2025年中国企业级AI Agent应用实践研究报告

1目录 CONTENTS 01定义与背景 AI大模型的定义与分类AI Agent的定义与分类AI Agent的发展历程Agent = 大模型+规划能力+记忆能力+行动能力AI Agent三级跃迁，产品形态与技术能力的协同演进MCP增强Agent与工具间的互联互通能力不是所有AI模型/产品都是Agent，关键在于"工具调用能力"AI领域投融资分析：美国重视底层技术，中国聚焦头部大模型AI政策背景：中国将深化“人工智能+”行动：政策支持力度空前2025年AI大模型应用市场规模约为328亿元全球AI巨头价值链布局全景图：谁家更全面？谁家有短板？GPT-5提升全球标准，国产大模型快速追赶，缩小技术代差中美Agent性能差距显著缩小：国际泛化能力占优，国产垂直场景深耕中国企业级AI Agent正处于从“普及级”向“融合级”过渡的阶段AI Agent应用场景智能客服渗透率最高，数据分析成为第二增长曲线AI Agent应用的痛点与挑战02AI Agent应用现状204优秀厂商及案例分析 通用AI Agent：阿里云、腾讯云、智谱、北电数智垂直AI Agent：美洽、玄武云、神州云动、蓝凌03企业级Agent市场分析 2025年企业级Agent应用市场规模约为232亿元全球企业级AI Agent优秀厂商图谱企业级Agent采购分化：头部企业成采购主力，中小企业踌躇成本门坎传统软件AI升级&AI原生软件：从“提升旧世界效率”到“定义新世界规则”垂直AI Agent重构SaaS行业：从效率提升到价值创造的范式革命全球Agent商业化模式分析：B端生态分化，C端模式趋同05趋势与展望 AI新型生产力：从“AI辅助人类(Copilot)”到“AI自主服务(Autopilot)"央国企+AI：超60%央企构建"大模型+Agent"双引擎Agent+机器人：为具身智能赋予“大脑”的关键价值Agent三大产品趋势：编码智能体、CUA与多模态交互智能体的崛起通用Agent流量入口：颠覆传统搜索引擎，开启新的流量大战定义与背景 定义与背景4AI大模型的定义与分类AI大模型(Large AI Models / Large-scale AI Models) 是指拥有亿级以上参数的深度学习模型。AI大模型利用深度学习算法和人工神经网络技术等AI技术，通过学习大量的数据提升预测能力，其性能与模型的参数规模、数据集大小和训练用的计算量之间存在幂律关系。从应用领域角度分类，AI大模型分为通用大模型、垂直大模型；按输入数据类型，AI大模型分为单模态大模型、多模态大模型；按开放性分类，AI大模型分为开源大模型、闭源大模型。按输入数据类型按应用领域单模态大模型多模态大模型通用大模型垂直大模型也称“基座模型”。在超大规模、广泛领域的数据上预训练而成，拥有强大的知识表示、语言理解与生成、基础推理能力。在多个领域和任务上通用。在通用大模型的基础上，使用特定领域的专业数据和知识进行精调或继续预训练，使其在特定领域，如医疗、金融、法律、编程、生物医药等的表现显著优于通用模型。主要处理和生成单一类型的数据，包括纯文本、纯图像、纯语音等。常见的单模态大模型包括百度的文心一言、阿里的通义千问等。能同时理解和生成多种类型的数据，包括文本、图像、视频、语音等，实现跨模态的信息融合、推理和创作。典型的多模态大模型包括腾讯的hunyuan-vision、商汤科技的日日新等。模型权重、部分训练代码及数据公开，允许研究、修改和私有化部署。透明度高，可定制性强，有助于促进社区创新，降低依赖风险。典型的开源大模型如深度求索的DeepSeek、百川的Baichuan等。模型权重和训练细节不公开，通过API、云服务或特定产品提供能力。通常由大型科技公司开发维护。性能通常领先，服务稳定，易于集成。典型的闭源大模型如百度的文心一言、阿里的通义千问等。按开放性开源大模型闭源大模型5 定义与背景AI Agent的定义与分类AI Agent（智能体）是一种具备环境感知、自主决策与行动执行能力的人工智能系统。其核心能力架构包含四个关键维度：感知能力（Perception）-解析、理解环境信息与用户输入、进行知识推理、生成文本；规划能力（Planning）-制定目标导向的任务策略；行动能力（Action/Tool Use）-调用工具或API执行操作；记忆能力（Memory）- 存储并关联历史交互与知识。AI发展可划分为五个阶段：L1聊天机器人、L2推理者，L3智能体、L4创新者、L5组织者，智能体处在第三阶段。感知能力：单一模态规划能力：涉及少量流程节点行动能力：少量标准工具调用记忆能力：任务结束后重置01部分自动化感知能力：多模态规划能力：大量流程节点行动能力：工具数量、类型极大提高记忆能力：结构化数据存储02有条件自动化感知能力：自主进化超高精度感知力规划能力：自主提升规划和编排能力行动能力：自动化调用工具记忆能力：自主构建知识图谱04完全自动化感知能力：少量人工干预下高精度感知力规划能力：业务流程灵活适应和编排行动能力：少量人工干预下绝大多数工具调用记忆能力：长期记忆检索03高度自动化L1 聊天机器人L2 推理者L3 智能体L4 创新者L5 组织者•1959年：Agent的概念源于约翰·麦卡锡提出的“建议接受者”（advice taker），其核心是具备感知、推理与行动能力的常识性程序•1970年：比尔·盖茨在《Personal Computer as Agent》一文中设想未来电脑将成为每个人的数字代理人，可视为Agent的词源•1972年：斯坦福大学开发出MYCIN系统，它能够诊断血液感染疾病，标志着第一批“专家级“Agent诞生•1980年：美国麻省理工学院的Minsky提出多Agent系统（Multi-Agent System, MAS），让多个相对简单的Agent协作，共同解决复杂问题•1986年：罗德尼·布鲁克斯提出包容架构，该架构最初被应用于机器人自动化领域的架构设计，这种机制允许多个目标并行处理，由抑制机制来协调最终采取的行动，确保Agent能表现出基础但合理的行为•1987年：布拉特曼提出审议式BDI架构。BDI代表信念（Belief）、愿望（Desire）和意图（Intention）。这一架构的提出使Agent变得更像人类，给Agent装上“心智”•1992年：Innes Ferguson提出Touring Machine混合架构。由三个并行运作、独立驱动的控制层构成，为动态环境中的自主移动Agent提供所需的多样化行为能力。AI Agent的发展历程：从传统架构到现代范式定义与背景6AI Agent的发展可分为两大阶段。2017年之前可视为传统架构时期，从麦卡锡的“建议接受者”设想，到包容架构、BDI架构、混合架构，该阶段的研究为Agent奠