AI Agent产业落地情况如何？

企业服务是 AI Agent 核心落地的核心场景。

1.国务院政策号角吹响，AI 浪潮持续奔涌，预计 AI agent 市场发展迅速

2025 年 8 月 21 日，国务院发布“国务院关于深入实施“人工智能+”行动的意见”， 明确表示，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%，到 2030 年，我国人工智能全面赋能高质量发展，新一 代智能终端、智能体等应用普及率超 90%，到 2035 年，我国全面步入智能经济和智能社 会发展新阶段。 当前，AI 应用正在经历从 Copilot（辅助型）向 Agent（执行型）乃至 Intelligence（决 策型）的跃迁。过去的 AI 更多作为“增强工具”存在，需要人类进行明确指令输入与过程 监管。而 Agent 则可以根据业务目标，自动拆解任务、调用外部与内部工具，并在动态环 境中调整执行路径。例如，在客户支持场景中，Agent 不仅可以自动检索知识库回答问 题，还能根据客户的历史数据和偏好主动推荐解决方案，甚至发起工单流转和后续回访。 AI Agent 的引入为这一问题提供了系统性解决路径。通过具备多模态输入理解、自然 语言交互、任务自动分解与执行等能力，AI Agent 可以在不依赖人工介入的情况下跨系 统、跨部门协调资源，完成端到端业务闭环。这意味着企业内部长期存在的“系统互不对 话”问题有望被根本性缓解。 据 Gartner 预测，到 2028 年将有 33%的企业软件应用内置 Agent 功能，而这一比例在 2024 年尚不足 1%。这一转变意味着，企业数字化的重心正在从“工具赋能人”走向“系 统替代人”完成任务，管理模式和业务流程将随之重构。而根据 grandviewresearch 报告， AI Agent 市场在 2025 年估值约 76 亿美元，到 2030 年将达 503 亿美元。

2.从工具到智能体：AI 进入执行阶段

AI Agent 在企业服务领域的快速崛起，不仅源于市场规模的扩张与技术能力的跃迁， 更因其直击企业在效率、成本与创新层面的核心痛点。本节从需求侧（市场潜力）与供给 侧（技术演进）的双重视角，剖析 AI Agent 如何成为企业数字化转型的关键解方。 企业效率困境与生成式 AI 的破局价值：全球 AI 支出的高速增长（2028 年预计 6320 亿美元）背后，是企业对降本增效的迫切需求。传统企业服务软件（如 CRM、ERP）虽能 优化流程，但在非结构化任务（如客户沟通、创意生成、代码编写）中仍依赖人力，导致 效率瓶颈。生成式 AI 的爆发式应用（2024 年至 2028 年 CAGR59%）正填补这一空白： 自动化高成本环节：麦肯锡研究表明，生成式 AI 可在软件开发、营销内容生产等场 景占 75%以上的功能成本，例如自动生成合规文档、个性化客户提案； 长尾需求覆盖：传统 IT 系统难以灵活应对细分场景（如供应链异常处理、法律合同 审查），而 AI Agent 通过自然语言交互与动态学习，能够快速适配碎片化需求。 从“功能工具”到“自主 Agent”的能力跃升：企业早期部署的 AI 多为单点工具（如 OCR 识别、客服机器人），而 AI Agent 的“摩尔定律”（能力每 7 个月翻倍）使其逐步具 备复杂问题求解能力： 任务长度突破：早期 AI 仅能处理短链任务（如问答），而现代 Agent 可完成跨系统、 多步骤操作（如从会议记录生成待办事项，并同步至项目管理工具）； 软硬件协同进化：算力提升（如 TPUv5）与算法创新（如多模态 RLHF）让 Agent 更 适配企业环境，例如在数据孤岛中自主抽取信息，或通过低代码接口与企业现有系统 集成。这一演进直接解决了企业“有数据无智能”的困局——Agent 不再是被动响应 指令的工具，而是能主动理解业务目标、协调资源的“数字员工”。

IT 预算重构：企业 IT 支出向软件与服务倾斜（2024 年增速分别达 12.1%和 5.6%）， 反映出对敏捷性与业务价值的追求。传统定制化开发周期长、成本高，而 AI Agent 通过两 类路径重塑投资回报： SaaS 化降低门槛：AI Agent 的标准化能力（如 SalesforceEinsteinGPT）让中小企业无 需自建 AI 团队即可调用智能服务；场景化价值证明：在销售、供应链等领域，生成式 AI 已实现可量化的收益（如麦肯锡 测算的 2.6-4.4 万亿美元经济价值），推动企业将预算从“基础设施”转向“智能应 用”。

3. 技术突破与市场空间快速释放

2025 年进入下半年，AI Agent 的产业落地进程显著提速。相较于 2023–2024 年以技术 突破和功能展示为主的探索阶段，近期的行业动态表明，AI Agent 正在快速走向商用部署 与生态完善，逐渐成为企业级数字化转型的新支撑点。多家全球领先的科技与咨询服务公 司在 2025 年 5–6 月集中发布面向企业级市场的 Agent 产品，覆盖从开发、监控、治理到具 体业务应用的全链条，标志着产业已从“功能演示”进入“系统集成”关键期。

首先，开发与运维工具链正在加速成熟。Databricks 在 6 月推出的 AgentBricks （Beta），定位于帮助企业构建任务型 Agent，支持流程监控和自动化评估。同日发布的 MLflow3.0 进一步引入了 Prompt 管理和 Agent 生命周期监控功能，形成较为完整的闭环开 发与运维体系。这类产品的意义不仅在于降低企业自建 Agent 的门槛，更在于确立了产业 在开发、评估与迭代环节的标准化路径。

其次，框架层的治理与安全能力成为重点。Accenture 发布的 Distiller 框架强调长期记 忆、多 Agent 协作与生命周期管理，尤其突出了安全性与治理要求。其定位不仅是技术工 具，更是企业在合规、风险控制与大规模应用前提下的“制度化底座”。这类框架的推 出，表明 AI Agent 正从单点功能走向可控、可监管的系统级部署，满足大型企业与公共部 门对标准化与安全性的核心诉求。

第三，业务场景的嵌入能力快速增强。Workday 在 6 月初推出的 AgentGateway，以及 随后在 WorkdayMarketplace 上线的首批集成方案，直接将 Agent 嵌入财务、人力资源等核 心场景。其所具备的权限管理与合规审计能力，确保了 Agent 在高敏感度的业务场景中能 够安全运行。这意味着 Agent 已不再停留于辅助性、外围性工具，而是开始切入企业价值 链的核心环节。

总体而言，AI Agent 已进入“从 0 到 1”技术突破后的“从 1 到 N”规模化落地阶 段。若说早期的价值体现主要在于展示生成式 AI 在具体任务中的可行性，那么当前的价值 则在于如何通过工具链、框架、数据中台与商业模式，真正实现大规模、可持续的产业 化。未来的竞争焦点，不再是单个 Agent 的功能强弱，而是能否建立起一个以多 Agent 协 作为核心、以 AIInfra 与数据中台为支撑、以 SaaS 化为商业模式的完整生态系统。