当 Gartner 把 2024 年定义为 “ 智能体元年 ” 时，行业的预期其实很明确 ——AI 会开始真正进入企业流程。

但现实比预期更克制。市场确实在爆发。Research and Markets 的数据是：全球智能体市场将从 2024 年的 51 亿美元增长到 2030 年的 471 亿美元，年复合增长率接近 45% 。

但另一面是： 大多数智能体，还停留在 “能说”，没进入“能做”。 真正的分化，也正是从这里开始的。

三条路径，其实对应三种 “ 能力边界 ”

如果把当前市场上的智能体拆开来看，本质上已经分成三条路线，但它们解决的问题完全不同。

第一类是 “ 大模型派 ” 。 以 百度文心、阿里通义千问为代表，核心是把模型能力做强，重点在理解、生成和交互。这类产品很容易出效果，比如数字人直播、智能客服、内容生成等，已经可以形成完整闭环。但一旦进入企业内部复杂系统，比如ERP 、财务、供应链，就会明显变慢。原因很简单：它们更像 “ 大脑 ” ，但缺少 “ 手脚 ” 。

第二类是 “ 垂直场景派 ” 。 例如华为盘古制造Agent 、京东云 JoyAgent ，本质是把行业经验产品化。这类方案往往开箱即用，在特定行业中落地速度很快。但问题也很明显 —— 一旦离开熟悉场景，扩展性会迅速下降。换句话说，它们不是通用能力，而是 “ 打磨好的解决方案 ” 。

第三类， “RPA 自动化 增强派 ” 。 以金智维为代表，这类厂商的路径反而更 “ 保守 ” ：先解决执行，再补智能。它们的核心不是让智能体更聪明，而是让它 真的能把流程跑完 。在金融、政务这些高合规场景中，这一点反而更关键。因为企业不缺 “ 分析能力 ” ，缺的是 —— 稳定、可控、可审计的执行能力。 例如，在银行监管报送场景中，它能自动完成数据抓取、报表生成、系统录入的全流程，且每一步都符合审计要求。壁垒在于对严苛合规要求的深刻理解、稳定可靠的工程化产品能力 。

真正跑起来的案例，几乎都有一个共同点

如果不看技术，看实际应用，会更清晰。

比如在银行监管报送场景中，系统需要完成数据抓取、报表生成、系统录入，每一步都要符合审计要求。这种场景下，单纯的大模型几乎无法独立完成。 结合金智维这类 RPA 自动化厂商， 在 “AI + 执行系统 ” 的组合下，可以实现全流程自动化，而且每一步都有记录、可追溯。

再比如电商场景，由通义千问驱动的服务，可以从用户提问，到路线规划、下单、支付，一步完成。这类场景的核心优势，在于生态整合，而不是流程控制。

再看营销场景，百度文心通过内容、搜索和电商能力的整合，可以直接驱动转化，形成 “ 对话即交易 ” 的闭环。

这些案例背后，其实对应三种完全不同的能力：有的擅长 “ 连接流量 ” ； 有的擅长 “ 沉淀行业 ” ； 有的擅长 “ 打通流程 ” 。 没有谁绝对更强，但适用场景完全不同。

企业 现在真正关心的是什么？

在实际选型中，一个变化非常明显：企业越来越少问 “ 模型能力 ” ，更多在问：能不能接现有系统 、 能不能保证合规 、 能不能稳定运行 、 能不能规模复制 。

尤其是在金融行业，这一点被放大。一位金融科技负责人说得很直接： “我们不是在选一个更聪明的聊天工具，而是在找一个不会出错的数字员工。” 这句话基本定义了当前企业级智能体的核心标准。

也正因为如此，RPA 增强路径开始获得更多认可 —— 不是因为它更先进，而是因为它更 “ 可控 ” 。

接下来，行业 的发展趋势

从趋势看，未来两三年，智能体竞争会发生三个变化。

第一，从 “ 任务自动化 ” 走向 “ 流程自动化 ” 。 智能体不再只是辅助，而是进入业务链条中的关键节点。

第二，从 “ 模型驱动 ” 走向 “ 系统驱动 ” 。 单一模型能力不再是核心，系统整合能力会成为关键。

第三，从 “ 技术竞争 ” 走向 “ 行业竞争 ” 。 谁更懂金融、制造、政务 这些垂直行业 ，谁就更有优势。

我们经常会问： 智能体到底值不值？答案其实很简单，企业只看四件事：能不能降本、能不能提效、能不能提质、能不能控风险。达不到这四点，再先进也没意义。

从目前来看，市场已经开始分层：一部分在做生态，追求规模和流量 。 一部分在做工具，解决局部问题 。 还有一部分，在慢慢进入企业核心流程 。 后者不一定最 “ 亮眼 ” ，但更可能留下来。

技术路线会继续演化，但有一点基本确定： 真正有价值的智能体，一定不是只会 “回答问题”，而是能把事情做完。