每個(gè)線索的價(jià)值，也就難以評估客戶需要支付的金額?！焙淮ㄖ毖浴?/p>

銷售易產(chǎn)品副總裁羅義也也表達(dá)了類似的觀點(diǎn)，如何衡量結(jié)果的價(jià)值。“如果有一個(gè)清晰的量化標(biāo)準(zhǔn)，資產(chǎn)評估才會(huì)相對容易?！?/p>

這背后是一個(gè)復(fù)雜的價(jià)值評估體系問題。一個(gè)銷售線索的價(jià)值，不僅取決于線索本身，還與后續(xù)的轉(zhuǎn)化率、客單價(jià)等多種因素相關(guān)。一份簡歷的價(jià)值，也與崗位的重要性、招聘的緊迫性等息息相關(guān)。在這些價(jià)值難以被精確、公允地量化之前，按結(jié)果付費(fèi)的商業(yè)模式就難以大規(guī)模推行。

根據(jù)「甲子光年」的觀察，目前大多數(shù)toB廠商在采取過渡性的定價(jià)方式，有些按原有SaaS模式定價(jià)，有些會(huì)額外給Agent收費(fèi)，尚未完全脫離傳統(tǒng)軟件的收費(fèi)框架。

5.企業(yè)級Agent的“馬拉松”才剛剛開始

回到最初的問題：企業(yè)級Agent是一個(gè)好生意嗎？

答案是肯定的。多份行業(yè)報(bào)告都為AI Agent市場描繪了極為樂觀的增長曲線。

根據(jù)此前頭豹研究院的研究報(bào)告顯示，2023年中國Al Agent市場規(guī)模為554億元，預(yù)計(jì)至2028年將達(dá)到8520億元，年均復(fù)合增長率高達(dá)72.7%。而在這8520億元中，根據(jù)觀研天下數(shù)據(jù)預(yù)測，預(yù)計(jì)2028年B端AI agent市場規(guī)模為8390億元，占比98.5%。

驚人的數(shù)字背后，是企業(yè)對數(shù)字化轉(zhuǎn)型的持續(xù)投入和對“新質(zhì)生產(chǎn)力”的迫切需求。

但這門生意并不好做。它不是一場短期的風(fēng)口追逐，而是一場考驗(yàn)技術(shù)深度、場景洞察和商業(yè)耐心的馬拉松。

toB AI Agent的本質(zhì)，是用AI重構(gòu)企業(yè)的生產(chǎn)關(guān)系。它不是對現(xiàn)有軟件的修補(bǔ)，而是對業(yè)務(wù)流程的再造；它交付的不是更便捷的工具，而是更高效的勞動(dòng)力。

它不是一個(gè)可以靠風(fēng)口和概念就能輕易成功的賽道。它要求從業(yè)者拋棄ToC市場的流量思維和娛樂心態(tài)，真正沉入企業(yè)的“業(yè)務(wù)深水區(qū)”。它要將大模型的通用智能，與特定行業(yè)的知識（Know-how） 、復(fù)雜的業(yè)務(wù)流程、嚴(yán)格的安全合規(guī)要求進(jìn)行深度結(jié)合。

從目前來看，大家“都在路上”。對于那些有耐心、有智慧、深刻理解企業(yè)需求的玩家而言，企業(yè)級Agent無疑是一門值得長期投入的好生意。它不僅關(guān)乎toB商業(yè)的成功，更關(guān)乎塑造未來的工作方式和生產(chǎn)力范式。

這場變革，才剛剛開始。

（封面圖由AI創(chuàng)作）