出品機構(gòu)：甲子光年智庫分析師：劉瑤、翟惠宇、努爾麥麥提·買合木提發(fā)布時間：2025.07Part

05

來日正長，Agent的翻涌帶來無限可能Part04實踐真知，企業(yè)級Agent實踐的新范式Part02

價值認可，場景重塑與價值深挖 Part01概念泛化，商業(yè)價值推動產(chǎn)業(yè)發(fā)展

Part03蓬勃發(fā)展，企業(yè)級的生產(chǎn)力再造

目

錄2

AI

Agent的興起并非偶然。大模型、算力供給、能源供給、開源、生態(tài)系統(tǒng)和產(chǎn)業(yè)應(yīng)用的同步發(fā)展，共同“托舉”起AI

Agent恰逢其時的

誕生，成為當(dāng)前最值得關(guān)注的技術(shù)趨勢之一。

其中，大型語言模型、模塊化架構(gòu)與協(xié)作框架為其筑牢根基，持續(xù)發(fā)展還需攻克評估、安全與適應(yīng)性難題。

AI正站在一個關(guān)鍵新階段。參考OpenAI對AI的5級分級，

AI已不僅僅是能進行對話的聊天機器人（L1），

而是逐步進化到智能體（L3）階

段——一個能思考、并能主動采取行動的AI系統(tǒng)。強大算力保障大模型訓(xùn)練與推理的可持續(xù)性能源供給保障大模型訓(xùn)練與推理的可持續(xù)性HuggingFace等平臺提供開放、可擴展的

環(huán)境，支持靈活的AI

Agent的開發(fā)基準測試、評估框架的可用性以及與實際工

具的集成支持AI

Agent開發(fā)和部署企業(yè)、金融、醫(yī)療等多領(lǐng)域應(yīng)用推動AIAgent架構(gòu)和安全、合規(guī)等標準的完善數(shù)據(jù)來源：OpenAI，公開資料、甲子光年智庫總結(jié)整理2025年，

AI

Agent風(fēng)口已至：基礎(chǔ)能力成熟，推動AI邁向新階段L3智能體——

目前階段

能思考，還可以采取行動的AI系統(tǒng)L1聊天機器人具有對話能力的AI來源：OpenAI對于AI的分級生態(tài)系統(tǒng)成熟度產(chǎn)業(yè)生態(tài)與應(yīng)用場景L4創(chuàng)新者能協(xié)助發(fā)明創(chuàng)造的AIL5組織者可以完成組織工作的AIL2推理者像人類一樣能夠解決問題的AI能源供給開源模型和社區(qū)合作LLM是AI

Agent的“大腦”，近半年在推理側(cè)實現(xiàn)大幅進步大規(guī)模語言模型（LLMs）AIAgentGPU算力供給3以“執(zhí)行力”響應(yīng)“落地”要求：Agent的設(shè)計理念區(qū)別于停留在“對話”或“理解”

的L1/L2級AI，其L3級別的核心是“采取行動，

完成任務(wù)”。這種“執(zhí)行導(dǎo)向”與企業(yè)追求實際效果、

部署落地的目標高度一致。

2025年，

To

B市場對AI投資的商業(yè)價值訴求發(fā)生轉(zhuǎn)變。企業(yè)不再滿足于概念驗證或小范圍試點，希望AI方案能穩(wěn)定落地生產(chǎn)環(huán)境，集成后帶來實

際業(yè)務(wù)成果，同時將AI從“助手”升級為“員工”或“自動化引擎”，處理如自動生成報告、解決復(fù)雜客服問題等復(fù)雜任務(wù)，以實現(xiàn)顯著生產(chǎn)力

飛躍。AI

Agent契合這一需求，其天生適合處理復(fù)雜任務(wù)，強調(diào)執(zhí)行與行動，具備自動化復(fù)雜流程的潛力，有望帶來指數(shù)級效率提升和生產(chǎn)力解

放，滿足市場對顯著價值回報的需求。過去的狀態(tài)：停留在概念驗證（PoC）或小范圍試點，AI更像一個需要被驗證的“玩具”或“輔助工具”；現(xiàn)在的要求：必須是能夠無縫集成到現(xiàn)有系統(tǒng)、在真實生產(chǎn)環(huán)境中穩(wěn)定可靠運行的解決方案，并能產(chǎn)出可被量化的業(yè)務(wù)成果；期望的AI角色：從旁觀的“助手”（Assistant），轉(zhuǎn)變?yōu)槟塥毩⒊袚?dān)責(zé)任、解決問題的“正式員工”（Employee）或“自動化引擎”（Engine）。生產(chǎn)力回報從“增量優(yōu)化”走向“指數(shù)飛躍”以“自主規(guī)劃與工具使用”響應(yīng)“復(fù)雜任務(wù)”要求：Agent的核心能力——自主規(guī)劃、記憶、使用工具

（網(wǎng)頁、軟件、API）使其天生就擅長處理需要與

外部環(huán)境交互的復(fù)雜、多步驟流程，

完美解決了傳

統(tǒng)AI在“流程自動化”上的短板。以“重塑工作方式”響應(yīng)“指數(shù)飛躍”要求：Agent的巨大潛力在于，通過自動化過去無法自動

化的、更復(fù)雜、更耗時的工作流，能夠為企業(yè)帶來

指數(shù)級的效率提升和生產(chǎn)力解放，這直接回應(yīng)了市

場對于“顯著價值回報”的終極期待。企業(yè)應(yīng)用市場需求的質(zhì)變：三大核心期望的全面升級03企業(yè)級AIAgent的精準響應(yīng)：新一代AI范式滿足市場期待過去的狀態(tài)：滿足于

10%或20%的漸進式效率提升，這屬于“量變”；現(xiàn)在的要求：期待的是數(shù)量級（例如生產(chǎn)力翻倍甚至更高）的“質(zhì)變”，旨在真正重塑工作方式、顛覆性地降低成本；終極愿景：將寶貴的人力資源從繁瑣、重復(fù)的執(zhí)行性工作中解放出來，使其能完全專注于更高價值的創(chuàng)造性、洞察性與戰(zhàn)略性工作。

2025年，

AI

Agent風(fēng)口已至：企業(yè)級AI過去的狀態(tài)：局限于簡單的問答、內(nèi)容續(xù)寫等“答案生成式”的單一任務(wù)；現(xiàn)在的要求：渴望自主規(guī)劃

、調(diào)用不同工具、橫跨多個系統(tǒng)、涉及復(fù)雜步驟的端到端工作流。核心挑戰(zhàn)：這些正是傳統(tǒng)AI應(yīng)用難以企及的、高價值的“流程自動化”領(lǐng)域。數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理

www.jazzyear.com任務(wù)復(fù)雜度從“單點技能”走向“綜合流程”Agent滿足市場需求部署模式從“實驗室”走向“生產(chǎn)線”01潛力契合能力契合機制契合024產(chǎn)品名稱底層模型核心技術(shù)自主性多模態(tài)能力高（網(wǎng)頁交互）強（視覺理解）高（跨領(lǐng)域任務(wù)）強（文本、圖像、代碼）高（軟件開發(fā)）中（主要文本和代碼）中（輔助編碼）弱（主要代碼處理）高（自主執(zhí)行）中（文本和圖像）中（研究執(zhí)行）強（文本、圖像、PDF）低（協(xié)助編輯）弱（主要代碼處理）中（協(xié)作任務(wù)執(zhí)行）中（文本為核心）AWSAgent工作流中（云任務(wù)自動化）弱（結(jié)構(gòu)化數(shù)據(jù)交互，文本驅(qū)動云操作）

