2025年计算机行业深度报告：宏观政策+产业趋势共振，AI Agent深化企业服务转型

1 企业服务是 AI Agent 核心落地的核心场景

1.1 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。

1.2 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”。

1.3 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。

2 AI Agent 推动基础业务实现降本增效

2.1 AI Agent 驱动日常业务升级

AI Agent 在企业服务中的首个落脚点，是对日常业务环节的升级改造。过去，企业信息化 工具多停留在“单点提效”——比如财务系统自动记账、HR 系统批量筛选简历、客服 IVR 系统初步分流客户问题。这类工具虽然在一定程度上提升了效率，但其本质仍依赖固 定规则，无法适应复杂、动态的业务环境，也难以实现跨部门、跨系统的协作。 AI Agent 的核心优势在于 “理解并执行”。它不仅能够完成信息检索或问答，还能进一 步执行操作，形成“从认知到行动”的闭环。例如，在客户服务环节，智能体不仅能回答 客户问题，还能主动触发退货流程、更新物流状态，并在完成后将进度反馈给客户，从而 实现端到端的自动化处理。 这种能力正在逐步重塑企业的基础运营模式。一方面，AI Agent 通过自动化处理大量重复 性、低价值任务，释放人力资源，使员工能够专注于更具战略性的工作。另一方面，AI Agent 能够打破原有信息孤岛，连接财务、人力、客服等多个环节，实现跨系统的联动与 协同。根据会议纪要，目前在一线应用中，企业普遍将 AI Agent 部署于客服、财务审 核、合同审批、会议纪要等高频场景，并反馈出效率提升与成本优化的显著成效。 此外，AI Agent 的推广正在推动企业 组织结构的再平衡。随着基础性工作被智能体替 代，企业内部的人力资源正在加速向决策、创新、客户关系等更高价值领域转移。这意味 着，AI Agent 不仅是“降本工具”，更是引导企业转型、促进整体生产力提升的关键抓 手。

2.2 业务流程再造与效率提升的规模化验证

AI Agent 的价值不仅在于替代工具，更在于推动企业核心流程的整体优化。从单点提 效走向端到端流程升级，企业已经在办公、财务、供应链等环节看到了明显收益。 办公与行政场景：会议纪要、文档整理、流程审批等繁琐工作，可以通过 AI Agent 实 现自动化。例如，Cisco Webex AI Agent 自动生成会议摘要、分配任务并提醒后续事项，使 企业节省大量整理时间，同时提升跨部门沟通效率。这类高频、低门槛场景验证了 AI Agent 的效率优势，也加速了企业采用意愿。 财务与供应链：Workday 的 AgentGateway 将智能体嵌入财务和人力资源模块，实现跨 系统调用和自动审计，大幅减少重复劳动。在供应链中，AI Agent 通过分析库存与市场数 据，动态生成采购和生产计划，既缩短库存周转周期，也提高预测准确率。 此外，多 Agent 协同应用正在探索中。例如，Accenture 的 Distiller 框架允许财务、供 应链和客服 Agent 协作完成复杂任务，形成类似“虚拟组织”的运行机制。这标志着企业 流程正在从线性执行走向更灵活、高效的自治生态。

2.3 从成本优化到收入增长

AI Agent 的商业价值正在经历阶段性升级：从降低成本，向提升收入和优化资本效率 延伸。 成本优化：AI Agent 可替代大量重复性任务，提升效率并降低错误率。初步实施数据 显示，在金融 / 采购等流程中，Agent 导致重复任务耗时减少 30%，采购订单处理效率提 升 10%–30%。例如，SAP 的 Joule Agent 在采购异常监测中实时发现不合规交易、简化 流程。 收入增长：在客户运营中，AI Agent 能生成个性化营销策略，提高转化率和客单价。 供应链中，通过动态预测和实时调整采购计划，企业减少缺货和库存过剩，提升客户满意 度和市场响应能力，间接推动收入增长。 资本效率优化：AI Agent 能够通过对库存与资金流的实时监控和预测，显著提升企业 的资本使用效率。在麦肯锡的研究显示，通过自主路由和调度，物流运营效率有所提升， 在某些情况下，库存和物流成本下降 20%以上。此外，借助智能工作流代理（例如用于文 档处理的代理），交易周期时间已从几天缩短到几小时甚至几分钟。 总体来看，AI Agent 正从“降本工具”升级为“增长引擎”。企业不仅能降低成本， 还能通过精准决策和动态优化提升收入与资本效率。随着多 Agent 协同和行业化解决方案 的完善，AI Agent 有望成为企业战略层面直接贡献利润增长的重要利器。

