火山引擎独家对话企业级Agent落地难点

2025年，大模型确实落地了，但真要说全面开花，好像还差那么一口气。

硬币的一面，是“Agent元年”的到来。随着Manus的出圈，公众视线正式进入了Agent时间。就连今年世界人工智能大会（WAIC 2025）上，Agent也是当之无愧的主角——面向消费者的Agent花样繁多，面向企业的Agent则距离真实需求和商业价值更近。AI Agent的火热，某种意义上代表着大模型应用正在走向繁荣。

硬币的另一面，是很多企业依然困在“大模型落地难”的泥潭里。算力成本高企、数据孤岛难以打破、场景价值模糊不清——展会上那些炫酷的Demo，与业务实际痛点之间，仿佛隔着一层“毛玻璃”。那些曾被寄予厚望的碘伏性应用，不少正尴尬地卡在概念验证（PoC）阶段，等待一场更务实的进化。

没有企业想靠抛硬币来赌运，指望正好落在自己需要的那一面。企业需要的是确定性，是将已有的行业know-how，借由大模型转化为真正的生产力。

从数据来看，市场的风向已经很明显。2024年全年，智能体构建平台相关的中标项目共570个，其中372个项目公开了金额，总金额达到23.52亿元。而进入2025年上半年，相关中标项目数量已达371个，是去年同期的3.5倍，几乎逼近去年全年总量的三分之二。按照行业规律，下半年往往是订单需求集中释放的时期，今年全年的项目数量和金额，只会更加可观。

值得关注的是，火山引擎自去年下半年起已连续夺得中标数量第一；今年上半年，更同时摘得中标金额与中标数量的双项第一，增长势头相当明显。最近我们与火山引擎副总裁张鑫以及HiAgent产品负责人陈曦聊了聊，在他们看来，企业落地AI这件事，需要的从来不是单点工具，而是一个融合了“技术工具、业务适配、安全保障、服务与最佳实践”的整体解决方案。

2025年，Agent上生产线元年

回头看看互联网的历史，应用繁荣才意味着产业真正的繁荣。没有企业想要“拥有一个互联网”，但所有企业都想拥有互联网化带来的各种能力，这些能力最终以软件应用的形式呈现。

大模型产业的演化路径同样有迹可循。从预训练到精调，从算力基础设施到工具链，大模型产业走向应用层是一种必然。相比又厚又重的底层基础设施，上层应用是一条更好、更快拥抱新技术的路径。而且，这种自上而下由业务到技术的驱动模式，也使得企业更愿意为看得见的价值付费。

火山引擎对市场的认知，也随着需求变化在不断调整。张鑫提到，早期他们确实以为，应用效果很大程度上由大模型本身决定，所以想通过好的模型让大家更容易构建出好的应用。

但后来发现，有了好模型并不等于有了好应用，中间有一系列工程化实践——从提示词工程、知识库到工作流，缺一不可。火山引擎需要提供一个足够好用的智能体开发平台，把新技术的链路补全。更关键的是，除了技术工具，企业还需要考虑数据隐私保护、多环境适配、与现有业务系统打通，让AI Agent能无缝嵌入到企业已有业务流程中去。这才催生了HiAgent这样的平台。

一年多前，HiAgent发布了第一个版本。那时候，聊大模型算力、算法、Token的人很多，聊Agent的人还不多，只有一小部分企业选择开始使用HiAgent。但随后大模型的演变比大多数人预料的都要快、都要剧烈，很多过去认为的问题，似乎已经不再是问题。

“2025年是Agent元年”，几乎所有人都这么说。但问题是，Agent元年具体是什么样的？在张鑫看来，Agent元年是一个乐观的预期，智能体可能会“遍地开花”，但这种爆发需要在几个不同维度都达到临界点。