在行業(yè)領(lǐng)導(dǎo)者的推動下，

OpenAI、

Anthropic、

Google、

OpenAI等頭部企業(yè)發(fā)布關(guān)鍵Agent產(chǎn)品和技術(shù)協(xié)議，發(fā)揮引領(lǐng)示范作用。同時，

相對

成型的Agent產(chǎn)品如Manus、AutoGLM、

Genspark等開始涌現(xiàn)，驗證了子技術(shù)的可行性，標志著Agent從設(shè)想進入相對成熟的產(chǎn)品階段。

企業(yè)不再滿足于AI的淺嘗輒止，而是尋求能深度嵌入業(yè)務(wù)、創(chuàng)造顛覆性價值的真正生產(chǎn)力。Agent走向生產(chǎn)力工具

2025年，

AI

Agent風(fēng)口已至：市場需求得到標桿產(chǎn)品的驗證主要AIAgent產(chǎn)品AWS

Bedrock集成

模型云資源編排、IAM策略適配、跨服務(wù)任務(wù)流程編排、函數(shù)

/工具調(diào)用代碼上下文理解、智能補全多智能體架構(gòu)、Linux沙盒數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理瀏覽器自動化、視覺理解遠程執(zhí)行環(huán)境、規(guī)劃系統(tǒng)代碼編輯、多文件管理任務(wù)分解、互聯(lián)網(wǎng)連接多步驟研究、網(wǎng)頁測算OpenAIOperatorClaudeSonnet

3.7GPT-4及迭代模型ChatGPTAgentDeep

ResearchGemini

1.5

Pro定制CUA模型ChatGPTCanvas可定制

LLM多個大模型AutoGPT未公開GPT-4CursorManusDevin5

科技巨頭紛紛布局企業(yè)級Agent。

AWS推出Amazon

Bedrock

Agent

Core平臺和Agentic

IDE工具Kiro，助力企業(yè)快速構(gòu)建和運行Agent應(yīng)用；

谷歌依靠Gemini系列大模型、通用人工智能助手Project

Astra和多任務(wù)智能體Project

Mariner，打造強大的智能Agent產(chǎn)品矩陣；

OpenAI憑借Operator圖形界面交互智能體和ChatGPT

Agent多模態(tài)任務(wù)執(zhí)行中樞，為企業(yè)提供便捷高效的智能交互體驗。

隨著技術(shù)的不斷成熟，企業(yè)級Agent的“自動化”能力逐漸嶄露頭角，受到市場的廣泛關(guān)注，

成為企業(yè)優(yōu)化流程、提高效率的重要選擇。Operator：圖形界面交互智能體ChatGPTAgent：多模態(tài)任務(wù)執(zhí)行中樞?

Gemini系列大模型?通用人工智能助手ProjectAstra?多任務(wù)智能體Project

Mariner?Agentic

IDE工具Kiro?Amazon

BedrockAgentCore平臺

2025年，

AI

Agent風(fēng)口已至：科技巨頭競逐企業(yè)級Agent賽道OpenAI科技巨頭紛紛布局企業(yè)級AgentGoogle數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理GAWS

“AI

Agent”（人工智能智能體）作為科技領(lǐng)域高頻出現(xiàn)的術(shù)語，頻繁現(xiàn)身于各類科技報道、學(xué)術(shù)討論與企業(yè)宣傳中。但正是這種高曝光度反而

加劇了概念的混淆與誤解——不僅學(xué)術(shù)界與產(chǎn)業(yè)界對其定義存在差異，尚未形成統(tǒng)一標準；產(chǎn)業(yè)界亦是，微軟、谷歌、甲骨文、華為、Salesforce等巨頭的定義細節(jié)各不相同。AI

Agent的核心因素：大模型能力結(jié)合自動化特征斯坦福大學(xué)李飛飛團隊《AgentAI：Surveyingthe

HorizonsofMultimodalInterAction》中提出，AI

Agent是一種能夠感知所處環(huán)境，并依據(jù)所感知到的信息自主做出決策并執(zhí)行相應(yīng)行動，以實現(xiàn)特定目標的實體。

當(dāng)前企業(yè)對AI

Agent

的界定中，最寬泛的理解是將其視為融入大模型能力、具有自動化工具屬性的系統(tǒng)。英偉達新的數(shù)字勞動力，為人類工作并與AI

Agent一起工作。它們代表了人工智能的下一次發(fā)展，從簡單的自動化過渡到能夠管理復(fù)雜工作流程的自主系統(tǒng)。谷歌利用人工智能技術(shù)來為用戶追求特定目標并完成任務(wù)的軟件系統(tǒng)。Salesforce一種人工智能系統(tǒng)，無需人工干預(yù)即可理解和響應(yīng)客戶查詢。微軟將生成式AI的能力更推進一步，AI

Agent不僅僅輔佐你，它可以和你并肩工作，甚至代表你行事。IBM能夠自主地為用戶或其他系統(tǒng)執(zhí)行任務(wù)的系統(tǒng)或程序——它可以自行設(shè)計工作流程并利用可用的工具來完成任務(wù)。甲骨文軟件實體，可接收任務(wù)、檢查環(huán)境、根據(jù)角色執(zhí)行操作并根據(jù)經(jīng)驗進行調(diào)整。AWS一種軟件程序，可以與其環(huán)境交互、收集數(shù)據(jù)并使用數(shù)據(jù)執(zhí)行自主任務(wù)以實現(xiàn)預(yù)定目標。BCGAIAgent是使用工具實現(xiàn)目標的人工智能。復(fù)旦大學(xué)自然語言處理實驗室《The

rise

and

potentialoflarge

language

modelbasedagents:

asurvey》提出：AIAgent含三大關(guān)鍵組件-Brain模塊，Perception模塊和Action模塊。普林斯頓大學(xué)《AIAgentsThat

Matter》中提出在AI時代，AI

Agent具備復(fù)雜環(huán)境適應(yīng)、自主目標追求、自然語言交互、低監(jiān)管依賴、采用特定設(shè)計模式且控制流由LLM動態(tài)驅(qū)動等特征。麥肯錫AIAgent是一種軟件組件，具備代表（代理）用戶或系統(tǒng)執(zhí)行任務(wù)的自主能力。中國人民大學(xué)高瓴人工智能學(xué)院《Asurveyon

large

language

model

basedautonomousagents》中提出AIAgent含四大核心模塊：

Profile、Memory、Planning和Action等?！澳Ｐ?自動化”晶產(chǎn)業(yè)界AIAgent學(xué)術(shù)&咨詢界數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理7名稱ChatbotCopilotAgent對話能力★★★推理能力★★★記憶能力（特指長記憶能力）★★工具能力★規(guī)劃能力★行動能力★含義人類完成絕大部分工作，類似向AI詢問意見，了解信息，AI提供信息和建議但不直接處理工作。人類和AI進行協(xié)作，工作量相當(dāng)。AI根據(jù)人類prompt完成工作初稿，人類進行目標設(shè)定，修改調(diào)整，最后確認。AI完成絕大部分工作，人類負責(zé)設(shè)定目標、提供資源和監(jiān)督結(jié)果，AI完成任務(wù)拆分，工具選擇，進度控制，現(xiàn)目標后自主結(jié)束工作。Chatbot

Copilot人指導(dǎo)AI人

指揮AI絕大多數(shù)的工

作可以由AI完

成AIAI企業(yè)級AIAgentLLM

（記憶+工具+規(guī)劃+行動）工具能力并非孤立存在，

而是建立在強大的對話、推理和長短期記憶基礎(chǔ)之上。它賦予了AI

Agent

將復(fù)雜任務(wù)分解為具體步驟，并調(diào)用外部工具或API來執(zhí)行這些步驟的實操能力。Agent直接面對目標任務(wù)，其規(guī)劃和執(zhí)行的全自動能力基于其“工具”能力，Agent不再局限于信息處理和對話，而是能夠主動與數(shù)字或物理世界交互，完成預(yù)訂、查詢數(shù)據(jù)、控制設(shè)備等多步驟的復(fù)雜任務(wù)，真正成為能夠自主規(guī)劃并解決問題的智能體。

