商业模式难变、MCP失灵，万亿企业级AI Agent市场真是好生意吗？｜甲子光年

企业级AI Agent市场如今热闹非凡，资本热捧、巨头入局，但商业模式和落地难题依然是绕不开的坎儿。这真的是门好生意吗？

核心内容：

1. 企业级Agent的崛起与资本热捧现状
2. 技术架构解析：从感知到执行的全流程能力
3. 商业模式变革与落地挑战的关键思考

企业级Agent正在成为整个toB市场的共识。

企业级智能体（toB AI Agent）正在成为全球最受资本追捧的赛道之一。

• 去年10月，由OpenAI董事会主席Bret Taylor与前谷歌高管Clay Ba vor联合创立的企业AI智能客服产品Sierra AI，以45亿美元估值完成1.75亿美元融资；
• 今年5月，帮助企业构建AI Agent的初创企业Relevance AI完成2400万美元B轮融资；
• 上个月，企业级AI平台Glean完成1.5亿美元F轮融资，号称为企业实现“Google+AI知识图谱+工作流自动化”，估值超72亿美元……

从最初帮你做分析、做研究的通用型Agent，到如今宣称能重构企业流程的“数字员工”，这股浪潮以前所未有的速度席卷而来。

此前发布的《中国AI Agent行业研究报告（二）》明确指出，

资本热捧，巨头入局，创业公司如雨后春笋，企业级Agent似乎已经成了整个AI乃至toB市场的共识。

然而，喧嚣之下，一些问题依然需要厘清：Manus、flowith Neo等通用型Agent珠玉在前，企业为什么还需要企业级Agent？企业级Agent在业务场景落地的难点是什么？它能否真正改变toB软件的商业模式？

换句话说：企业级Agent，究竟是一门好生意吗？

1. 企业级Agent崛起：从工具到“数字员工”

一个确定的事实是，企业级Agent越来越多了。

以国内市场为例：CRM赛道，销售易和纷享销客都在产品中上线了围绕销售场景的系列Agent；来也、金智维等服务商正在基于Agent能力实现从RPA到数字员工平台的升级；而HR领域，北森等公司也陆续推出了各种企业级Agent产品。

还有非常多没有列举到的企业级Agent。

从技术架构看，一个完整的企业级Agent，通常包含几个核心模块：

• 感知（多模态输入与环境感知）：
  企业业务不只涉及文本，还包括票据、合同、图纸甚至音视频。Agent需要具备处理多模态信息的能力。悦点科技创始人任鑫琦指出，Agent技术正从纯文本向图像、语音等多模态迁移，这是其能力进化的重要方向。

• 大脑（决策引擎）：
  这是Agent的核心智能所在，通常由大语言模型（LLM）驱动。它负责理解用户意图、将复杂任务分解为可执行的子任务，并根据实时反馈进行动态决策。Minimax Agent核心研发林凡提到，优秀的Agent必须具备出色的“规划执行能力”，这是衡量其智能性的关键。

• 记忆（长期与短期记忆系统）：
  Agent需要记忆来维持任务上下文，并从过去的经验中学习。

• 手脚（工具调用与执行器）：
  “大脑”的决策最终需要“手脚”来执行。这包括调用外部API、操作软件界面、读写数据库等。

企业级AI Agent的核心价值在于“大模型调度能力与全链路自动化闭环”。

之所以大量toB企业都在产品中加入了Agent，是因为它并不仅仅是传统软件的AI升级版，而是具有碘伏性的潜力。它

在访谈中，几乎所有受访者都认可：

来源：甲子光年智库《中国AI Agent行业研究报告（二）》

以来也的销售线索生成Agent为例，该Agent能自动在搜索引擎、海关数据、招投标网站中搜索、分析、比对潜在客户，并自动撰写和发送开发信，直到客户回复约定交流时间，才将任务转交给真人销售。这实现了端到端的销售线索生成，交付的是“新线索”这一工作成果。

当企业级Agent开始“干活”，它就不再仅仅是员工手中的工具，而成为了员工的“同事”。这种角色的转变，正在催生一种全新的人机协同范式。

从技术的视角看，这种迭代可以概括为数字员工的进化。从1.0阶段依赖人工配置的RPA，到2.0阶段融合常规AI能力的智能自动化，再到3.0阶段由大模型驱动、具备自主决策能力的Agent，数字员工的能力正不断跃迁。

