企业核心系统首次要求Agent满足硬性准入标准

应当承认的是，这套AI Agent标准并不会让智能体瞬间变得更聪明，也无法彻底消除模型幻觉，更无法直接替代企业进行业务流程重构。毕竟，车辆能否真正行驶，依然取决于模型能力、行业数据、软件工程、企业治理和组织变革能否协同到位。但它至少解决了一个关键前提：使智能体从“可试用”阶段迈向“可纳管”状态。

从当前视角来看，这套AI标准的真正价值，并非终结所有“信息孤岛”，而是为企业提供了一个重新思考系统架构的契机。

当各家技术服务商纷纷比拼模型能力、展示Agent演示效果时，真正决定Agent能否进入金融、制造、政务等核心系统的关键因素究竟是什么？

一个真实的案例发生在2026年初。国内某知名跨境电商企业引入了由不同厂商开发的“AI采购智能体”和“AI仓储智能体”。在一次促销备货中，采购Agent由于未能正确解析仓储Agent发送的非标准格式库存预警，盲目向海外供应商下达了价值数百万的冗余订单。更棘手的是，两家厂商的Agent接口不统一，缺乏统一的身份认证和完整的行为审计链路，企业甚至无法查明具体是哪个环节的语义理解出现了偏差。

这并非孤例。在过去一年的大模型落地浪潮中，类似情况频繁发生。这些现象背后，一个更深层的现实正在浮现：AI技术在企业落地的最大障碍，正从“模型是否聪明”演变为“Agent之间的协作与责任追溯”。

值得关注的是，这一僵局在刚刚过去的6月，迎来了一个关键转折点。

6月26日，市场监管总局批准发布了《人工智能智能体互联》系列7项国家标准（以下简称“标准”），这是我国首个面向智能体互联的国家级标准体系。

这项标准填补的，是一套此前长期缺失的基础秩序：让Agent之间能够实现互认、协作、调用和任务交接。正是这套秩序，首次赋予了Agent进入企业核心系统的资格。

智能体的“信息孤岛”问题，正迎来终结的可能。

AI Agent进入企业核心系统，“秩序混乱”成首要挑战

过去一年，中国并不缺乏智能体。数据显示，截至2025年，已有超过50万名开发者在字节跳动的扣子平台上创建了200多万个智能体，覆盖金融、医疗、教育等30多个行业。阿里云百炼、百度、腾讯元器、智谱清言的智能体商店中，每天仍有成千上万的新Agent被开发出来。

第三方机构测算，2025年中国AI Agent市场规模约为182亿元，一年增长近八成。IDC给出的远景更为宏大，称到2030年，全球将有22亿个AI Agent像新型数字劳动力一样涌入各行各业。

不难看出，Agent的供给侧已经十分繁荣。

然而，将视线转向产业落地，呈现出的却是另一幅并不乐观的图景。Gartner曾预测，到2026年底，40%的企业应用将内置智能体。但同时，它也给出了另一个判断：到2027年底，超过40%的智能体项目可能被取消，原因包括成本失控、价值不明确和风控不足。

这一判断在特定行业已有所体现，金融业正是这道困局最清晰的缩影之一。《中国金融智能体发展研究报告》显示，约96%的金融智能体仍停留在PoC、平台搭建与试运行的探索阶段，真正进入业务运行的比例仅为4%，且大多集中在非核心场景。

问题究竟出在哪里？标准技术司副司长朱美娜在发布会上将其概括为三点：不同厂商的Agent接口、协议不统一，形成一个个“智能体孤岛”，这是生态壁垒；Agent缺乏统一身份认证与追溯机制，跨域交互面临身份仿冒、数据泄露风险，这是信任危机；缺乏通用的交互与描述规范，导致企业重复建设、集成适配成本高企，这是创新成本。

这三大问题背后，指向同一个事实：今天的Agent大多仍然是单点的、孤立的、各说各话的。

德勤在2026年《State of AI in the Enterprise》中对24个国家3235名IT和业务领导者进行的调研，侧面印证了这一点。数据显示，仅有21%的组织拥有成熟的Agentic AI治理模型，约80%的组织缺乏成熟治理能力，包括Agent决策边界、实时监控、行为异常预警、完整审计链路等。

这也解释了为何Agent的演示往往足够惊艳，但实际落地时却常常“叫好不叫座”。对于政企、制造、金融等核心流程，Agent的要求与“做一个Copilot”完全是两回事。聊天助手答错了，刷新重来即可；但一个需要处理资金、产线、审批的Agent，企业真正需要的是另一套能力：身份可认证、行为可追溯、结果可问责，且接口必须足够稳定。

无法满足这些要求的Agent，最多只能停留在边缘场景，承担客服、辅助和外围自动化等任务，很难真正进入企业核心系统。换言之，过去一年，行业解决的是“有没有Agent”的问题；而真正卡住产业化进程的，是“Agent之间有没有秩序”。

随着企业对Agent的需求不断提升，这一问题的紧迫性也愈发明显。数据显示，在乐观情景下，到2035年，Agentic AI可能贡献约30%、超过4500亿美元的企业应用软件收入。在这一趋势下，Agent需要的不仅更多应用和场景，更是一套能够支撑互联互通的协议体系。只有补上这块基础设施，Agent才能从单点工具走向系统协作，也才能真正承接下一阶段的产业落地需求。

AI Agent需要一套“交互体系”