企業(yè)級AI

Agent圍繞“工作”展開，“工具調(diào)用”是其最核心特征絕大多數(shù)的工作

仍然由人完成數(shù)據(jù)來源：公開資料，東吳證券，專家訪談，甲子光年智庫整理

www.jazzyear.comAgent核心特征人

指示AIAI

“企業(yè)級”這一術(shù)語意味著一個產(chǎn)品能夠承受大型企業(yè)極端嚴苛的需求

。它關(guān)注的不是軟件能做什么（功能性）

，而是在何種條件下、以何種方式、多么可靠地完成其功能（非功能性）。這些要求是構(gòu)建任何關(guān)鍵業(yè)務(wù)系統(tǒng)的基石。企業(yè)級

企業(yè)級AI

Agent的硬性標準：超越功能本身，圍繞“可靠和交付”展開工作企業(yè)軟件不能是孤島。它必須能夠平滑地與企業(yè)現(xiàn)有的、復(fù)雜的IT生態(tài)系統(tǒng)集成，包括企業(yè)資源規(guī)劃（ERP）、客戶關(guān)系管理（CRM）、人力資源管理（HRM）等核心系統(tǒng)。這有助于消除數(shù)據(jù)壁壘，減少業(yè)務(wù)中斷，并形成一個統(tǒng)一的IT基礎(chǔ)設(shè)施。企業(yè)級解決方案必須保證極高的可靠性（例如99.99%的正常運行時間），并制定完善的災(zāi)難恢

復(fù)計劃。此外，供應(yīng)商必須提供全面的技術(shù)支持和維護服務(wù)，包括定期的軟件更新、漏洞修復(fù)和專業(yè)的優(yōu)化服務(wù)。安全與合規(guī)是企業(yè)級軟件最關(guān)鍵的支柱。它要求系統(tǒng)具備端到端加密、數(shù)據(jù)丟失防護（DLP）、嚴格的訪問控制機制，并必須遵守特定的行業(yè)法規(guī)。能夠無縫地處理大量用戶、海量數(shù)據(jù)和高并發(fā)事務(wù)，并且在負載增加時不能出現(xiàn)性能下降或可

靠性問題。一個真正的企業(yè)級解決方案應(yīng)能輕松支持數(shù)以萬計的用戶同時在線。軟件界面必須直觀易用，能夠有效提升用戶的工作效率。這不僅能確保軟件被廣泛采納，還能

防止員工因操作不便而轉(zhuǎn)向使用不合規(guī)的消費級替代方案，從而引入安全風(fēng)險。要求系統(tǒng)提供精細化的策略管理能力，以控制用戶和系統(tǒng)的行為。同時，必須具備全面的審計

日志記錄功能，以及用于用戶配置和權(quán)限管理的集中式管理后臺。高可靠性、專業(yè)支持與維護全面的安全性與合規(guī)性可擴展性與高性能治理、管理與控制高生產(chǎn)力與易用性集成性與可操作性15324數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理6斑頭雁（BetterYeahAI）深度聚焦企業(yè)級AIAgent賽道，

其推出的AIAgent開發(fā)平臺具有以下特點，體現(xiàn)企業(yè)級AIAgent平臺特點：①提供完整AI

Flow開發(fā)框架與可視化GUI編輯器

，集成豐富工具集。全面支持多角色協(xié)同、多環(huán)境發(fā)布、版本控制、精細權(quán)限、數(shù)據(jù)監(jiān)控、個性化集成等企業(yè)級智能體開發(fā)的關(guān)鍵能力。②獨特的VisionRAG智能數(shù)據(jù)引擎

，可實現(xiàn)多模態(tài)數(shù)據(jù)解析、預(yù)處理、檢索與動態(tài)重排

，提供更精準的數(shù)據(jù)支持。創(chuàng)新的成本壓縮框架

，可有效應(yīng)對企業(yè)大規(guī)模調(diào)用的成本挑戰(zhàn)。③通過任務(wù)協(xié)同引擎Multi-Agent

，可實現(xiàn)復(fù)雜任務(wù)的智能分發(fā)與多Agent協(xié)同

，通過自然語言封裝業(yè)務(wù)流程

，降低應(yīng)用AI門檻。④平臺的企業(yè)級LLMOps能力可滿足企業(yè)個性化模型集成、調(diào)優(yōu)及高度安全管

理需求；通過階梯式節(jié)點保障、五層安全防護（復(fù)雜權(quán)限/網(wǎng)絡(luò)隔離/數(shù)據(jù)加

密/運行監(jiān)控/雙重內(nèi)容安全）構(gòu)建全方位企業(yè)級安全體系；支持多版本SaaS、

混合云、私有云、一體機部署

，靈活適配多元化需求。斑頭雁（BetterYeahAI）于2025年7月宣布獲得阿里云領(lǐng)投的超億元B輪融資，

目前已服務(wù)近10萬家企業(yè)團隊，包括聯(lián)想、百麗、科沃斯、添可、蘇泊爾、魯花、FESCOAdecco等行業(yè)頭部企業(yè)。

不同于消費級AI

Agent，企業(yè)級AI須深耕“一米寬，百米深”的業(yè)務(wù)現(xiàn)實

企業(yè)級AI

Agent和消費級AI

Agent相比企業(yè)級AI

Agent在核心設(shè)計目標、情景感知能力、數(shù)據(jù)處理與隱私、安全與風(fēng)險態(tài)勢、

自主性與控制等多

個方面有不同的要求，更強調(diào)安全、合規(guī)、可靠、隱私保護，另一方面更要求AI能夠理解實際應(yīng)用場景，能夠在特定的業(yè)務(wù)場景、流程與數(shù)據(jù)庫

中穩(wěn)定地工作。一次安全事故可能引發(fā)系統(tǒng)性災(zāi)難，

對企業(yè)運營、財務(wù)和聲譽造成重大

損失，需嚴格驗證、風(fēng)險防范，遵

循“安全始于設(shè)計”理念核心價值在于主動自主性，需配備

更高等級的控制機制、監(jiān)督體系和

安全護欄，以管理自主行動的風(fēng)險安全性重要，但風(fēng)險通常局限于單

個用戶的個人數(shù)據(jù)泄露反應(yīng)式，行為由用戶直接控制，天

然限制潛在危害范圍對比維度消費級AIAgent企業(yè)級AIAgent有數(shù)據(jù)，需理解企業(yè)“業(yè)務(wù)現(xiàn)實”視企業(yè)數(shù)據(jù)為核心專有資產(chǎn)，需確

保數(shù)據(jù)絕不用于訓(xùn)練公共模型，處

理過程完全隔離，并嚴格遵守企業(yè)

隱私和安全協(xié)議安全與風(fēng)險態(tài)勢自主性與控制消費級AI

Agent

vs企業(yè)級AI

Agent

的部分特征比較以易用性、可訪問性和無縫用戶體

驗為首要目標，主要處理通用性任

務(wù)核心目標是在特定業(yè)務(wù)工作流中確

保安全性、合規(guī)性、高可靠性和深

度情境感知能力需具備對企業(yè)內(nèi)部環(huán)境的深度情境

感知能力，包括理解組織架構(gòu)、員工角色、權(quán)限級別、業(yè)務(wù)流程及專具備通用世界知識，但缺乏對特定

組織內(nèi)部情境的理解通常利用用戶數(shù)據(jù)改進通用模型，

數(shù)據(jù)治理標準相對寬松數(shù)據(jù)來源：公開資料，專家訪談，甲子光年智庫整理數(shù)據(jù)處理與隱私情境感知能力核心設(shè)計目標 Agent眾多協(xié)議的涌現(xiàn)，為企業(yè)級AI

