2025企业级AI Agent（智能体）价值及应用

微信扫码，打开到小程序

出品机构：甲子光年智库 分析师：刘瑶、翟惠宇、努尔麦麦提 · 买合木 提 发布时间： 2025.07 Al Agent Part 05 来日正长， Agent 的翻涌带来无限可能 Part 04 实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造 Part 01 概念泛化，商业价值推动产业发展 目 录 2 AI Agent 的兴起并非偶然。大模型、算力供给、能源供给、开源、生态系统和产业应用的同步发展，共同“托举”起 AI Agent 恰逢其时的 诞生，成为当前最值得关注的技术趋势之一。 其中，大型语言模型、模块化架构与协作框架为其筑牢根基，持续发展还需攻克评估、安全与适应性难题。 AI 正站在一个关键新阶段。参考 OpenAI 对 AI 的 5 级分级， AI 已不仅仅是能进行对话的聊天机器人（ L1 ），而是逐步进化到智能体 （ L3 ）阶 段——一个能思考、并能主动采取行动的 AI 系统。 强大算力保障大模型训练与推理的可持续性 能源供给保障大模型训练与推理的可持续性 HuggingFace 等平台提供开放、可扩展的 环境，支持灵活的 AI Agent 的开发 基准测试、评估框架的可用性以及与实际工 具的集成支持 AI Agent 开发和部署 企业、金融、医疗等多领域应用推动 AI Agent 架构和安全、合规等标准的完善 数据来源： OpenAI ，公开资料、甲子光年智库总结整理 2025 年， AI Agent 风口已至：基础能力成熟，推动 AI 迈向新阶 段 L3 智能体 —— 目前阶段 能思考，还可以采取行动的 AI 系统 L1 聊天机器人 具有对话能力的 AI 来源： OpenAI 对于 AI 的分级 www.jazzyear.com 生态系统成熟度 产业生态与应用场景 L4 创新者 能协助发明创造的 AI L2 推理者 像人类一样能够解决问题的 AI L5 组织者 可以完成组织工作的 AI 能源供给 开源模型和社区合作 LLM 是 AI Agent 的“大脑”， 近半年在推理侧实现大幅进步 AI Agent 大规模语言模型（ LLMs ） GPU 算力供 给 3 02 以“自主规划与工具使用”响应“复杂任务”要求： Agent 的核心能力——自主规划、记忆、使用工具 （网页、软件、 API ）使其天生就擅长处理需要与 外部环境交互的复杂、多步骤流程，完美解决了传 统 AI 在“流程自动化”上的短板。 以“执行力”响应“落地”要求： Agent 的设计理念区别于停留在“对话”或“理解” 的 L1/L2 级 AI ，其 L3 级别的核心是“采取行动，完 成任务”。这种“执行导向”与企业追求实际效果、 部 署落地的目标高度一致。 2025 年， To B 市场对 AI 投资的商业价值诉求发生转变。企业不再满足于概念验证或小范围试点，希望 AI 方案能稳定落地生产环境，集成后带 来实 际业务成果，同时将 AI 从“助手”升级为“员工”或“自动化引擎”，处理如自动生成报告、解决复杂客服问题等复杂任务，以实现显著生产力 飞 跃。 AI Agent 契合这一需求，其天生适合处理复杂任务，强调执行与行动，具备自动化复杂流程的潜力，有望带来指数级效率提升和生产力解 放，满足市场对显著价值回报的需求。 过去的状态： 停留在概念验证（ PoC ）或小范围试点， AI 更像一个需要被验证的“玩具”或“辅助工具”； 现在的要求： 必须是能够无缝集成到现有系统、在真实生产环境中稳定可靠运行的解决方案，并能产出可被量化的业务成果； 期望的 AI 角色： 从旁观的“助手”（ Assistant ），转变为能独立承担责任、解决问题的“正式员工”（ Employee ）或“自动化引擎”（ Engine ）。 生产力回报 从“增量优化”走向“指数飞跃” 以“重塑工作方式”响应“指数飞跃”要求： Agent 的巨大潜力在于，通过自动化过去无法自动 化的、更复杂、更耗时的工作流，能够为企业带来 指数级的效率提升和生产力解放，这直接回应了市 场对于“显著价值回报”的终极期待。 