2024爱分析·AI Agent厂商全景报告｜爱分析报告_

01 研究范围定义

研究范围定义

大模型浪潮席卷全球，AI Agent作为这股浪潮中的新星正在取代Copilot，成为大模型应用的主流形态之一，以其惊人的速度和影响力重塑科技和商业的版图。

AI Agent 是指以大模型为驱动，具有自主理解感知、规划、记忆和使用工具的能力，能自动化执行的智能体。随着大模型能力增强以及RAG等技术的成熟，AI Agent的能力得到了质的飞跃。这些模型赋予了AI Agent更接近人类的思维能力，再联动各类工具和组件，使得AI Agent在处理复杂任务时表现出前所未有的灵活性和效率。从智能助手、个性化推荐系统到自动化客户服务，AI Agent的应用案例层出不穷，它们在各行各业中展现出巨大的潜力和价值。

爱分析认为，AI Agent市场从技术架构角度可以划分为基础层、平台层和应用层。基础层是指支持AI gent的基础环境，包括大模型、算力基础设施和数据基础设施。平台层是基础层和应用层之间的“桥梁”，有利于大模型在各种实际场景以AI Agent的形态快速落地，包括AI Agent开发管理平台、LLMOps工具等。应用层是指各类场景的AI Agent，既有金融、能源、汽车等行业场景的AI Agent，也有业务流程自动化、数据分析、协同办公等通用场景的AI Agent。AI Agent市场划分详见下图。

本报告重点选取AI Agent开发管理平台、协同办公AI Agent、业务流程自动化AI Agent三个市场进行研究。

厂商入选标准：

本次入选报告的厂商需同时符合以下条件：

厂商的产品服务满足各市场分析的厂商能力要求；
近一年厂商具备一定数量以上的企业付费客户（参考第3章各市场分析部分）。

（注：“近一年”指2023年Q3至2024年Q2）

02 厂商全景地图

爱分析基于对甲方企业和典型厂商的调研以及桌面研究，遴选出在AI Agent市场中具备成熟解决方案和落地能力的入选厂商。

03 市场分析与厂商评估

爱分析对本次AI Agent项目重点研究市场做如下分析。同时，针对参与此次报告的部分代表厂商，爱分析撰写了厂商能力评估。

3.1AI Agent开发管理平台

市场定义：

AI Agent开发管理平台是以大模型为基础，内置多样化工具、插件，具备AI Agent开发、测试、发布、集成、运维、安全等一系列能力的全生命周期平台。平台可以快速搭建具备客户特征的AI Agent，降低大模型应用开发门槛。

甲方终端用户：

大型企业的IT部门、业务部门

甲方核心需求：

AI Agent开发管理平台成为企业AI战略的神经中枢，肩负着全员赋能与智能化升级的双重使命。企业高层的“自上而下”策略，不仅确立了AI在企业中的核心地位，更明确了以技术提升全员效率和创新能力的目标。CIO们在这一过程中，需要的不仅是技术平台，更是一个能够提供深度应用规划和初期开发的全面合作伙伴，以确保AI技术在企业中的有效落地和价值实现。

AI Agent开发管理平台是企业AI战略的核心承载与全员赋能引擎。大型企业正积极探索其落地实施的有效途径，而“自上而下”的推进策略已成为众多企业的共同选择。这种策略强调由企业高层领导牵头，自顶向下地制定和执行AI战略。其中，"全员赋能"不仅是一项核心目标，更是衡量CIO工作绩效的关键指标之一。为了实现这一目标，CIO们正寻求AI Agent开发管理平台的支撑作用，旨在为每位员工配备个性化的AI助手，以技术赋能全员，激发组织潜力。
AI Agent开发管理平台的建立，并非单纯追求技术的应用，而是深挖AI在业务层面创造的实际价值。尽管不同企业对业务价值的定义各有侧重，但普遍关注的三大价值领域可以概括如下：
1) 长尾场景的智能优化：企业在日常运营中会遇到大量特定的长尾场景，这些场景虽小，却直接影响员工的工作效率。AI Agent通过智能化处理，显著提升员工的工作效率，使他们在不增加工作量的情况下，能够高效处理更多任务。
2) 业务流程的效率提升：以某二手车交易企业为例，通过构建AI Agent，用户可以利用自然语言交互的方式，大幅缩短选购流程，提高用户体验，加速交易进程。
3) 员工能力的专业升级：以合同审核为例，传统上这一高风险工作需要专业知识丰富的人员来完成。AI Agent的引入，使得合同审核流程自动化成为可能，降低了对员工专业技能的门槛，优化了人力资源配置，同时减少了对高级别专业人才的依赖。
企业追求的不只是AI Agent平台，更需配套的应用规划与初期应用开发。在大模型技术的落地之旅中，企业不仅是探索者，更渴望找到能够并肩前行的"良师益友"。对于AI Agent开发管理平台的引入，企业期望得到的不仅是一套软件系统，而是希望平台厂商能成为其应用规划和实施的得力伙伴。在这一过程中，企业迫切需要解决的问题涵盖了应用场景的选择、优先级排序、以及各场景预期的投资回报率（ROI）等关键咨询领域。咨询服务的核心，在于帮助企业明确AI Agent的应用蓝图，识别和评估那些最需要智能自动化的业务场景，并制定出切实可行的实施路线图。这不仅涉及到技术层面的规划，更包括业务流程的梳理和优化。
在咨询服务的基础上，企业同样需要厂商提供的应用开发服务，以确保平台的落地和应用生态的初步构建。在初期采购平台时，企业期望厂商能够示范性地提供1-2个定制化的AI Agent，这不仅验证了平台的技术实力和业务适配性，也展现了AI技术在实际工作场景中的价值和潜力。然而，企业的最终目标是建立起自主可控的AI应用生态。因此，在首批AI Agent开发之后，企业将逐步过渡到由内部IT和业务团队自行开发和维护AI Agent的模式。这要求平台不仅要提供强大的技术支撑，还需配备相应的培训和文档资源，确保企业团队能够顺利接管AI Agent的开发和迭代工作。
综上所述，企业对AI Agent开发管理平台的期待，已经超越了单纯的技术采购，而是寻求一个全面的合作伙伴，共同规划和培育企业的AI应用生态，实现业务流程的智能化转型。

