社区

导语: 政策与大模型技术双轮驱动下，央国企Agent 建设已告别早期单点技术验证阶段，全面迈入规模化试点与体系化落地新阶段。 爱分析于6月24日正式发布《2026爱分析·央国企Agent实践报告》，本报告完整复盘央国企Agent 落地阶段、建设模式与场景价值，梳理数据、系统、组织、人才、合规等落地难题，提供Agent落地路径，为央国企智能体规划、建设、运营提供行业参考。 报告完整版已发布，如需获取《2026爱分析·央国企Agent实践报告》，请点击以下链接下载：https://mp.weixin.qq.com/s/iqH0r7cr4BkvWLdUvuiPbg 1. 报告综述 央国企Agent建设正在从技术验证走向生产级落地。进入2025年以来，随着政策推动、模型能力提升、国产算力和行业模型建设加速，央国企开始将Agent纳入AI专项工作的重点方向，应用重心也逐步向生产、研发、安全、采购和经营管理等核心业务环节延伸。 Agent的价值判断标准已经从模型效果转向业务价值。过去，企业更关注模型回答是否准确、知识库检索是否有效、交互体验是否流畅。现在，央国企更关注Agent能否嵌入真实业务流程，能否提升经营和生产决策质量，能否降低安全合规风险，能否沉淀专家经验。评价标准变化的背后，是央国企Agent建设从技术试点项目向生产级项目转变。 央国企Agent建设正演变为集团级智能化基础设施。央国企组织层级多、业务链条长、数据安全要求高，单点应用难以支撑规模化落地。当前更可行的路径，是集团层面统建算力、模型、平台、安全治理和技术标准，二三级单位围绕真实业务场景开展应用落地，形成底座统建和场景自治并行的建设模式。统一底座解决安全可控、能力复用和重复建设问题，场景自治保证Agent贴近业务现场、解决真实问题。 未来央国企Agent的成功关键是进入核心业务流程，形成可复用、可治理、可持续迭代的能

数势科技CEO黎科峰最近迷上了一件事：自己写文章。 每天一篇，发在公众号【AI夜行】上，雷打不动。不是品牌稿，不是公关文，是他把脑子里的想法录成音，让AI帮他整理、帮他写，结果比任何编辑写的都要好。他说，这件小事让他想通了一件更大的事：人脑袋里面想的东西，和真正动手做出来的东西之间，距离已经被极度压缩了。 这个判断，是数势科技过去三年整个组织演化的起点，也是他对AI时代最核心的认知——AI不是工具升级，是一次重新定义组织与价值的机会。 在爱分析这次访谈里，黎科峰和我们谈了三件事：他怎么理解AI和数据的关系，为什么他认为数据才是真正的护城河；他怎么看AI时代组织该怎么建；以及数字员工这门生意，壁垒究竟在哪里。 核心观点： 代码会被平权，流程会被平权，方法论也会被蒸馏。唯有私有数据、私有语义、私有经验，大模型拿不走。 组织AI化的第一步，不是买工具、搭平台，而是管理者自己下场用AI。不信AI比自己强，就不可能真正放手。 未来ToB市场一定比过去更集中，垂直SaaS的生存逻辑正在被颠覆。卖代码的时代过去了，卖结果的时代来了。 以下为本次访谈实录，在不改变原意基础上略有修改。 01  组织AI化，先要求管理者从指挥者变成使用者 爱分析：数势科技大概什么时候开始做组织AI原生化这件事？ 黎科峰：我们做得比较早。2023年很多团队还没看清方向时，我就判断要先把组织压扁。因为如果一个leader下面管很多人，他很容易继续做指挥者，而不是自己下场尝试AI。 AI原生不能靠口头指挥，必须每个人亲自上手，包括我自己。过去两年，我们最重要的事就是让大家真正使用AI、体验AI。只有亲自用过，知道它能做什么、不能做什么，组织才可能真正转身。 招聘新人的时候，我们同样不能继续用老思维。我们要逼自己判断：哪些问题适合AI解决，哪些事情应该交给AI，哪些环节人应该往后退。 爱分析：很多