比如技术维度，大模型能力的上限，决定了智能体应用效果的下限。今天的大模型已经达到博士生的水平，这为智能体提供了很好的基础。从商业和生态的角度看，智能体最大的变化是学会使用工具——不管是通过MCP，还是谷歌提出的A2A协议，真正把智能体价值放大，还需要生态体系更加完善。

“应用之下还有大量平台和基建的工作。如果平台和基建的能力上限就在这里，那应用层的上限也就停在这里了，”陈曦说。他补充道：“模型和智能体开发平台应该是相辅相成的。模型能力做得强，平台工程化的压力就小；模型能力更强大，应用效果也会更好。两者共同决定了应用的上限。”

张鑫也总结了商业模式的变化：“大模型商业模式至今也分了几个阶段。初级阶段卖算力，按卡时收费；下一个阶段按Token收费，其实是在算力基础上叠加了大模型能力；再到下一个阶段，是按使用量或按订阅制收费。但最终智能体要爆发，应该按效果、按价值收费。比如营销额外产生了多少收益，节省了多少成本——这才是真正对得上的计价方式。”

一个新的共识正在形成：上一轮所有的应用，都会被AI重构。

咨询机构IDC预计，2025年生成式AI在企业端的落地，仍将优先聚焦在办公助手等提升生产力的场景，其次是行业垂直业务场景。金融、能源、零售、制造，是最值得关注的传统行业。而从另一个角度看，智能体将是大模型应用的重要方向，流程自动化、RPA、CRM、数字员工将优先受益于智能体升级。

从企业视角观察，路径大致是这样的：首先是企业研发、生产、供应链、销售服务等环节所依赖的软件、硬件工具，都在通过AI不断迭代升级；未来全面AI化的企业，会发生业务流程、商业模式乃至组织形态的深刻变化。

“有通用大模型，但很难有通用智能体。智能体非常依赖于场景，”张鑫强调。面对一个完全陌生的新技术，哪怕它足够革命性、足够有势能，开端也总是磕磕绊绊的。这些现象背后的本质问题，包括了模型能力边界的探索、To B场景的复杂多变、工程最佳实践的缺乏，以及数据知识质量参差不齐等。

目前企业客户认知存在两个极端。企业高层大多高估AI Agent，一线人员则很容易低估。很多企业把AI Agent当作传统的软件工程，交付验收就结束了。但企业的业务场景在变，数据在变，领域知识也在变。智能体和真人一样需要不断地学习和调教——它不是一次搭建的静态结果，而是持续调优的动态过程。

某种意义上，在大模型产业和技术尚不成熟的阶段，企业要真正发挥新技术价值，需要付出的精力并不比技术服务商少。从0到1、从无到有的拓荒，只有企业本身才能完成。相比之下，互联网产业分工明确，是因为产业基础已经齐备，技术供应商只需完成最后一公里的服务。而大模型生态，还远远没到那个程度。

跳出Agent，才能做好Agent

大模型技术有一个很有意思的特点：在发展的极早期，大部分技术都没到成熟的稳定态。所以，大模型的优化必须做端到端的把控。典型代表就是现在还留在大模型牌桌上的厂商，从底层芯片到云基础设施到大模型本身，都不能有短板。

企业Agent的技术栈同样不成熟。这就要求技术服务商向前一步，做更多端到端的服务。

对当下的智能体开发平台来说，启示很明确：企业不愿意为工具付费，但愿意为结果付费。想做好企业级Agent，就不能只做一个应用开发平台，而要沿着企业Agent的链条延展，最大程度降低企业门槛、提高Agent的价值。

如果说大模型是纵向的端到端，那么AI Agent更像是另一个横向的端到端。当然，大模型的纵向能力也可以引入其中。

火山引擎显然看到了企业的顾虑。在最近FORCE LINK AI创新巡展·厦门站上，张鑫把HiAgent定位为“一站式智能体工作台”，为的是给企业提供源源不断的数字员工，让它们与企业一同成长。这也是“Agent走向生产”的一个具象化场景和标志。HiAgent智能体平台2.0版本的产品升级，则体现在“上下左右”的迭代上。核心是，基于Agent DevOps理念，HiAgent提供策略规划、能力开发、评测、发布、观测、优化全生命周期管理，实现从模型到应用的全链路打通。