厂商能力要求：

厂商应致力于构建一个既技术先进又用户友好的平台，确保业务人员能够轻松上手并快速开发个性化AI应用。这要求厂商提供无代码和低代码的配置方式，以及全代码配置选项，满足不同技术背景员工的需求。厂商需集成包括RAG技术在内的先进企业场景增强技术，以确保大模型在To B领域的有效应用。同时，构建一个功能丰富的公共插件中心和模板库，以支持AI Agent的能力扩展和快速构建企业级应用。此外，厂商应配备专业的咨询服务团队和AI Agent开发团队，深入企业进行需求分析和应用场景规划，确保企业能够精准投资并有效落地AI应用。开发团队则负责将规划转化为实际的AI Agent，展示平台的技术实力和业务价值。

AI Agent开发管理平台需要便于业务人员上手应用。为实现全员赋能的愿景，企业对AI Agent开发管理平台的要求不仅是技术先进，更需界面友好，易于业务人员的使用。IT部门的专业技术力量固然重要，但业务部门的广泛参与才是实现AI普及化的关键。因此，平台的设计必须考虑到业务人员的操作习惯和技术水平，提供低门槛、高效率的开发环境。
AI Agent开发管理平台应提供自然语言对话和一键创建功能，使得没有编程基础的业务人员也能轻松上手。平台的无代码和低代码配置方式，通过简化的拖拽操作，让员工能够快速构建和部署业务应用，无需编写代码。这种直观的操作方式大大降低了技术门槛，使得业务人员能够根据自己的业务需求，自主开发个性化的AI解决方案。
同时，为了满足不同技术背景的企业需求，平台还应提供全代码配置方式，为具备一定编程能力的员工提供更大的自主性和灵活性。这种方式支持开发更复杂的AI应用，满足企业在特定场景下对高级功能的需求。
AI Agent开发管理平台：集成RAG技术、插件生态与模板库的强强联合。仅依靠大模型构建AI Agent，更适合To C场景，例如写文章、做摘要等。但是，此方式难以应用于To B场景。平台必须融合先进的RAG技术以及多模态存储、向量化处理、上下文理解增强等企业场景增强技术，以实现大模型在To B领域的有效落地。RAG技术在其中扮演着至关重要的角色。
AI Agent的能力扩展在很大程度上依赖于其“手脚”——插件。平台应构建一个丰富的公共插件中心，提供覆盖新闻搜索、生产力工具、图像理解等多功能插件，以适应不同行业和场景的需求。同时，支持企业用户根据自身需求，创建自定义插件，通过参数配置快速调用现有的API能力，从而实现AI Agent功能的个性化扩展。
为了进一步提升AI Agent的构建效率和质量，平台应配备丰富的应用场景模板库。这些模板应预置多种企业级应用场景，如法律咨询、人力资源管理、营销自动化、风险控制等，使企业能够在极短的时间内快速搭建起符合特定业务需求的AI应用。
厂商应具备大模型落地规划咨询与AI Agent开发团队。企业在采购AI Agent开发管理平台时，往往会要求厂商提供应用规划类的咨询服务和应用开发服务。因此，厂商必须构建一支既精通大模型落地规划咨询，又具备强大AI Agent开发能力的专业团队。
咨询服务团队负责深入企业，通过专业的分析和洞察，帮助企业识别那些既具有高价值又具备高可行性的应用场景。他们的目标是为企业描绘出一条清晰的AI应用落地路径，确保企业投资的每一步都精准而有效。通过咨询服务，企业能够明确自身的需求和目标，为AI Agent的开发和管理奠定坚实的基础。
与此同时，AI Agent开发团队承担着将规划转化为现实的责任。他们利用自身的技术专长，帮助企业开发首批AI Agent，快速展示平台的技术实力和业务价值。这不仅为企业带来了立竿见影的效益，也为后续的内部开发工作提供了宝贵的经验和模板。

入选标准：

1. 符合AI Agent开发管理平台市场分析的厂商能力要求；

2. 近一年厂商在该市场至少服务1家企业。

代表厂商评估：

火山引擎

厂商介绍：

火山引擎是字节跳动旗下的云服务平台，将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业，帮助企业构建体验创新、数据驱动和敏捷迭代等数字化能力，实现业务可持续增长。

产品服务介绍：

HiAgent涵盖多模型适配、智能体构建、企业应用开发管理等多项能力，是企业专属的AI应用创新平台，高度适配企业个性化需求，让业务人员可以轻松构建智能体，让业务创新不受技能限制。企业业务人员依托HiAgent可以快速构建经营助手、员工助手、智能客服、智能导购、营销文案等企业应用。

图表1：HiAgent——企业专属AI应用创新平台

厂商评估：

HiAgent通过创新的段位划分，简化了企业用户对AI Agent的认知过程，从青铜到王者，逐步引导用户深入应用。同时，HiAgent通过原厂轻咨询、内置最佳实践和应用效果评测，确保了企业能够构建出符合生产标准的AI Agent。

HiAgent：划分智能体应用的“段位”，助力企业员工轻松驾驭AI Agent。在AI Agent开发管理平台的推广过程中，一个关键挑战是企业员工对AI Agent的陌生感以及对其价值的认识不足，这导致他们缺乏采用该平台的动力。HiAgent通过创新的“段位”划分策略，有效地解决了这一问题，帮助企业用户逐步深入了解平台的能力和价值。
图表2：基于HiAgent构建不同“段位”的智能体应用