导读： 大模型与智能体快速发展，C端AI产品迭代迅猛，但企业AI落地普遍遇阻，存在场景难选定、应用浮于表面、全员推广困难三大痛点。本次邀请的专家分享了多家企业落地实战案例，围绕“快、深、广”落地方法论，以能否办成一件事作为智能体项目成败标准，分阶段拆解落地实操路径，为企业智能化转型提供落地参考。 分享专家：蓝凌智能副总裁&AI业务负责人，杨泽 01企业AI落地三大现实卡点 当前AI技术，尤其是大模型领域发展迅速。今年以来，从DeepSeek Moment到OpenClaw，再到近期各类智能体产品涌现，C端应用日新月异。但与此同时，AI在企业内部的落地仍存在差距。即便智能体或大模型能力再强，目前很多企业里，仍有不少员工用“豆包”等工具撰写文档，这可以说是组织落地AI最突出的问题之一。 AI作为组织能力的放大器，当企业希望用好它时，常遇到几个难题： 第一，场景过多。企业内适合AI的场景很多，该从哪些入手才能更快获得业务回报？只有看到成效，企业才愿持续投入。 第二，容易流于表面。很多企业落地AI时停留在聊天层面，私有化部署一个模型让员工提问。这未能真正融入企业知识、流程及制度，仍浮在业务表层。 第三，组织内部推广难。很多企业在全员推广时遇到阻力。要打造AI原生型组织，需要每个人解决问题时都能自发想到用AI。如何实现全企业有效推广，是一大挑战。 在蓝凌众多智能体项目中，如何判断项目成功？关键看智能体能否帮我把一件事完整、闭环地做成。 完成这件事需要能理解任务意图；能调用企业知识、数据、制度等资产；更要能在合规前提下操作系统，考虑权限管控、可审计性等条件。 智能体可大可小，但都应具备这些能力。 02 快-深-广，企业智能体落地三步走 那么，企业内部究竟该如何落地智能体？即便面临诸多挑战，我们在近两年服务超过200家客户转型的过程中，总结出一套方法，归纳为“快、深、广

来源：爱分析ifenxi，《2026爱分析·中国企业智能体市场规模报告》，2026 年 6 月发布 爱分析ifenxi是AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。 导语： 企业的IT预算终有天花板，但对生产力的渴望永无止境。今天，企业智能体正以势不可挡的姿态，先吞噬企业IT市场，再吞噬劳动力市场。它不仅重塑了企业的成本结构，更让市场从传统的信息化软件采购，演进为百万亿级的数字劳动力交易。在这场生产力范式转移中，谁能率先驾驭数字员工，将率先享受新一轮生产力红利。 一、打破传统IT天花板，中国企业智能体正式迈向数字劳动力交易时代 中国企业智能体市场正经历一场深刻的范式转变，从传统的软件市场向数字劳动力市场演进。爱分析观察到，目前国内已经形成了一个从底层基础设施、智能体操作系统，到上层数字员工及数字劳动力交易生态的完整产业链。 其中，智能体基础设施为企业提供算力、模型、数据、记忆等底层能力；智能体操作系统负责智能体开发、编排与管理；数字员工直接面向业务场景交付价值； Skill、智能体和数字员工的标准化流通，正在催生数字劳动力交易生态，这将成为智能体时代最具增长潜力与想象力的全新蓝海市场。 二、五年狂飙80.5%，中国智能体市场规模将在2030年冲破4900亿元大关 2025-2030年间，中国智能体市场总规模将迎来爆发式增长。爱分析测算，市场规模将从2025年的256.8亿元大幅跃升至2030年的4925.2亿元，五年间将实现高达80.5%的复合年增长率（CAGR）。 爱分析认为，2028年将成为市场的关键转折点。2025-2027年前期，增长主要由IT预算释放下的基础设施和平台部署驱动；而2028年后，随着智能体自主执行能力的提升，数字劳动力开启第二增长曲线，IT投入与数字劳动力需求形成双轮驱动。 三、重心全面向价值层转移：2030年数字员工与交