3 海外巨头率先构建 Agent 生态，Agent 企业服务商业空间逐步 打开

在 OpenAI 2025 开发者发布会上，OpenAI 重磅宣布了四项核心更新：推出 Apps SDK 以实现 ChatGPT 与外部应用无缝集成，旨在将其打造为下一代操作系统；发布 AgentKit， 支持无需编码、通过拖放快速构建智能体；开放 Codex 全面可用，助力用户无代码开发应 用；并更新 API，同步上线 Sora 2 视频生成模型。其中最受关注的是 Apps SDK，它允许开 发者在 ChatGPT 中构建原生应用，被类比为“新一代 APP Store”，同时 Sora 2 将作为独 立 APP 推出，OpenAI 已在内部推出了这款应用程序，并收到了员工们非常积极的反馈， AI Agent 浪潮持续奔涌。

3.1 AI Agent 已成美股企业服务厂商的战略核心

2025 年以来，美股主要企业服务公司普遍将 AI Agent 确立为未来战略的核心方向。从 整体趋势看，企业软件巨头正在经历从“工具增强”向“智能体驱动”的体系化转型，战 略重点集中在三方面：其一，强化底层平台的智能化能力，将 AI 嵌入原有 ERP、CRM、 HRM 等核心模块；其二，构建可控、可扩展的 Agent 框架，以满足企业级客户在合规、安 全与治理上的需求；其三，通过多 Agent 协同与行业化场景拓展，推动 AI 在企业流程中的 全面渗透。 SAP 方面，管理层在最新季度电话会议中多次强调“Joule”智能体的战略地位。SAP 正将 Agent 能力全面嵌入 S/4HANA 与 SuccessFactors 等核心模块，目标是实现财务、采 购、人力资源等场景的端到端智能化。与早期侧重演示不同，SAP 当前的战略重心已转向 在现有客户群体中的规模化落地，并通过行业化模板（如制造业供应链、医疗合规管理） 提升应用的可复制性。

Salesforce 则延续了“AI+CRM”的定位，在 EinsteinGPT 之后进一步提出 “EinsteinCopilot”与“AgentStudio”。管理层在电话会议中表示，AI Agent 不仅是附加功 能，而是被设计为“下一代 CRM 的交互层”。其目标是通过自然语言交互替代传统点击 式操作，显著降低销售与客服人员的学习成本。与此同时，Salesforce 正在将 AI 代理能力 嵌入到每一个核心产品中,并提供工具和框架，让客户和开发者更容易构建和管理 AI 代 理。 HubSpot 的战略重心更倾向于中小企业客户群。管理层在电话会议中指出，AI Agent 将成为 SaaS 化营销与销售自动化的核心抓手。与大型厂商不同，HubSpot 强调以“轻量化 Agent”切入客户需求，快速验证价值并推动付费升级。这一方向不仅提升了中小企业的 AI 应用可及性，也为 HubSpot 自身创造了更灵活的增量收入模式。 ServiceNow 则在 IT 服务管理与企业流程自动化中加快了 AI Agent 的全面部署。公司 在电话会议中提出，AI Agent 将嵌入 IT 运维、客户支持和员工服务等核心场景，并与 NowPlatform 的低代码能力深度融合。这意味着企业用户不仅能通过 Agent 执行任务，还 能在平台上快速定制多 Agent 协同的业务流。ServiceNow 的目标，是让 Agent 成为企业 IT 与业务流程的统一接口，从而推动“自治运营”的实现。 总体来看，四家美股公司在 AI Agent 上的战略差异化明显：SAP 强调行业纵深与核心 模块渗透，Salesforce 突出 CRM 的交互革命，HubSpot 聚焦中小企业的轻量化应用， ServiceNow 则主打 IT 服务与平台生态。尽管路径各异，但共同趋势是：AI Agent 已从 “功能附加”转向“战略中枢”，并将在未来三到五年内成为企业软件竞争格局的决定性 变量。