青铜段位：HiAgent为初学者提供了一个快速上手的途径，允许企业用户在5分钟内构建一个应用，无需编程基础。通过自然语言对话和一键创建功能，HiAgent内置了结构化的提示词模板和Markdown语法，增强了应用的可读性和易用性。
黄金段位：在黄金阶段，HiAgent赋予应用“记忆”和“手脚”。这里的“记忆”指的是利用大模型高级检索增强生成（Advanced RAG）技术构建的企业知识大脑，即知识库。而“手脚”则指插件功能，包括公共插件和自定义插件。HiAgent插件中心提供了丰富的插件选择，覆盖新闻搜索、生产力工具、图像理解等多个领域，满足不同行业和场景的需求。此外，用户还可以创建自定义插件，通过参数配置快速调用已有API能力，扩展智能体的功能。
王者段位：王者阶段标志着企业应用的高级阶段，HiAgent通过以下四个方面支撑构建王者级企业应用：
1) 可视化拖拉拽工作流编排，允许用户在画布上灵活地编排知识库、插件、大语言模型、代码块、条件判断等功能。
2) CoT（Chain of Thought）Prompting技术，通过问题分解与推理，解决复杂问题。
3) 函数调用或决策变化，实现用户意图的识别与执行。
4) Multi Agent模式，模拟人类分工协作，实现复杂、稳定的业务流程的全面AI化。
HiAgent：打造“生产级”AI Agent的三重保障。构建“Demo级AI Agent”容易，构建“生产级AI Agent”则比较困难。HiAgent通过原厂轻咨询、内置最佳实践、以及应用效果评测的三重策略，为企业提供了一条清晰的路径，以确保构建出真正能够投入生产的AI Agent。
原厂轻咨询：火山引擎提供的不仅仅是一个技术平台，更包括了原厂轻咨询服务。这种咨询服务旨在帮助企业识别和梳理具有高价值和高可行性的应用场景，从而为企业指明应用落地的路径。这种咨询服务的附加价值，在于它能够帮助企业更深入地理解AI Agent在实际业务中的应用潜力和实施策略。
内置最佳实践：在AI Agent的实际落地过程中，企业往往会面临各种挑战。火山引擎通过将解决方案内置到HiAgent中，提供了快速且有效的解决途径。例如，在处理动态数据更新的挑战时，HiAgent通过创新的方案，实现了查询效果和实时性的平衡。此外，针对AI Agent频繁更新迭代的问题，HiAgent引入了“提示词模板”功能，允许企业进行多版本提示词的管理，从而提升了用户体验和管理效率。
应用效果评测：为了确保AI Agent能够达到生产级的标准，HiAgent还提供了全面的端到端应用效果评测服务。这项服务涵盖了数据集构建、测评方法、以及基于反馈的持续改进等多个方面，确保了应用效果的可度量性和可优化性。通过这种系统性的评价机制，企业能够对AI Agent的性能和效果有一个清晰的认识，并据此进行必要的调整和优化。
HiAgent：构建企业与C端用户的新型桥梁。在数字化转型的浪潮中，企业与消费者之间的互动方式正经历着深刻的变革。"豆包App"，作为字节跳动重点投入的大模型应用，已经成为用户获取信息、解决问题、获取灵感和辅助创作的得力助手。截至2024年4月，豆包App的下载量已超过1亿次，月活跃用户数达到2600万，智能体总创建量高达800万。这些数字不仅展示了豆包App的市场影响力，也预示着其作为新兴流量入口的巨大潜力。

典型客户：

飞鹤、某知名高校、某知名三甲医院、某大型航空公司

代表厂商评估：

神州问学

厂商介绍：

神州数码集团股份有限公司（简称：神州数码）在2023年推出AI原生赋能平台——神州问学，旨在为企业提供模型、算力、数据和应用的连接能力，它既是一站式企业大模型集成平台，也是企业的大模型运营平台。发展至今，神州问学已落地金融、能源、汽车、医疗、消费零售、政务等多个领域。

产品服务介绍：

神州问学是企业级一站式GenAl集成平台，致力于打通模型、数据、应用和算力四大要素，专注于企业大模型落地的全生命周期过程管理，有效应对大型应用落地中的各种挑战。

同时，神州问学提供了多云多语言支持，满足企业多样化的业务需求，帮助企业以快速且低成本的方式构建大模型应用。平台内含八款大模型应用，包括慧阅读、慧解析、慧回答、慧写作、慧绘图、慧翻译、慧朗读和慧互动，这些应用能够助力企业在不同场景下实现智能化升级和业务创新。

厂商评估：

神州问学是涵盖软件与硬件的一站式解决方案，具备算力优化、模型供应、场景增强和应用构建四大优势。神州问学通过专业的算力设计服务，有效降低企业在高端GPU资源上的支出。依托深厚的供应商关系，平台提供全面、新颖且价格优惠的大模型供应。结合企业场景增强技术，确保大模型在To B场景中的实用性和落地能力。此外，神州问学提供多样化的配置方式和丰富的应用场景模板，使企业能够快速搭建并定制化业务应用。