本文来自爱分析ifenxi（北京爱分析科技有限公司），AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。 AI 正在改变企业使用数据的方式。 过去企业数据建设的目标，是实现业务流程线上化，并把分散的数据治理成可管理的资产。AI时代，企业更关心的是数据能否直接参与判断、预测和决策，从”人看报表”走向”系统主动决策”。这意味着，企业数字化正在从流程数字化、数据资产化，进一步走向可信决策自动化。 在此背景下，爱分析对百望股份CTO王志伟进行了深度访谈。百望股份长期深耕发票、财税、企业信用和交易数据服务领域，积累了大规模真实交易与企业经营数据，以此为根基，百望股份提出战略升级：将公司定位为AI时代的企业商业信用基础设施运营商：以真实交易数据定义企业商业信用，让企业更可信、交易更智能、融资更容易、出海更合规。 本次访谈重点讨论了AI时代数据底座演进方向、行业模型机会、AI应用规模化落地条件，以及百望股份如何用统一数据中台和统一AI中台支撑战略落地等问题。 核心观点： 1、AI不会直接替代数据平台，统一数据底座仍是AI的基础。 大模型可以大幅提升数据治理、打标、建模等环节效率，但没有高质量数据供给，AI能力很难真正进入企业关键决策。 2、通用大模型不会吞噬所有行业模型，真实交易数据和强合规Know-How会长期形成壁垒。 财税、医疗、金融、企业信用等领域专属数据不可能简单进入公开大模型，业务规则、授权链路、审计要求和风险责任也难以由通用模型独立承担。 3、AI应用规模化的关键是把专属数据、行业Know-how和刚需场景组织成可计量的能力调用。 财税合规、企业商业信用、金融风控、智采慧销与全球税务合规等场景，既有高频业务入口，也有明确付费意愿，是AI可规模化落地的应用。 以下为本次访谈实录，在不改变原意基础上略有修改。 01 企业数据正从资产化走向可信决策自动化 爱

过去一周，Agnes AI成为国内AI开发者社区讨论度较高的大模型厂商之一。 原因很简单，它宣布向全球开发者免费开放文本、图片和视频模型API，且不限时、不限额度。消息发布后，大量开发者涌入社区体验产品。根据Agnes AI最新官方数据，从6月1日开始免费后，六月第一周的 Agnes-2.0-Flash 调用量已超过1万亿（1T）；Agnes-Image-2.1-flash生成超过200万张图片；Agnes-Video-2.0生成超过200万秒视频。 不过，对于大模型厂商而言，“免费”不是最难的事情。真正的挑战在于：模型能力是否经得起真实场景检验？热度能否转化为长期用户？ 带着这些问题，爱分析进入了Agnes AI用户社区，并持续观察开发者讨论、产品迭代以及实际应用情况。我们发现，相比“免费”本身，开发者更关注Agent能力、长上下文处理以及模型能否胜任真实业务场景。并且在热度之外，一些新的变化也正在发生。 以下是爱分析在用户社区中的一些真实观察。 01 为什么Agnes AI突然火了？ 6月1日，Agnes AI宣布向全球开发者免费开放旗下文本、图片、视频三大模型API，并承诺不限时、不限额度开放。这意味着开发者无需购买Token，也无需担心免费期结束。尤其是在Agent兴起的背景下，越来越多开发者面临Token成本快速增长的问题。因此，消息发布后，很快吸引了大量开发者关注。 当然，仅靠免费并不足以支撑持续热度。从公开信息来看，Agnes AI目前已经形成覆盖文本、图片、视频三大模态的模型矩阵。其中，文本模型进入Claw-Eval榜单，图像模型和视频模型进入Artificial Analysis相关榜单。 图1 Claw-Eval榜单（Agnes-2.0-flash位于第19位） 图2 Artificial Analysis相关榜单（Agnes Image 2.

