企業智能體“三宗罪”

最近在網上沖浪，學到了不少關于智能體的黑話。比如說一家公司說我們有agentic workflow，實際上就是寫幾個for循環調用API；說自己正在做AI agent，不過是把一群只有金魚記憶、胡言亂語的AI湊在一起開會，直到掏空錢包。

沒想到被業內人士看好的企業智能體，卻成了老板眼中不頂用、員工眼中純忽悠的存在，這就很諷刺了。

畢竟2025年初，智能體爆火之后，行業內的普遍共識是，通用智能體如Manus，這類全能型AI助手不懂業務，無法滿足企業對高可靠、低容錯的業務要求。而懂業務、能干活、有行業沉淀的企業智能體，能嵌入企業內部流程之中，被認為是智能化轉型的主力。

沒想到一年過去了，通用智能體依然是長盛不衰、自帶流量的技術網紅，從Manus到clawbot，老板一刷熱搜就兩眼發亮，恨不得立刻將其請進公司。

而企業智能體，可以用雷聲大、雨點小來形容。既不像通用智能體那樣炫酷而全能，能讓公司蹭上AGI的光環，又不如原來的RPA、企業系統更符合使用習慣，員工還得從頭學習，配合公司的轉型表演，紛紛在社交媒體上吐槽。

經過這一年的喧囂與試錯，我們或許該重新審視一下，企業智能體的“三宗罪”。

做企業智能體，總會強調自己扎根業務、能落地，認為通用智能體只會畫大餅、做PPT、講AGI這種宏大敘事。如果老板想在企業里引入通用智能體，他一定是被短視頻忽悠了，根本不懂技術。

這種想法，像不像很多老資歷的職場人，一旦公司里空降了技術網紅或明星高管，就覺得老板遇人不淑，自己懷才不遇？

站在企業員工的角度，通用智能體確實有華而不實的一面，就像大廠高管一樣只擅長畫PPT和AGI的大餅，到了執行層面，解決不了員工手頭真正的具體問題，比如做個報表，都得有人全程監督、一步步授權操作，毫無提效作用。結果就是公司搞了一年AI，員工心態崩了，所謂的效果全靠向老板吹業績。

反觀企業智能體，從誕生之初就能無縫融入現有工作流，理解行業術語，與ERP、CRM等系統實現API級交互，也確實在后臺默默發力，自動化繁瑣流程，幫助員工擺脫加班處理重復性工作的繁瑣。

明明企業智能體干了這么多實事，為什么老板總被Manus、openclaw這類網紅智能體吸引？一些員工和做企業智能體的軟件公司，于是得出結論：企業老板根本不懂AI。

真的是老板不懂用人，不對，用AI嗎？誠實一點吧，企業智能體的確講不出性感的商業故事。決策者、管理者內心真正想要的，還是通用智能體。

Manus這類通用智能體展示的能力，可以將模糊想法直接轉化為可執行行動、交付具體成果，自主規劃、完成復雜任務，不懂編程的市場分析師能靠它寫數據分析腳本，沒有設計背景的創業者能靠它快速生成產品原型。

這種解放生產力的AGI藍圖，自帶強大的吸引力。openclaw的爆火，就在于無數開發者基于它釋放自身的創意，這種吸引力和創造力，都是企業智能體不具備的。這種無所不能的通用能力，才符合企業對數字員工的真正期待，也是智能體顛覆工作模式的真正價值所在。

心在通用，身體卻誠實地選擇了先落地企業級智能體，是考慮到當前技術成熟度、成本效益、風險控制等多重現實約束下的一種短期的理性決策。

所以，企業智能體本身就是一個過渡期方案，會被每一次通用智能體爆火的光環所掩蓋，別用老板不懂AI來挽尊了。

再說了，會炒概念的通用智能體，真的就一無是處、干不了活嗎？

智能體之所以崛起，是源于大家對大模型要有手有腳、能真正落地執行的迫切需求。無論是通用智能體還是企業智能體，它們的底層基座都是基礎大模型。

就像是上了同一所大學的學生，只不過一個主攻通識課、追求全能覆蓋，一個專攻專業課、追求垂直深耕。

而一旦基礎大模型的能力實現提升，一些專業課壓根就不必學了，那通用智能體此前的短板便會被解決。企業智能體一直引以為傲的能力邊界，就可能被通用智能體不斷覆蓋。

年底的openclaw比年初的Manus更好用，就是例證。2025年大模型技術的突破，讓通用智能體的能力有了質的飛躍，不再華而不實，就漸漸暴露了企業智能體眼高手低的短板。