专注算力设计与资源管理，神州问学为企业节约算力支出。在当前高端GPU市场供应紧张、价格持续高位的背景下，企业在部署大型模型时面临着成本控制的挑战。神州问学通过专业的算力设计服务，帮助企业在保证性能的同时，实现成本效益的最大化。该团队专注于为企业提供定制化的算力解决方案，以平衡性能需求与成本支出。
神州问学所提供的算力管理功能，能够实现资源的统一管理和动态分配，这不仅提高了资源使用效率，也为企业节约了可观的算力成本。通过这种高效的资源调度，企业能够更加灵活地应对不同业务场景下的需求波动。
此外，神州问学还针对企业对算力的多样化需求，提供了灵活的部署方案。无论是公有云还是私有云部署，企业都可以根据自己的业务特点和安全要求，选择最合适的部署模式。同时，平台还提供了包括国际品牌如英伟达的算力资源，以及符合国内信创标准的算力选项，确保企业能够在全球化和本土化之间找到最佳平衡点。
依托深厚供应商关系，神州问学打造“全、新、惠”模型供应能力。凭借20余年的行业积累，神州数码已与3万余家生态伙伴建立了深厚的合作关系。这一庞大的合作伙伴网络为神州问学提供了强大的模型供应能力，具备"全、新、惠"三大特点。
首先，"全"体现在神州问学对主流供应商如阿里百炼、百度千帆、智谱、百川、OpenAI等的大模型的广泛适配。这种全面的兼容性确保企业能够快速地选择合适的大模型，满足其多样化的业务需求。
其次，"新"反映了神州问学在大模型更新迭代方面的敏捷性。面对大模型技术的快速发展，神州问学能够迅速引入并上线最新的模型，帮助企业把握技术前沿，提升竞争力。
最后，"惠"则凸显了神州问学在价格谈判方面的优势。通过与供应商的紧密合作，神州问学能够为企业争取到更优惠的价格，降低企业在大模型应用上的经济负担。
企业场景增强，神州问学让大模型在toB场景真正落地。仅依靠大模型构建应用，更适合To C场景，例如写文章、做摘要等。但是，此方式难以应用于To B场景。
神州问学通过深耕企业场景增强技术，成功实现了大模型在To B场景的落地应用。具体而言，企业场景增强相关技术包括RAG，多模态存储、向量化，上下文理解增强，多轮会话增强、推理增强、人机会话增强，多路召回等。
20+企业级应用场景模板&3种配置方式，神州问学让企业便捷搭建业务应用。神州问学在搭建业务应用方面具备四个亮点。
1) 灵活的配置方式：神州问学提供无代码、低代码、全代码三种配置方式，满足不同技术背景的企业需求。无代码和低代码配置方式通过直观的拖拽操作，使企业能够快速搭建业务应用；而全代码配置方式则赋予企业更大的自主性，支持开发更复杂的AI应用。
2) 集成的企业级能力：平台集成了ASR（自动语音识别）、TTS（文本到语音转换）、OCR（光学字符识别）等关键技术，支持二次开发和定制化开发，确保与企业现有业务系统的无缝融合。
3) 丰富的应用场景模板：神州问学预置了20多个企业级应用场景模板，覆盖法律、人力资源、营销、风险控制等领域，使企业最快在5分钟左右快速构建企业级应用。
4) 开箱即用的模型应用：神州问学提供八大模型应用，包括慧阅读、慧解析、慧回答、慧写作、慧绘图、慧翻译、慧朗读、慧互动等，实现即插即用。例如，天士力医药基于慧阅读开发了智能培训机器人，通过模拟销售情境与初级医药代表进行互动对话，实时校验并矫正销售话术，模拟医生询证产品情景，有效提升了医药代表的专业应答能力。

典型客户：

天士力医药、某国际知名食品饮料企业、某省烟草局

代表厂商评估：

拓尔思

厂商介绍：

拓尔思信息技术股份有限公司（简称“拓尔思”）成立于 1993 年，是一家专业的大数据、人工智能和数据安全产品及服务提供商。拓尔思坚持核心技术自主研发，拥有 50+专利、800+软件著作权，在搜索型数据库、自然语言处理（NLP）技术的技术创新和应用场景落地等方面保持领先地位。

产品服务介绍：

拓天链是拓尔思推出的智能体平台，它结合了知识库、工具组件以及大型语言模型的能力，旨在通过AI Agent技术，简化问答系统搭建和复杂问题处理。该平台提供低/无代码的环境，用户可以通过拖拽和配置的方式快速搭建工作流，无需深入了解底层技术细节。拓天链智能体适用于多种应用场景，如客户服务、数据分析、内容生成、知识管理和教育培训等。目前，拓天链已在金融、媒体、政务、安全等领域陆续落地。

厂商评估：

拓天链通过其用户友好的交互界面和低代码开发方式，使得AI应用的构建变得简单直观，支持多模态输入，拓宽了应用场景。它提供的丰富组件，满足了多样化的AI应用开发需求。此外，拓天链允许用户自定义工作流，有效应对复杂任务的挑战。拓尔思的生态整合，为企业提供了一个全面的端到端AI解决方案，加速了AI技术在企业中的落地。

拓天链支持可视化低代码开发，简化AI应用创新。拓天链作为一款AI Agent开发管理平台，提供了一种用户友好的交互界面，支持通过拖拽组件的方式构建工作流，实现低代码编程。这种开发方式允许用户利用prompt生成与可视化工具链编辑，快速组合复杂的工具链。该平台的设计旨在降低AI应用开发的技术门槛，使用户能够从简单的应用开发起步，逐步扩展至更为复杂的解决方案。
此外，拓天链支持多模态输入，包括文本、音频、视频、PDF、Word文档、图片以及HTTP链接等，这为用户提供了广泛的应用场景。例如，在知识产权领域，拓天链开发的AI应用能够接收图片输入，并提供侵权分析结果，这体现了其在特定业务流程中的实用性和效率。
拓天链提供丰富组件，支撑多样化AI应用开发。在AI应用开发领域，AI Agent的角色趋向于“规划者”，而非单纯的“执行者”。拓天链平台认识到这一趋势，并提供了一系列预构建组件，以支持企业在执行环节调用所需的各类工具。
这些组件包括多模态文档解析器、语音转写、OCR识别、PDF解析、Word文档解析、外部接口调用、搜索引擎集成以及向量数据库访问等。这些工具的集合旨在满足不同行业和应用场景下的开发需求，为用户提供了一个全面的工具箱，以构建和扩展AI应用。
拓天链支持用户自定义工作流，优化复杂任务处理。在AI Agent的规划与处理工作中，简单任务往往容易应对，而复杂任务则可能面临规划上的挑战。拓天链针对这一问题，提供了"用户自定义工作流"的解决方案。该平台允许用户将复杂的任务转化为一系列可控的链式指令调用，将任务分解为多个步骤，每个步骤都可以调用不同的工具或模型。这种链式调用不仅包括对大模型的调用，也包括对外部工具的集成使用。
通过这种方式，拓天链能够将外部工具的特定功能与大模型的强大能力相结合，实现更为精确和稳定的任务处理。这种灵活性和可控性，为用户提供了一种有效的方法来解决复杂问题，优化了AI应用的执行效率和准确性。
拓天链与拓尔思生态打通，提供端到端AI解决方案。拓尔思基于其大模型技术，以拓天链为核心，构建了一个全面的AI智能平台解决方案。该方案由三个关键部分组成，共同为企业落地AI Agent提供了从底层技术到应用层服务的端到端支持。
图表3：拓尔思AI智能平台整体解决方案

