什么是智能体云厂商把模型、知识库和工作流装进一套开发平台行业软件公司让智能体进入财务、金融和企业管理系统一些垂直应用厂商直接瞄准营销、客服、风控等具体业务还有一批从RPA和流程自动化走出来的公司试图解决智能体最后一步的问题——让AI真正进入系统执行任务。它们都叫“AI智能体”做的却不是同一门生意。这也是观察垂直智能体市场最容易踩中的误区如果只比较模型参数、知识库数量和插件数量很难看清一家厂商真正擅长什么。决定垂直智能体能否落地的往往不是它会不会回答行业问题而是它能否理解业务、调用工具、进入系统并在权限和审计边界内完成任务。需要说明的是本文标题中的“头部玩家”不是市场份额排名而是指公开资料相对充分、在不同技术路线或行业场景中具有代表性的厂商与平台。十家企业也不处在同一竞争层级横向对比的目的是看清不同路线分别解决什么问题。一、垂直智能体混战真正争夺的是什么过去企业判断一款AI产品首先会问它用了什么模型、参数有多大、回答是否准确。到了智能体阶段这套评估逻辑只说对了一半。通用模型能力正在成为公共底座。企业可以调用不同模型也可以通过RAG接入私有知识。真正拉开差距的是模型之上的行业数据、业务入口、系统连接和流程闭环。云平台争夺的是开发入口。行业软件厂商争夺的是业务入口垂直应用厂商离业务结果更近流程自动化厂商争夺的则是执行入口当智能体做出判断后谁负责进入系统、操作页面、提交结果并把整个过程留痕。图1 垂直领域AI智能体的四条竞争路线二、10家玩家入场但走的是四条不同路线路线一云平台想成为智能体的基础设施华为云盘古、阿里云百炼和腾讯云智能体开发平台ADP代表了模型与云端开发底座路线。华为云官方将盘古大模型服务定义为“模型能力开发平台”的产品组合由盘古系列大模型和ModelArts Studio组成。后者覆盖数据、模型和应用开发Agent工具链包括工作流、知识库和提示词工程。它更适合放在行业模型、开发工具链和云生态中观察而不是简单当成一个垂直智能体产品。阿里云百炼强调零代码连接大模型、知识库和外部工具智能体可以规划任务、调用插件并通过API或第三方渠道发布。腾讯云ADP则重点覆盖知识问答、RAG、工作流、多智能体、企业权限和工作空间管理。两者首先都是建设工具而不是替企业自动完成某条业务流程的现成应用。云平台提供的是造智能体的“工厂”。但工厂能够生产什么仍取决于企业有没有行业知识、业务流程、系统接口和交付团队。路线二行业玩家把智能体塞进具体业务蚂蚁数科Agentar、百融智能和趣致集团代表的是更靠近行业或业务结果的路线。从现有公开研究资料看Agentar主要面向金融机构的智能体开发与应用适合从金融专业知识、推理模型和行业场景角度观察。不过其稳定可访问的完整官方产品资料仍然有限因此不宜把论文或媒体材料中的能力直接扩大成确定的产品结论。百融智能的公开布局更贴近金融营销与运营覆盖智能营销、客服、贷后、审核和决策等方向。趣致集团的位置又不一样其法定披露资料显示公司更接近AI互动营销和智慧零售应用方通过智能终端、数据能力和数字人导购服务消费品牌。垂直应用厂商的优势是距离业务结果更近限制也同样明显——场景越深入能力越依赖行业数据和流程经验跨行业复制的难度通常越高。路线三企业软件开始给原有系统加上“智能入口”金蝶苍穹Agent和神州数码“神州问学”代表了企业软件与AI应用工作台路线。金蝶苍穹Agent的差异化来自企业管理软件基础公开体验围绕财报、业财、人力和企业经营等场景展开。神州问学定位于企业级Agent Workspace覆盖模型与算力管理、企业知识、RAG和AI应用构建。对这类厂商而言真正重要的资产不是模型而是已经存在于企业系统里的数据、流程和客户入口。