一是腦力短板。自主規劃是智能體的核心能力，2025年基礎模型升級后，通用智能體多步驟推理的邏輯性、準確性顯著提升，徹底解決了長任務鏈易出錯的問題。以openclaw為例，選擇一線基礎模型，已經能穩定處理復雜任務，還能自主優化策略。反觀多數企業智能體，僅是基礎大模型與RPA的簡單拼接，與企業現有系統淺層結合，并沒有真正的技術壁壘。

二是能力短板。此前通用智能體的一大痛點，便是部署后往往與核心業務流程和現有工具脫節，導致中看不中用。隨著智能體通信協議MCP、skill等的出現，現在的通用智能體將復雜任務拆解后，已經可以實現成熟的多智能體調度，并靈活調用技能。這種能力上的大幅提升，就覆蓋了一些原本屬于企業級智能體服務的工作內容。

三是眼力短板。企業智能體的優勢之一，是懂行。通過在特定領域的高質量數據上做深度微調，與行業知識圖譜、規則引擎、BPM系統等結構化知識源的深度集成，為垂直領域的企業提供高確定性的答案。但這份專屬優勢的壁壘，正在被通用智能體打破。2025年，頭部模型廠商普遍升級了模型上下文處理能力，讓通用智能體能夠記憶更長的對話歷史、精準理解更復雜的業務背景，而這恰恰能高效適配長篇文檔處理、復雜業務流程對接等場景。

目前，一些企業智能體還能憑借行業專屬站住腳跟，但明年，后年呢？

說白了，基礎模型的智能水平仍在不斷進化，網紅通用智能體與企業老師傅的能力差距，遠比大家想象的要小。

經常裁人的朋友都知道，“廣進計劃”一般先裁中層，因為干的活比基層少，拿的薪資卻高得多，性價比最低。而企業智能體，就像是智能體領域的那個中層。

如果說前兩大硬傷是態度與能力問題，那性價比低，就是企業智能體的最大硬傷。

不可否認，通用智能體的算力消耗也很大，單次任務成本高，但它勝在標準化程度高、開箱即用，能快速覆蓋多數通用業務場景。

這類場景的特點，就是共性強、易于標準化、可規模化復制，而只要基礎模型能力提升，通用智能體就能憑借低成本、高易用性，形成碾壓性優勢。隨著規模化應用，邊際成本持續降低，長期來看，是有性價比的。

企業智能體就很尷尬了，既比不過通用智能體的靈活易開發，對比傳統SaaS軟件，投入與產出也不匹配。

先看成本項。企業智能體的開發，從數據準備、模型微調，到與企業老舊系統的集成對接，再到后續的駐場開發、持續維護，全程需要投入大量人力，走的還是傳統軟件“賣人天”的老路。

對軟件服務商來說，每進入一個新客戶、一個新細分場景，都需要進行定制化開發、數據適配與模型微調，復制成本高、規模化難度大。高成本全轉嫁給企業客戶，顯然不現實，自己扛又會壓薄利潤。

再看收入項。企業智能體無法像通用智能體那樣，為企業帶來估值提升、品牌溢價，助力融資與對外宣傳，所以最主要的收益就是為企業降本增效，真正省下錢來，或者直接拉動收入增長。

目前企業智能體的主要商業模式，包括傳統License賣許可模式，SaaS賣服務、Outcome-based按結果付費模式。但如何為結果定價，整個行業仍在探索階段，也導致企業客戶的付費意愿相對保守，不愿為不確定的價值支付高額成本。

對于如今愈發務實、極度重視AI投資回報的企業而言，企業智能體相當于花大價錢請了個專家，干的活沒比老員工更多，消耗的成本卻很高，難逃裁員先裁中層的命運。

2025年，無疑是智能體發展史上的里程碑。這一年，智能體作為企業數字化轉型核心引擎，地位已經確立了。

但同時，也是智能體從理想回歸現實的清醒之年。大量企業在實踐中發現，將一個炫酷的技術Demo，轉化為能夠穩定創造價值的生產力工具，其間的鴻溝，遠比想象中更深。

企業智能體作為一條產品路徑，正如basic等編程語言一樣，技術浪潮滾滾向前，迭代更替本是常態。真正受到影響的，是只會這一門手藝的從業者。