3.2 产品矩阵从单 Agent 向多 Agent 协同演进

美股企业服务软件厂商在 AI Agent 产品上的布局，正逐步形成从“单点增强”到“系 统协同”的演进路径。早期的 AI 功能多以插件或工具形态出现，例如 Salesforce 在 CRM 中嵌入 EinsteinGPT，实现营销内容生成与客户沟通提效；ServiceNow 则在 IT 运维中引入 虚拟助手，用于自动工单分配和问题诊断。这类应用虽能带来即时效率提升，但其局限在 于功能割裂、任务链路较短，难以对企业整体流程产生系统性影响。 2024 年以来，厂商们开始推动 AI Agent 向体系化扩展。SAP 推出的 Joule 智能体不仅 能辅助财务和供应链管理，还可跨模块调用数据，支持采购、库存、销售等业务场景的端 到端联动。ServiceNow 则在 2025 年提出了“AI Agent 工作流”理念，将智能体嵌入其核 心平台，形成覆盖 IT、客户支持、人力等多个模块的闭环式工作流，初步具备多 Agent 协 同的雏形。HubSpot 在中小企业市场，则强化了营销与客户管理一体化能力，其 AI Agent 能够在用户画像、邮件营销和销售转化环节无缝衔接，形成了轻量化的“虚拟销售助 理”。

值得注意的是，多 Agent 架构的探索已经出现。埃森哲在 2025 年上半年推出的 Distiller 框架，强调多智能体的长期记忆与协同，能够模拟不同部门的“虚拟员工”进行互 动与博弈，从而推动企业内部跨职能任务的自动化执行。这一趋势意味着，企业软件不再 仅仅是“工具集合”，而是向“智能组织”转变。 总体来看，美股企业服务厂商的产品矩阵正在完成三重跃迁：从增强工具到单一 Agent，从单一 Agent 到多 Agent 协同，再从多 Agent 走向自治生态。这一演进不仅拓展了 AI Agent 在企业中的应用边界，也为厂商建立差异化竞争优势提供了新的抓手。

3.3 订阅制为主，增值服务拓展空间

美股企业服务厂商在 AI Agent 的商业化路径上，普遍采取“现有订阅制为核心，增值 模块为突破”的模式。在传统的 SaaS 框架下，企业客户已经习惯通过年度或月度订阅获得 服务，因此 AI Agent 的定价策略更多以附加模块或分层套餐的形式嵌入。 Salesforce 在电话会议中强调，其 EinsteinGPT 将作为增值功能，按使用量和功能深度 收费。例如，基础版本的 AI 服务已包含在 CRM 订阅中，而高阶智能体（如自动生成销售 提案、预测客户流失）的使用则需额外付费。这一模式不仅能提升 ARPU（每用户平均收 入），还避免了对现有订阅体系的冲击。 SAPJoule 的商业化则更倾向于“全栈嵌入”。其 Agent 功能直接打通 ERP、供应链与 财务模块，通过整体解决方案收费。这种方式尤其适合大型企业客户，能够通过打包采购 推动软件渗透率提升，并与 SAP 长期的实施与咨询服务形成互补。

HubSpot 在中小企业市场采取轻量化策略。其 AI Agent 能力被嵌入到不同层级的套餐 中，低端用户可享受自动化邮件和客户画像功能，而高端套餐则提供预测分析与多渠道协 同。HubSpot 的核心逻辑在于通过 AI 功能提升用户粘性和续订率，而非大幅提高单价。 ServiceNow 的做法则强调“平台化价值分层”。在 IT 运维、客户支持和人力管理模 块中，AI Agent 功能分为标准版与企业版，前者满足自动工单分配等基础需求，后者则通 过 AI 工作流实现跨部门闭环。其定价模式与企业规模挂钩，体现了“按价值付费”的思 路。 从整体趋势看，AI Agent 的商业模式正逐步走向三重分化：一是功能嵌入型，即 AI 作 为基础功能增强，附加在现有订阅上；二是模块增值型，即针对特定高价值场景收取额外 费用；三是平台分层型，即通过差异化功能和数据能力形成多层次定价。这样的设计不仅 契合客户多样化需求，也为厂商提供了持续增长的空间。

3.4 盈利质量显著提升，Agent 企业服务商业空间逐步打开

AI Agent 的推出正在成为美股企业服务厂商的重要战略拐点。从战略层面看，几乎所 有公司都在通过 AI 强化“平台化”与“生态化”定位，以避免产品同质化带来的竞争压 力。Salesforce 在近期的电话会议中明确表示，AI 将不仅仅是一个“插件”，而是推动销 售、服务与营销一体化的关键引擎。SAP 也在强调 Joule 的价值，即通过嵌入式 Agent 打 通 ERP 全链条，提升客户的系统粘性，巩固其在大型企业数字化中的主导地位。