具体来看，向右意味着开发与运营一体化。智能体不是一次开发交付就能搞定的，而是一个数据不断产生、经验不断积累、知识不断丰富的过程。因此，Agent需要持续运营。HiAgent从原来智能体开发的基础上，加上了智能体运营，包括评估评测、会话管理、故障定位排查和数据优化等一系列调优过程。

这有点像云原生的DevOps理念——将开发（Dev）、运维（Ops）和测试（Test）等团队紧密结合，通过自动化流程和工具链的整合，实现软件从开发到运维的快速、高效交付。而在智能体全生命周期旅程里，Agent数字员工迭代变聪明的关键是“干中学”，并且让数据支撑贯穿始终。

HiAgent近期发布的数据流转模块，正好补上了这块拼图。数字员工干活时产生的数据，会被自动记录到学习库：用户反馈了什么，哪里答错了，流程卡在哪，系统全记下来。再通过清洗、分析、回流，变成数字员工的“经验”。和人类一样，好用的Agent数字员工，不是入职即巅峰，而是越来越懂业务。

向上，除了智能体开发平台本身，很多企业还是要直面最后一公里的问题。火山引擎提供了行业样板间和模板库，覆盖客服、营销、招聘、办公等常见场景，并进一步细分成教育、医疗、金融等行业。张鑫打了个比方：“如果说智能体开发是从0到1，有了模板以后，企业就是从0.8到1。企业可以基于模板补充符合自己需求的最后20%，小修小改就能快速完成。”

向下，则是模应一体——模型和应用一体化。除了提示词工程、知识库，大模型能力本身就是应用能力的重要来源。很多行业免不了要做自己的模型，把通用模型通过精调、强化学习，甚至通过蒸馏达到一个非常专业的领域模型程度，然后基于它做上层的智能体搭建，这样效果最好。在HiAgent新版本中，向下融入了很多模型层面的工具链，支持企业客户做好训练等操作。

向左，企业需要一个统一的智能体入口。张鑫说，跟企业合作多了以后就会发现，大家会遇到一个共同问题：基于HiAgent确实可以很方便地创建智能体，企业员工群策群力，一个企业内部往往会有几百个不同的智能体，但所有智能体的使用非常零散，分布在不同的入口。

为了方便企业员工找到并用好这些源源不断的智能体，HiAgent 2.0推出了Canvas交互门户。每个企业都有自己独特的流程和场景，智能体搭建要能够量体裁衣，让企业低门槛地敏捷创建个性化的智能体，包括调用和纳管扣子、Coze Studio开源项目等平台搭建的智能体。有了Canvas，就好比有一个“智能前台”帮你调度所有相关团队，找数字员工比找真人更容易；这个前台还能链接企业所有业务系统，用户不需要在十多个浏览器或聊天框之间来回切换，就能高效完成任务。

张鑫强调：“HiAgent的定位不仅仅是做一个技术工具，而是希望融合业务场景的最佳实践和服务保证，形成一站式的智能体工作台解决方案，帮助更多企业构建人和AI的混合型协作组织。”

Agent繁荣，大模型才是真繁荣

就像当年没有企业会为“拥有TCP/IP协议”而付费，但愿意为电商平台、ERP系统、社交媒体等买单。参照互联网发展史，应用爆发需要满足几个条件：带宽够用（能力）、成本够低（经济性）、开发够易（生态）。对应到大模型支撑Agent落地这件事上，真正的繁荣总是诞生在“能力被消化”的应用层。

张鑫提到，互联网应用看重流量和生态能力。类比到企业领域，企业内部的智能体一定不是孤立存在的。新技术和老技术有相对长的共存期，企业已有的CRM、OA、AP以及各种算法等工具还会存在。如何让智能体更好地与企业已有系统打通？火山引擎希望通过统一端来完成——比如存量系统是否可以通过工具的形式发布到平台，让智能体自由调用。这也是HiAgent要做端到端的核心之一。