Agent的實用性提供了“工具”基礎(chǔ)（1/2）

Agent協(xié)議（Agent

Protocols）是指智能體（Agent）之間或智能體與外部工具、數(shù)據(jù)源之間進行通信和協(xié)作時所遵循的標準化交互規(guī)則。

Agent協(xié)議可以追溯到1993年的基于消息的通信協(xié)議——KQML（

Knowledge

Query

and

Manipulation

Language

，知識查詢和處理語言）是一種基于消息的通信協(xié)議，同時本身也是一種獨立的信息交換和協(xié)議語言。自此，

Agent協(xié)議經(jīng)歷了符號和SOA基礎(chǔ)階段（1993-2006年）、

檢索和模型化行動階段（2020-2023年）

和面向協(xié)議的互操作性階段（2024-2025年）。以引入檢索增強生成（RAG）為標志，這一階段利用基于向量的檢索來增強語言模型輸出的基礎(chǔ)。

FunctionCalling、Toolformer

等創(chuàng)新使

LLM能夠?qū)⑼评碇苯愚D(zhuǎn)換為可執(zhí)行的API調(diào)用，從而顯著提高代理的自主性和靈活性。檢索和模型化行動階段面向協(xié)議的互操作性階段當(dāng)前階段強調(diào)輕量級、標準化協(xié)議，如MCP、ACP、ANP和A2A。這些協(xié)議通過實現(xiàn)跨異構(gòu)代理系統(tǒng)的動態(tài)發(fā)現(xiàn)、安全通信和分散協(xié)作，促進了可擴展性和強大的互作性，從而解決了以前的限制。早期的互作性標準（如KQML和

FIPA-ACL）奠定了正式的語義基礎(chǔ)。Web服務(wù)和企業(yè)服務(wù)總線（ESB）框架的后續(xù)發(fā)展簡化了企業(yè)集成，但帶來了復(fù)雜性和有限的靈活性。數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理

www.jazzyear.comAgent協(xié)議發(fā)展歷程：2024年進入全新階段符號和SOA基礎(chǔ)階段Web

Services（SOAP/WSDL）FAGMCPANP

ACP

A2AFunctionCalling2006202020231993ESB

PatternsToolformerPTA-AIC20252024KQMLMASIF200220001998RAG Agent眾多協(xié)議的涌現(xiàn)，

為企業(yè)級AI

Agent的實用性提供了“工具”基礎(chǔ)（2/2）

隨著LLM驅(qū)動的智能體普及，其標準化對工具集成、上下文共享、任務(wù)協(xié)同至關(guān)重要。目前主流的Agent協(xié)議包括MCP（安全工具調(diào)用與數(shù)據(jù)交

換）、ACP（多模態(tài)消息與異步通信）、

A2A

（點對點任務(wù)委托，

適企業(yè)級協(xié)作）、ANP（開放網(wǎng)絡(luò)中智能體發(fā)現(xiàn)與安全協(xié)作）。

這些協(xié)議皆有一定優(yōu)勢，

MCP簡化了智能體訪問工具和數(shù)據(jù)的方式。

ACP

為企業(yè)智能體生態(tài)系統(tǒng)引入了本地結(jié)構(gòu)化協(xié)作。

A2A通過創(chuàng)建共享任

務(wù)語言解決了供應(yīng)商鎖定問題，ANP

推進了代理身份和發(fā)現(xiàn)的去中心化愿景。

這些Agent協(xié)議正在競相定義智能體在AI時代如何協(xié)調(diào)。A2A協(xié)議：A2A協(xié)議即Agent2Agent協(xié)議，是Google于2025年4月發(fā)布的開放協(xié)議，設(shè)計目標是用于企業(yè)內(nèi)部多個智能體之間的協(xié)作。A2A的核心理念是通過智能體之間的任務(wù)分包機制實現(xiàn)自動化協(xié)作。MCP協(xié)議：模型上下文協(xié)議（ModelContextProtocol，簡稱MCP）是由Anthropic在2024年11月開源的新標準。核心功能是上下文數(shù)據(jù)注入，

是AI和外部工具的通用交互協(xié)議

，用于幫助大語言模型（LLM）連接外部的資源和工具。ACP協(xié)議：智能體通信協(xié)議(AgentCommunicationProtocol)

，由BeeAI與IBM聯(lián)合提出的開放標準，用于支持在同一局部或邊緣環(huán)境中運行的AI智能體之間的結(jié)構(gòu)化通信、發(fā)現(xiàn)和協(xié)作。ANP協(xié)議ANP（Agent

Network

Protocol）是一種專為分布式智能體設(shè)計的開源通信協(xié)議。ANP的目標是成為"智能體互聯(lián)網(wǎng)時代的HTTP"，希望通過這個協(xié)議定義智能體之間的理解方式，構(gòu)建一個安全、開放、高效的智能體協(xié)作網(wǎng)絡(luò)。數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理

www.jazzyear.com目前主流的Agent協(xié)議

通用性、互操作性、

低門檻性重構(gòu)Agent工具調(diào)用邏輯

MCP協(xié)議的出現(xiàn)，大幅提升模型與自動化協(xié)作的可能性，以通用性、互操作性、低門檻性重構(gòu)Agent工具調(diào)用邏輯。 MCP協(xié)議示意圖A2A協(xié)議示意圖低門檻：

統(tǒng)一標準降低工具集成與生態(tài)構(gòu)建成本，

企業(yè)無需重復(fù)適配不同協(xié)議，用技術(shù)標準化推動

Agent規(guī)?；涞??；ゲ僮餍裕?/p>

MCP讓Agent可便捷對接任意遵循規(guī)范的工具，工具開發(fā)者僅需支持

MCP，就能被海量

Agent調(diào)用，替代

Function

Calling

自定義模式，從

“工具-Agent零散適配”轉(zhuǎn)向

“生態(tài)級互聯(lián)互通”。通用性：

MCP定義Agent與AI模型間上下文交互標準，像

USB

-C統(tǒng)一設(shè)備連接，開發(fā)者用一致方式將工具、數(shù)據(jù)、模型接入

AI側(cè)，打破平臺/

模型壁壘，推動通用化AI應(yīng)用開發(fā)。

與

MCP互補的A2A協(xié)議，延伸Agent協(xié)作邊界：MCP打通

“Agent

-

工具”

連接，A2A

實現(xiàn)

“Agent

-

Agent”交互，二者構(gòu)建智能體生

態(tài)

“工具連接

+主體協(xié)作”基礎(chǔ)，為AI應(yīng)用規(guī)?；涞嘏c場景拓展提供支撐，

加速

“AI數(shù)字化協(xié)作”從概念到實用的跨越。

通用性：

統(tǒng)一

交互標準

互操作性：跨

工具/Agent兼容”

低門檻：

降本

提效協(xié)議特點數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理

MCP（模型上下文協(xié)議）于2024年推出，為AI模型連接外部服務(wù)提供了標準化交互方式，備受行業(yè)關(guān)注。它如同LLM的“拓展塢”，統(tǒng)一工

具調(diào)用接口，屏蔽底層通信差異，提升調(diào)用便捷性。盡管隨著技術(shù)發(fā)展其必要性可能降低，但在當(dāng)下及未來一段時間內(nèi)，仍將發(fā)揮重要作用。

商業(yè)應(yīng)用中，MCP在ToC領(lǐng)域展現(xiàn)出巨大潛力，助力高頻產(chǎn)品實現(xiàn)工具聯(lián)動，為低頻產(chǎn)品增添亮點，幫助企業(yè)提升用戶體驗并搶占市場先機。

