嘿，你需要用智能体吗？

“老曹啊，我最近对DeepSeek非常着迷，天天和他对话。我想在我们公司引入一些大模型和智能体技术。”

这是我的朋友李总——一个家具厂的CEO，这两天向我提出的咨询。

作为他的朋友，同时也是这个领域的关注者与研究者，我不禁反问道：“李总，你了解智能体吗？想用智能体做什么呢？”

这个问题似乎让李总陷入了沉思。

确实，对于许多像他这样的企业管理者尤其是CEO来说，DeepSeek的出圈让他们大大体验到了AI带来的神奇力量。

因此，当“2025是智能体的元年”等概念铺天盖地袭来之时，他们难免充满了期待。

我继续问道，“李总，下面这几个问题你考虑过吗？”

1、你希望通过智能体解决哪些具体的业务流程或操作上的痛点？

例如，是提高生产效率、优化供应链管理还是改进客户服务、提高招聘效率？（明确需求是选择智能体的第一步。）

2、你期望智能体在多长时间内带来什么样的业务成效？

比如短期内实现成本节约，长期提升产品质量等。（设定清晰的目标有助于评估智能体的实际价值。）

3、你的团队是否具备足够的技能和资源来有效利用智能体？

包括数据科学家、工程师以及相关培训。如果没有，是否考虑外部支持或合作伙伴？

4、你是否有明确的预算和投资计划来支持智能体项目的实施？

这包括初期投入以及后续维护和支持的成本。（合理的预算规划是项目成功的关键。）

“没有呢。我一制造企业老板，哪想这么多！我只是听大家都在说智能体要爆发，要赶紧用，否则就要落伍。再加上专家们还说AI能帮助企业更好地做生意，就着急想看看怎么用。其实我对此并不了解得很清楚。你快帮我讲讲。”李总道。

我感觉到李总的困惑并非个例，很有必要对智能体的选型和部署做个详细介绍，供大家做个参考，避免更多企业踩坑。

“可以啊。“

我爽快地回答。

一、智能体基础

什么是智能体

“李总，我首先给你介绍一下什么是智能体。”

智能体英文名为“Intelligent Agent (也有机构称为AI Agent)”，是一种能够感知其环境，基于感知做出决策，并采取行动以实现特定目标的自主实体。

在企业或个人应用中，智能体通常是利用人工智能技术（如自然语言处理、机器学习等）实现的软件程序或系统。

智能体的本质特征

李总马上好奇地问道，“智能体也是一个软件吧？”

“很多智能体是以软件形态呈现给使用者。但智能体也有其他形态，如机器人、智能硬件等。”我回答道，“智能体的核心不在于他是什么形态，其本质是它具备以下几个之前的软件、硬件都不曾具备的特征。”

智能体的核心特征主要体现在六个方面，包括自主性、感知能力、反应性、主动性、学习能力和目标导向。

自主性是智能体最基本的特征之一，这意味着它们可以在没有持续人工指导的情况下独立运行，做出决策并采取行动。

感知能力使智能体能够通过各种传感器收集环境信息，例如摄像头、麦克风或软件接口。

反应性是指智能体能够及时响应环境变化，而主动性则意味着它们能够采取主动，预测需求并在问题出现之前采取行动。

更重要的是，许多智能体具备学习能力，可以通过与环境的互动不断改进自身的性能。

最后，目标导向是所有行动的驱动力，确保智能体的行为都服务于特定的目标。

这些特征的结合使得智能体能够在复杂的、不断变化的环境中有效地运作，适应变化并努力实现其设定的目标。  

除了这些基本特征外，更高级的AI智能体还展现出推理、规划、记忆、协作和自我完善的能力。

推理是指利用逻辑和现有信息得出结论并解决问题的能力。规划涉及制定实现目标的策略。记忆允许智能体保留和利用过去的经验。协作能力使智能体能够与其他智能体或人类协同工作以达成共同目标。自我完善则是指智能体能够从经验中学习并随着时间的推移改进其行为和能力。

“这些高级特性的发展标志着智能体技术的日益成熟，使其能够处理更加复杂的任务和应对更加精细的场景。”

李总，“这就像个人啊！”

“是啊！在很多方面他还超过人呢，只不过没有人那么全面。”我说。

智能体擅长解决什么问题

 

“那智能体主要是用来解决什么问题？”李总又问。

“智能体可以解决企业运营或个人工作生活中各种各样的问题。我主要把它归为以下四大类。” 

（1）自动化重复性任务，提高效率：

自动回复常见的客户咨询（智能客服）。

自动安排会议和提醒事项（日程管理助手）。

自动分类和标记邮件（邮件管理助手）。

自动筛选和初步评估招聘简历（招聘助手）。

自动监控系统运行状态并发出告警（智能监控系统）。

（2）提供个性化服务和体验：

根据用户偏好推荐产品或内容（推荐系统）。

提供个性化的学习计划和资源（学习助手）。

为客户提供定制化的产品或服务建议（销售助手）。

（3）辅助决策和分析：

分析大量数据并识别趋势和模式（数据分析助手）。

预测未来需求或风险（需求预测助手、风险预警系统）。

提供投资建议或财务分析（财务分析助手）。

（4）增强人机交互的自然性和便捷性：

通过自然语言理解用户的意图并执行指令（语音助手、聊天机器人）。

实现更智能化的设备控制和管理（智能家居控制）。

（5）扩展服务能力和覆盖范围：

提供24小时不间断的服务和支持（智能客服）。

在人力资源有限的情况下处理大量用户请求。

（6）优化流程和降低成本：

自动化业务流程，减少人工干预和错误。

降低运营成本和人力成本。

（7）辅助内容创作和知识管理：

辅助撰写各种文本内容（写作助手）。

构建智能化的知识库，方便信息检索。

（8）提升安全性：

自动检测和响应网络安全威胁（安全智能体）。

监控异常行为并发出警报。

总而言之，智能体旨在通过自主地执行任务、提供信息和做出决策，来解决企业和个人在效率、成本、体验和智能化方面遇到的各种问题。它们的应用场景非常广泛，并且随着技术的进步不断扩展。

APP\AI应用\智能体的区别

“这个还很有场景感”，李总非常有兴趣。“但我一直有个困惑，现在我们的IT人员经常给我讲APP、AI应用，现在又有智能体，他们有什么区别？”

“嗯，我理解你的困扰。这儿我和你说一下智能体与我们现在用的App、应用软件和AI应用之间存在一些关键的区别和联系。我从三个方面来讲述他们之间的区别，这有助你理解智能体。”

 

（1）核心特征与行为模式：

App/应用软件:

被动响应: 通常需要用户主动发起操作，例如点击按钮、输入信息等。它们根据用户的指令执行特定的功能。

功能固定: 功能和流程是预先设定的，用户只能在限定的范围内使用。

不具备自主决策能力: 不会主动思考或采取行动来完成目标，除非用户明确指示。

AI应用 (AI-powered Apps/Software):