1) AI能力平台：作为拓天链的"大脑"，AI能力平台由三个引擎组成——智语NLP引擎、拓天大模型、智眼机器视觉引擎。这些引擎为拓天链提供了强大的语言处理、数据分析和视觉识别能力。
2) AI训练平台：位于AI能力平台之下的是智拓AI训练平台，它提供数据标注和模型训练服务。该平台为拓天链的大模型和小模型提供了能力支撑，训练完成的模型可以直接发布到AI能力平台，为拓天链构建提供组件化支持。
3) AI服务平台：位于AI能力平台之上，AI服务平台依托拓尔思在语义智能、大数据、AI工程、场景算法技术和行业实践方面的深厚积累，为企业和开发者提供一站式的AI能力体系。服务以在线平台和API接口的形式对外提供，确保了服务的便捷性和可访问性。

典型客户：

南京图书馆、某综合性出版社、某银行

3.2 协同办公AI Agent

市场定义：

一种基于Agent架构的大模型应用，能理解自然语言描述的任务需求，自主完成办公环境的感知、任务的逻辑拆分、相应工具的智能选择、流程的精确执行等一系列工作，实现人与AI的深度协同，显著提升办公效率和质量。

甲方终端用户：

业务部门、职能部门、IT部门

甲方核心需求：

企业希望通过协同办公AI Agent实现低成本高效率的工作环境，解决那些影响员工日常效率的长尾场景。AI Agent旨在不增加人力成本的前提下，推动企业业绩和运营效率的增长。此外，企业期望利用AI Agent提升知识资产的利用率，培养员工的专业能力，使初级员工能够承担更复杂的任务，优化人力资源配置，实现业务流程的自动化和智能化。

协同办公AI Agent是低成本解决长尾场景的利器。在协同办公领域，企业面临着众多特定的长尾场景，这些场景虽小，却对员工的日常工作效率有着显著影响。例如，销售经理每日需将客户拜访数据汇总至团队报表，这一过程虽简单却耗时。提升此类数据汇报的效率，对员工而言意味着时间的节省和工作满意度的提升，但对企业整体而言，其直接价值并不显著，导致企业往往只分配有限的IT资源来应对。
以某大型银行为例，尽管已安排10名IT人员利用RPA技术满足了3000多个长尾办公需求，IT人力资源的紧张和工单积压的问题依旧严峻。协同办公AI Agent的出现，为这一困境带来了转机。通过为每位员工配备一个智能AI助理，员工可以自定义解决方案，快速响应个性化的长尾需求。
AI Agent的业务价值在于其能够显著提升员工的工作效率，使他们能够在不增加工作量的前提下承担更多任务。这不仅提升了员工的工作满意度，同时也使企业能够在不增加人力成本（Headcount）的情况下，实现业绩的增长和运营效率的提升。这种以技术驱动的解决方案，为现代企业在资源优化和效率提升方面开辟了新的可能性。
协同办公AI Agent让初级工变高级工。随着大型企业的持续发展，它们积累了丰富的知识资产。众多企业在咨询协同办公AI Agent时表达了一个共同的愿景：通过提高知识资产的利用率，来培养和沉淀专业能力，进而提升对特定业务的解决能力。这一愿景的核心在于利用协同办公AI Agent，将初级员工的能力提升至高级水平。
以合同审核为例，这一工作通常涉及复杂的专业知识和高风险，需要由经验丰富的专业人员来执行。企业期望通过引入协同办公AI Agent，实现合同审核流程的自动化，从而降低对员工专业技能的门槛。AI Agent能够辅助员工快速识别合同中的关键条款和潜在风险，提供标准化的审核建议，甚至在一些情况下，完全自动化地完成审核任务。
通过这种方式，初级员工可以在AI Agent的协助下，承担起以往需要高级工才能完成的任务。企业因此能够更有效地利用现有人才资源，同时降低对高级别专业人才的依赖，实现人力资源的优化配置。

厂商能力要求：

厂商需具备深入的大模型架构理解力，以精准选型并训练模型，实现成本与效果的平衡。同时，厂商应提供丰富的组件库，支持AI Agent作为规划者的角色，高效响应企业长尾需求。此外，厂商还需掌握构建知识管理系统的技术，以提升企业知识利用效率，增强业务处理能力。

