1. 首頁 > 生活百科 > >

企業智能體“三宗罪”

軟件manusai

企業智能體“三宗罪”

文章圖片

企業智能體“三宗罪”

文章圖片

企業智能體“三宗罪”

文章圖片

企業智能體“三宗罪”

文章圖片

企業智能體“三宗罪”

文章圖片

企業智能體“三宗罪”

文章圖片

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?；瘡椭?， 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?；瘧?， 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?；y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 。
【企業智能體“三宗罪”】

    推薦閱讀