利用AI技术增强功能: 这些应用软件集成了人工智能技术（如机器学习、自然语言处理等），以提供更智能化的功能。例如，具备推荐功能的应用、能够进行图像识别的软件等。

仍然以用户操作为主导: 虽然更智能，但通常还是需要用户主动发起操作，并基于AI算法的结果进行反馈或选择。

智能水平有限: 智能程度取决于其内置的AI模型和算法，通常在特定任务上表现出色，但缺乏更广泛的自主性和决策能力。

智能体(Intelligent Agent):

自主性(Autonomy): 能够独立地进行决策和采取行动，而不需要用户的每一步指令。它们可以主动规划并执行任务以达成目标。

目标导向(Goal-oriented): 设计的目的是为了实现特定的目标，并且会主动探索和利用资源来完成这些目标。

感知与响应环境(Perception and Response): 能够感知其所处的环境（例如数据、用户行为、外部信息等），并根据环境的变化做出相应的反应。

学习与适应(Learning and Adaptation): 许多智能体具备学习能力，能够从经验中改进自身的行为和决策过程，从而更好地完成任务。

更强的上下文理解和推理能力: 通常具备更高级的AI能力，能够理解更复杂的指令和上下文，进行更深入的推理。

主动性(Proactiveness): 可以在用户明确要求之前，主动提供信息、建议或执行任务，基于其对用户需求或环境的理解。

（2）交互方式：

App/应用软件/AI应用: 通常通过图形用户界面（GUI）与用户交互，用户需要通过点击、滑动、输入等方式进行操作。

智能体: 可以采用更多样的交互方式，包括自然语言对话、语音交互、手势控制等，更接近于人与人之间的沟通方式。一些智能体甚至可以在后台自主运行，不需要用户直接干预。

（3）应用场景：

App/应用软件: 广泛应用于各种场景，满足用户特定的功能需求，例如社交、娱乐、办公等。

AI应用: 在传统应用软件的基础上，通过AI技术提升用户体验和效率，例如智能推荐、图像美化、语音助手等。

智能体: 更侧重于自动化复杂的任务和流程，提供更智能化的辅助和决策支持，例如智能客服、自动化交易系统、个人智能助手等。

“你可以将App、应用软件和AI应用理解为用户主动使用的工具，它们在用户的指导下完成特定的任务。而智能体则更像是一个能够自主思考、规划和行动的助手或代理，它会为了实现设定的目标而主动工作，并具备一定的学习和适应能力。AI应用是App的一种进化，通过引入AI技术使其更加智能，而智能体则在自主性和目标导向上更进一步。”

我继续解释道，“举个例子。一个天气预报App需要你主动打开并刷新才能查看天气信息； 一个智能家居App可以通过语音控制家电，但仍然需要你发出明确的指令；一个智能个人助手可以根据你的日程安排和天气预报，主动提醒你带伞，或者在你即将迟到时自动发送消息给你的同事。”

李总，“这个解释真是太棒了，这下我基本了解它们之间的区别，有无智能还真是一个关键”。

二、技术与实现

李总，“智能体也太厉害了，能这么智能。它靠的是大模型技术实现的吗？”

“李总还真厉害，居然知道智能体的重要技术是大模型。有了大模型的加持，使智能体和以前的AI设备和AI软件都有了根本区别。”

智能体的实现原理

 

我继续说道，“智能体一般通过四个步骤完成其任务和工作：感知、决策、执行和学习。但学习并非必须。“

智能体的有效运作依赖于几个关键组成部分之间的协同工作，这些组件使其能够感知环境、做出决策并执行动作。

感知器（或传感器）是智能体与环境进行交互的第一个关键部分，它们是智能体获取周围世界信息的窗口。感知器可以是各种类型的设备，具体取决于智能体的任务和环境，包括摄像头、麦克风、键盘、运动检测器以及机器人上的各种传感器。软件智能体也可能通过API或其他软件接口接收数据输入。感知器的准确性和多样性对于智能体理解其环境至关重要，直接影响其后续的决策和行动。

执行器（或动作器）是智能体的另一个关键组成部分，它们负责将智能体的决策转化为对环境的实际影响。执行器的类型也多种多样，包括电机、轮子、机械臂、扬声器、屏幕显示器以及发送给其他软件系统的命令。执行器的作用是将智能体程序产生的决策转化为物理或数字形式的动作，从而改变环境的状态。智能体执行动作的能力直接决定了它在环境中实现目标的能力。  

决策机制是智能体的核心，它负责处理从感知器获取的信息，并根据智能体的目标和预设的程序来确定应该采取的行动。决策机制可以采用多种形式，包括基于规则的系统、逻辑推理、效用计算、机器学习模型和规划算法等人工智能技术。

智能体与环境的互动是通过感知器（或传感器）和执行器（或动作器）来实现的。感知器负责从环境中收集信息，而执行器则根据感知到的信息和智能体的决策，对环境产生影响。这种感知和行动的循环是智能体与世界互动的基础机制。例如，一个机器人可以通过摄像头（感知器）观察周围环境，然后通过轮子或机械臂（执行器）采取行动。

“这个听着很复杂啊。我对目标函数等不太理解。”李总说道。

我回答，“对，这个你也不用了解太多。我说这个，只是为了让你有个方向，同时为了让你了解智能体的分类方法。”

智能体的分类

李总问，“智能体的类型有哪些呢？”

“李总，这是一个非常有意义的问题，它有助于我们实际中怎样快速应用智能体。智能体的分类方式有很多。我这儿推荐一种根据其决策方式和能力的不同来分类的方法。”我说，“按这个维度，智能体可以分为六类。”

1、基于反应的智能体是最简单的一种类型，它们直接响应环境中的即时刺激，基于预定义的规则采取行动，不保留过去的经验，也不考虑未来的后果。它们遵循刺激-反应模型，适用于环境稳定且任务需要快速响应的场景。例如，一个恒温器在温度低于设定值时打开加热系统，就是一个简单的基于反应的智能体。这类智能体的优点是简单高效，但无法处理复杂的或动态变化的环境。   

2、基于模型的智能体则更为先进，它们维护一个关于世界内部模型，能够根据当前的感知和过去的经验来推断环境中未被直接观察到的方面，并做出决策。它们使用状态跟踪器根据世界模型和传感器历史来维护关于当前环境状态的信息。与简单的基于反应的智能体相比，基于模型的智能体更能适应部分可观察和变化的环境。例如，一个能够记住已清扫区域并避开障碍物的扫地机器人就是一个基于模型的智能体。这类智能体通过其内部模型能够做出更明智和适应性更强的决策。   

3、基于目标的智能体不仅拥有世界内部模型，还设定了一个或多个明确的目标，并利用搜索和规划算法来寻找实现这些目标的行动序列。这类智能体也常被称为基于规则的智能体，因为它们遵循预定义的规则来达成目标。它们采用搜索算法来找到实现目标的最有效路径。导航系统就是一个典型的基于目标的智能体，它规划出到达目的地的最佳路线。这类智能体能够进行策略性决策，以实现特定的目标。   