最终的图景是：

2. 确定、垂直、落地，企业级Agent的三个标签

但问题在于，今天的用户可能或多或少都已经使用过通用型AI Agent产品，为什么我们还需要企业级Agent？

如果从产品本身来看，无论是Manus、智谱的COCO、昆仑万维的天工超级智能体，还是上述企业级Agent，它们确实都具有相似的产品形态和交互体验：一个对话框，通过自然语言交互完成任务。但

纵观市场大多数通用型toC Agent，它的任务通常是调研、创作甚至是娱乐的。例如写文章、调研报告、一键生成PPT、生成旅游攻略等。这些任务的共同点是容错率高，用户甚至可以容忍一定程度的幻觉。

“比如用户让通用型Agent调研100个网站，基于调研情况撰写报告。可能它的成功率只有70%，但完成报告已经足够了。”来也科技联合创始人兼CTO胡一川举例。

但企业级Agent完全不同。

销售易产品副总裁罗义认为，

这种收敛的思维模式，就需要企业级Agent的设计者必须将业务路径确定化，让执行结果可验证。

“我们在做自己的Agent产品时，思路就是无限收敛的，我们只在特定场景提供特定能力，输出稳定的结果，而并非像通用Agent一样为用户提供发散的结果。”罗义表示。

通用型Agent的目标是成为一个能够处理多种任务的通用平台，通过各种工具的协同工作，在数据、网页、金融等领域展现优势。所以这类Agent更偏向研究型（deep research）。

但toB却是一个需要垂直聚焦才能产生业务价值、提高效率的领域。

例如，只有深度绑定CRM业务流程、数据和场景，才能创造真正的闭环价值。销售易的销售助理Agent可以在会议结束后，自动将会议纪要同步到CRM的客户活动记录中，并为销售创建跟进任务。这种与业务系统的无缝融合是通用Agent难以企及的。

最后也是最重要的一点，就是

基于通用平台的目标设定，所以通用型Agent可调用的“工具箱”是开放的，主要由浏览器、虚拟机、搜索引擎、代码解释器等互联网基础工具构成。加之如今越来越完善的MCP生态，通用型Agent可通过MCP调用各种工具为用户输出最终结果。

然而，

“这些系统可能已经运行了十年甚至二十年，很多是桌面客户端，可能连API接口都没有。

”访谈中，胡一川与罗义都表达了这一观点。

内容总结：天工AI，制图：甲子光年

3. 不要迷信MCP

中国管理咨询行业资深专家陈果认为，

在如何与各业务系统之间进行打通，从而实现企业级Agent落地的问题上，

被认为是解决Agent与外部工具的最佳方案。

通过提供统一的协议，Agent能够像调用函数一样方便地使用各种工具。不少通用性Agent都已向用户展现过MCP的巨大潜力。

然而，一线厂商的实践中却发现，

销售易产品副总裁罗义直言，

“我的产品中可能会有上千个API。这些API在被MCP server封装时，调用的是哪一个具体的API，实际上它是语义化的。因此，我们需要把API背后的语义整理清楚，并放在MCP server里面，才能有更好的效果。但这其实是一项不容易完成的工作。”罗义透露。

简单来说，Agent需要知道在什么业务场景下、为了什么目的、应该调用哪一个API。这需要深度的业务知识，而不仅仅是一个技术协议所能提供的。

同时，

例如

企业的很多操作是事务性的，需要多个步骤全部成功才能提交，否则就需要回滚。比如一个完整的下单流程可能涉及库存检查、订单创建、支付处理、物流通知等多个API调用。但MCP本身并不提供事务管理机制。如果Agent在一个多步流程中途失败，如何保证数据的一致性是一个巨大的技术难题。

再比如

企业系统有着精细到字段级别的权限控制。而MCP协议本身并不包含复杂的权限管理逻辑。一个Agent通过MCP调用API时，如何验证其操作权限？如何确保它不会越权访问数据？这些都需要在MCP之外构建一套复杂的安全和认证体系。

还有

在金融、医疗等高合规行业，AI的每一个决策都必须是可追溯、可解释的。当Agent通过MCP调用了一系列工具最终给出一个建议时，企业需要能够清晰地审计整个决策链条。

