別只看大模型，智能體才是AI落地的關(guān)鍵

2025年，AI熱得發(fā)燙，從年初DeepSeek一聲驚雷，到Manus、豆包、元寶輪番登場，熱鬧非凡。

但你有沒有發(fā)現(xiàn)，一年過去了，頭部玩家的AI應(yīng)用，清一色還是聊天機器人：字節(jié)的豆包、阿里的夸克、騰訊的元寶、訊飛星火……訪問量斷層領(lǐng)先，更像是“秀肌肉”而非“真干活”。

AI在App里的滲透，也卡在怪圈里：滲透率高的，月活上不去；月活高的，滲透率反倒低。

這些現(xiàn)象，其實沒有看上去那么健康。

因為那把懸在AI行業(yè)頭頂?shù)摹斑_摩克里斯之劍”——落地，似乎還未真正得到解決。

AI Agent曾被寄予厚望。Manus年初掀起AI代理風潮，可問題來得比解決方案更快；年底豆包手機聯(lián)名努比亞，測評圈炸了，量產(chǎn)卻還在“畫餅”。

第三方調(diào)研數(shù)據(jù)顯示，93%的Agent項目在從POC邁向生產(chǎn)時遇到障礙[1]。也就意味著，每100個讓人熱血沸騰的概念驗證，最終能活下來的，不到7個。

而這，才是AI智能體戰(zhàn)場最真實、最殘酷的戰(zhàn)場。

AI進廠，體驗怎么樣？

去年年底，我參加了一場釘釘在江蘇舉辦的峰會。會上，釘釘發(fā)布了8.0版本，AI輔助辦公的細膩程度，已經(jīng)細到能幫你寫會議紀要、自動排期、甚至猜你下一句想說什么。

最讓我印象深刻的，是釘釘華東區(qū)域總經(jīng)理施江峰分享的一個數(shù)據(jù)：蘇錫常地區(qū)76%的上市公司正在使用釘釘，乍一聽，這數(shù)字好像也沒什么，畢竟釘釘用戶遍布全國。但關(guān)鍵在于，蘇錫常的上市公司里，制造業(yè)占了七成以上。

就是說，一向只看重實操的制造企業(yè)，也開始悄悄擁抱AI了。

這個趨勢得到了數(shù)據(jù)的印證。去年7月，IDC發(fā)布調(diào)研顯示：國內(nèi)工業(yè)企業(yè)中，大模型智能體的應(yīng)用比例從2024年的9.6%，一路飆升至2025年的47.5%[2]，不到一年時間，翻了近五倍。

當然，這背后也少不了政策推一把的功勞，畢竟誰都想在“新質(zhì)生產(chǎn)力”的賽道上搶個好位置。

峰會上，幾位企業(yè)代表也聊了接入AI的真實體驗。提效最明顯的，還是業(yè)務(wù)流程和會議流程，比如自動匯總待辦、智能生成紀要、跨部門協(xié)作不再“踢皮球”。

總的來說，釘釘作為辦公協(xié)作平臺，目前在制造型企業(yè)中，主要切入的還是行政、人事這類“輕量級”場景。

但也有人坦言：“當前，我們只在外網(wǎng)業(yè)務(wù)用釘釘。”這句話挺耐人尋味，不是不用，也不是全用，而是部分的用，循序漸進的用。

這恰恰說明，企業(yè)對AI Agent的接受程度，還處在“看療效”的階段，有人已經(jīng)上頭，有人還在觀望。

尤其對于中小企業(yè)來說，不敢全信的原因主要來自兩方面：

第一，太貴，回本太慢。定制一個企業(yè)級智能體，動輒幾十上百萬，還得搭上幾個月的調(diào)試和訓(xùn)練。老板們心里會想：“這玩意兒到底能不能幫我多賺錢、少花錢？”

第二，太“黑”，心里沒底。AI做決策像在“黑箱”里抽盲盒，你不知道它為啥這么判，也難預(yù)測它會不會突然“抽風”。一旦涉及客戶數(shù)據(jù)、生產(chǎn)流程，企業(yè)就更不敢輕易把方向盤交給AI。

說到底，雖然越來越多企業(yè)喊出“AI+”或“+AI”的口號，但現(xiàn)實仍是：“表面熱鬧的多，動真格的少”。大多數(shù)還停留在行政、溝通等外圍場景，真正把AI嵌入生產(chǎn)、供應(yīng)鏈、質(zhì)量控制等核心業(yè)務(wù)的，仍是少數(shù)。