4、基于效用的智能体在选择行动时，不仅考虑是否能够达到目标，还会评估不同行动的效用或奖励，并选择能够最大化效用的行动序列。它们通过比较不同场景及其效用值，选择能够带来最大回报的行动。这类智能体适用于存在多种达到目标的方式，但需要选择最优方式的场景，例如在考虑燃油效率和过路费的情况下推荐最佳路线的导航系统，以及金融交易机器人。基于效用的智能体能够做出更精细的决策，权衡不同结果的优劣。

  

5、学习型智能体具备从经验中学习并随着时间推移改进性能的能力，它们利用机器学习技术来适应新的挑战并优化决策过程。它们通常包含学习元素、性能元素、评价器和问题生成器。学习型智能体使用强化学习和监督学习等机器学习算法来更新其内部模型或知识库。垃圾邮件过滤器、个性化推荐系统和自动驾驶汽车都属于学习型智能体。这类智能体能够适应动态环境并持续提升性能。   

6、分层智能体将决策过程组织成一个结构化的层级，高层智能体监督低层智能体，通过分工协作来高效处理复杂的任务。它们使用“监督者”或“协调者”将大型任务分解为更小的部分，并分配给其他AI智能体。分层智能体擅长协调和优先处理多个任务和子任务 。它们广泛应用于机器人、制造业、交通运输和复杂的流程管理等领域。这种层级结构有助于管理复杂性，提高效率和资源利用率。   

  

智能体类型比较表

类型	主要特点	典型应用
基于反应的智能体	基于当前感知的预定义规则，无记忆，快速响应	恒温器，简单扫地机器人，基本聊天机器人
基于模型的智能体	维护世界内部模型，考虑当前感知和过去经验，适用于部分可观察环境	自动驾驶汽车，具有地图功能的扫地机器人，欺诈检测系统
基于目标的智能体	拥有内部模型和明确目标，使用搜索和规划算法	导航系统，国际象棋程序，自然语言处理和机器人应用
基于效用的智能体	选择最大化效用函数的行动，考虑结果的质量和收益	优化燃油效率的导航系统，金融交易机器人
学习型智能体	通过机器学习从经验中学习和改进，适应新环境	垃圾邮件过滤器，个性化推荐系统，自动驾驶汽车，AI游戏
分层智能体	将决策过程组织成层级结构，高层监督低层，适用于复杂任务	机器人，制造业，交通运输，复杂流程管理

另外，从智能体的应用领域可以分为以下几类：

  1）通用智能体：以大模型为基础提供通用的智能体，如豆包、元宝、文心一言等大模型厂商推出的智能助理及其智能体；

2）智能体平台：指各种智能体的开发平台，如京东科技、火山引擎、普元信息等推出的智能体开发平台； 

3）行业智能体：指专门应用于特定行业、解决特定行业问题的智能体，如宇信科技、卫宁健康等推出的金融、医疗行业智能体；

4）领域智能体：指专门应用于生产制造、HR、财务、供应链、协同办公、知识管理与知识库等各个细分领域的智能体，如用友、金蝶、容联云、蓝凌软件、纷享销客等推出的智能体。

5）具身智能体：指和大模型充分结合的机器人等具有物理感知能力和行动能力的智能体，如宇树机器人等。

豆包、ChatGPT等算智能体吗？

 

李总：“这听上去有点学术啊。我现在经常用豆包，这算智能体吗？”

“这个问题非常有意思。这是很多人心中的困惑。我和李总解释一下。”

像豆包、元宝等这样的软件，它其实是我们所说的基础大模型的一部分。现在的大模型都具备对话、生成图文等类似功能。它们可以被认为是具备智能体的一些核心能力，但它们本身通常不被认为是完整的智能体，而更像是构建智能体的强大“大脑”或“引擎”。

他们和智能体的相似之处有：

·能感知：它们可以接收文本、语音（对于某些模型）、图像等形式的输入，相当于感知环境。

·能决策：它们能够基于输入进行复杂的推理、生成文本、回答问题，这可以看作是一种决策过程。

·目标导向：通过用户明确的指令（Prompt），它们被引导去完成特定的任务，例如撰写文章、翻译文本、回答问题等。

 

他们的不同之处在于：

·缺乏明确的自主目标：基础大模型的主要目标是根据用户输入生成合理的输出。它们本身并没有预设的、需要独立自主去追求的目标。

·行动受限：它们的主要输出是文本或语音、图像等。虽然可以通过API与其他系统集成，但其自身并不具备直接与外部环境进行交互和执行物理或数字行动的能力（除非通过外部工具和接口）。

·环境感知范围有限：它们主要依赖用户提供的输入作为其“环境”。虽然训练数据包含了大量信息，但它们无法像一个真正的智能体那样主动地去感知和探索外部世界。

·记忆和状态管理：基础大模型通常是无状态的，或者状态管理能力有限。一个完整的智能体可能需要更复杂的记忆机制来跟踪长期目标和任务状态。

因此，像豆包、ChatGPT等基础大模型是构建智能体的核心技术。它们提供了强大的语言理解、生成和推理能力，是智能体的“智能”来源。

基于这些基础模型，开发者可以构建各种具体的智能体应用，例如律师智能体、情感聊天机器人、智能客服等。这些应用通过特定的Prompt工程、微调、工具集成等方式，赋予大模型更明确的目标、更强的行动能力和更好的环境感知能力，使其更符合“智能体”的定义。

基础大模型是智能体的底层基础设施，而我们通常所说的“智能体”是建立在这个基础设施之上，能够完成特定任务的应用程序或系统。它们之间的关系就像是发动机和汽车的关系：发动机是汽车的核心动力来源，但只有将其与其他部件组装起来，才能成为一辆能够行驶的汽车。

Manus、财务机器人算智能体吗？

“嗯，谢谢老曹，这下我清楚了。我的朋友圈还有人在讨论Manus，还说这是全球第一款智能体。这是真的吗？”李总接着好奇地问。

“李总心态很好，对于新事物有好奇心啊。”我说，“Manus是个典型的智能体，而且是我们6类中的分层智能体，属于比较高级的智能体。”

“至于是不是全球首款，我还不能准确判断，但全球领先是绝对的。”我继续解释，“其实，不仅Manus，现在市场已有很多类似的智能体。”

“是。最近用友公司的人也在向我们介绍，他们也有财务机器人等类似的智能体。这是一回事吗？”李总又问。

“你问的非常好，这是一个理解当前智能体发展趋势的关键问题。现在市面上出现的由ERP、CRM厂商推出的智能体，与Manus这样的产品，既有联系也有些区别。”

首先，它们都属于“智能体”的范畴，都是严格意义上的智能体。因为这些产品都符合智能体的本质特征。例如，它们在一定程度上具备自主决策和执行能力，不需要用户每一步都发出明确指令；它们能够感知环境（例如ERP/CRM系统中的数据、用户的输入），并做出相应的响应。