面对MCP的局限性，toB厂商们也在根据自己的优势进行探索破局。

第一条路，是

这一点在甲子光年对销售易、来也等厂商的走访时得到的共同回复。

当应用厂商主动拥抱Agent生态，将自己的核心能力封装成易于调用的接口时，Agent的集成效率和可靠性将大大提升。更重要的是，

第二条路，是在没有原生接口的情况下，利用RPA作为“万能胶”与Agent进行结合。这是来也等典型RPA厂商的优势。通过RPA，智能体仿佛获得了“双手”，能够在业务系统上进行稳定、可靠的操作。

毋庸置疑，

如何让Agent顺利在业务场景中发挥价值，还需要企业结合自身情况探索。而企业级Agent这门生意本身，也要回归到对业务的深刻理解和对技术可靠性的极致追求上。

4. 并不容易改变的商业模式

技术上的可行性只是起点，一个生意能否成立，最终取决于其商业模式是否能被市场接受并创造持续的利润。

过去十几年，SaaS模式主导了企业软件市场。但SaaS模式的根本缺陷在于，它卖的是“工具”，而非“结果”。从本质而言，客户购买的不是软件本身，而是期望软件能解决实际问题。当经济环境趋紧，企业对ROI（投资回报）的追求变得愈发苛刻时，这种“为工具付费”的模式便显得力不从心。

而企业级Agent正在改变这一切。

今年初红杉资本在闭门会中提出，

在访谈中发现，

来也科技联合创始人兼CTO胡一川直言，这一过程“已经开始”。例如前文提到的销售线索生成Agent，向客户汇报的关键指标就是“挖掘了多少新线索”、“邮件回复率是多少”，这些都是明确的结果。

还有销售易的智能客服Agent、北森的培训Agent等等，交付物都已经从软件功能，变成了实实在在的工作成果。

这种转变的底层逻辑在于，Agent能够将过去难以量化的、依赖于人的经验和操作的“过程”，转化为可衡量、可交付的“结果”。这对于付费意愿普遍不高的国内市场而言，无疑将会是一场巨大的变革。

但需要指出的是，目前

比如Agent能提供几百份销售线索，但如何给这些销售线索定价？“我们暂时还不能确定每个线索的价值，也就难以评估客户需要支付的金额。”胡一川直言。

销售易产品副总裁罗义也表达了类似的观点，

“如果有一个清晰的量化标准，资产评估才会相对容易。”

一个销售线索的价值，不仅取决于线索本身，还与后续的转化率、客单价等多种因素相关。一份简历的价值，也与岗位的重要性、招聘的紧迫性等息息相关。在这些价值难以被精确、公允地量化之前，按结果付费的商业模式就难以大规模推行。

根据观察，目前大多数toB厂商在采取过渡性的定价方式，有些按原有SaaS模式定价，有些会额外给Agent收费，尚未完全脱离传统软件的收费框架。

5. 企业级Agent的“马拉松”才刚刚开始

回到最初的问题：企业级Agent是一个好生意吗？

答案是肯定的。多份行业报告都为AI Agent市场描绘了极为乐观的增长曲线。

根据此前头豹研究院的研究报告显示，2023年中国Al Agent市场规模为554亿元，预计至2028年将达到8520亿元，年均复合增长率高达72.7%。而在这8520亿元中，根据观研天下数据预测，

惊人的数字背后，是企业对数字化转型的持续投入和对“新质生产力”的迫切需求。

但这门生意并不好做。它不是一场短期的风口追逐，而是一场考验技术深度、场景洞察和商业耐心的马拉松。

toB AI Agent的本质，是用AI重构企业的生产关系。它不是对现有软件的修补，而是对业务流程的再造；它交付的不是更便捷的工具，而是更高效的劳动力。

它不是一个可以靠风口和概念就能轻易成功的赛道。它要求从业者抛弃ToC市场的流量思维和娱乐心态，真正沉入企业的“业务深水区”。它要将大模型的通用智能，与特定行业的知识（Know-how）、复杂的业务流程、严格的安全合规要求进行深度结合。

从目前来看，大家“都在路上”。对于那些有耐心、有智慧、深刻理解企业需求的玩家而言，企业级Agent无疑是一门值得长期投入的好生意。它不仅关乎toB商业的成功，更关乎塑造未来的工作方式和生产力范式。

这场变革，才刚刚开始。

（封面图由AI创作）