同時，RAG、工具增強等十種架構(gòu)算法機制，從孤立Agent系統(tǒng)中發(fā)展而來，如今經(jīng)過重新語境化，滿足現(xiàn)代AI

Agent需求，助力其在復(fù)雜環(huán)

境中實現(xiàn)協(xié)調(diào)、自適應(yīng)與可驗證行為，成為推動AI技術(shù)進步的關(guān)鍵力量。這些機制不僅突破了傳統(tǒng)AI系統(tǒng)的可靠性限制，還為現(xiàn)代AI

Agent在

復(fù)雜多變的環(huán)境中提供了強大的技術(shù)支持，使其能夠更好地應(yīng)對各種挑戰(zhàn)，實現(xiàn)更加智能化、高效化的任務(wù)處理。MCP運行機理AIAgent時代不可忽視的工具重構(gòu)多Agent編排與角

色專業(yè)化（Multi-Agent

Orchestration

）因果建模和仿真規(guī)劃（CausalModeling

andSimulation-BasedPlanning）5.調(diào)用工具6.獲取數(shù)據(jù)MCP與A2A協(xié)議：

AI生態(tài)的“USB-C”，有望釋放AI

Agent的潛力與價值A(chǔ)genticAI:AConceptualTaxonomy,Applications

andChallenges

》、華為、甲子光年智庫總結(jié)整理

MCP

Host

LLM

MCPClient

MCPServer

數(shù)據(jù)源3.分析：問題分解、工具調(diào)用規(guī)劃程序化提示工程（

ProgrammaticPromptEngineering）監(jiān)控審計和可解釋性（Monitoring,Auditing,

and

Explainability）反思和自我批評機制（

Reflexive

and

Self-Critique）

按

步

驟

逐

個

調(diào)

用

工具記憶模塊(情景、語義、向量)(Episodic,

Semantic,

Vector)2.轉(zhuǎn)發(fā)問題1.提出問題治理感知架構(gòu)(Governance-AwareArchitectures

)

數(shù)據(jù)來源：《AIAgentsvs.工具增強推理（FunctionCalling）Agent循環(huán)機智:

推理、行動、觀察9.提供工具結(jié)果4.請求特定工具7.返回數(shù)據(jù)8.返回結(jié)果11.呈現(xiàn)答案10.生成答案檢索增強生成(RAG)

從單智能體到多智能體生態(tài)，Agent協(xié)議驅(qū)動智能體協(xié)作進化，重塑企業(yè)AI能力邊界

Agent協(xié)議是推動智能體從孤立執(zhí)行到網(wǎng)絡(luò)化協(xié)作的核心驅(qū)動力。

單智能體可處理簡單任務(wù)，但受限于個體能力，難應(yīng)對復(fù)雜場景且易因故障中斷服務(wù)。

Agent協(xié)議通過標準化交互規(guī)則推動其進化：先為單智能

體提供統(tǒng)一接口連接外部工具，突破個體能力邊界；再構(gòu)建協(xié)作框架，讓多智能體基于共同規(guī)則溝通配合，實現(xiàn)從“獨立運行”到“群體協(xié)同”

的跨越；最終支撐系統(tǒng)向規(guī)?；?、復(fù)雜化演進，

完成從“局部應(yīng)用”到“生態(tài)級協(xié)作”的升級，使Multi-Agent釋放更大價值。復(fù)雜性

交互少，較簡單涉及多智能體交互，復(fù)雜 可擴展性

受限于單個智能體能力可添加智能體，擴展性強

決策制定

單個智能體基于自身

目標決策決策分散在多個智能體間，目標或不同

適應(yīng)性

受限于單個智能體能力可通過集體行為適應(yīng)動態(tài)環(huán)境數(shù)據(jù)來源：《AlAgents:

Unveiling

the

Next

Frontierof

BusinessTransformation》、FPT.AI，甲子光年智庫總結(jié)整理

多智能體環(huán)境actionsfeedbacksAgent協(xié)議單智能體環(huán)境行動反饋協(xié)調(diào)性

無需協(xié)調(diào)

需管理交互、避免沖突

資源分配

資源使用低，單個智能體管理計算需求高，用于智能體間協(xié)調(diào) 智能體?

目標?記憶?

模塊記憶智能體?

目標?

記憶?模塊記憶智能體?

目標?

記憶?模塊記憶Part01概念泛化，商業(yè)價值推動產(chǎn)業(yè)發(fā)展Part02價值認可，場景重塑與價值深挖Part

05

來日正長，Agent的翻涌帶來無限可能Part04實踐真知，企業(yè)級Agent實踐的新范式

Part03蓬勃發(fā)展，企業(yè)級的生產(chǎn)力再造

目

錄

數(shù)字經(jīng)濟及企業(yè)數(shù)字化轉(zhuǎn)型為企業(yè)級AI帶來使用機會

中國數(shù)字化與信息化水平持續(xù)增長，

為數(shù)字經(jīng)濟及企業(yè)級AI帶來廣闊機遇。2024年，

近六成中國企業(yè)家計劃提高數(shù)字化投入，

較2023年增加6

個百分點。其中，

38%的企業(yè)將增加15%以內(nèi)投入，27%計劃增加15%-25%

，

19%更是計劃增加25%以上。

AI作為創(chuàng)新驅(qū)動力，已廣泛應(yīng)用

于客戶服務(wù)、市場營銷等場景。

90%的中國企業(yè)視其為機遇，46%認為能助力營收增長，44%看重效率提升。

中國高管對AI的認知方面，

30%的中國高管認為其能充實工作；

39%的中國高管意識到人才隊伍需變革；

32%的中國高管計劃重新設(shè)計崗位以融入該技術(shù)。

77%44%37%40%(同意這一說法的企業(yè)占比)

90%20232024問題：未來一年，貴公司在數(shù)字化轉(zhuǎn)型項目上的總投入將如何變化?(單選)數(shù)據(jù)來源：2024年3-4月(N=450)。數(shù)據(jù)來源：《2024埃森哲中國企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)》、《埃森哲全球重塑調(diào)研》甲子光年智庫總結(jié)整理關(guān)于AI的影響及所需的應(yīng)對舉措，

強烈認同的企業(yè)占比AI等新興技術(shù)數(shù)據(jù)來源：埃森首全球重型調(diào)研，2023年10-11月(全球N=1500，中國N

=110)中國企業(yè)數(shù)字化轉(zhuǎn)盟投資意愿2024年vs.2023年 AI為效率提升提供了重大機遇

AI為營收增長提供了重大機遇39%26%減少增加15%及以內(nèi)

增加25%以上價值

影響

舉措

無明顯變化

增加15%-25%（含）40%30%13%19%27%38%14%15%24%44%要想充分利用AI，

組織流程需要巨大變革要想充分利用Al，人才隊伍需要發(fā)生巨大變革我們嘗試重新

設(shè)計現(xiàn)有的工

作崗位，以融入AI將使我們的工作更充實、

更有意義AI對企業(yè)的影響AI將為我們

的勞動力創(chuàng)造

新的就業(yè)機會全球中國53%59%46%32%3%3%

應(yīng)用基礎(chǔ)：數(shù)據(jù)賦能與多樣場景下的AI

Agent機遇

數(shù)據(jù)的廣泛積累為AI

Agent的發(fā)展奠定了堅實基礎(chǔ)。隨著中國各行業(yè)數(shù)字化滲透率的持續(xù)提升，

多元化的產(chǎn)業(yè)結(jié)構(gòu)與龐大的用戶數(shù)據(jù)量為Agent技術(shù)提供了豐富的訓(xùn)練資源和廣闊的應(yīng)用空間。

目前，

AI

Agent的應(yīng)用場景主要以任務(wù)為導(dǎo)向，充分發(fā)揮了其基于環(huán)境感知和目標設(shè)定進行決策的能力。通過不斷優(yōu)化策略，