他们的区别主要在于侧重点和通用性，以及智能化程度的不同。

ERP/CRM等企业应用厂商推出的智能体，往往具有以下四个特点：

垂直领域聚焦：这些智能体是为特定的企业应用场景（ERP、CRM）设计的，它们的核心目标是优化和自动化这些系统内的业务流程和用户操作。

数据依赖性强：它们的智能往往高度依赖于ERP和CRM系统内部的数据，例如客户信息、销售数据、库存信息等。

功能相对特定：功能通常围绕着提升ERP/CRM系统的使用效率和价值展开，例如自动生成报告、预测销售趋势、推荐客户行动等。

集成性强：它们与各自的ERP/CRM系统深度集成，能够直接访问和操作系统数据和功能。

例如，一个CRM智能体可能会自动分析销售数据，识别潜在的高价值客户并提醒销售人员；一个ERP智能体可能会监控库存水平，并在库存不足时自动触发采购流程。

Manus这样的智能体更为通用，可以处理一些更为广泛的任务，而不局限于特定的企业应用或领域。但他们如果与特定企业应用集成，则需要额外开发。

数智人（数字人）、数字员工算智能体吗？

 

“我理解了。我还有个问题，现在很多人在向我们推广数智人（数字人）、数字员工，或员工助理。这些算智能体吗？”

“是的，李总，数智人和数字员工通常都可以看作是智能体的一种形式。”

数智人指的是在数字世界中创建的、具有人类形象和行为特征的虚拟实体。它们通常具备以下能力：

感知：可以通过文本、语音等方式接收信息。一些更先进的数智人还可以通过摄像头“看到”用户，理解用户的表情和动作。

决策：基于预设的程序、人工智能算法（包括大模型），能够理解用户的意图并做出相应的反应，例如回答问题、进行对话、执行任务。

行动：可以通过语音、文字、动画等方式与用户互动，完成特定的任务。例如，在虚拟客服场景中，数智人可以回答客户的咨询、处理订单等。

自主性：在一定程度上，数智人可以自主地进行对话和完成任务，而不需要实时的手动控制。

“不过，李总，要注意的是，现在市场有很多“数字人”，只是一个形象作用，帮助实体人物进行直播或演讲等，但并不具备上述的四个能力。这就不能算智能体。”我补充道。

“数字员工是数智人在工作场景下的具体应用。它们往往设计用于执行特定的业务流程和任务，可以看作是企业的虚拟员工。这是一种典型的智能体。”我继续说。

数字员工通常具备以下特点：

目标明确：被赋予特定的工作职责和目标，例如处理发票、管理库存、进行数据分析、提供客户支持等。

自动化执行：能够自主地执行预设的工作流程，完成分配的任务。

数据驱动：依赖数据进行决策和优化工作流程。

可扩展性：可以根据业务需求快速部署和扩展。

因此，数智人可以看作是具有人类形象和交互能力的智能体，而数字员工则是专注于在工作场景中执行特定任务的智能体。它们是智能体概念在人机交互和企业自动化领域的具体体现。

RPA算智能体吗？

 

“OK，了解。另外，我突然想起，之前有个厂商向推广RPA（流程自动化机器人）。它和智能体有什么不一样呢？”李总忽然想起RPA的问题。

“RPA是之前市场上的一个热点，很多企业都在用。它和智能体有所不同。”我回答。

RPA（机器人流程自动化）和智能体（Intelligent Agents）是企业中用于提高效率和自动化任务的两种不同但相关的技术。

下表是它们之间的区别：

特征	RPA (机器人流程自动化)	智能体 (Intelligent Agent)
核心目标	模仿人类在用户界面上的操作，自动化重复性的、基于规则的任务。	感知环境、做出决策并执行动作以实现特定目标，通常具备一定的自主性。
智能水平	主要基于预设的规则和固定的流程，智能化程度较低。	通常具备人工智能（AI）能力，如机器学习、自然语言处理等，能够学习和适应。
决策能力	按照预先编程的步骤执行，缺乏自主决策能力。	能够基于感知到的信息和预设的目标做出自主决策。
处理任务	适用于结构化、重复性、基于规则的任务，例如数据录入、文件转移等。	适用于更复杂、非结构化、需要一定理解和推理的任务。
学习能力	通常不具备或仅有有限的学习能力，需要人工重新编程才能适应变化。	许多智能体具备学习能力，能够从经验中改进自身的性能。
自主性	需要人工启动和监控，自主性较低。	在一定程度上能够自主地感知、决策和行动，自主性较高。
交互方式	主要通过模拟用户界面操作与应用程序交互。	可以通过多种方式与环境和用户交互，包括自然语言、API等。

但他们之间有比较强的相关性。例如，两者的目标都是为提高工作效率、降低成本、减少人为错误并实现业务流程的自动化。

RPA擅长处理重复性的、规则明确的任务，而智能体擅长处理更复杂、需要智能判断的任务。因此，RPA可以作为智能体的执行机构，智能体则可以为RPA提供更智能的决策能力。

市场上出现了越来越多的“智能自动化”解决方案，这些方案将RPA与人工智能技术（包括智能体的一些核心能力）相结合，以处理更广泛和复杂的自动化场景。例如，利用OCR识别发票信息（AI），然后使用RPA将信息录入系统；或者通过自然语言理解用户的请求（智能体），再使用RPA执行相应的操作。

“打个比喻，RPA有点像自动化领域的“体力劳动者”，按照既定的指令一步一步地完成任务。智能体则是自动化领域的“脑力工作者”，能够理解、思考和做出更智能的决策。在实际应用中，企业可以根据需要选择单独使用RPA或智能体，也可以将两者结合起来，构建更强大、更灵活的自动化解决方案，实现端到端的智能化业务流程。”

三、选型方法论

李总：“这下我总算对智能体有了比较清晰的理解了。看来它对我们企业运营还是很有帮助作用的。我想试试？”

“我该怎么选择智能体呢？”李总又问。

“这是一个非常非常重要的问题。如果没有选择到真正“懂自己”的智能体，它就很难在企业发挥真正的作用，甚至可能会带来误导。”我朝李总伸出大拇指。

“对于数智产品的选型，我们海比研究院有一套专门的选型方法论：数智产品和解决方案选型五步法，以及数智产品六力评估模型。”我说，“这个对于智能体做适当有针对性的修改，就能适用于智能体的选型。”

“我们现在已针对智能体做了深入研究，给出了海比研究院‘智能体选型五步法’，以及‘智能体选型六力评估模型’。李总，我趁这个机会和你介绍一下，它也可以供你参考。”

智能体选型五步法

借鉴海比研究院数智产品和解决方案选型的五阶段模型，智能体的选型也可以分为以下五个阶段：

第一阶段：成立选型小组。组建一个跨部门的专业团队，负责整个智能体选型过程的规划、执行和决策。成员要至少一名副总级别以上的领导，对业务战略和智能化方向有决策权，以及IT和业务负责人等。它的核心职责是，负责定义选型目标、评估需求、筛选供应商、进行技术评估、参与最终决策等。

第二阶段：评估需求。选型小组要明确企业引入智能体要解决的核心问题、期望达成的业务目标以及具体的功能需求。输出结果是“企业智能体需求分析报告”，并初步确定智能体项目的预算范围和重要程度（部门级、企业级）。

第三阶段：确定重点厂商名单。在充分了解需求的基础上，初步筛选出业内主流和知名的智能体平台、AI技术提供商或垂直行业智能体解决方案提供商。建议筛选出8-12家左右的厂商进行初步评估。