2026年，智能体成为企业AI落地的行业共识。但市场火热背后，智能体概念正被快速泛化，很多厂商只是在原有产品上接入AI模型，就贴上智能体标签，而企业客户真正需要的，并不是一个新的对话入口，而是能够理解企业知识、拆解复杂任务、调用工具并协同执行的数字员工。 在滴普科技创始人 、董事会主席、执行董事兼CEO赵杰辉看来，真正有价值的企业智能体要回到模型能力本身，厂商需要具备模型训练能力，训练出具备企业级记忆机制、长任务规划和智能体协同的企业大模型。 围绕企业智能体落地，滴普科技正在推进两条核心产品线：一是 Deepexi 企业大模型，支撑企业本体建模、记忆、长任务规划和智能体协同；二是 FastAGI企业智能体平台，负责模型之间、Skills 之间、AI 员工之间的协同与调度。Deepexi 提供企业本体和规划能力，FastAGI 负责把这些能力组织起来，让多个 AI 员工能够在一个完整的业务场景里协同执行。两条线合起来，才是企业AI落地 的完整形态。 在本次与爱分析的深度访谈中，赵杰辉系统阐述了对智能体市场的判断、滴普科技的产品路径，以及AI 员工对企业组织形态的影响。 核心观点： 1、企业智能体概念被泛化，长期有价值的是企业大模型。真正的企业智能体不能脱离模型，模型承担数据整理、知识逻辑承载和推理作用。AI厂商如果没有模型能力，本质上仍是传统集成商。 2、企业智能体落地的关键，是建立企业级记忆和长任务规划能力。智能体必须具备记忆机制，把企业资料、流程、规则、故障、经验等转化为本体，形成企业知识网络。这样模型才能实现推理和规划，支撑复杂任务执行。 3、AI 员工会重构科技公司的组织形态，FDE 团队重心是 Skills 和数据开发。FDE 工程师的角色会发生变化，将自身能力 AI 化。科技公司竞争力会从经验积累转向学习能力和变化能力。 01 企业智能体概念被

中国电建集团财务有限责任公司（以下简称“电建财务公司”）是中国电力建设集团有限公司的“内部银行”，成立于2015年12月，主要为集团成员企业提供资金集中管理、资金结算、信贷业务、外汇业务等金融服务。公司人员规模不足百人，却掌管数百亿资金，金融属性突出，业务专业性强。 在国务院国资委和电建集团数字化转型升级部署下，电建财务公司提出建设“司库型、数智化、行业一流”财务公司的发展目标，大力推动数字化、智能化建设。 2024年起，公司开始规划AI大模型应用，因担心模型效果不达预期而一直处于调研阶段。2025年DeepSeek等开源大模型能力显著提升后，公司正式启动AI大模型应用项目，与中关村科金开展合作，实现大模型与智能体在电建财务公司内部落地。 01‍ 聚焦三大战略目标，推动大模型落地应用 作为典型的央国企财务公司，电建财务公司落地AI大模型应用时，重点聚焦以下三大战略目标，用以更好地发挥“AI+财务公司”深度融合作用： 首先是工作效率提升。通过筛选出贴合业务实际的AI技术应用场景，助力工作效率提升，减少重复劳动。 其次是经营效能提升。通过充分发挥AI技术的海量数据分析能力、语言解析能力等专业优势，更好地为经营决策提供辅助支撑，提升业务经营效能。 最后是服务提质增效。借助大模型和智能体的拓展应用，践行立足集团、服务集团经营理念，打造全新的数智化金融服务生态，提升金融服务的能力与水平。 最终形成底层可扩展、场景可复制的AI应用范式，实现从技术能力到业务价值的闭环转化，为财务公司数智化转型提供核心驱动力，同时形成可借鉴、可复制的建设成果经验。 02 ‍项目以双平台为核心体系，实现技术到价值闭环落地 整个大模型应用项目的技术架构分成四层，包括国产信创算力底座、多模态模型矩阵、大模型应用开发平台和大模型应用平台。 项目核心构建“大模型应用开发平台+大模型应用平台”双层体系，形成技术到价值