原因也不復(fù)雜——投資回報算不清，安全風險擔不起。

但趨勢已經(jīng)不可逆了。當制造業(yè)的“硬骨頭”都開始啃AI了，說明這場變革，正從“錦上添花”走向“不可或缺”，只是，從“用起來”到“用得好”，還有很長一段路要走。

AI落地，為啥一用就翻車？

傳統(tǒng)AI助手主打基礎(chǔ)問答和簡單任務(wù)，雖然現(xiàn)在還是“主力軍”，但增長已經(jīng)放慢了。

真正的增量機會，藏在通用、垂直和開發(fā)平臺這三個方向里[3]。

AI Agent類別

2025年市場規(guī)模（單位：億美元）

通用AI Agent

78.4

垂直行業(yè)AI Agent

890

AI Agent開發(fā)平臺

900

前面說了，93%的AI Agent項目卡在從概念到落地的“最后一公里”，對大多數(shù)企業(yè)來說，這道坎，真不好邁。

亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建認為：癥結(jié)在“數(shù)據(jù)”和“工程化”。[1]

在干凈數(shù)據(jù)上跑模型，體驗直接拉滿，但現(xiàn)實是，企業(yè)數(shù)據(jù)往往是亂的、分散的、格式五花八門的“沼澤”。

這不光讓智能體“看不懂”，也讓企業(yè)犯難：智能體需要學(xué)習(xí)高質(zhì)量數(shù)據(jù)，如果甲方在啟用AI助手之前，還要做清洗數(shù)據(jù)前置工作的話，成本太高了。

微軟的解法，是把 RAG（檢索增強生成） 深度塞進 Copilot 系列，現(xiàn)在不少廠商都跟著抄作業(yè)。簡單說，就是給大模型配個獨立的模塊，專門負責從企業(yè)雜亂的文檔堆里找到原始信息，大模型自己只管“動腦”和“動嘴”。

這樣一來，哪怕底子數(shù)據(jù)是“爛”的，只要檢索準，答案也能靠譜，大大減輕了數(shù)據(jù)清洗的負擔。

在查資料時，我發(fā)現(xiàn)國內(nèi)有家叫中之杰智能的公司，走的是“小垂直+全覆蓋”的路線，將智能體安插在各種可行的制造場景中。

他們推出的德沃克X-Agent工業(yè)智能體，覆蓋了感知—指揮—執(zhí)行三層，針對國內(nèi)制造業(yè)的離散生產(chǎn)模式，算是目前最接近“標準答案”的方案之一。

關(guān)鍵是，真有客戶在用，不是PPT吹牛：

在中大力德數(shù)字車間，上了“AI老廠長 + AI水蜘蛛”，優(yōu)排產(chǎn)、降庫存；

新坐標科技的混線生產(chǎn)，用上“OBF島式智能體 + AI品控衛(wèi)士”，降損耗、提插單能力；

鴻基偉業(yè)的車間里，部署“全工位視覺質(zhì)檢 + AI設(shè)備管家”，降故障、提合格率。

如果把大模型智能體看作車間里的“小腦+大腦”組合，那中之杰的X-Agent，算是目前國內(nèi)離散制造領(lǐng)域落地最多、指標最透明的一套體系了，甚至在緊固件、減速機這類“小批量多品種”場景，能做到一年回本。

但問題也明顯：如果客戶想直接復(fù)制到3C、醫(yī)藥或者其他工廠呢？還是得重新訓(xùn)練、遷移驗證，更何況，還有那道橫在所有大模型面前的“天塹”——幻覺。

說白了，大模型就是個“概率模型”，靠不斷猜下一個詞推算準確度最高的。

可企業(yè)要的是“白盒”：穩(wěn)定、可控、能追責。這種根本性矛盾，讓智能體在核心流程前，步子就不敢邁太大了。

尤其是醫(yī)療行業(yè)。前兩年，有一家AI醫(yī)療公司悄然解散。

鷹眼智慧中醫(yī)這家公司，曾被港股上市公司江山控股收購，手握上千甚至上百億的中醫(yī)、診療、文獻數(shù)據(jù)，號稱“數(shù)據(jù)富礦”，但問題接連出現(xiàn)，融資不到位、母公司縮水，現(xiàn)金流一斷，徹底消失了。

醫(yī)療領(lǐng)域數(shù)據(jù)不能出域，AI也不能越位，診療過程有嚴格的“護欄”。現(xiàn)在像上海仁濟、復(fù)旦附屬這些大醫(yī)院，頂多用AI輔助，數(shù)據(jù)處理還得多一道“專家標注”把關(guān)。