第四阶段：确定招标短名单。对重点厂商进行更深入的了解和评估，结合自身需求，选择出3-5家最有可能合作的厂商进入最终的评估与招标环节。

第五阶段：评估与招标。通过正式的招标流程和深入的技术评估与商务谈判，最终确定智能体的合作伙伴。

智能体六力评估模型

 

为帮助用户选择到适合自己的数智化产品与解决方案，提高选型效率、降低选型成本、控制选型风险，海比研究院联合中国软件行业协会应用软件产品云服务分会推出了业内首创的“数智产品六力评估模型”。该模型为中国软件行业协会、海比研究院联合北京大学、清华大学、中国信通院，以及中国医药集团、中钢集团等机构的资深数智化专家深入研究、共同研发而成。它包括品牌能力、产品能力、技术能力、服务能力、安全能力和价值能力六个方面，能比较全面和深入地对当前的数智产品和解决方案进行选型评估。

海比研究院数智产品选型六力评估模型

资料来源：海比研究院，2025

 

在此基础上，海比研究院形成了“智能体六力评估模型”。六力评估内容分别如下：

品牌能力：指的是评估智能体提供商在市场上的整体实力、知名度和影响力，包括其市场份额、行业地位以及用户口碑等。

产品能力：衡量的是智能体自身的功能完整性、性能表现以及用户体验的整体水平，包括其能解决的任务类型、效率和易用性。

技术能力：评估的是智能体背后所采用的技术先进性、创新能力和平台的可扩展性，包括其底层模型、算法和架构等方面。

服务能力：考察的是智能体提供商所能提供的技术支持、培训、合作伙伴生态系统以及持续的服务和迭代能力。

安全能力：评估的是智能体在数据保护、用户隐私、模型稳健性以及是否符合相关法规和标准等方面的安全性。

价值能力：衡量的是智能体所能带来的成本效益、长期投资回报以及在解决特定业务问题上的创新和差异化优势。

这儿要特别说明的是，在智能体产品和解决方案的评估中，要特别注意以下五点：

强调AI能力评估：在智能体选型中，对厂商在人工智能领域的技术实力和创新能力的评估至关重要，需要关注其算法、模型、平台等方面的先进性。

重视数据质量与治理：智能体的性能高度依赖数据，因此需要重点评估企业自身的数据基础以及厂商在数据接入、处理和治理方面的能力。

关注集成能力与开放性：智能体往往需要与企业现有系统集成，因此需要评估厂商提供的集成方案和API开放性。 

考虑伦理与安全：对于涉及敏感数据的智能体应用，需要特别关注厂商在数据安全、隐私保护和伦理方面的措施。

进行PoC验证：由于智能体的复杂性，建议在最终决策前进行小范围的概念验证，以确保所选方案能够真正解决企业的实际问题。

“这真是太棒了。对我非常有帮助。”李总说道。

他紧接着又问，“我还想知道，现在做智能体的厂商都有哪些，各有些什么样的特点？”

我笑着说道，“李总真是好学之人。我们刚好做了些市场调查，并基于这套‘六力评估模型’，对当前中国市场主流的商用AI智能体进行了深入评估，形成了《中国商用AI智能体选型排行榜》，直观展示了各厂商的表现。到时可以给李总分享一下。” 

智能体厂商的8大阵营

 

“我们调查发现，目前市场上主流的IT和互联网厂商都开始提供智能体的相关产品与解决方案。”

我给李总展现了我们对当前市场上智能体厂商阵营的分析。

海比研究院认为，目前市场上有8类智能体提供商，分别如下：

大型科技公司：代表厂商有华为、百度、阿里巴巴、腾讯、火山引擎、联想、浪潮、IBM、AWS、用友、金蝶、东软等大型IT和互联网公司；

专业的AI平台和解决方案提供商：代表厂商有之前专注于机器学习等AI技术的厂商，如科大讯飞技、商汤科技等，以及达观数据等RPA厂商。

特定应用领域的智能体提供商：代表厂商有ERP、CRM、财务软件、HR、协同办公等企业应用领域的专业厂商，如蓝凌软件、北森、远光软件、致远互联、普元信息、纷享销客等；以及针对教育、医疗等特定行业的数智化服务公司。

新兴的大模型厂商：代表厂商有OpenAI (ChatGPT)、智谱AI (ChatGLM)、零一万物、MiniMax和百川智能等。

新兴的智能体厂商：代表厂商有Manus，以及其他专注于构建通用或特定场景下新颖智能体产品的初创公司。

电信运营商：代表厂商有中国移动、中国联通、中国电信等。

传统企业的数智公司：代表厂商有大型制造企业、零售企业、金融机构等成立的科技子公司或数字化部门。

除此之外，还有一些来自开源平台和社区的智能体，以及类似于宇树科技等机器人、具身智能的厂商。

【案例：火山引擎HiAgent 平台发布 Agent Devops 体系】

Agent 不是一次性搭建就完成了，而是数据、工程、模型、业务四者耦合、动态迭代的过程。

为此，火山引擎HiAgent 平台发布 Agent Devops 体系，为企业提供从 Agent 策略规划、能力开发、效果评测、应用发布、线上观测到效果调优的全生命周期管理，保障企业 Agent 效果达到生产可用。

火山引擎HiAgent 平台 Agent Devops

例如，在策略规划阶段，火山引擎提供AI 咨询服务，帮助企业制定体系化的 AI 路标和商业目标。

在应用搭建阶段，此次HiAgent 升级应用样板间，支持合作伙伴发布 Agent 到应用模板市场，并即将支持 MCP 协议；融合火山引擎最新大模型应用防火墙能力，增强应用安全性；通过场景聚合样板间，将分散的场景模板串联成端对端的流水样板间，实现人与智能体、多智能体组成的场景应用，并新增了政企类等行业应用模板。

在应用效果评测阶段，HiAgent 提供模块化、体系化、可灵活配置的评测工程流水线，支持多种评测对象、多模态多轮次评测集构建，预置多种评估器，提供可视化的评测报告，为 Agent 调优提供指导。

在应用观测阶段，HiAgent 提供智能体和模型两个层面的指标监控，以及提供完善的链路追踪能力，将大模型调用过程从黑盒变为白盒，真实还原用户的使用场景和需求，让效果可追溯、问题可归因。

在交互使用阶段，HiAgent 可以为企业提供1个智能体交互入口+N 个企业专属智能体，让一线员工能够与企业内部各类智能体实现高效协同。

智能体的实用性评估

 “厂商确实挺多。有时真让人感觉非常混乱。”李总听完以后说道，“我其实还请教一下，当前市场上的智能体产品丰富多彩，吹牛的也非常多。哪些是靠谱，哪些还不能完全落地啊？”

“李总这个问题非常有值得研究。我们这段时间采访了很多业界专家，也对智能体的实用性做了一个初步评估。总体可以分为以下三种情况。”我向李总详细介绍我们海比研究院的评估结果。 