厂商需深刻理解大模型架构，实现协同办公AI Agent的成本效益平衡。大模型作为协同办公AI Agent的核心支撑，要求厂商不仅关注AI Agent本身，更需深入理解大模型的底层架构设计。这种深刻理解对于大模型的选型至关重要，同时也为在特定垂直场景中对大模型进行有效的训练和微调提供了基础。在当前企业普遍寻求成本降低的背景下，厂商的任务是为企业找到性能与成本之间的最优平衡点。
进一步而言，厂商应组建专业的大模型算法团队，这不仅是对大模型架构理解的体现，也是深化模型应用的关键。缺乏这样的团队，厂商可能只能停留在提示词工程层面，无法深入到模型层，从而无法充分利用大模型的潜力，满足企业对协同办公AI Agent的深层次需求。
厂商需提供多功能组件库，以满足企业多样化长尾场景需求。当前，AI Agent更适合做一名“规划者”，而不是担任“执行者”的角色。执行环节需要调动各类工具，来满足企业的长尾需求。协同办公AI Agent在接收到用户需求后，并非直接执行任务，而是进行细致的规划，并调动一系列工具和组件来实现需求满足。为了适应企业的长尾需求，厂商必须拥有一个包含RPA、BI、IDP等在内的丰富组件库。这些工具和组件是AI Agent能力的延伸，能够确保在执行阶段能够精准、高效地满足用户需求。
厂商需掌握知识管理系统构建技术，增强企业知识应用效率。企业期望通过协同办公AI Agent显著提高知识资产的利用率，并在此过程中积累和沉淀专业能力，以强化对关键业务问题的处理能力。为实现这一目标，厂商必须掌握构建高效知识管理系统的核心技术，这包括但不限于引擎优化、向量化处理、文档智能切分、知识图谱构建以及自然语言处理等技术。除了拥有这些技术能力，厂商还需要具备将技术成功落地的经验，确保这些技术能够与AI Agent无缝集成，形成协同效应。

入选标准：

1. 符合协同办公AI Agent市场分析的厂商能力要求；

2. 近一年厂商在该市场至少服务1家企业。

代表厂商评估：

实在智能

厂商介绍：

实在智能是一家专注自研AGI大模型和超自动化技术（RPA/IPA/AI Agent等）的人工智能科技公司，拥有近百项发明专利和数百项软件著作权，在北京、上海、广州、深圳、成都、南京、济南及日本东京等地设有分支机构，服务团队覆盖全国。实在智能深耕央国企、金融、制造、运营商、电商、烟草、能源、交通等领域，已服务2500+家大中型客户。

产品服务介绍：

实在智能自研垂直大模型TARS（塔斯），在流程自动化垂直场景大模型、文档处理垂直场景大模型、数据处理垂直场景大模型和财经（证券）行业大模型四大专业领域完成了垂直训练，主打效果可用、成本可控、定制化训练、私有化部署等特色。

实在智能基于TARS大模型，已构建三款AI Agent。①Chat-RPA：具备数字员工发现、构建、应用、管理等能力，支持用户以对话方式实现桌面操作。②Chat-IDP：具备文档智能抽取、审核、比较模型训练等能力，支持用户以对话方式实现文档处理。③Chat-BI：具备数据采集、存储、管理、应用等能力，支持用户与对话方式实现数据分析。

图表4：大模型及AI Agent产品矩阵

厂商评估：

实在智能在技术、工具、方案和方法论等方面，具有深厚沉淀。在技术方面，30多位大模型算法工程师构筑实在智能的“技术底气”。在工具方面，实在智能通过AI Agent调动各类自研工具来满足企业长尾需求。在方案方面，实在智能帮助企业建立流程知识库，助其算力、人力双节约。在方法论方面，实在智能打造立项与交付方法论，为企业提供“避坑指南”。

30多位大模型算法工程师，构筑实在智能的“技术底气”。大模型是AI Agent的基石，厂商不应只着眼于AI Agent，而需要对大模型等底层架构设计有充分理解。通过大模型定制化训练，为企业找到效果和成本的最佳平衡点。这对厂商技术实力而言是一项重大挑战。实在智能拥有一支由30多位专业算法工程师组成的团队，在大模型的定制化训练和AI工程化方面具备充足的底气。
调动各类自研工具，实在智能AI Agent满足企业长尾需求。当前，AI Agent更适合做一名“规划者”，而不是担任“执行者”的角色。执行环节需要调动各类工具，来满足企业的长尾需求。实在智能经历多年发展，在RPA、IDP（智能文档审阅）等方面自研大量成熟工具和组件，可供AI Agent调用。
RPA：实在智能以RPA起家，积累了大量组件，涵盖流程控制、基础命令、桌面软件、网页/浏览器、键盘鼠标等多种类别，并支持企业用户自定义编排复杂任务。实在RPA具备零代码开发更易用、融合AI能力更智能、全面适配信创更安全的优势，在产品更新迭代的过程中，实现了从“1.0拖拉拽”的专家模式，进化到"2.0点选用”的低门槛模式，再到目前结合了大模型所呈现的“3.0所说即所得”的零门槛模式，真正实现了人人可用。
IDP：实在智能通过OCR文字识别、文档处理、文件转换、数据采集和NLP语言处理，实现对各类文档、表单、卡证等文件进行理解和信息提取、内容比对和审核，可广泛应用于合同审核、报销单据审核、凭证与影像附件稽核等文字密集型业务场景。
Agent：实在Agent是实在智能全行业首发的可“一句话生成数字员工”的 AI Agent智能体产品，既是个人用户的AI助理，也是政企员工的办公助手，不仅可调用RPA、IDP等工具，还可调用常见软件。实在智能通过大量项目积累，已将旗下智能产品与1000+常见软件打通，包括IM、office等办公软件，电商、旅游购票等公共平台，财务、销售等业务软件，可以快速调动它们。
企业大脑：实在智能基于语言大模型、Agent智能体技术和RAG增强检索生成，打造数字员工的生产、管理应用和监控的一站式运营平台——企业大脑。通过利用大模型、RAG以及Agent的能力，实现对话式的流程执行、知识问答、数据分析以及内容生成任务，提升企业知识应用效率，基于知识库的智能问答和基于对话的流程自动执行是企业大脑的典型场景。
建立流程知识库，实在智能助力企业算力、人力双节约。大企业员工众多，存在需求相同的情况。如果用户与AI Agent交互生成的复杂流程可以沉淀到流程知识库中，那么后续用户可以进行复用。不仅可以节约算力，还可以加快人与AI Agent的交互效率，进而节约人力。流程知识库的实现路径是RAG（检索增强生成）方案，该方案对厂商而言将带来一系列技术挑战，包括搜索引擎、文档切分、向量化、知识图谱等。实在智能创始人为阿里资深算法专家，十余年数智领域深耕经验。同时，实在智能拥有大量NLP（自然语言处理）工程师，占比超过工程师总数的三分之二，足以克服RAG实现之路上的各类技术挑战。
打造立项与交付方法论，实在智能为企业提供“避坑指南”。AI Agent属于创新项目，企业CIO缺少相关经验，在项目全生命周期中将遇到诸多阻碍。实在智能在AI Agent领域已服务多家行业头部企业，包括招商银行、中国电信某子公司、上海某证券公司等，并打造出一套切实可行的理想与交付方法论，部分内容如下。
1) 不是所有企业都适合上马AI Agent项目。实在智能会根据企业过往IT系统与大数据建设情况对企业进行评估，快速判断其是否适合上马AI Agent项目。
2) 项目双方需要预留2倍的需求沟通时间。从提出需求到合作签约，常规IT项目一般需要3-6个月。根据实在智能的实际经验判断，同体量的AI Agent项目需要6-12个月的时间。如果缺乏对所需时间的充足准备，双方将难以顺利推进需求沟通工作。
3) 企业需要视自身情况改变内部沟通方式。对于重视技术创新并配备相关预算的企业，以大模型或AI Agent名义立项更容易通过立项审核。对于以解决业务问题为导向的企业，以大模型或AI Agent名义推进立项可能适得其反，因为CIO不但面临巨大的解释工作，还需迁就大模型的预算窗口期，导致立项工作受阻。
4) AI Agent在“需要人动态响应的场景”更容易落地。在这些场景，用AI Agent代替人工，不仅带来实际的业务价值，而且ROI容易衡量，容易在企业内部达成价值共识。
5) 预算管理是项目成功交付的重中之重。CIO、业务部门、企业高管普遍对于大模型和AI Agent抱有超出实际的期望，期望与现实之间的落差是阻碍项目成功的最大隐患。实在智能将通过合作经验、技术和工程化能力，进行良好的AI Agent项目预期管理，促进项目成功。