陈曦也提到，未来的软件应用不一定都是Agent，很多场景依然需要传统的交互模式。Agent和传统应用相结合的方式，会长期存在。

从行业来看，企业市场的Agent有时会滞后于消费市场，但在垂直领域的纵深，要远远超过消费级应用。举个例子，某企业基于其他开源平台开发了Agent并应用于生产系统，但并发只能做到200个，远远低于实际需求，改换HiAgent之后才满足了生产环境的大规模并发。

更有意思的是，在使用HiAgent时，如果用户想总结一个会议，而企业没有会议总结助手，HiAgent就会自动调用一个特殊的工具——HiAgent-Browser-Use，像Manus那样在线用HiAgent搭建出一个会议总结助手智能体。搭建完成后，它自动注册成为超级App背后的子智能体，执行会议总结，然后把结果渲染到画布上。这就好像是，HiAgent能让Agent自我繁衍——一个更高阶的Agent创建了新的Agent。

这也说明，HiAgent不只是一个开发工具，甚至不只是一个平台产品。越来越多的客户把HiAgent视为一个完整的AI能力中心。与以往的软件应用不同，HiAgent沉淀了客户的数据和知识。云基础设施、大模型、中间件等产品和服务都是过程，最终交付给企业的，是AI能力本身——这大概就是AI Agent之于企业的意义。

张鑫提到一个印象深刻的人机协同“啊哈时刻”：广州公交集团的数字人，在内部居然有了自己的工号，在合同审核、车辆维修等多个领域持证上岗，还有自己的考评体系。硅基员工似乎真的成了企业生产环境的一部分，这也是他眼中Agent上生产线的实证。

从行业视角来看，张鑫认为，现在还是智能体开发平台的发散阶段，就像早期模型架构不统一时的“百模大战”。最终MoE架构成为主流，大模型玩家自此收敛。目前Agent的标准也并不统一，缺少公认的Agent成熟度体系。所有人都认可Agent的战略方向，只是在落地和关键能力上有所不同。

火山引擎认为，除了开发平台之外，还有几个关键因素。首先是模型的能力，其次是极致的推理性价比。字节跳动在豆包大模型本身的投入上不遗余力，更注重自身模型的效果。同时，在AI推理能力上，火山方舟也加大了投入，让Agent跑起来的时候性价比更高——这是未来Agent繁荣很重要的一个因素。

最后，不得不提一个有趣的观点。基于云计算的软件开发模式已经成为主流，但开发者使用容器等理念反而减少了对云厂商的依赖。行业也有观点认为，Agent不会增加云厂商的价值厚度，也不会增加用户黏性。

巧合的是，张鑫在加入字节跳动之前，曾在谷歌深度参与K8s的开发，之后回国创立了云原生容器平台企业才云科技，亲历了云计算时代的软件开发。他提到：“K8s让应用太容易迁移了，这是开源的胜利。我们在谷歌内部开玩笑说，某种程度上它反而有损于公有云厂商的价值，因为开发者可以把应用迁移到任何合适的环境。但Agent可能不一样。”

在他看来，对企业或开发者来说，Agent真正的黏性在于两方面：一是更具性价比的全栈基础设施，二是越用越好用的数据沉淀。“Agent更依赖于基础设施。就像DeepSeek出来之后，各家的推理成本差距很大，很多云厂商也不可用，而火山引擎提供了更好的服务。另外，Agent天然对用户有黏性，因为它有长期记忆。用户在同一个平台上，用同一个产品构建了Agent以后，用得越多，Agent就越好用。这些数据会以长期记忆或知识库的形式存在，如果数据和知识带不走，Agent的效果就会大打折扣。”

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：火山引擎独家对话企业级Agent落地难点要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题