（1）目前在企业中相对成熟且可用的智能体类型：

·智能客服聊天机器人: 这是目前企业应用最广泛且最成熟的智能体类型之一。它们能够处理大量的常见客户咨询，提供7x24小时在线支持，降低人工客服压力，提高响应速度和客户满意度。现在的智能客服聊天机器人已经能够处理相对复杂的对话，并具备一定的自然语言理解能力。

·AI 赋能的搜索与知识库: 这类智能体通过理解用户的意图，帮助员工或客户快速找到所需的信息。它们可以集成到企业内部知识库或帮助中心，提升信息检索效率和员工生产力。

·RPA+AI: 将传统的机器人流程自动化（RPA）与AI技术（如自然语言处理、计算机视觉和机器学习）相结合，可以处理更复杂、更具认知性的任务。例如，自动处理发票、提取文档信息、进行初步的数据分析等，大大提高了业务流程自动化的水平。

·基本的AI助手: 例如，用于日程管理、会议安排、提醒事项、简单的信息查询和文档摘要等功能的助手，可以帮助员工更高效地完成日常工作。一些操作系统和办公软件已经内置了这类功能。

（2）正在变得实用，但可能需要谨慎实施或针对特定场景的智能体类型：

·销售和市场营销助手: 利用AI分析客户数据、预测销售趋势、进行个性化营销活动、辅助销售人员进行线索挖掘和客户跟进。这类智能体的实用性在不断提高，但需要高质量的数据和精确的算法支持，且效果可能因行业和应用场景而异。

·人力资源助手: 用于招聘流程的初步筛选、员工入职引导、回答员工常见问题等。随着NLP技术的发展，这类智能体的能力也在增强，但处理更复杂的人力资源问题可能仍需人工干预。

·内容生成: 例如，自动生成产品描述、营销文案、新闻稿等。在特定领域和规范下，这类智能体可以提高内容生产效率，但生成高质量、创意性内容仍面临挑战。

·IT运维中的基本应用: 例如，用于系统监控、告警和初步的故障诊断。这类智能体可以提高IT运维的效率，但处理复杂的系统故障仍需要专业人员的介入。

（3）目前在大多数企业中实用性有限或仍处于早期发展阶段的智能体类型：

·用于复杂决策的高级AI助手: 例如，完全自主地进行战略规划、财务决策等。这类智能体需要极高的智能化水平和对复杂业务环境的深刻理解，目前技术尚未完全成熟，且企业对其自主决策的信任度也较低。

·真正自主执行多步骤业务流程的智能体: 虽然RPA+AI有所发展，但让智能体完全自主地处理涉及多个部门、多个系统且需要灵活应变的复杂业务流程，仍然面临技术和管理上的挑战。

·需要深厚专业知识的智能体: 例如，在医疗诊断、法律咨询等领域，虽然AI在某些方面取得了进展，但要完全替代人类专家，还需要更长时间的发展和验证。

总体而言，目前以提升效率、优化客户服务和自动化重复性任务为目标的智能体在企业中具有较高的实用性。随着AI技术的不断进步，未来将会有更多类型、更智能的智能体在企业中发挥重要作用。企业在选择和部署智能体时，应根据自身的具体业务需求、数据基础和技术能力进行评估，并选择成熟度较高、能够解决实际问题的智能体类型。

【案例：某证券x容联云——质检代理 QM Agent 解决方案】

业务需求&痛点

1、监管合规压力升级

监管机构对券商客服风险把控要求趋严，需对“网开单向见证人工回访”“智能外呼回访”等场景进行全量质检，传统人工抽检效率不足，覆盖率较低。

2、数据规模与成本矛盾

每日需处理上千通至上万通会话，人工质检耗时耗力，且新增数据量庞大，人工成本激增。

3、传统质检规则配置复杂

传统规则质检，需消耗人力进行质检项配置，质检项覆盖率在60-70%，且无法进行上下文关联质检，难以应对复杂语义场景，如客户回复前后矛盾、隐晦违规话术、情绪波动、服务意识缺失、关键信息未确认等。

4、结果难溯源

自动化质检结果缺乏可解释性，争议场景难溯源，影响合规审计与坐席申诉处理。

解决方案

将大小模型结合，为该证券打造大模型质检代理（容犀Quality Management Agent），对全量会话进行“大模型语义质检+小模型规则质检”，大模型质检代理（QM Agent）熟练掌握证券专业术语，深入对网开单向见证人工回访、常规存量客户智能外呼回访等业务场景，提升服务质量，优化客户体验，真正实现效果与性能双重保障。

1、构建多模态数据接入体系：依据该证券的业务特性，建立能兼容语音、文本、企微会话等多种类型数据的接入机制。通过数据库直联、企微会话存档数据授权绑定导入等方式，实现对不同来源数据的高效收集，确保数据的完整性与实时性，为智能质检提供丰富、准确的数据基础。

2、打造智能质检模型矩阵：融合大模型与小模型优势，构建质检模型矩阵。利用大模型语义理解能力，进行上下文关联的语义质检，精准识别客户回复前后矛盾、话术使用错误等复杂问题；同时，借助小模型开展情绪监测、敏感词质检等特定场景质检，实现对客服对话的全面、精准检测。

3、定制化质检规则配置：为契合该证券的各类业务场景，如开户回访、常规回访等，提供自然语言配置质检规则的功能。针对不同场景的业务规范与风险点，设置诸如客户信息确认、风险提示等专属质检规则，确保质检工作紧密贴合业务需求，有效保障业务合规性。

4、提供可视化质检分析看板：设计涵盖业务合规、运营管理、坐席能力等多个维度的可视化质检分析看板。通过直观展示质检数据，如质检准确率、漏检率、误判率，以及坐席的质检得分、违规情况等，助力管理人员全面掌握质检情况，为决策提供有力的数据支持。

5、建立闭环式质检管理流程：打造从质检任务创建、执行，到人工复检、申诉核验的闭环管理流程。支持创建不同业务场景的质检任务，对质检结果有异议时可进行申诉，人工复检保障质检结果的准确性，形成完整的质检管理体系，提升质检工作的可靠性与公正性。

价值与效果

1、将质检覆盖率从原本的60%提升至 100%，实现了全量覆盖，极大地减少了漏检风险。

2、质检准确率96%，远超传统质检水平，精准识别客服通话中存在的问题。

3、在风险预警方面，当客服触发风险规则或客户情绪出现波动时，能够通过风险预警及时通知管理员，提前预防服务隐患，让客户体验更好，降低客诉率

案例关键要素

1、技术融合创新：通过大小模型协同方案，以大模型解决复杂语义问题，小模型保障高性价比规则质检，综合成本有效降低。

2、行业Know-how内化：该证券高度重视金融科技全面赋能，在运维管理、自主研发、数据挖掘等方面持续发力，通过该证券的Knowhow沉淀与经验指导，共同打造券商专属质检规则库（如“开户回访九大语义项”），贴合监管要求与业务场景，让大模型质检代理（QM Agent）更理解业务需求，质检准确率更高。

3、持续运营机制：沉淀最佳实践，定期迭代质检规则与模型，确保长期效果稳定性。

四、实施与管理

“李总，这下你对智能体的产品和厂商有了相对清楚的了解吧？”我朝李总问道。

“确实，尤其是实用性评估，对我很有参考价值。这样我和厂商交流时，会心里更有底。”李总非常开心。

“听了你介绍之后，我觉得我们可以在知识库和员工助理方面引入智能体。这对于我们提高工作效率、新员工熟悉公司业务会有很大帮助。”