但当任务需要跨越多个异构系统或者进入没有标准接口的旧系统时还需要继续解决连接和执行问题。路线四智能体开始补上“行动能力”Manus和金智维都强调“从回答走向行动”但两者代表的是完全不同的行动环境。Manus更接近通用任务型智能体根据其官方介绍它可以在独立工具环境中完成网页研究、数据分析、内容制作和开发等任务。金智维则更适合放在企业受控流程中观察其Ki-Agent公开强调大模型与RPA融合、自主规划、工具调用、多智能体协同、结果校验以及权限控制、监控和日志。金智维回答的是“智能体能否在企业边界内稳定完成一条业务流程”。两者都强调行动但运行环境、风险边界和交付目标并不相同。三、横向比较后会发现智能体能力至少被拆成了五层如果把十家代表玩家放在一起最明显的结论不是谁更强而是谁离哪一层能力更近。图2 垂直领域AI智能体的五层能力栈玩家主要路线核心领域更值得关注的能力需要注意的边界华为云盘古行业模型/平台多行业AI开发模型与全流程工具链不等同流程执行产品阿里云百炼云端Agent开发企业AI应用模型、RAG、插件与生态业务深度取决于交付腾讯云ADP企业Agent开发知识/多智能体RAG、工作流、权限平台不等于行业结果蚂蚁数科Agentar金融智能体金融机构金融知识与应用开发产品能力需逐项核实百融智能垂直业务应用金融营销运营客服、审核、贷后与决策效果数据不可泛化趣致集团智慧零售应用消费品牌营销智能终端与数字人导购应用方而非通用平台金蝶苍穹Agent企业软件原生AI财务/企业管理ERP数据和业财场景跨系统能力需评估神州问学企业AI工作台知识/应用构建模型、RAG与应用工程集团能力勿全归产品Manus通用任务Agent研究/分析/开发自主任务与工具环境非本地核心流程口径金智维流程执行智能体企业流程场景RPAAI、权限与审计效果取决于流程交付第一层是模型与行业认知第二层是知识和应用构建第三层是业务场景深度第四层是系统与流程执行第五层是企业治理。智能体能力不是一条从低到高的直线而是一组位置不同的拼图。有的厂商离模型近有的离业务近有的离企业系统和执行现场更近。企业如果只看功能清单很容易为自己并不需要的能力付费同时忽略真正的短板。四、下一阶段垂直智能体要跨过三道门槛第一道从“懂行业”走向“懂流程”行业知识可以通过模型、RAG和知识库补充但真实流程还包含岗位分工、审批规则、系统权限和异常处理。一个智能体知道报销制度并不等于它知道某张异常发票应该由谁复核、在哪个系统退回以及如何保留操作依据。第二道从“调用工具”走向“稳定执行”调用一次API不难难的是一条流程运行几个月后遇到系统改版、数据缺失、接口超时和权限变化时还能否继续工作。企业需要异常回退、人工接管、运行监控和日志追踪。这也是金智维等RPAAI厂商进入智能体市场的合理位置大模型负责理解和规划RPA承担相对确定的系统操作。第三道从“做出智能体”走向“运营智能体”当企业内部出现几十个甚至更多智能体后问题会从开发转向管理不同智能体可以访问哪些数据、调用哪些工具版本升级如何测试模型成本如何核算错误结果由谁负责这些问题不会因为模型升级而自动消失。五、垂直智能体不会只剩一家赢家垂直智能体的竞争很可能不会以“一家平台包办所有能力”结束。云平台掌握模型和开发入口企业软件掌握数据和业务入口垂直厂商掌握行业经验和场景产品流程执行厂商负责连接异构系统并完成行动闭环通用智能体则继续探索更开放的任务边界。它们之间既有竞争也可能形成组合关系。因此企业观察一家垂直智能体厂商不能只问模型有多大、可以创建多少个Agent。更应该问四个问题它掌握了哪个行业入口进入了哪一段业务流程最后一步由谁执行出了问题又由谁负责能回答这四个问题才算真正看懂了这张垂直领域AI智能体全景图。