典型客户：

中国铁塔、钉钉、京东物流、菜鸟物流

3.3 业务流程自动化AI Agent

市场定义：

一种基于Agent架构的大模型应用，能理解自然语言描述的任务需求，自主完成环境感知、任务的逻辑拆分、相应工具的智能选择、流程的精确执行、进度的实时监控、以及执行结果的即时反馈等一系列工作，实现更高阶的业务流程自动化，进一步提高企业运营效率和质量。

甲方终端用户：

业务部门、IT部门

甲方核心需求：

企业追求端到端的业务流程自动化AI Agent解决方案，强调技术整合、定制服务、以及合规性。同时，企业偏好以业务价值为导向的驱动模式，将AI Agent作为提升效率和降低成本的工具，而非追求技术本身。

企业需要端到端的业务流程自动化AI Agent解决方案。AI Agent自兴起至今仅一年时间，正处于其发展初期。它并非单一产品，而是一项涉及众多技术、产品和资源的系统工程。由于其"新且复杂"的特性，企业IT部门往往缺乏AI Agent的落地经验，通常需要依赖厂商的引导来实现技术落地。因此，端到端的业务流程自动化AI Agent解决方案成为企业的核心需求。这类解决方案应具备高度的技术整合能力，能够根据企业特定需求定制化服务，同时在部署过程中识别和管理风险，提供持续的技术支持与系统优化，并确保解决方案的合规性与安全性。
企业需要具备业务价值的业务流程自动化AI Agent解决方案。企业在与厂商探讨业务流程自动化AI Agent时，主要基于两种驱动模式进行交流：IT驱动与业务驱动。IT驱动模式下，企业倾向于实施一些探索性的项目，这些项目可能不立即考虑业务价值，而是作为技术验证和能力建设的手段。相对而言，业务驱动模式则更为务实，企业带着具体的业务问题寻求解决方案，这种模式更侧重于解决实际问题并实现业务价值的增长。
从签约和实施的角度来看，IT驱动的项目由于缺乏明确的业务目标和价值衡量，往往面临更大的落地难度。相比之下，业务驱动模式因其清晰的业务目标和可量化的效益预期，成为主流的落地方式。在这种模式下，AI Agent本身并非终极目标，而是作为实现业务流程优化和自动化的有力工具。企业期望通过与厂商的紧密合作，将AI Agent技术转化为解决具体业务挑战的有效方案，从而推动企业运营效率的提升和成本的降低。

厂商能力要求：

厂商应提供全面的业务流程自动化AI Agent解决方案，包括灵活的大模型服务、RAG技术支持、丰富的工具库和强大的系统集成能力。成功案例展示对企业CIO至关重要，他们需见证AI Agent的实际效益以确保项目成功。