企业应用市场需求的质变：三大核心期望的全面升级 03 企业级 AI Agent 的精准响应：新一代 AI 范式满足市场期待 过去的状态： 满足于 10% 或 20% 的渐进式效率提升，这属于“量变”； 现在的要求： 期待的是数量级（例如生产力翻倍甚至更高）的“质变”，旨在真正重塑工作方式、颠覆性地降低成本； 终极愿景： 将宝贵的人力资源从繁琐、重复的执行性工作中解放出来，使其能完全专注于更高价值的创造性、洞察性与战略性工作。 2025 年， AI Agent 风口已至：企业级 AI 过去的状态：局限于简单的问答、内容续写等“答案生成式”的单一任务； 现在的要求：渴望自主规划、调用不同工具、横跨多个系统、涉及复杂步骤的端到端工作流。 核心挑战： 这些正是传统 AI 应用难以企及的、高价值的“流程自动化”领域。 数据来源：公开资料、甲子光年智库总结整理 www.jazzyear.com 任务复杂度 从“单点技能”走向“综合流程” Agent 满足市场需 求 部署模式 从“实验室”走向“生产线” 01 潜力契合 机制契合 能力契合 4 产品名称 底层模型 核心技术 自主性 多模态能力 高（网页交互） 强（视觉理解） 高（跨领域任务） 强（文本、图像、代码） 高（软件开发） 中（主要文本和代码） 中（辅助编码） 弱（主要代码处理） 高（自主执行） 中（文本和图像） 中（研究执行） 强（文本、图像、 PDF ） 低（协助编辑） 弱（主要代码处理） 中（协作任务执行） 中（文本为核心） AWS Agent 工作流 中（云任务自动化） 弱（结构化数据交互，文本驱动云操作） 在行业领导者的推动下， OpenAI 、 Anthropic 、 Google 、 OpenAI 等头部企业发布关键 Agent 产品和技术协议，发挥引领示范作用。同时， 相对 成型的 Agent 产品如 Manus 、 AutoGLM 、 Genspark 等开始涌现，验证了子技术的可行性，标志着 Agent 从设想进入相对成熟的产品阶 段。 企业不再满足于 AI 的浅尝辄止，而是寻求能深度嵌入业务、创造颠覆性价值的真正生产力。 Agent 走向 生产力工具 2025 年， AI Agent 风口已至：市场需求得到标杆产品的验 证 主要 AI Agent 产 品 AWS Bedrock 集成 模型 云资源编排、 IAM 策略适配、跨服 务 任务流程编排、函数 / 工具调 用 代码上下文理解、智能补全 多智能体架构、 Linux 沙 盒 数据来源：公开资料、甲子光年智库总结整理 远程执行环境、规划系统 浏览器自动化、视觉理解 代码编辑、多文件管理 任务分解、互联网连接 多步骤研究、网页测算 Claude Sonnet 3.7 OpenAI Operator GPT-4 及迭代模型 ChatGPT Agent Deep Research Gemini 1.5 Pro 定制 CUA 模 型 ChatGPT Canvas 可定制 LLM 多个大模型 www.jazzyear.com AutoGPT 未公开 GPT-4 Cursor Manus Devin 5 OpenAI Operator ：图形界面交互智能体 ChatGPT Agent ：多模态任务执行中枢 科技巨头纷纷布局企业级 Agent 。 AWS 推出 Amazon Bedrock Agent Core 平台和 Agentic IDE 工具 Kiro ，助力企业快速构建和运行 Agent 应用； 谷歌依靠 Gemini 系列大模型、通用人工智能助手 Project Astra 和多任务智能体 Project Mariner ，打造强大的智能 Agent 产品矩阵； OpenAI 凭借 Operator 图形界面交互智能体和 ChatGPT Agent 多模态任务执行中枢，为企业提供便捷高效的智能交互体验。 随着技术的不断成熟，企业级 Agent 的 “自动化” 能力逐渐崭露头角，受到市场的广泛关注，成为企业优化流程、提高效率的重要选择。 