還處于起步階段的中國AI Agent市場，正在走向同質化競爭的紅海市場，重蹈RPA市場覆轍。

2025年上半年，幾乎所有軟件廠商都推出了AI Agent產品，產品功能和應用場景同質化嚴重，集中在知識庫、客服、辦公、數據分析等，底層大模型基本都接入DeepSeek、Qwen等開源模型。

底層大模型一致，應用場景和產品功能類似的情況下，眾多Agent產品差異化很小。加之市場環境持續疲軟、企業用戶預算收縮，Agent市場迅速進入到低價競爭境遇，項目金額從百萬量級迅速降低到幾十萬量級，單純Agent工具客單價很難突破50萬大關。

很多人感嘆，Agent又要成為下一個RPA，變成低價競爭的紅海市場。

那么Agent市場發展前景如何，會不會真的如RPA市場卷成一地雞毛？Agent產品的門檻在哪，廠商應該選擇哪些場景切入？本文將圍繞著上述問題展開分析，重點探討Agent市場發展前景、Agent產品競爭壁壘以及高價值應用場景。

01

AI Agent與RPA的異同

首先簡單回顧下RPA市場。

中國RPA市場自2020年興起，來也科技、弘璣、金智維等眾多廠商拿到大量融資，投入大量資源完成RPA市場教育，銀行、能源、汽車等領域大型企業紛紛采購RPA產品。

但RPA工具研發難度低，在市場火熱后有大量廠商進入RPA市場，整個市場進入到紅海競爭，RPA工具幾乎全部免費，單個RPA機器人開發成本降至2萬人民幣以下，單個RPA應用項目金額基本都在30-50萬人民幣之間。除非控制在較小團隊規模，沒有廠商能夠只靠做RPA工具和應用盈利。

從市場劃分和產品形態來看，Agent和RPA有類似之處，都可以分成工具平臺和應用開發兩個部分，應用開發都是要基于工具平臺來完成。當前階段，Agent和RPA類似，工具平臺本身開發門檻不高。

但愛分析認為，業務場景價值是Agent和RPA的根本區別，Agent應用的業務價值度更高，開發門檻更高，這是Agent不會完全陷入到低價競爭的原因。

愛分析認為，RPA最終卷成“白菜價”的核心原因是業務價值太低。RPA應用價值低，RPA應用開發門檻低。

RPA應用替代的是流程固定、重復性強工作任務，同時RPA工具使用有一定學習門檻。這些特點導致RPA構建公司級或部門級應用時，對公司規模和流程穩定性要求高，只能服務于中大型企業；構建小團隊或個人級應用時，對團隊人員學習能力要求高，只能服務于泛互聯網客群。

因此，一類客群是金融、運營商、能源等大型企業，這類客群預算充裕，更加看重RPA廠商定制開發能力，對RPA工具付費意愿低。另一類客群是電商、新零售等中小企業，這類客群更加追求產品性價比，RPA工具有付費意愿，但預算有限。

Agent是基于大模型這個新的生產工具構建應用，借助大模型能力，Agent能夠端到端解決客戶業務問題，而不是簡單替代重復工作，這是Agent和RPA的根本區別。這使得Agent應用的業務價值更加容易量化和評估，產生更高價值。

考慮到大模型還處于不斷迭代階段，如何能夠充分發揮大模型能力，當前階段還是有較高技術門檻，這使得Agent應用構建存在一定壁壘。這一點不同于RPA，只是簡單地將客戶應用場景進行復現和固化。

02

AI工程化能力和業務know-how是Agent應用構建門檻

大模型作為新的生產工具，其能力邊界、與業務場景結合方式還處于探索階段，這是Agent應用構建存在門檻的原因。

每個Agent業務應用是要解決一個完整業務場景問題，這其中包含若干個單點業務問題。而每個單點業務問題是由AI任務和工作流來組成，每個AI業務解決都需要大模型、工具和企業知識。

每個Agent應用構建門檻是在于業務場景拆解、工作流設計、企業知識清洗處理、各類工具開發和調用。

業務場景拆解和工作流設計是業務Know-how 能力，深度參與到業務場景，熟悉原有業務流程及關鍵業務問題，借助大模型能力對業務流程和業務問題解決方式進行改造。企業知識清洗處理、工具開發和調用則是AI工程化能力體現，讓Agent真正在業務場景中穩定高效發揮價值。

03

Agent應用要面向企業生產場景，是真正高門檻場景

Agent應用構建門檻是業務Know-how和AI工程化能力，Agent廠商應重點發力有業務konw-how和AI工程化能力要求高的場景，這其中業務konw-how重要性高于AI工程化能力，更容易構建門檻。

業務konw-how更加重要是因為具備類似場景的客戶有限，Agent廠商必須通過項目合作才能積累這方面經驗。

以工業制造領域為例，生產、設備、安全是工業制造企業的核心場景，業務konw-how要求高。辦公、客服、通用知識庫等職能場景，價值度相對有限。

布局設備管理、人員安全管理、智能排產、智能決策等場景的Agent廠商值得重點關注。

近期活動推薦：