AI Agent+大模型+RAG+工具/组件+系统集成，厂商需提供五位一体的综合解决方案。在构建业务流程自动化AI Agent解决方案时，厂商必须提供一种综合的、多维度的解决方案，这不仅包括AI Agent本身，还需要涵盖其他四个关键组成部分。首先，企业对大模型的需求多样化，可能包括开源或闭源模型、信创或无特定要求的模型、参数量从千亿到百亿不等，以及外采或自研的模型。厂商必须能够灵活应对这些多样化的需求，提供定制化的大模型服务。
其次，随着RAG技术成为AI Agent落地的主流方案，厂商应具备相应的产品和技术能力，以确保AI Agent能够高效地处理和响应用户需求。
进一步地，AI Agent在接收到用户需求后，并非直接执行任务，而是进行细致的规划，并调动一系列工具和组件来实现需求满足。这要求厂商拥有一个强大的工具库，涵盖RPA、BI、流程挖掘等，以支持AI Agent的规划和执行。
最后，鉴于AI Agent通常需要与企业现有的其他业务系统集成，厂商必须具备强大的系统集成能力，确保AI Agent能够无缝地融入企业的IT架构中，实现数据和流程的互联互通。
案例为王，厂商需展现业务流程自动化AI Agent的实际成效。业务流程自动化AI Agent属于创新项目，对CIO而言，往往意味着首次涉足未知领域，因此他们对此持谨慎态度。同时，AI Agent项目通常受到企业高层的密切关注，因此CIO承受着超越以往项目的巨大压力。在当前IT预算日益紧缩的背景下，CIO几乎没有试错机会。他们迫切需要看到AI Agent能够解决实际业务问题，并为企业带来明确的价值。
在项目初期的需求沟通阶段，CIO特别重视厂商提供的行业案例。这些案例不仅是厂商技术实力和项目经验的体现，也是消除企业疑虑、建立信任的关键。CIO希望看到AI Agent在类似业务场景中的实际应用效果，以及它如何帮助其他企业提升效率、降低成本、增强竞争力。
此外，出于对项目成功的极致追求，一些谨慎的CIO甚至希望亲自访问这些案例中的企业，亲身体验AI Agent项目带来的变革。通过实地考察，CIO可以更直观地了解项目实施的过程、面临的挑战以及最终的成果，从而为自己的决策提供更为坚实的依据。

入选标准：

1. 符合业务流程自动化AI Agent市场分析的厂商能力要求；

2. 近一年厂商在该市场至少服务1家企业。

代表厂商评估：

容智信息

厂商介绍：

容智信息成立于 2016 年，致力于为企业提供人工智能数字生产力（AI Digital Workforce），以超自动化技术和AI应用为核心，已为上千家中大型企业提供数智化转型产品服务，客户覆盖世界500强、央国企以及通信、能源、金融、高端装备制造、医疗等行业领先企业，产品复购率达90%以上。目前公司形成上海、无锡双中心运营模式，业务版图覆盖一线城市和主要省会。

产品服务介绍：

容智信息已推出超级智能体（Hyper Agent）、数字员工（iBot）、流程挖掘（iDiscover）、“闻道”大模型应用开发（Wisdom）等产品，致力于通过“一人一机”战略推动国产数字员工的规模化替代。

容智信息的AI Agent产品为Hyper Agent，它是一种基于机器人流程自动化技术的智能体，通过收集和分析用户指令的关键词，调用各类工具和组件来执行自动化业务流程操作。

图表5：Hyper Agent应用部署架构图

厂商评估：

AI Agent作为创新项目，企业在厂商选型时顾虑颇多。容智信息则通过30+行业头部最佳实践、93%复购率以及支持拜访成功案例等方式消除合作顾虑。并且，容智信息已将Hyper Agent与旗下多款产品打通，让用户实现轻松调用，打造适用于生产环境的端到端解决方案。

30+行业头部最佳实践，容智信息沉淀深厚行业Know-how。当前，咨询AI Agent产品并具备相关预算的企业主要为大型企业。在前期沟通需求过程中，此类企业尤为看重厂商的行业Know-how，对于积累浅薄的厂商缺乏沟通兴致。
容智信息与大众汽车、宝洁、腾讯、度小满、中国移动等30多家行业头部保持长期合作，并沉淀关于汽车、日化、互联网、金融、能源、通信等行业的高质量Know-how。以此为牵引，容智信息在AI Agent领域获得较多合作机会，并陆续落地。
93%复购率，容智信息用口碑消除AI Agent潜在客户的合作顾虑。AI Agent火热，市场上存在将无关产品包装成AI Agent的不规范行为。因此，企业在选型时比较担心厂商没有“真材实料”，而是纯粹以销售为导向进行合作。
容智信息作为AI Agent供给侧的一员，同样会受到质疑，其主要通过行业口碑来消除企业疑虑。容智信息是业内少有的支持订阅制的厂商，多数客户有5-6期以上的合作历史，复购率高达93%。容智信息的高复购率不仅依靠产品和技术，还得益于特殊的员工激励机制。容智信息认为交付不是终点，用户需要用起来才行，因此非常重视培训工作。容智信息的交付工程师的薪资构成中会有一项 “培训激励奖金”，教会用户使用产品后才可以拿到。
支持拜访成功案例，容智信息让企业切身感受项目价值。经济下行，企业试错机会越来越少，IT投入也愈发谨慎。在厂商选型时，CIO不仅要看“纸面上”的最佳实践，还希望实地拜访，切实感受项目价值，并能从中汲取宝贵的实践经验。容智信息积累各行业大量最佳实践并与之保持良好关系，大多数支持容智信息及其潜在客户现场交流、调研，为CIO带来信心和安心。
Hyper Agent+X，容智信息打造出适用于生产环境的端到端解决方案。容智信息认为，AI Agent面对复杂流程需要从“执行者”向“调度者”转换角色。AI Agent拿到用户需求后，应像“庖丁解牛”一般进行详细规划，然后调动各类工具和组件，最后将反馈结果进行串联和呈现。该方案有两项核心价值，一是提升结果准确率，让AI Agent在生产场景能真正用起来，二是相较于事倍功半的纯粹大模型训练与微调方案，该方案可以带来更佳的成本控制。
容智信息已将Hyper Agent与旗下多款产品打通，让用户实现轻松调用。
RPA：提供600多个预制组件，超过5000项功能点，供用户自由组合。
BI：支持对1000万行的电子表格数据进行可视化实现数据清洗、数据读取、数据转换、数据排序和排名、数据汇总和计算描述统计等操作，并生成可视化图表。
知识库：支持对文档的切片、内容管理和向量化处理。结合大模型提供对于知识库内容的问答和搜索功能。
流程挖掘：可围绕流程进行多维度分析并做出自定义分析看板，以及实时监控和优化流程。