2025 年， AI Agent 风口已至：科技巨头竞逐企业级 Agent 赛 道 Google • Gemini 系列大模型 • 通用人工智能助手 Project Astra • 多任务智能体 Project Mariner AWS • Agentic IDE 工具 Kiro 科技巨头纷纷布局企业级 Agent • Amazon Bedrock AgentCore 平台 数据来源：公开资料、甲子光年智库总结整理 www.jazzyear.com “AI Agent” （人工智能智能体）作为科技领域高频出现的术语，频繁现身于各类科技报道、学术讨论与企业宣传中。但正是这种高曝光度反而 加剧了概念的混淆与误解 —— 不仅学术界与产业界对其定义存在差异，尚未形成统一标准；产业界亦是，微软、谷歌、甲骨文、华为、 Salesforce 等巨头的定义细节各不相同。 当前企业对 AI Agent 的界定中，最宽泛的理解是将其视为融入大模型能力、具有自动化工具属性的系统。 “ 模型 + 自动化” AI Agent 的核心因素：大模型能力结合自动化特征 斯坦福大学李飞飞团队 《 Agent AI ： Surveying the Horizons of Multimodal InterAction 》中提出， AI Agent 是一种能够感知所处环境，并 依据所感知到的信息自主做出决策并执行相应行动，以实现特 定 目标的实体。 英伟达 新的数字劳动力，为人类工作并与 AI Agent 一起工作。它们代表 了人工智能的下一次发展，从简单的自动化过渡到能够管理复杂工 作流程的自主系统。 AWS 一种软件程序，可以与其环境交互、收集数据并使用数据执行自主 任务以实现预定目标。 微软 将生成式 AI 的能力更推进一步， AI Agent 不仅仅辅佐你，它可以 和你并肩工作，甚至代表你行事。 IBM 能够自主地为用户或其他系统执行任务的系统或程序——它可以 自行设计工作流程并利用可用的工具来完成任务。 Salesforce 一种人工智能系统，无需人工干预即可理解和响应客户查询。 甲骨文 软件实体，可接收任务、检查环境、根据角色执行操作并根据经验 进行调整。 BCG AI Agent 是使用工具实现目标的人工智能。 普林斯顿大学 《 AI Agents That Matter 》中提出在 AI 时代， AI Agent 具 备复杂环境适应、自主目标追求、自然语言交互、低监管依 赖、采用特定设计模式且控制流由 LLM 动态驱动等特征。 复旦大学自然语言处理实验室 《 The rise and potential of large language model based agents: a survey 》提出： AI Agent 含三大关键组件 - Brain 模块， Perception 模块和 Action 模块。 中国人民大学高瓴人工智能学院 《 A survey on large language model based autonomous agents 》中提出 AI Agent 含四大核心模块： Profile 、 Memory 、 Planning 和 Action 等。 麦肯锡 AI Agent 是一种软件组件，具备代表（代理）用户或系统 执 行任务的自主能力。 谷歌 利用人工智能技术来为用户追求特定目标并完成任务的软件系统。 晶 产业界 AI Agent 学术 & 咨询界 BC 心 am 数据来源：公开资料、甲子光年智库总结整理 www.jazzyear.com 7 名称 Chatbot Copilot Agent 对话能力 ★ ★ ★ 推理能力 ★ ★ ★ 记忆能力 （特指长记忆能力） ★ ★ 工具能力 ★ 规划能力 ★ 行动能力 ★ 含义 人类完成绝大部分工作， 类似向 AI 询问意见，了解 信息， AI 提供信息和建 议 但不直接处理工作。 人类和 AI 进行协作，工作 量相当。 AI 根据人类 prompt 完成工作初稿， 人类进行目标设定，修改 调整，最后确认。 