陈运文：智能体竞争从模型能力转向业务流程

AI智能体正加速渗透至各行各业，市场规模持续攀升，但企业真正关注的焦点已发生转变——不再仅仅关注模型性能的强弱，而是更关心这项技术究竟能为自身带来多少实际价值。

根据中商产业研究院的数据，中国产业级AI智能体市场规模预计将从2024年的约31亿元增长至2029年的458亿元，复合年增长率高达71.3%。数字虽然亮眼，但更值得关注的是背后的趋势：越来越多的企业开始追问一个更务实的问题——智能体到底能完成哪些具体工作，能否真正嵌入业务流程，并持续创造可量化的商业价值？

围绕智能体的商业化落地、企业采购逻辑以及未来发展方向，达观数据创始人陈运文给出了他的判断。

企业开始为智能体的真实价值买单

概念验证阶段的故事已经讲得足够多，但真正进入企业业务流程的智能体，必须先回答一个问题：你究竟能帮我完成什么工作？

陈运文介绍，达观数据目前商业化交付的智能体产品主要有三大类：文档审核、业务流程自动化、知识问答协同。在实际应用中，它们主要承接企业内部那些重复性的文书处理、审批流程、数据核对等工作。引入智能体后，企业不仅大幅削减了低价值工作的成本，还提升了审核精准度，整体业务质量也更有保障。

从产业实践来看，率先实现规模化落地的多是业务规则明确、文档密集、流程标准化程度较高的行业。这类场景最容易量化AI带来的效率提升，也成了企业验证智能体价值的突破口。艾瑞咨询的数据显示，金融、制造、政务连续两年位居国内大模型落地率最高的行业前三名，达观数据的实践也印证了这一趋势。

陈运文指出，目前金融、政务、工业是公司智能体落地最成熟的三个行业。“金融合同审核人力缩减60%、处理时效提升80%；工业生产单据自动核验，错检率降低七成，大批量单据处理效率直接翻倍。”这些数字背后，是实实在在的降本增效案例。

谈及企业采购智能体的决策逻辑，不同行业的考量各有不同。陈运文观察到：“规模企业付费决策依托清晰的降本增效测算，中小客户付费更多源于行业内卷焦虑。金融、工业制造付费意愿强劲，线下传统服务业投入预算与积极性相对偏弱。”相比“尝鲜式”部署，越来越多企业开始将智能体视为一项能持续创造价值的生产力工具，投入产出比和能否真正解决业务问题，成为核心考量要素。

近年来，“智能体会不会替代白领岗位”成为热门话题。陈运文表示，根据实际交付中的观察，情况与外界想象并不完全一致。“市场中几乎没有大规模减员情况，客户普遍调整团队结构，低重复执行类岗位小幅缩编，原有员工转岗负责策略制定、结果复核、业务优化等高价值创造性工作。”这一观察也与世界经济论坛《2025年未来就业报告》的结论吻合：生成式AI对就业的影响更多体现在人机协作增强人类能力，而非完全替代。报告预计，到2030年，人类独立完成的工作任务占比将从47%降至33%，而人机协作完成的任务占比将提升至33%。智能体真正在重塑的，不是岗位本身，而是人机协作的方式。

行业竞争进入深水区

随着越来越多企业部署智能体，竞争格局也在悄然变化。陈运文认为，真正的挑战已经不再是模型能力，而是如何让智能体真正适配企业复杂的业务场景。“落地最大难点在于不同企业业务流程高度非标，适配成本高。我们核心护城河是多年积累的垂直业务知识、专属行业私有数据与成套落地实施能力。”企业业务中的大量专业知识、规则和经验，并非通用模型能直接获取，需要长期积累、持续沉淀，并结合具体行业反复优化。

在技术层面，企业真正遇到的问题同样来自业务理解。“任务拆解是难度高发环节，核心短板在于智能体未绑定行业知识、缺少完整流程储备。未来会搭建行业定制拆解模型，全面梳理细分业务流程，重点扩充垂直领域知识库。”与此同时，不少企业在部署智能体时容易忽略基础能力建设。陈运文建议：“已试点企业应打通跨部门数据，拓展全业务落地场景；观望企业先梳理内部标准化流程。企业引入智能体前，极易忽略内部数据治理、权限分级等前置基础工作。”智能体建设并非简单部署一套系统，而是数据治理、知识沉淀与业务流程优化协同推进的过程。只有夯实这些基础，智能体才能真正进入核心业务场景，持续创造价值。

展望未来，陈运文认为：“行业将迎来调整，通用轻量化智能体逐步失去市场。Token调度、私有行业知识库、企业全业务流程三者深度耦合，场景化服务商业模式成为行业主流。”如果说过去几年大模型解决的是AI“能不能用”的问题，那么进入智能体时代，企业更关注的是AI“能不能做好具体业务”。未来比拼的不再只是模型能力，而是谁能够持续沉淀行业知识、理解业务规则，并将这些长期积累转化为真正服务企业的智能体能力。智能体进入产业深水区，竞争的重点将从模型能力进一步延伸到行业理解和落地能力。