AI

Agent能夠有效

提升任務(wù)執(zhí)行的績效，展現(xiàn)出其在實際應(yīng)用中的強大潛力。行業(yè)應(yīng)用

廣泛數(shù)據(jù)來源：Oracle、AWS、甲子光年智庫總結(jié)整理

www.jazzyear.comAIAgent能夠管理家庭自動化系統(tǒng)，響應(yīng)語音指令，自動調(diào)節(jié)家電設(shè)備、照明和安防系統(tǒng)，基于安全設(shè)備數(shù)據(jù)檢測潛在威脅，實現(xiàn)家庭環(huán)境的智能調(diào)控，提升家居生活的便利性和安全性。AIAgent能夠依據(jù)玩家行為、游戲環(huán)境等實時數(shù)據(jù)，自主調(diào)整行動策略，生成豐富多變的游戲體驗，自動適應(yīng)不同游戲場景，

為玩家提供更具沉浸感和挑戰(zhàn)性的交互，減輕開發(fā)人員的負擔(dān)。AIAgent在零售領(lǐng)域大顯身手，電商平臺利用它與客戶進行個性化溝通，自動分析客戶行為和偏好，精準推送產(chǎn)品推薦和促銷建議，促進客戶購買，提升銷售效率和客戶滿意度。高端制造中的機器人集成AIAgent，能夠感知環(huán)境變化，自主決策并執(zhí)行復(fù)雜任務(wù)，如裝配、打包、質(zhì)量檢測等，提高生產(chǎn)

效率和準確性，實現(xiàn)自動化生產(chǎn)流程。在媒體娛樂平臺，AIAgent依據(jù)用戶觀看歷史、喜好等數(shù)據(jù)，自動生成個性化的內(nèi)容推薦列表，自動調(diào)整推薦策略，提升用戶參與度和觀看體驗。AIAgent通過實時感知路況、交通信號等信息，自動規(guī)劃最優(yōu)路徑，動態(tài)調(diào)整行駛路線，實現(xiàn)車輛從起點到終點的智能駕駛，提高出行效率，減少人為干預(yù)，確保行程安全。AIAgent可自動收集、分析海量金融市場數(shù)據(jù)，快速識別交易模式與異常波動，自主執(zhí)行交易指令或發(fā)出預(yù)警，協(xié)助金融機構(gòu)制定精準策略，提高決策效率，降低風(fēng)險。AIAgent能自動整理和分析患者數(shù)據(jù)、醫(yī)學(xué)影像等資料，輔助醫(yī)生進行疾病診斷，自動提供診斷建議，幫助醫(yī)護人員制定個性化治療方案，提高醫(yī)療服務(wù)的準確性和效率。媒體娛樂游戲行業(yè)金融行業(yè)零售行業(yè)智能家居高端制造交通出行醫(yī)療健康…………核心

驅(qū)動

企業(yè)級AI

Agent并非單一工具的集合，而是一個集感知、思考、決策與執(zhí)行于一體的數(shù)字員工。它以自然語言為交互入口，通過自動化執(zhí)行、內(nèi)容創(chuàng)造與數(shù)據(jù)洞察，深度融入業(yè)務(wù)的每一個環(huán)節(jié)，系統(tǒng)性地重塑組織生產(chǎn)力，定義全新的工作范式。其核心在于Agent的多模態(tài)理解與邏輯推

理鏈（CoT）能力，能夠整合分析不同來源

的數(shù)據(jù)并發(fā)現(xiàn)深層因果關(guān)系。

數(shù)據(jù)來源：公開資料，專家訪談，甲子光年智庫整理其核心在于Agent強大的自然語言理解（NLU）與意圖識別能力，能精準捕捉人

類模糊、多樣化的指令并翻譯成精確的機用最自然的語言對話替代繁復(fù)的軟件操作界面

，讓每

一位員工都能輕松調(diào)用全公司的數(shù)字化能力與服務(wù)

，極大降低技術(shù)使用門檻。

新一代生產(chǎn)力引擎：

企業(yè)級AI將沉睡的數(shù)據(jù)轉(zhuǎn)化為可行動的洞察，不僅呈現(xiàn)“是什么”，更能解釋“為什么”，并預(yù)測“會怎樣”，讓

企業(yè)決策由經(jīng)驗驅(qū)動轉(zhuǎn)向數(shù)據(jù)驅(qū)動。內(nèi)容生成：企業(yè)創(chuàng)造力的放大器自動化：企業(yè)執(zhí)行力的倍增器其核心在于大型語言模型（LLM）

強大的

知識整合與文本生成能力

，使其能深度理Agent的核心能力驅(qū)動企業(yè)數(shù)字化變化交互范式：企業(yè)軟件的遙控器數(shù)據(jù)分析：智能決策的參謀部融合內(nèi)外部海量信息

，規(guī)?；⑶榫郴厣筛哔|(zhì)量

內(nèi)容

，從個性化營銷文案到嚴謹?shù)募夹g(shù)文檔

，賦能每超越傳統(tǒng)RPA，通過理解、規(guī)劃與自主執(zhí)行，端到端

打通跨系統(tǒng)業(yè)務(wù)流程，將人力從海量重復(fù)性工作中解調(diào)用（Tool-use）能力，能像人一樣思考其核心在于Agent具備的自主規(guī)劃與工具并選擇最優(yōu)路徑完成復(fù)雜任務(wù)。解語境并模仿人類的創(chuàng)造力。器操作。一次精準溝通。放。金融、醫(yī)療、法律、財務(wù)、生產(chǎn)、物流、資管、人力等專業(yè)性極強的領(lǐng)域，往往需要專崗專職人員進行多年學(xué)習(xí)完成專業(yè)性內(nèi)容的整理、收集、分析、反饋及生成交付“專家級的數(shù)字員工”流程性工作交互性工作游戲、娛樂、影視、營銷、廣告、教育等需要更多靈感及創(chuàng)意的領(lǐng)域創(chuàng)造性內(nèi)容的整理、收集、分析、反饋及生成交付游戲、娛樂、影視、營銷、廣告、教育等需要更多靈感及創(chuàng)意的領(lǐng)域更自然，更類人，帶有情緒價值的表達，并且表達中迅速形成合理的反饋金融、醫(yī)療、法律、財務(wù)、生產(chǎn)、物流、資管、人力等專業(yè)性極強的領(lǐng)域，往往需要專崗專職人員進行多年學(xué)習(xí)完成更自然，更類人，帶有外置大腦的表達，并且表達中迅速形成合理的反饋借助AIGC規(guī)?；咝傻哪芰?，實

現(xiàn)低成本、高質(zhì)量的創(chuàng)意素材生成，加速內(nèi)容制作流程，為新的制作方式

及分發(fā)模式提供基礎(chǔ)，為產(chǎn)業(yè)創(chuàng)新提

供基礎(chǔ)。通過對特定行業(yè)、場景的數(shù)據(jù)進行專

業(yè)提煉、分析和加工，并結(jié)合自動化

流程，成為企業(yè)的專家級“超級員工”，為部分專精領(lǐng)域?qū)崿F(xiàn)創(chuàng)新與變

革提供新的流程和方式。讓更多面向用戶的前端人員或前端產(chǎn)品充分理解專業(yè)知識，以“外置大腦”

整體提高客戶服務(wù)的經(jīng)驗水平與智能化水平，用“群體智慧”解決單點問

題。提供個性化反饋，成為隨時一起頭腦風(fēng)暴的靈感伙伴。以情緒價值為創(chuàng)造力提供溫度，讓內(nèi)

容創(chuàng)作不再苦心孤詣。 Agent場景地圖：四類角色各司其職“讓想象力落地的創(chuàng)造者”“貼心反饋的靈感伙伴”“前端交互的大腦顧問”內(nèi)容自由度高（容錯性高）內(nèi)容專業(yè)性高（容錯性低）數(shù)據(jù)來源：公開資料，專家訪談，甲子光年智庫整理數(shù)據(jù)資客財務(wù)物物4類數(shù)據(jù)流原材料?核心/非核心材料?物流?