李总接着问，“在公司部署智能体，有什么需要注意的吗？” 

“你说的很对。以你们公司的实际情况，可以引入这方面的智能体。具体实施和部署，以及后续的智能体管理，还是有些需要特别注意的地方。”我回答道。

智能体部署的三个匹配

海比研究院研究发现，浪潮云在自己智能体部署的成功经验上，提出了智能体落地的“场景匹配、数据匹配、组织匹配”理念。

这是智能体成功落地的三个非常关键的要素。

1. 场景匹配 (Scenario Matching): 找到最适合智能体的“用武之地”

场景匹配是指在企业内部寻找和选择那些最适合利用智能体技术来解决问题、提升效率或创造价值的具体业务场景。并非所有业务流程都适合或需要引入智能体。

精准识别痛点：智能体的引入应该是为了解决企业真实存在的痛点，例如客户服务压力大、重复性工作繁琐、决策效率低等。只有找到真正的痛点，智能体的价值才能得以体现。

评估场景可行性：并非所有痛点都适合用智能体解决。需要评估场景的复杂性、可标准化程度、数据可获取性等因素。例如，对于高度依赖创造性和复杂人际沟通的场景，目前的智能体可能还难以胜任。

明确应用目标：在选定的场景中，需要明确智能体要实现的具体目标，例如提高客户响应速度、降低错误率、优化资源分配等。目标越清晰，智能体的设计和评估就越有方向。

区分场景优先级：企业内部可能存在多个可以应用智能体的场景，需要根据其对业务的价值、实施的难易程度、以及预期回报等因素，确定优先级，先从最容易成功且价值最大的场景入手。

避免盲目跟风：不要因为“智能体很火”就盲目地在所有场景都尝试引入，而是要基于实际业务需求和可行性进行选择。一个不合适的场景可能会导致项目失败，浪费资源并打击信心。

2. 数据匹配 (Data Matching): 为智能体提供“智能的燃料”

数据匹配是指智能体所需的各种数据（包括训练数据、知识库数据、实时交互数据等）与企业实际拥有数据的类型、质量、格式和可访问性之间的匹配程度。

数据是智能体的基础：无论是训练机器学习模型还是构建知识图谱，智能体都需要大量高质量的数据作为支撑。如果数据质量不高、格式不一致或难以获取，智能体的性能将大打折扣。

训练数据匹配：对于需要机器学习的智能体，训练数据的规模、代表性和标注质量至关重要。需要确保训练数据能够覆盖智能体需要处理的各种情况，并且没有严重的偏差。

知识库匹配：如果智能体需要依赖知识库进行问答或决策，需要确保知识库的完整性、准确性和及时性，并且能够被智能体有效地检索和利用。

实时数据匹配：在一些场景下，智能体需要实时获取和处理数据，例如实时监控、异常检测等。需要确保实时数据流的稳定性和可用性，并且智能体能够高效地处理这些数据。

数据安全与合规：在数据匹配的过程中，必须高度重视数据安全和隐私保护，确保数据的采集、存储和使用符合相关法规和企业的安全策略。

3. 组织匹配 (Organization Matching): 让智能体融入企业的“肌体”

组织匹配是指智能体的引入与企业现有的组织结构、业务流程、人员技能、企业文化等方面的协调和适应程度。

组织结构调整：智能体的引入可能会对现有的组织结构产生影响，例如需要设立专门的团队负责智能体的开发、部署和维护，或者需要调整某些部门的职责。

业务流程重塑：为了充分发挥智能体的价值，可能需要对现有的业务流程进行优化和重塑，使人与智能体能够更好地协同工作。

人员技能提升：员工需要学习如何与智能体协作，如何管理和维护智能体系统，因此需要进行相应的技能培训和提升。

企业文化适应：智能体的引入可能会对企业文化产生一定的影响，例如需要培养员工接受和信任智能合作伙伴的态度，鼓励创新和拥抱变化。

跨部门协同：智能体的成功部署往往需要跨部门的协同合作，例如业务部门提出需求，技术部门负责开发和部署，数据部门提供数据支持等。需要建立有效的沟通和协作机制。

明确权责：需要明确在智能体参与的业务流程中，人与智能体的权责划分，例如谁负责最终决策，如何处理智能体无法解决的问题等。

企业在实施智能体战略时，必须充分考虑这三个方面，才能真正实现“一次投入，长期收益”的目标。

“这个视角有点独特，也有点意思，之前还真没想到部署智能体可能会涉及这么事情。有机会可以找他们好好交流一下。”李总听完介绍之后，更觉得AI时代对企业会带来巨大的变化。

智能体全生命周期管理

“李总，事情还没完。”我补充说道，“我们海比研究院预计，未来三至五年内，每个组织都会开始大量部署各种各样的智能体，其数量甚至有可能超过正式员工。”

李总听了很吃惊。“我曾听AI的大专家——李开复博士说过，大模型推理能力的显著提升，将推动智能体应用的爆发。现在很多人在说AI时代的一人公司，这么说真有可能？”

我毫不迟疑地回答道，“当然有可能。如何管理智能体会成为企业要面临的一个新问题。”

“是啊。这看上去很复杂啊？”

“是很复杂，不过不用担心，会有好的方法解决。”我连忙给李总解压。

智能体从诞生、成长、运行到维护、升级的各个环节，需要对它的智能体生命周期进行全方位的管理。“这个在具体应用过程容易忽视，需要注意。”

李总也点头同意。他说，“今天收获非常大，让我对智能体有了一个详细的了解。谢谢你的耐心讲解。”

“李总，欢迎来交流数智化产品的选型问题！”

“对了，还有一事，还请你帮忙将你们认为比较好的智能体厂商名单给我分享一下。我们找这些厂商先做些交流。”李总回头又补充了一句。

“没问题啊！我发给你我们刚评选出来的《2025中国企业AI智能体选型排行榜》，给你选型参考。”