从财务表现来看，美股 AI 应用厂商 2025Q1 营收整体保持稳健增长。考虑美股厂商业 务与 AI 的关联度，本节我们选取了 Salesforce、Adobe、ServiceNow、Palantir 等 9 家厂商 并对其财报以及经营情况进行跟踪梳理。2025 年 Q1 美股 AI 应用厂商合计实现营收 235.99 亿美元（YoY+12.1%），保持良好增长状态。 AI 赋能厂商盈利能力和经营效率持续提升。从经营性利润率看，2025Q1 美股 AI 应用 厂商平均经营性利润率分别为 15.81%，同比提升 1.61pct，环比 2024Q4 提升 1.27pct，经营 性利润率保持提升态势；从费用率看，2025 年 Q1 美股 AI 应用厂商合计销售、研发、管理 费用率分别为 31.54%/19.68%/7.90%，同比分别下降 0.79pct/0.25pct/0.28pct，经营效率同比 显著提升。 美股 AI 应用厂商近年人均创收持续走高。2014 年以来美股 AI 应用厂商合计人均创收 呈现增长态势，2023、2024 年增速有所提升，同比分别增长 15.3%和 5.6%，2024 年人均 创收达到 37.28 万美元，未来随着 AI 应用的商业化以及对公司内部的赋能，经营效率有望 持续提升。 总体来看，AI Agent 对美股企业服务公司的影响体现在“双重调整”：一方面是战略 层面，推动公司加速向平台化、智能化转型；另一方面是财务层面，在美股 AI 应用厂商近 年人均创收持续走高，Agent 商业空间正逐步打开。

4 国内厂商聚焦场景化落地，AI Agent 的应用正在重塑国内企业 服务市场

4.1 国内企业服务厂商的 AI 战略方向：场景驱动与渐进式落地

国内企业服务厂商的 AI 战略布局，与海外同行相比呈现出鲜明的“场景驱动、渐进落 地”特征。这一差异源于中国市场的客户需求结构、行业生态和数字化基础水平。 首先，在战略重点上，国内厂商优先选择财务、税务和合规等高频、刚性需求场景作 为切入点。财务核算、报销审批、税务合规等环节数据标准化程度较高，易于通过 AI Agent 实现自动化。例如，用友与金蝶均将智能体率先部署在 ERP 财务模块，定位为“财 务助手”，帮助客户完成费用报销审核、发票识别、账务处理等任务。这种打法能够快速 积累客户信任，并形成规模化应用案例。 其次，国内厂商普遍结合自身在行业客户中的长期积累，推动行业化 AI 落地。与海外 SaaS 厂商强调通用性不同，鼎捷、赛意等在制造业 ERP 与供应链 IT 系统中的客户基础， 使得其 AI Agent 产品天然带有“行业 Know-how”。例如，鼎捷的 AI Agent 可以结合生产 排程和设备运行数据，动态调整生产计划；赛意则在供应链环节应用 AI 进行异常预测和动 态调度，帮助客户降低库存风险。 第三，在战略目标上，国内厂商更强调企业级生态的构建。由于中国市场客户需求多 样化、定制化特征显著，单点工具难以覆盖复杂场景。因此，厂商普遍采取“先点后面” 的模式：先在某一场景形成突破，再通过数据中台与 API 逐步扩展到跨部门应用。例如， 金蝶“苍穹平台”强调 AI Agent 与数据中台协同，定位为智能 ERP 的生态底座。 总体而言，国内厂商的战略方向可以概括为：“从场景突破到生态构建”。这意味着 短期内 AI Agent 的渗透率主要集中在财务、制造、协同办公等局部环节，但中长期来看， 有望形成类似海外“平台化”的演进路径。