对于Agent互联互通的问题，业内其实早已有所警觉。在此之前，全球范围内事实上的Agent互联协议已基本成形，且不止一套。例如，2024年11月，Anthropic推出MCP，主要解决Agent如何调用外部工具与数据，被称为“AI的USB-C”；2025年4月，谷歌开源A2A，主攻多Agent之间的协作，被比作“智能体的HTTP”。

然而，“能连”从来不等于“敢用”。无论是MCP还是A2A，即便未来更加普及，解决的主要仍是“技术上如何连接”的问题。作为由商业公司主导、自下而上形成的开源协议，这类协议擅长打通接口，却难以覆盖另一类更关键的问题：这个Agent的身份由谁来背书？跨厂商协作一旦出事，责任算谁的？数据流入一个境外工具，合规风险又该如何处理？

因此，产业需要的并非又一个通信协议，而是一套关于身份、协作与治理的基础秩序。《人工智能智能体互联》系列7项国家标准，给出了一个答案。

那么，这七项标准究竟弥补了什么？具体来看，这是一条从身份标识、能力描述、供需发现，到协同交互、工具调用的闭环链路。

在发布会上，官方给出了一个更易于理解的“白话版”：“你是谁”（身份码与身份管理）、“你能做什么”（能力描述）、“怎么找到你”（智能体发现）、“怎么一起干活”（协同交互），以及“怎么调用工具”（工具调用）。

不难发现，这五个问题正好覆盖了两个Agent从陌生到协作的全过程。在此之前，这些环节要么没有规范，要么每家采用一套私有协议，企业每对接一次就要重写一遍适配代码。统一之后，企业可以复用标准组件、减少定制开发、缩短产品上市周期。

更值得注意的是，这七项标准并非强制性国标，而是以“国家标准化指导性技术文件”（GB/Z）的形式发布。按标准技术司副司长朱美娜的解释，这是产业培育阶段的一种“敏捷标准化”安排。换言之，Agent技术路线仍在快速演进，过早锁死可能扼杀创新，先以兼容性更强的指导性文件凝聚共识、留出试错空间。

不过，在这套“非强制”的安排中，有一点最新表态十分明确：后续将适时推动身份码相关标准向强制性国标转化，并同步加快智能体审计、智能体交易等标准的研制。

这一动作，恰恰暗含了整套标准的真正用意。将五个环节摊开来看，身份是唯一被点名要“转强制”的部分。换句话说，国家先把最敏感的“身份与治理层”纳入标准化轨道，而将“如何协作、如何调用工具”等应用层能力更多地交给市场竞争和生态演进。一方面给Agent发放了一张“进入核心”的合规凭证，使Agent首次具备了进入企业核心系统的基础秩序；另一方面又为产业生态留下了足够弹性的发展空间。

目前，在落地层面，官方已经给出了明确路径：先在北京海淀试点，由当地率先在前沿产业进行贯标验证，再向全国输出可复制的方案。

Agent生产力加速，正在路上

新秩序的建立，带来了新的产业叙事。从产业角度看，Agent的落地将经历三个阶段：工具化、流程化、系统化。这套标准的意义，正是为第三阶段铺路。

过去，企业购买一个Agent，本质上是在购买一个单点应用。这个Agent能否接入现有系统，能否与其他厂商的Agent协同，能否被审计和追责，很多时候都要依赖项目制适配。这也是为什么大量AI项目一开始演示很快，但后期落地很慢；越是核心业务，定制化程度越高，实施成本也越高。

标准化之后，Agent才可能从“项目交付”走向“产品交付”。这将给产业带来深远影响。一方面，标准会降低企业部署Agent的集成成本；另一方面，也会降低企业更换供应商时的迁移成本。底层交互规则被统一之后，厂商仍然可以在模型能力、场景理解和行业Know-how上竞争，但很难再完全依靠封闭生态锁定客户。

沿着这条逻辑，产业格局也将被重新洗牌。首先是云厂商。这次标准制定中，字节跳动旗下的火山引擎，以及小米、快手、联想等多家海淀企业都有深度参与。随着Agent需要按照统一协议实现相互发现和相互调用，谁掌握注册与发现的“枢纽”，谁掌握底层算力和平台能力，谁就有机会成为Agent时代的基础设施提供方，甚至进一步向“Agent操作系统”演进。

其次，是守住办公入口的钉钉、飞书这类厂商。标准的出现，将推动它们从“工作台”进一步升级为“Agent商店”和Agent调度平台。

被改写最深的部分，可能是行业ISV。过去，许多行业软件厂商依靠集成工时、项目交付和定制开发赚钱。但当Agent的身份、发现、协作和调用规则逐步统一，单纯依赖适配和集成的玩家可能会被挤出市场；而真正能将行业Know-how沉淀为可复用、可插拔智能体组件的公司，反而会迎来新的窗口期。金蝶、用友等老牌厂商已经在将财务、招聘、差旅等场景拆解为一个个智能体组件，这正是产业软件向Agent化演进的信号。

当然，标准并不能直接让Agent变得更聪明，也不能消除模型幻觉，更不能替企业重构业务流程。毕竟，车能不能跑起来，还要看模型能力、行业数据、软件工程、企业治理和组织变革能否跟上。但它至少解决了一个关键前提：让Agent从“可试用”走向“可纳管”。

从当前视角看，这套标准的真正价值，并非终结所有“信息孤岛”，而是为企业提供了一个可以开始重构系统的理由。

如果说大模型让企业第一次看到了AI的通用能力，那么智能体互联标准解决的是另一个更底层的问题：这种能力如何被安全、稳定、低成本地嵌入产业系统。