……產(chǎn)品/貨物?生產(chǎn)過程產(chǎn)品?

廢料?

……商品?

SKU管理?價格管理?

……

采購及銷售

數(shù)據(jù)流在人、物、財、資中無處不在，卻常常割裂在不同的部門和IT系統(tǒng)里，造成“堵點”?AIAgent就像一個“疏通管道的專家”，有能力深入企業(yè)的IT架構(gòu)和業(yè)務(wù)流程的“毛細血管”——看懂非結(jié)構(gòu)化的數(shù)據(jù)，理解各個環(huán)節(jié)的語境，把堵在各個節(jié)點的人、物、財、資信息打通，讓正確的數(shù)據(jù)，在正確的時間，找到正確的人和系統(tǒng)。物?AI

Agent基于推理能力

，幫助企業(yè)更好地理解自身的底層數(shù)據(jù)資產(chǎn)，提升企業(yè)的智能化水平，實現(xiàn)智能化運營，從而提升企業(yè)的效率和能力?AI

Agent

可以改變以往企業(yè)各個環(huán)節(jié)的依賴內(nèi)容（非機構(gòu)化數(shù)據(jù)）交互流程及效率，實現(xiàn)部門與部門間、部門內(nèi)容之間的溝通更為順暢加工訂單倉儲管理自動補貨產(chǎn)品組合銷售信息產(chǎn)品營銷;----------------+生產(chǎn)部門

數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理

www.jazzyear.com企業(yè)級Agent打通數(shù)據(jù)流，

成為全局優(yōu)化師供應(yīng)商?一級供應(yīng)商

?二級供應(yīng)商

?

……企業(yè)?分公司/子公司

?各地辦事處?

……銷售?售前/售中/售后?營銷模式

?

……用戶?

to

B/to

C客戶

?

KA客戶/小客戶

?

……供應(yīng)商內(nèi)部費用?工資及獎金

?績效獎金?

……企業(yè)內(nèi)部供應(yīng)采購生產(chǎn)工藝?流程審批

?

網(wǎng)銀轉(zhuǎn)賬

?

……?流程審批

?

網(wǎng)銀轉(zhuǎn)賬

?

……?原料管理

?采購流程

?

……?生產(chǎn)調(diào)度

?存貨管理

?

……人企業(yè)流程示例生產(chǎn)/貨物調(diào)配應(yīng)付賬款應(yīng)收賬款資財采購財資財戶AIAgent通過數(shù)字員工與系統(tǒng)重構(gòu)，試圖去實現(xiàn)“以人為本”的數(shù)字流程建設(shè)

物流行政設(shè)計資金管理產(chǎn)品開發(fā)開發(fā)戰(zhàn)略決策用戶反饋

制造AIAgent可以最小成本地構(gòu)建數(shù)字員工與自動化流程，更快更敏捷地構(gòu)建以人和業(yè)務(wù)的流程設(shè)計“假想”的工作流程往往過于美好：個人工作流程、部門間的流程、部門內(nèi)部的流程有序明確，各工種之間分工極其明確，單人認知清晰共通；實際的產(chǎn)品的應(yīng)用中需要大量的培訓(xùn)、對齊、流程設(shè)計，往往失去了數(shù)字化產(chǎn)品的核心初衷——往往為了數(shù)字化而數(shù)字化企業(yè)具有多個部門行政人力組織文化行政管理功能開發(fā)績效管理法律顧問公司培訓(xùn)招聘管理資金統(tǒng)籌預(yù)算分析成本控制內(nèi)部審計采購供應(yīng)倉儲物流設(shè)備維護質(zhì)量檢測渠道管理客戶服務(wù)廣告投放品牌公關(guān)流程示意圖信息安全項目管理系統(tǒng)運維1.流程起點：

【任務(wù)理解】Agent通過自然語言理解(NLU)能力，精準解析人類

下達的、甚至模糊的指令。它將一個“請求”轉(zhuǎn)化

為一個清晰、可執(zhí)行的內(nèi)部“目標”。2.核心中樞：

【思考規(guī)劃】3.能力執(zhí)行：

【工具調(diào)用

】Agent根據(jù)規(guī)劃好的路徑，像熟練的員工一樣，精

準調(diào)用一個或多個“數(shù)字化工具”（如企業(yè)內(nèi)部的API、

CRM/ERP系統(tǒng)、數(shù)據(jù)庫、甚至是外部應(yīng)用），以完成具體操作。4.

閉環(huán)終點：

【結(jié)果反饋

】過往的工作流程及系統(tǒng)設(shè)計圍繞“機器”進行不止于工具：AI

Agent是天然的數(shù)字員工Agent整合所有執(zhí)行步驟的結(jié)果，生成最終的答案

或完成狀態(tài)報告，并將其反饋給用戶。整個流程形

成了一個可追蹤、可學(xué)習(xí)、可優(yōu)化的閉環(huán)，

完美復(fù)

刻了優(yōu)秀員工的工作模式。真實的工作流程：系統(tǒng)復(fù)雜，需要同時和多個部門和人員同步協(xié)調(diào)銷售基于目標進行自主推理，將復(fù)雜任務(wù)拆解為一系列

有序的、可執(zhí)行的子步驟，并動態(tài)規(guī)劃出調(diào)用何種

工具、以何種順序執(zhí)行的最優(yōu)路徑。實現(xiàn)復(fù)雜問題的

簡單化AI員工AI員工人類員工……數(shù)據(jù)來源：公開資料，專家訪談，甲子光年智庫整理

22技術(shù)開發(fā)生產(chǎn)計劃財務(wù)管理稅務(wù)管理市場運營商務(wù)銷售財務(wù)資金生產(chǎn)制造市場營銷IT信息創(chuàng)意采購財務(wù)IT規(guī)劃庫存中心渠道中心商品中心訂單中心會員中心第三方業(yè)務(wù)

管

理應(yīng)用管理會員中心渠道中心商品中心結(jié)算中心PC運營管理小程序商城App管理/商城一

級

分

銷分

銷分

銷分

銷分

銷電商

渠

道傳

統(tǒng)

渠

道線上電商線上電商線上社會化營銷線下社會化營銷線

上用

戶商品管理分賬中心銷售訂單管售后服務(wù)客服中心線下用戶銷中心銷售結(jié)算門分品牌

送貨上門AI原生思維重構(gòu)工作邏輯AI

Agent成為企業(yè)數(shù)字化平臺的中樞大腦，靈活鏈接前后作業(yè)鏈路，粘合企業(yè)多種能力，每個企業(yè)都可打造自己的數(shù)字化新范式企業(yè)數(shù)字化平臺供應(yīng)端（交易）品牌端（交易+運營）平臺端（后臺管理）AIAgent將模式翻轉(zhuǎn)為“流程找人”：AIAgent主動理解目標，主動調(diào)度后臺各系統(tǒng)和服務(wù)，完成所有步驟，僅將唯一需要人來決策或確認的節(jié)點精準推送給人渠道端/終端（交易）用戶端（交互）過去的模式是“人找流程”：人主動登錄多個系統(tǒng)，在復(fù)雜界面里找入口、導(dǎo)數(shù)據(jù)、提申請，主動遷就機器和流程，費時又費力AI