附：2025中国企业AI智能体选型排行榜

序号	公司名称	智能体类型	智能体业务	成立 时间	综合 得分
1	华为云	大模型与智能体平台	城市智能体、行业智能体	2005	92.85
2	腾讯云元宝	大模型及通用智能体	基础大模型及AI助理、AIGC、智能体平台	2010	89.6
3	阿里云千问	大模型及通用智能体	基础大模型及AI助理、AIGC、智能体平台	2009	89.2
4	科大讯飞	大模型及通用智能体	基础大模型及AI助理、AIGC、智能体平台	1999	88.4
5	火山引擎豆包	大模型及通用智能体	基础大模型及AI助理、AIGC、智能体平台	2020	88.25
6	百度	大模型及通用智能体	基础大模型及AI助理、AIGC、智能体平台	2000	88
7	京东科技	智能体平台	客服智能体	2018	87.5
8	联想	通用智能体	个人智能体、企业智能体和城市智能体	1984	86.55
9	中国电信	智能体平台	星辰智能体平台	1995	86.5
10	浪潮云	智能体平台	政府行业智能体、智能体开发与管理平台	2015	86.3
13	企业微信	领域智能体	数字员工、营销智能体	2016	86.15
11	新华三	智能体平台	智能体开发平台	2003	85.85
14	恒生电子	行业智能体	金融智能体	1995	85.75
18	钉钉	领域智能体	AI魔法棒（办公场景Agent）	2014	85.35
12	大疆	行业智能体	农业无人机调度智能体	2006	85.3
15	金蝶	领域智能体	财务HR采购等企业运营智能体	1993	85.25
16	网易	具身智能体	人机协作智能体	1997	84.95
17	360	领域智能体	安全智能体	2005	84.9
19	用友	领域智能体	财务HR采购等企业运营智能体	1988	84.75
20	中国移动	智能体平台	中移动聚智智能体开发平台	1999	84.5
21	金山办公	领域智能体	Office智能体	1988	84.25
22	涂鸦智能	智能体平台	智能硬件智能体开发平台	2014	83.75
23	中国联通	智能体平台	智能体开发平台	2009	83.65
24	小冰公司	通用智能体	数字员工\体育等行业智能体	2020	83.25
25	东软集团	智能体平台	数字员工、HR智能体、医疗智能体、智能体开发与管理平台	1991	83.05
26	帆软	领域智能体	决策分析智能体	2006	82.8
27	容联云	领域智能体	营销、客服、质检智能体	2009	82.75
28	华胜天成	领域智能体	企业运营智能体、客服智能体	1998	82.4
29	蓝凌软件	领域智能体	知识管理、办公协作智能体	2001	82.25
30	网易有道	领域智能体	翻译智能体	2006	82
31	致远互联	领域智能体	办公协作智能体	2002	82
32	研华科技	领域智能体	供应链智能体	1983	81.95
33	小鹅通	领域智能体	私域运营智能体	2016	81.8
34	普元信息	智能体平台	研发管理智能体及智能体平台	2003	81.75
35	启明星辰	领域智能体	安全智能体	1996	81.55
36	汉得信息	领域智能体	生产等大型企业运营智能体	1992	81.5
37	飞书	领域智能体	数字员工\AI助理	2016	81.5
38	中软国际	智能体平台	金融智能体、智能体平台	2000	81.1
39	Kimi	大模型及通用智能体	基础大模型及AI助理、AIGC、智能体平台	2023	81
40	远光软件	领域智能体	财务等集团企业管理智能体	1998	80.8
41	同方股份	领域智能体	知识和科研服务智能体	1997	80.75
42	零一万物	大模型与智能体平台	大模型、零售行业智能体	2023	80.5
43	浪潮海岳	领域智能体	财务HR采购等企业运营智能体	1992	80.45
44	宇信科技	行业智能体	金融行业智能体	2006	80.3
45	长亮科技	行业智能体	金融行业智能体	2002	80.2
46	数坤科技	行业智能体	数字医生智能体	2017	80.05
47	秘塔科技	大模型与智能体平台	大模型、法律行业智能体	2018	79.85
48	硅基智能	大模型与智能体平台	大模型、数字人与直播智能体	2017	79.6
49	曙光	智能体平台	智能体开发平台	2006	79.55
50	神策数据	领域智能体	客户旅程分析智能体	2015	79.45
51	263	领域智能体	办公协作智能体	1997	79.3
52	巨人网络	行业智能体	AI玩家智能体	2004	79.25
53	泛微软件	领域智能体	办公协作智能体	2001	79.25
58	智谱AI	大模型及通用智能体	基础大模型及AI助理、AIGC、智能体平台	2019	79.25
54	Moka	领域智能体	HR智能体	2015	79.05
55	北森	领域智能体	HR智能体	2002	79
56	卫宁健康	行业智能体	医疗行业智能体	1994	78.9
57	第四范式	智能体平台	智能体管理平台	2014	78.85
59	跨境通	领域智能体	支付智能体、多语言营销智能体	2003	78.75
60	久远银海	行业智能体	社保行业智能体	2008	78.65
61	拓尔思	领域智能体	舆情智能体	1993	78.5
63	衔远科技	大模型与智能体平台	大模型、营销、科学研究智能体	2021	78.45
62	黑湖科技	领域智能体	生产制造智能体	2016	78.25
64	商越	领域智能体	采购智能体	2018	78.15
67	蓝色光标	领域智能体	营销公关智能体	1996	77.9
72	联影智能	行业智能体	医疗智能体	2017	77.85
65	鼎捷数智	领域智能体	财务HR采购等企业运营智能体	1982	77.8
66	幂律智能	领域智能体	合同Agent	2017	77.75
68	达观数据	领域智能体	RPA和办公智能体	2015	77.6
70	商汤科技	智能体平台	金融智脑及数字人平台	2014	77.5
69	中航金网	领域智能体	采购供应链智能体	2005	77.4
76	恺英网络	行业智能体	游戏开发智能体	2008	77.35
71	浙大网新	行业智能体	政府、基建行业智能体	1994	77.3
73	思必驰	领域智能体	语音识别与IoT智能体	2007	77.25
74	纷享销客	领域智能体	营销智能体	2011	77.1
75	探迹	领域智能体	营销智能体	2016	76.95
77	致趣百川	领域智能体	营销智能体	2016	76.9
78	卓视智能	行业智能体	道路监控智能体	2012	76.6
79	魔珐科技	领域智能体	3D数字人和营销智能体	2018	76.55
80	华天软件	领域智能体	研发设计智能体	1993	76.45
83	东华软件	行业智能体	医疗、金融、政府行业智能体	2001	76.35
81	94智能	领域智能体	外呼智能体	2018	76.3
82	Link.AI	智能体平台	企业级一站式AI 智能体开发及应用平台	2023	76.25
85	追一科技	领域智能体	数智员工平台	2016	76
86	MarketingForce	领域智能体	营销智能体	2009	75.9
84	硅心科技	领域智能体	软件编码智能体	2018	75.85
87	极视角	领域智能体	机器视觉识别与分析智能体	2013	75.75
88	云知声	智能体平台	营销及医疗行业智能体	2012	75.25
89	实在智能	智能体平台	RPA和智能体开发平台	2018	75.1
90	蜜度科技	领域智能体	智能检索、审校与生成智能体	2009	75
91	金智维	领域智能体	RPA、数字员工和智能体开发平台	2016	75
93	杭州城市大脑	行业智能体	交通与城市管理Agent	2019	74.75
92	智象未来	领域智能体	视频生成与营销智能体	2023	74.35
94	丽晶软件	行业智能体	新零售、服装行业智能体	1995	74.25
95	PingCode	领域智能体	研发管理智能体及智能体平台	2012	74
96	云徙科技	领域智能体	营销、供应链智能体	2016	74
97	法大大	领域智能体	合同Agent	2014	73.5
98	华磊迅拓	领域智能体	生产制造智能体	2005	73.35
99	医渡科技	行业智能体	医疗数据智能体	2014	72.75
100	行云创新	智能体平台	智能体开发平台	2016	72.25