智能体发展：理想与现实的差距

最近在网络上冲浪，我接触了不少关于智能体的热议。比如一家公司声称拥有agentic workflow，其实就是通过几个for循环调用API；而所谓正在打造AI agent，无非是召集一群只有金鱼记忆、胡言乱语的AI，开一场无休止的会议，直到掏光企业的钱包。

尽管企业智能体备受业内人士看好，但在老板眼中却成了无用之物，在员工眼中则成了纯粹的忽悠，这确实令人啼笑皆非。

2025年初，智能体热潮兴起，行业普遍共识是，像Manus这样的通用智能体虽全能但不懂业务，无法满足企业对高可靠、低容错的需求。而懂业务、能干活、有行业沉淀的企业智能体，被视作智能化转型的主力。

然而一年过去了，通用智能体依然炙手可热，从Manus到clawbot，老板们一刷热搜就两眼放光，恨不得立刻引进公司。

而企业智能体则可以用雷声大雨点小的成语来形容。它既没有通用智能体的炫酷与全能，无法为公司带来AGI的光环；又不如RPA、企业系统那样符合使用习惯，员工还需从头学习，配合公司的转型表演，纷纷在社交媒体上吐槽。

经过这一年的喧嚣与试错，我们或许该重新审视一下，企业智能体的“三宗罪”。

罪名一：总觉得自己怀才不遇，老板不懂AI

做企业智能体的，总会强调自己扎根业务、能落地，认为通用智能体只会画大饼、做PPT、讲AGI这种宏大叙事。如果老板想引入通用智能体，那他一定是被短视频误导了，根本不懂技术。

这种想法是否让你想起了职场老鸟们的心态？每当公司里空降技术网红或明星高管时，就觉得自己怀才不遇？

站在员工的角度，通用智能体确实有华而不实的一面，就像大厂高管一样只擅长画PPT和AGI的大饼。到了执行层面，它无法解决员工手头的问题。比如做个报表，都得全程监督、一步步授权操作，毫无提效作用。结果就是公司搞了一年AI，员工心态崩溃，所谓的效果全靠向老板吹业绩。

反观企业智能体，从诞生之初就能无缝融入现有工作流，理解行业术语，与ERP、CRM等系统实现API级交互。它确实在后台默默发力，自动化繁琐流程，帮助员工摆脱加班处理重复性工作的困扰。

明明企业智能体干了不少实事，为什么老板总被Manus、openclaw这类网红智能体吸引？一些员工和做企业智能体的软件公司于是得出结论：企业老板根本不懂AI。

真的是老板不懂用人或用AI吗？诚实点吧！企业智能体的确讲不出性感的商业故事。决策者和管理者内心真正想要的，还是通用智能体。

Manus这类通用智能体展示的能力可以将模糊想法直接转化为可执行行动、交付具体成果。自主规划、完成复杂任务。不懂编程的市场分析师能靠它写数据分析脚本；没有设计背景的创业者能靠它快速生成产品原型。

这种解放生产力的AGI蓝图自带强大的吸引力。openclaw的爆火就在于无数开发者基于它释放创意。这种吸引力和创造力都是企业智能体不具备的。这种无所不能的通用能力才符合企业对数字员工的期待。

心在通用但身体却选择了先落地企业级智能体是因为考虑到技术成熟度、成本效益、风险控制等多重现实约束下的一种短期理性决策。

所以企业智能体本身就是一个过渡期方案会被每一次通用智能体爆火的光环所掩盖别再用老板不懂AI来挽尊了。

罪名二：眼高手低误把一时当永久

再说会炒概念的通用智能体真的就一无是处干不了活吗？

智能体之所以崛起源于大家对大模型要有手有脚能真正落地执行的迫切需求。无论是通用智能体还是企业智能体它们的底层基座都是基础大模型。

就像上了同一所大学的学生一个主攻通识课追求全能覆盖一个专攻专业课追求垂直深耕。

一旦基础大模型的能力实现提升一些专业课压根就不必学了那通用智能体此前的短板便会被解决。企业智能体一直引以为傲的能力边界就可能被通用智能体不断覆盖。

一是脑力短板。自主规划是智能体的核心能力。2025年基础模型升级后通用智能体多步骤推理的逻辑性准确性显著提升解决了长任务链易出错的问题。以openclaw为例选择一线基础模型已经能稳定处理复杂任务还能自主优化策略。反观多数企业智能体仅是基础大模型与RPA的简单拼接与企业现有系统浅层结合并没有真正的技术壁垒。

二是能力短板。此前通用智能体的痛点就是部署后往往与核心业务流程和现有工具脱节导致中看不中用。随着智能体通信协议MCP、skill等的出现现在的通用智能体将复杂任务拆解后已经可以实现成熟的多智能体调度并灵活调用技能。这种能力上的大幅提升就覆盖了一些原本属于企业级智能体的服务内容。

三是眼力短板。企业智能体的优势之一是懂行。通过在特定领域的高质量数据上做深度微调与行业知识图谱、规则引擎、BPM系统等结构化知识源的深度集成为垂直领域的企业提供高确定性的答案。但这份专属优势的壁垒正在被通用智能体打破。2025年头部模型厂商普遍升级了模型上下文处理能力让通用智能体能记忆更长的对话历史精准理解更复杂的业务背景而这恰恰能高效适配长篇文档处理复杂业务流程对接等场景。

目前一些企业智能体还能凭借行业专属站住脚跟但明年后年呢？

说白了基础模型的智能水平仍在不断进化网红通用智能体与企业的差距远比大家想象的要小。

罪名三：贵且无用性价比堪忧

经常裁人的朋友都知道“广进计划”一般先裁中层因为干的活比基层少拿的薪资却高得多性价比最低。而企业智能体就像是那个中层。

如果说前两大硬伤是态度与能力问题那性价比低就是最大硬伤。

不可否认通用智能体的算力消耗也很大单次任务成本高但它胜在标准化程度高、开箱即用能快速覆盖多数通用业务场景。

这类场景的特点就是共性强、易于标准化、可规模化复制。只要基础模型能力提升通用智能体就能凭借低成本、高易用性形成碾压性优势。随着规模化应用边际成本持续降低长期来看是有性价比的。

企业智能体就很尴尬了既比不过通用智能体的灵活易开发对比传统SaaS软件投入与产出也不匹配。

先看成本项。企业智能体的开发从数据准备、模型微调到与企业老旧系统的集成对接再到后续的驻场开发、持续维护全程需要投入大量人力走的还是传统软件“卖人天”的老路。

对软件服务商来说每进入一个新客户、一个新细分场景都需要进行定制化开发、数据适配与模型微调复制成本高、规模化难度大。高成本全转嫁给企业客户显然不现实自己扛又会压薄利润。

再看收入项。企业智能体无法像通用智能体那样为企业带来估值提升、品牌溢价助力融资与对外宣传所以最主要的收益就是为企业降本增效真正省下钱来或者直接拉动收入增长。

目前企业智能体的主要商业模式包括传统License卖许可模式SaaS卖服务、Outcome-based按结果付费模式。但如何为结果定价整个行业仍在探索阶段也导致企业客户的付费意愿相对保守不愿为不确定的价值支付高额成本。

对于如今愈发务实极度重视AI投资回报的企业而言企业智能体相当于花大价钱请了个专家干的活没比老员工更多消耗的成本却很高难逃裁员先裁中层的命运。