更何況，中醫(yī)講究經(jīng)驗積累，診療高度個性化，所以再強的“思維鏈”（CoT），也替代不了老中醫(yī)的“望聞問切”。

智能體的賺錢門道，到底在哪兒？

觀察頭部玩家的打法，或許能幫我們打開新思路。

數(shù)據(jù)來源：CB Insights

2025年，全球營收排名前20的AI Agent企業(yè)，幾乎被美國公司承包，ARR（年經(jīng)常性收入）成為衡量商業(yè)化能力的核心指標。

清一色的訂閱制SaaS模式，像極了軟件世界的“會員制健身房”，用戶按月繳費，企業(yè)靠持續(xù)服務(wù)賺錢。

其中，最出圈的當屬程序員的“利器”——Cursor。它憑借超5億美元的年營收，穩(wěn)坐頭把交椅，成了全球AI Agent界的“頂流”。[4]

不去搞全能助手，而是專注服務(wù)開發(fā)者：寫代碼、修Bug、做重構(gòu)，像一個永不疲倦的“搭子”，讓程序員從搬磚民工升級為架構(gòu)指揮官。

除了軟件開發(fā)類Agent，Top20中有一半是客服、法律、協(xié)作類垂直應(yīng)用。

它們的共同策略很“極端”：不求全能，只求一招制敵。放棄通用智能的宏大敘事，把場景壓到最窄，再把這一件事做到極致。

數(shù)據(jù)來源：CB Insights

比如客服Agent：只要它能把外呼、話術(shù)引導(dǎo)、信息記錄這一套流程跑明白。在金融、電商這些對響應(yīng)速度和服務(wù)標準要求極高的場景，它就成了標準配置，效率高、出錯少。

比如法律Agent：人腦記不住幾萬條法條，但AI可以。合同審查、案例檢索、文書生成，一氣呵成。律師再也不用熬夜翻卷宗，只需要負責出庭辯護、客戶溝通這些需要“人味兒”的部分，繁瑣的案頭工作，交給AI打理。

這揭示了當前AI Agent最清晰的商業(yè)化路徑：與其幻想成為“全能大腦”，不如打造一個能解決核心問題的“超級器官”。

Cursor不是要替代程序員，而是成為程序員的“代碼加速器”；Harvey也不是要取代律師，而是當好律師的“第二大腦”。

本質(zhì)上都是把通用的大模型能力，封裝成高度專業(yè)化、可度量、能嵌入真實業(yè)務(wù)流程、還能產(chǎn)生現(xiàn)金價值的數(shù)字技能。

這其實也給所有后來者提了個醒：比起空談“AI能做什么”，更關(guān)鍵的問題是，在哪個不容有失的環(huán)節(jié)，你愿意讓AI負全責？

敢把核心業(yè)務(wù)交給AI“扛雷”的地方，才是AI Agent真正能扎根、生長、變現(xiàn)的土壤。

結(jié)語

AI智能體的賽場，規(guī)則已變。

下半場的較量，拼的不再是模型有多大，而是工程落地、行業(yè)理解與成本控制的硬功夫。

評估一個AI項目，只需三問：

問題夠“尖”嗎？ 是否直擊一個具體、可定義的核心痛點？

數(shù)據(jù)夠“真”嗎？ 源頭是否干凈、合規(guī)、可持續(xù)？

結(jié)果夠“硬”嗎？ 用的是實驗室指標，還是真金白銀的業(yè)務(wù)回報？

歸根結(jié)底，AI智能體從一場令人驚嘆的技術(shù)演示，成為商業(yè)社會的基礎(chǔ)設(shè)施，本質(zhì)上是一場從技術(shù)思維到產(chǎn)品思維，再到商業(yè)思維的蛻變。

它的終點，應(yīng)當是一個更可靠的“同事”，而不是一個更聰明的“玩具”。

當智能體褪去光環(huán)，化為流水線上的精準操作、客服對話中的滿意解決、合同條款里的風險規(guī)避時，它的時代，才真正到來。

參考資料：

[1]量子位 揭秘Agent落地困局！93%企業(yè)項目卡在POC到生產(chǎn)最后一公里

[2]中國日報 AI Agent規(guī)模化落地提速，潛力釋放工業(yè)滲透超四成

[3]鉛筆道 智能體賽道殺出一批未來獨角獸：3大方向正突破

[4]極客公園 全球最賺錢20家AI Agent公司是這幾個

公司與行業(yè)往期回顧：