企業級Agent正在成為整個toB市場的共識。

作者｜栗子

企業級智能體（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董事會主席Bret Taylor與前谷歌高管Clay Bavor聯合創立的企業AI智能客服產品Sierra AI，以45億美元估值完成1.75億美元融資；

• 今年5月，幫助企業構建AI Agent的初創企業Relevance AI完成2400萬美元B輪融資；

• 上個月，企業級AI平臺Glean完成1.5億美元F輪融資，號稱為企業實現“Google+AI知識圖譜+工作流自動化”，估值超72億美元……

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

「甲子光年」在此前發布的中明確指出，到2026年，認知型Agent將覆蓋70%的企業復雜決策場景，重新定義生產力革命。

資本熱捧，巨頭入局，創業公司如雨后春筍，企業級Agent似乎已經成了整個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，企業為什么還需要企業級Agent？企業級Agent在業務場景落地的難點是什么？它能否真正改變toB軟件的商業模式？

換句話說：企業級Agent，究竟是一門好生意嗎？

1.企業級Agent崛起：從工具到“數字員工”

一個確定的事實是，企業級Agent越來越多了。

以國內市場為例：CRM賽道，銷售易和紛享銷客都在產品中上線了圍繞銷售場景的系列Agent；來也、金智維等服務商正在基于Agent能力實現從RPA到數字員工平臺的升級；而HR領域，北森等公司也陸續推出了各種企業級Agent產品。

還有非常多沒有列舉到的企業級Agent。

從技術架構看，一個完整的企業級Agent，通常包含幾個核心模塊：環境感知、決策引擎、記憶系統和執行工具。

• 感知（多模態輸入與環境感知）：企業業務不只涉及文本，還包括票據、合同、圖紙甚至音視頻。Agent需要具備處理多模態信息的能力。悅點科技創始人任鑫琦指出， Agent技術正從純文本向圖像、語音等多模態遷移，這是其能力進化的重要方向。

• 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）驅動。它負責理解用戶意圖、將復雜任務分解為可執行的子任務，并根據實時反饋進行動態決策。Minimax Agent核心研發林凡提到，優秀的Agent必須具備出色的“規劃執行能力”，這是衡量其智能性的關鍵。

• 記憶（長期與短期記憶系統）：Agent需要記憶來維持任務上下文，并從過去的經驗中學習。

• 手腳（工具調用與執行器）：“大腦”的決策最終需要“手腳”來執行。這包括調用外部API、操作軟件界面、讀寫數據庫等。

「甲子光年」認為，企業級AI Agent的核心價值在于“大模型調度能力與全鏈路自動化閉環”。

之所以大量toB企業都在產品中加入了Agent，是因為它并不僅僅是傳統軟件的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“執行力”高效協同，形成一個完整的、能解決實際問題的閉環。

在「甲子光年」的訪談中，幾乎所有受訪者都認可：企業級Agent的核心價值，在于它正在從一個“輔助工具”進化為一個能夠獨立完成任務的“數字員工”，從而重構人與機器的協作關系。這與「甲子光年」智庫報告的判斷相互印證。

來源：甲子光年智庫《中國AI Agent行業研究報告（二）》

以來也的銷售線索生成Agent為例，該Agent能自動在搜索引擎、海關數據、招投標網站中搜索、分析、比對潛在客戶，并自動撰寫和發送開發信，直到客戶回復約定交流時間，才將任務轉交給真人銷售。這實現了端到端的銷售線索生成，交付的是“新線索”這一工作成果。

當企業級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”。這種角色的轉變，正在催生一種全新的人機協同范式。

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

最終的圖景是：每個業務單元乃至個體員工都將與專屬Al Agent形成共生關系，通過智能體網絡實現跨系統、跨部門的協同，構建起一個動態響應、自主進化的新型智能組織。

2.確定、垂直、落地，企業級Agent的三個標簽

但問題在于，今天的用戶可能或多或少都已經使用過通用型AI Agent產品，為什么我們還需要企業級Agent？

如果從產品本身來看，無論是Manus、智譜的COCO、昆侖萬維的天工超級智能體，還是上述企業級Agent，它們確實都具有相似的產品形態和交互體驗：一個對話框，通過自然語言交互完成任務。但使用場景的差異，導致二者呈現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。

縱觀市場大多數通用型toC Agent，它的任務通常是調研、創作甚至是娛樂的。例如寫文章、調研報告、一鍵生成PPT、生成旅游攻略等。這些任務的共同點是容錯率高，用戶甚至可以容忍一定程度的幻覺。