AI 完成绝大部分工作，人 类负责设定目标、提供资 源和监督结果， AI 完成 任 务拆分，工具选择， 进度 控制，现目标后自 主结束 工作。 Chatbot Copilot 绝大多数的工作 仍然由人完成 人 指挥 AI 人 指示 AI AI 绝大多数的工 作可以由 AI 完 成 AI AI 企业级 AI Agent LLM （记忆 + 工具 + 规划 + 行 动） 工具能力并非孤立存在，而是建立在强大的对话、推理和长短期记忆基础之上。它赋予了 AI Agent 将复杂任务分解为具体步骤，并调用外部工具或 API 来执行这些步骤的实操能力。 Agent 直接面对目标任务，其规划和执行的全自动能力基于其“工具”能力， Agent 不再局限于信息处理和对话，而是能够主动与数字或物理世界交互，完成预订、查询数据、控制设备 等多步骤的复杂任务，真正成为能够自主规划并解决问题的智能体。 企业级 AI Agent 围绕“工作”展开，“工具调用”是其最核心特征 数据来源：公开资料，东吴证券，专家访谈，甲子光年智库整理 www.jazzyear.com 核心 特征 Agent 人 指导 AI “ 企业级”这一术语意味着一个产品能够承受大型企业极端严苛的需求 。它关注的不是软件能做什么（功能性），而是在何种条件下、以何种方 式、多么可靠地完成其功能（非功能性）。这些要求是构建任何关键业务系统的基石。 6 企 业 企业级 AI Agent 的硬性标准：超越功能本身，围绕“可靠和交付”展开工作 企业软件不能是孤岛。它必须能够平滑地与企业现有的、复杂的 IT 生态系统集成，包括企业资 源 规划（ ERP ）、客户关系管理（ CRM ）、人力资源管理（ HRM ）等核心系统。这有助于 消除数 据壁垒，减少业务中断，并形成一个统一的 IT 基础设施。 企业级解决方案必须保证极高的可靠性（例如 99.99% 的正常运行时间），并制定完善的灾难 恢 复计划。此外，供应商必须提供全面的技术支持和维护服务，包括定期的软件更新、漏洞修 复 和专业的优化服务。 安全与合规是企业级软件最关键的支柱。它要求系统具备端到端加密、数据丢失防护（ DLP ）、 严格的访问控制机制，并必须遵守特定的行业法规。 能够无缝地处理大量用户、海量数据和高并发事务，并且在负载增加时不能出现性能下降或 可 靠性问题。一个真正的企业级解决方案应能轻松支持数以万计的用户同时在线。 要求系统提供精细化的策略管理能力，以控制用户和系统的行为。同时，必须具备全面的审 计 日志记录功能，以及用于用户配置和权限管理的集中式管理后台。 软件界面必须直观易用，能够有效提升用户的工作效率。这不仅能确保软件被广泛采纳，还 能 防止员工因操作不便而转向使用不合规的消费级替代方案，从而引入安全风险。 治理、管理与控制 集成性与可操作性 高可靠性、专业支持与维护 全面的安全性与合规性 可扩展性与高性能 高生产力与易用性 5 4 1 2 数据来源：公开资料、甲子光年智库总结整理 www.jazzyear.com 3 斑头雁（ BetterYeah AI ）深度聚焦企业级 AI Agent 赛道，其推出的 AI Agent 开发平台具有以下特点，体现企业级 AI Agent 平台特点： ① 提供完整 AI Flow 开发框架与可视化 GUI 编辑器 ，集成丰富工具集。全面支 持多角色协同、多环境发布、版本控制、精细权限、数据监控、个性化集成 等企业级智能体开发的关键能力。 ② 独特的 VisionRAG 智能数据引擎 ，可实现多模态数据解析、预处理、检索与 动态重排 ，提供更精准的数据支持。创新的成本压缩框架 ，可有效应对企业 大规模调用的成本挑战。 ③ 通过任务协同引擎 Multi-Agent ，可实现复杂任务的智能分发与多 Agent 协 同 ，通过自然语言封装业务流程 ，降低应用 AI 门槛。 ④ 平台的企业级 LLMOps 能力可满足企业个性化模型集成、调优及高度安全管 理需求；通过阶梯式节点保障 、五层安全防护（复杂权限 / 网络隔离 / 数据 加 密 / 运行监控 / 双重内容安全）构建全方位