在大模型、智能体与AI Coding驱动的企业软件新世界里，旧的竞争壁垒正在迅速消融。专业知识与Knowhow正在被AI重新定义，智能体应用被分钟级生成，传统企业服务厂商的核心价值正面临大考。 在此背景下，我们与在PaaS领域深耕多年的得帆智能创始人兼CEO张桐，进行了一次深度对话。这家公司经历了上一轮技术周期，如今正将能力延伸至智能体应用平台、数字员工平台，构筑新一代企业AI基础设施。 本次访谈重点讨论几个核心问题：行业Knowhow如何从个人经验转向组织化AI能力，AI Infra的长期壁垒在哪里，以及企业AI商业模式如何从软件授权走向持续运行服务等。 访谈核心观点： 行业Knowhow不会消失，但会被重新定义。知识型Knowhow会被大模型快速拉平，真正稀缺的是项目推动、组织协同、责任心、判断力和复杂场景落地能力。企业要做的不是依赖个人专家，而是把专家能力沉淀为组织化、AI化的能力。 企业AI平台层将持续壮大。AI Coding会分流大量个性化、长尾化、流程型应用需求，企业可以自建更多智能体应用。同时，智能体普及也会驱动对平台型基础设施更广泛的需求。 智能体数字员工不是RPA的升级版，而是新的企业执行单元。RPA复刻操作，Agent理解任务、调用工具、处理异常并交付结果。数字员工的核心，是具备企业身份、权限和上下文理解能力，并能够真正进入业务系统完成工作。 企业AI的商业模式会从一次性软件授权，逐步转向平台订阅、智能体运行量和结果交付相结合的持续服务模式。智能体使用越深入，模型调用、工具执行、流程编排和运行保障的消耗越大，未来企业不是简单购买一个软件系统，而是为智能体持续交付业务结果付费。 AI能力仍然遵循1万小时定律。对AI的颠覆性感到焦虑是常态，应对方式是打不过就加入，即自身深度使用AI，提升认知。在AI上面投入的时间决定了认知高度。 ToB领域，新的创业公司会越

技术迭代的加速正将企业软件行业推向一场深刻的重塑，单纯的产品功能堆砌已难以构筑竞争壁垒，企业面临的是从技术架构到服务能力的全方位转型压力。 如何在模型快速更迭的时代沉淀核心资产，并重构适应AI时代的组织，成为企业亟需破解的关键命题。 在此背景下，爱分析与蓝凌董事长杨健伟展开深度对话。作为长期深耕企业数字化与知识管理赛道的资深实践者，杨健伟不仅带领蓝凌完成了自身的AI架构升级，更通过服务数千家大型企业的经验，洞察到AI助力组织进化的深层逻辑。 本次访谈将围绕企业如何构建可持续的记忆体系，以及软件厂商在大模型时代的生存法则展开。 核心观点： 企业软件厂商的产品迭代节奏必须变快。AI编程和智能体能力正在快速成熟，几百万行代码级别的平台已可通过AI完成，这直接冲击了软件公司过去依靠代码沉淀形成竞争力的逻辑。 模型会变，但企业长期沉淀的是数据、知识、流程和记忆。企业不应把AI基础能力绑定在某一个模型上，而应从企业架构出发，推导数据架构，把知识、业务数据和智能体记忆统一纳入治理体系。 软件公司没有永恒的护城河，真正的壁垒只有两个：学习创新的速度和生存韧性。谁能更快看到新技术、学会新能力、完成试验、产品化并交付给客户，谁就有机会在新一轮竞争中跑出来。 以下为本次对话实录，在不改变原意基础上略有修改。 01 AI加速企业软件重构 爱分析：最近半年，您在智能体行业观察到了哪些新的变化？ 杨健伟：最大的变化是，技术变化和迭代速度太快了，快到传统软件公司的节奏已经跟不上。 去年10月、11月，我们还不敢确定，一套老的平台能不能完全用AI编程搞定。但到春节前后，行业里已经出现了一个300万行代码的产品平台，完全通过AI编程完成。这件事带来的冲击很大，因为几百万行代码，已经相当于一个核心企业软件模块的体量。 过去我们认为，写代码、沉淀代码，是软件公司的重要竞争力。但现在，AI并不是一个技术出来之后就