“比如用戶讓通用型Agent調研100個網站，基于調研情況撰寫報告。可能它的成功率只有70%，但完成報告已經足夠了。”來也科技聯合創始人兼CTO胡一川舉例。

但企業級Agent完全不同。

由于企業級Agent需要接入業務場景，就意味著企業級Agent必須做到“零失誤”。因為對于企業而言，無論是財務報銷、供應鏈管理還是客戶關系維護，都牽一發而動全身。一個錯誤的訂單處理、一次不準確的客戶信息錄入，都可能造成直接的經濟損失和信譽危機。

銷售易產品副總裁羅義認為，對比通用型Agent的自主規劃和發散思維，企業級Agent的要求是收斂和確定性。這種收斂的思維模式，就需要企業級Agent的設計者必須將業務路徑確定化，讓執行結果可驗證。

“我們在做自己的Agent產品時，思路就是無限收斂的，我們只在特定場景提供特定能力，輸出穩定的結果，而并非像通用Agent一樣為用戶提供發散的結果。”羅義表示。

其次就是通用與垂直的差別。

通用型Agent的目標是成為一個能夠處理多種任務的通用平臺，通過各種工具的協同工作，在數據、網頁、金融等領域展現優勢。所以這類Agent更偏向研究型（deep research）。

但toB卻是一個需要垂直聚焦才能產生業務價值、提高效率的領域。

例如，只有深度綁定CRM業務流程、數據和場景，才能創造真正的閉環價值。銷售易的銷售助理Agent可以在會議結束后，自動將會議紀要同步到CRM的客戶活動記錄中，并為銷售創建跟進任務。這種與業務系統的無縫融合是通用Agent難以企及的。

最后也是最重要的一點，就是企業級Agent需要能夠在業務場景中真正落地。這既是區別，也是最大的挑戰。

基于通用平臺的目標設定，所以通用型Agent可調用的“工具箱”是開放的，主要由瀏覽器、虛擬機、搜索引擎、代碼解釋器等互聯網基礎工具構成。加之如今越來越完善的MCP生態，通用型Agent可通過MCP調用各種工具為用戶輸出最終結果。

然而，在企業環境中，Agent并不只依賴通用的互聯網工具來完成與業務相關的大量工作，還需要與企業的業務系統進行整合，如ERP系統、CRM系統、HRM系統、財務系統等等。

“這些系統可能已經運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很難真正打破系統的數據孤島。而這同樣是企業級Agent能否在企業側落地的最大難點。”訪談中，胡一川與羅義都向甲子光年表達了這一觀點。

內容總結：天工AI，制圖：甲子光年

3.不要迷信MCP

中國管理咨詢行業資深專家陳果認為，企業軟件要想成為“剛需”，必須滿足兩個條件：管理核心業務數據、與業務流程緊密集成。不跟業務流程結合的AI智能體都是可有可無的東西。

在如何與各業務系統之間進行打通，從而實現企業級Agent落地的問題上，MCP（Model Context Protocol，模型上下文協議）被認為是解決Agent與外部工具的最佳方案。

通過提供統一的協議，Agent能夠像調用函數一樣方便地使用各種工具。不少通用性Agent都已向用戶展現過MCP的巨大潛力。

然而，一線廠商的實踐中卻發現，在復雜的企業級場景中，MCP絕非萬能。

銷售易產品副總裁羅義直言，MCP對于那些功能單一、標準化的工具類應用（如地圖、支付等）是有效的，因為它們的API數量有限，語義清晰。但對于像CRM這樣的復雜業務系統，情況完全不同。

“我的產品中可能會有上千個API。這些API在被MCP server封裝時，調用的是哪一個具體的API，實際上它是語義化的。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。但這其實是一項不容易完成的工作。”羅義透露。

簡單來說，Agent需要知道在什么業務場景下、為了什么目的、應該調用哪一個API。這需要深度的業務知識，而不僅僅是一個技術協議所能提供的。

同時，企業業務的復雜性，進一步放大了MCP的局限性。

例如事務的一致性與狀態管理。企業的很多操作是事務性的，需要多個步驟全部成功才能提交，否則就需要回滾。比如一個完整的下單流程可能涉及庫存檢查、訂單創建、支付處理、物流通知等多個API調用。但MCP本身并不提供事務管理機制。如果Agent在一個多步流程中途失敗，如何保證數據的一致性是一個巨大的技術難題。

再比如企業級產品都會關注的權限與安全問題。企業系統有著精細到字段級別的權限控制。而MCP協議本身并不包含復雜的權限管理邏輯。一個Agent通過MCP調用API時，如何驗證其操作權限？如何確保它不會越權訪問數據？這些都需要在MCP之外構建一套復雜的安全和認證體系。