Agent開啟AI原生思維，翻轉(zhuǎn)數(shù)字化邏輯倉庫接單倉庫接人單“找”數(shù)字化流程交易訂單自有平臺

下單數(shù)字化流程“找”人數(shù)字化組織數(shù)字化分銷

數(shù)字化終端AI

Agent數(shù)據(jù)來源：公開資料，專家訪談，甲子光年智庫整理wwwjazzyear.

com理

集成數(shù)據(jù)物流接單數(shù)字化系統(tǒng)數(shù)字化營銷數(shù)字化采購線上

營銷推廣

物流接單線上用戶活動三方平臺

下單總倉+電商倉23戶典型行業(yè)分析【金融】——數(shù)字化轉(zhuǎn)型的

“智能引擎”，驅(qū)動生產(chǎn)力范式重構(gòu)

在金融領(lǐng)域，AI

Agent作為“認知-決策-執(zhí)行”閉環(huán)AI實體，以實時數(shù)據(jù)為感知輸入，依托動態(tài)知識圖譜與強化引擎，實現(xiàn)毫秒級復(fù)雜任務(wù)自主

拆解與策略進化。

在金融領(lǐng)域，AI

Agent核心價值顯著：通過端到端自動化、實時風(fēng)控、持續(xù)學(xué)習(xí)優(yōu)化，打破傳統(tǒng)流程壁壘，釋放效率紅利；以低成本、自動化服

務(wù)觸達邊緣群體，推動AI-native金融產(chǎn)品創(chuàng)新，重構(gòu)金融服務(wù)普惠性。同時，通過融合“業(yè)務(wù)組織能力”“科技實施能力”，借助工程化治理，

確保AI

Agent穩(wěn)定嵌入業(yè)務(wù)，最終實現(xiàn)金融生產(chǎn)方式的底層變革——從人工滯后決策到智能實時響應(yīng)，

從單點工具到全鏈路生產(chǎn)力躍遷，

成為驅(qū)3.

務(wù)。并規(guī)劃執(zhí)行，調(diào)用外部工具完成；混合傳統(tǒng)工作流及4.從歷史任務(wù)中學(xué)習(xí)，優(yōu)化決策、規(guī)劃及工具調(diào)用，長期提升性能與準確性。5.覆蓋傳統(tǒng)服務(wù)難觸達的人群與地區(qū)，推動金融普惠，是其重要創(chuàng)新優(yōu)勢。力任能子行為執(zhí)解強分增標能目議層協(xié)高MCP可將重塑金融生產(chǎn)方式，釋放巨大生產(chǎn)力1.6、0

環(huán)，

詢（如）貸、

成）本，顯。著提升效率（如KYC實時監(jiān)控內(nèi)外部變化（市場波動、風(fēng)險事件等），快速分析決策并行動，超越傳

統(tǒng)滯后數(shù)據(jù)與人工分析模式。降低運營款全流程標準查雜任務(wù)%復(fù)客服解決70節(jié)協(xié)同完成%跨審核提效能跨系統(tǒng)科技&

實施能力業(yè)務(wù)&組織能力戰(zhàn)略落地戰(zhàn)略

業(yè)務(wù)驅(qū)動和科技引領(lǐng)的關(guān)系業(yè)務(wù)客戶經(jīng)營和安全合規(guī)的關(guān)系科技

自主研發(fā)和生態(tài)共建的關(guān)系組織人機協(xié)同和崗位重構(gòu)的關(guān)系落地

自上而下和自下而上的關(guān)系效率生產(chǎn)力提升

智能水平深化客戶體驗增強業(yè)務(wù)模式創(chuàng)新風(fēng)控合規(guī)強化智能規(guī)劃與復(fù)雜任務(wù)執(zhí)行持續(xù)學(xué)習(xí)與自我優(yōu)化降低金融服務(wù)門檻和成本動金融數(shù)字化轉(zhuǎn)型的“智能核動力”。金融智能體的核心價值大模型和小模型的關(guān)系提示詞和知識庫的關(guān)系業(yè)務(wù)靜態(tài)編排和動態(tài)規(guī)劃的關(guān)系科技數(shù)據(jù)治理和智能體治理的關(guān)系組織自主執(zhí)行和人工干預(yù)的關(guān)系打破流程壁壘，實現(xiàn)端到端自動化金融智能體建設(shè)自主感知與實時響應(yīng)2.數(shù)據(jù)來源：公開資料、甲子光年智庫總結(jié)整理24 AI

Agent以

“工具革命+生態(tài)重構(gòu)”雙輪驅(qū)動金融變革：

一方面，通過“端到端自動化+實時感知決策+持續(xù)學(xué)習(xí)進化”能力，在垂直場景實現(xiàn)突破

——銀行風(fēng)控全流程自動化打破信息壁壘，證券

投研決策實時穿透數(shù)據(jù)迷霧，保險產(chǎn)品借智能觸達長尾用戶。

另一方面，

依托通用場景釋放人力，

推動服務(wù)體驗從“流程驅(qū)動”轉(zhuǎn)向“供需適配”。其本質(zhì)是以

“效率提級（降本）

+能力擴容（增效）

+模式創(chuàng)新（破界）”三重推力，打破傳統(tǒng)金融服務(wù)的供需壁壘，重構(gòu)“智能普惠、動態(tài)風(fēng)控、高效運營”新范式，成為撬動萬億金融市

場進化的核心支點。AI

Agent在金融領(lǐng)域具體應(yīng)用場景示例，跨越多個場景培訓(xùn)陪練模擬復(fù)雜業(yè)務(wù)場景（如極端風(fēng)險處置）、話術(shù)智能點評優(yōu)化、考試錯題溯源輔導(dǎo)營銷助手客群畫像動態(tài)更新、營銷素材個性化生成、

投放效果實時歸因、蛇拳運營產(chǎn)品開發(fā)與銷售非標場景需求挖掘、條款智能拆解匹配、

續(xù)保策略AI預(yù)測核保核賠醫(yī)療數(shù)據(jù)智能交叉驗證、

定損規(guī)則動態(tài)適配、反欺詐模型實時運行

典型行業(yè)分析【金融】——重塑金融服務(wù)生態(tài)，從流程革命到價值共創(chuàng)智能用數(shù)跨系統(tǒng)數(shù)據(jù)自動整合、分析模板智能調(diào)用、異常數(shù)據(jù)根

因追溯知識助手監(jiān)管條文智能解讀、業(yè)務(wù)案例匹配推送、合規(guī)問

答實時響應(yīng)內(nèi)容審核實性校驗、輿情

信息風(fēng)險評級投研產(chǎn)業(yè)鏈數(shù)據(jù)自動聚合、政策影響模擬推演、

研報邏輯智能校驗投行并購標的匹配測算、招股書合規(guī)智能核查、路演輿情實時追蹤研發(fā)助手金融模型低代碼搭建、算法

參數(shù)智能調(diào)優(yōu)、

系統(tǒng)漏洞自動

掃描信息檢索與打標研報/公告語義化檢索、風(fēng)險事件自動關(guān)聯(lián)打標、數(shù)據(jù)資產(chǎn)標簽體系構(gòu)建監(jiān)管合規(guī)條款合規(guī)自動校驗、理賠數(shù)據(jù)穿透式監(jiān)管、

機構(gòu)行為模式畫像智能客服多模態(tài)交互（語

音

+手勢

+情緒

識別

）、復(fù)雜訴

求分層處理、服

務(wù)話術(shù)動態(tài)優(yōu)化信貸盡調(diào)報告智能生成、風(fēng)險模型動態(tài)適配、授信策略AI模擬風(fēng)控輿情風(fēng)險實時掃描、欺詐模式智能識別、壓力測試自動化數(shù)字人金融直播實時互動

（答疑

+投教）、

VIP客戶專屬服務(wù)

代理、品牌

IP場景

化應(yīng)用辦公助手會議紀要智能生成、

任務(wù)自動拆解