4.2 AI Agent 产品探索：财务刚需、行业特色与通用场景并行

国内 AI Agent 产品的探索呈现出多路径并行的特征，主要集中在三大方向： 财务与税务领域的刚需应用： 财务场景是国内 AI Agent 的首要落地点。用友的 YonSuite 智能助手、金蝶的苍穹智能 体，能够在财务报表生成、费用报销、合同审核等环节实现自动化，部分客户反馈财务工 作效率提升超过 30%。税友的智能报税助手，则针对增值税申报、发票真伪核验等环节提 供 AI 化能力，尤其受到国企和大型制造业客户欢迎。百望股份则依托在电子发票与财税服 务领域的优势，推出“票据处理+税收风险智能体”，支持跨国发票识别、合规校验与风险 报告生成，在财税合规和跨境业务支持方面具备独特优势。 制造与供应链中的行业特色应用： 鼎捷、赛意等 ERP 厂商将 AI Agent 与行业 Know-how 相结合，形成差异化竞争。例 如，鼎捷的智能体可结合 MES（制造执行系统），实现订单自动拆解和排程优化，减少生 产停机时间；赛意则利用 AI Agent 进行供应链异常预警，如提前发现原材料供应延迟，并 自动生成替代方案。这些案例显示 AI 不仅能提升效率，还能帮助客户增强韧性。 协同办公与 HR 的通用场景： 泛微 OA 平台推出 AI 协同助手，实现会议纪要生成、审批流自动化、文档归档与知识 搜索，显著减少行政成本。北森的 AI 招聘助手，在简历筛选、面试问题生成和候选人画像 构建方面提升效率，部分客户招聘周期缩短达 38%。迈富时则在合规与风控领域推出 AI Agent，能够在企业日常审计和合规检查中提供自动化支持，缓解大型客户的合规压力。 综上，国内厂商的产品探索路径可以概括为“财务刚需驱动、行业特色突破、通用办 公普及”。这与海外厂商直接推动跨场景集成的方式不同，更符合中国市场客户的使用习 惯与需求特征。

4.3 商业模式探索：SaaS 订阅与项目制结合

在商业模式上，国内厂商普遍采取 SaaS 订阅与项目制并行的策略。 首先，SaaS 化订阅正在成为核心趋势。金蝶“苍穹平台”智能体功能通过模块化订阅 方式提供给中小企业客户，客户无需自建 AI 团队即可低成本获取智能服务。这种模式有利 于规模化推广，并推动厂商在客户群体中扩大 ARPU。 其次，大型客户项目仍以定制化交付为主。用友在集团客户的 AI 财务助手部署中，往 往需要深度结合客户的 ERP 系统，涉及数据接口改造、流程再造，因而形成项目收入。这 种模式在中国市场尤为常见，短期内仍是收入的重要来源，但毛利率相对低于标准化 SaaS。 第三，部分厂商开始尝试 AIaaS（AI 即服务）模式。例如，北森在招聘场景中按招聘 次数收费，泛微在 OA 平台中探索“插件化收费”，均显示出国内厂商在 AI Agent 商业化 上的灵活性。

整体来看，国内企业服务市场的商业模式仍处于探索阶段，但方向已逐渐清晰：短期 依赖项目制驱动收入，长期通过 SaaS 与 AIaaS 提升可持续增长与盈利能力。

4.4 市场影响与发展前景：从效率工具到生态平台

对标海外，美股企业已证明 Agent 是企业服务增长新引擎，中国厂商的场景化落地正 打开中长期空间。AI Agent 的应用正在重塑国内企业服务市场，影响主要体现在三个方 面： 竞争格局重构： AI Agent 的引入改变了厂商的竞争逻辑。过去 ERP、协同 OA 的竞争焦点是功能覆盖 率与交付能力，而现在“智能化能力”成为新的核心。拥有大模型接入能力与数据中台能 力的厂商（如用友、金蝶）在高端客户市场明显占优，而缺乏研发与生态投入的中小厂商 则可能逐渐被边缘化。 客户结构优化： AI Agent 的 SaaS 化和插件化降低了中小企业客户的使用门槛，加速了市场下沉。同 时，大型客户在合规、财务、供应链等环节对 AI 的需求增强，提升了厂商在高端客户中的 议价能力。这一“双向结构优化”有助于厂商实现营收稳定增长。 长期增长潜力释放： 参考海外经验，AI Agent 将经历从“降本工具”到“增长引擎”的转变。国内厂商在 财务、供应链等核心环节已验证了提效与风险控制价值，未来多 Agent 协作与行业化解决 方案将进一步释放收入增长潜力。尤其是当 AI 与数据中台深度结合后，企业服务厂商有望 通过 AI 驱动的生态构建，形成长期壁垒。 总体来看，国内企业服务厂商的 AI Agent 布局正处于早期商业化验证期。未来两三 年，随着底层算力与模型供给成熟，数据中台和生态伙伴体系逐步完善，AI Agent 有望成 为推动国内企业服务市场从“工具竞争”走向“生态竞争”的关键力量。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）