還有決策的可追溯性與可解釋性問題。在金融、醫療等高合規行業，AI的每一個決策都必須是可追溯、可解釋的。當Agent通過MCP調用了一系列工具最終給出一個建議時，企業需要能夠清晰地審計整個決策鏈條。

面對MCP的局限性，toB廠商們也在根據自己的優勢進行探索破局。

第一條路，是業務系統廠商自己開放原生接口，甚至發布自己的MCP。這一點在甲子光年對銷售易、來也等廠商的走訪時得到的共同回復。

當應用廠商主動擁抱Agent生態，將自己的核心能力封裝成易于調用的接口時，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產品在AI時代帶來新的流量。

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進行結合。這是來也等典型RPA廠商的優勢。通過RPA，智能體仿佛獲得了“雙手”，能夠在業務系統上進行穩定、可靠的操作。

毋庸置疑，MCP技術為企業級Agent生態描繪了一個互聯互通的藍圖，但并不能包治百病。如何讓Agent順利在業務場景中發揮價值，還需要企業結合自身情況探索。而企業級Agent這門生意本身，也要回歸到對業務的深刻理解和對技術可靠性的極致追求上。

4.并不容易改變的商業模式

技術上的可行性只是起點，一個生意能否成立，最終取決于其商業模式是否能被市場接受并創造持續的利潤。

過去十幾年，SaaS模式主導了企業軟件市場。但SaaS模式的根本缺陷在于，它賣的是“工具”，而非“結果”。從本質而言，客戶購買的不是軟件本身，而是期望軟件能解決實際問題。當經濟環境趨緊，企業對ROI（投資回報）的追求變得愈發苛刻時，這種“為工具付費”的模式便顯得力不從心。

而企業級Agent正在改變這一切。

今年初紅杉資本在閉門會中提出，AI時代的企業級軟件將從交付工具向交付結果演變。「甲子光年」在訪談中發現，這種趨勢已經被得到印證。

來也科技聯合創始人兼CTO胡一川直言，這一過程“已經開始”。例如前文提到的銷售線索生成Agent，向客戶匯報的關鍵指標就是“挖掘了多少新線索”、“郵件回復率是多少”，這些都是明確的結果。

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

這種轉變的底層邏輯在于，Agent能夠將過去難以量化的、依賴于人的經驗和操作的“過程”，轉化為可衡量、可交付的“結果”。這對于付費意愿普遍不高的國內市場而言，無疑將會是一場巨大的變革。

但需要指出的是，目前從“交付結果”到“按結果付費”，中間的商業模式轉變并不容易。

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？“我們暫時還不能確定每個線索的價值，也就難以評估客戶需要支付的金額。”胡一川直言。

銷售易產品副總裁羅義也也表達了類似的觀點，如何衡量結果的價值。“如果有一個清晰的量化標準，資產評估才會相對容易。”

這背后是一個復雜的價值評估體系問題。一個銷售線索的價值，不僅取決于線索本身，還與后續的轉化率、客單價等多種因素相關。一份簡歷的價值，也與崗位的重要性、招聘的緊迫性等息息相關。在這些價值難以被精確、公允地量化之前，按結果付費的商業模式就難以大規模推行。

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

5.企業級Agent的“馬拉松”才剛剛開始

回到最初的問題：企業級Agent是一個好生意嗎？

答案是肯定的。多份行業報告都為AI Agent市場描繪了極為樂觀的增長曲線。

根據此前頭豹研究院的研究報告顯示，2023年中國Al Agent市場規模為554億元，預計至2028年將達到8520億元，年均復合增長率高達72.7%。而在這8520億元中，根據觀研天下數據預測，預計2028年B端AI agent市場規模為8390億元，占比98.5%。

驚人的數字背后，是企業對數字化轉型的持續投入和對“新質生產力”的迫切需求。

但這門生意并不好做。它不是一場短期的風口追逐，而是一場考驗技術深度、場景洞察和商業耐心的馬拉松。

toB AI Agent的本質，是用AI重構企業的生產關系。它不是對現有軟件的修補，而是對業務流程的再造；它交付的不是更便捷的工具，而是更高效的勞動力。

它不是一個可以靠風口和概念就能輕易成功的賽道。它要求從業者拋棄ToC市場的流量思維和娛樂心態，真正沉入企業的“業務深水區”。它要將大模型的通用智能，與特定行業的知識（Know-how） 、復雜的業務流程、嚴格的安全合規要求進行深度結合。

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

這場變革，才剛剛開始。

（封面圖由AI創作）