2025年，AI热得发烫，从年初DeepSeek一声惊雷，到Manus、豆包、元宝轮番登场，热闹非凡。
但你有没有发现，一年过去了，头部玩家的AI应用，清一色还是聊天机器人：字节的豆包、阿里的夸克、腾讯的元宝、讯飞星火……访问量断层领先，更像是“秀肌肉”而非“真干活”。
AI在App里的渗透，也卡在怪圈里：渗透率高的，月活上不去；月活高的，渗透率反倒低。
这些现象，其实没有看上去那么健康。
因为那把悬在AI行业头顶的“达摩克里斯之剑”——落地，似乎还未真正得到解决。
AI Agent曾被寄予厚望。Manus年初掀起AI代理风潮，可问题来得比解决方案更快；年底豆包手机联名努比亚，测评圈炸了，量产却还在“画饼”。
第三方调研数据显示，93%的Agent项目在从POC迈向生产时遇到障碍[1]。也就意味着，每100个让人热血沸腾的概念验证，最终能活下来的，不到7个。
而这，才是AI智能体战场最真实、最残酷的战场。
AI进厂，体验怎么样？
去年年底，我参加了一场钉钉在江苏举办的峰会。会上，钉钉发布了8.0版本，AI辅助办公的细腻程度，已经细到能帮你写会议纪要、自动排期、甚至猜你下一句想说什么。
最让我印象深刻的，是钉钉华东区域总经理施江峰分享的一个数据：苏锡常地区76%的上市公司正在使用钉钉，乍一听，这数字好像也没什么，毕竟钉钉用户遍布全国。但关键在于，苏锡常的上市公司里，制造业占了七成以上。
就是说，一向只看重实操的制造企业，也开始悄悄拥抱AI了。
这个趋势得到了数据的印证。去年7月，IDC发布调研显示：国内工业企业中，大模型智能体的应用比例从2024年的9.6%，一路飙升至2025年的47.5%[2]，不到一年时间，翻了近五倍。
当然，这背后也少不了政策推一把的功劳，毕竟谁都想在“新质生产力”的赛道上抢个好位置。
峰会上，几位企业代表也聊了接入AI的真实体验。提效最明显的，还是业务流程和会议流程，比如自动汇总待办、智能生成纪要、跨部门协作不再“踢皮球”。
总的来说，钉钉作为办公协作平台，目前在制造型企业中，主要切入的还是行政、人事这类“轻量级”场景。
但也有人坦言：“当前，我们只在外网业务用钉钉。”这句话挺耐人寻味，不是不用，也不是全用，而是部分的用，循序渐进的用。
这恰恰说明，企业对AI Agent的接受程度，还处在“看疗效”的阶段，有人已经上头，有人还在观望。
尤其对于中小企业来说，不敢全信的原因主要来自两方面：
第一，太贵，回本太慢。定制一个企业级智能体，动辄几十上百万，还得搭上几个月的调试和训练。老板们心里会想：“这玩意儿到底能不能帮我多赚钱、少花钱？”
第二，太“黑”，心里没底。AI做决策像在“黑箱”里抽盲盒，你不知道它为啥这么判，也难预测它会不会突然“抽风”。一旦涉及客户数据、生产流程，企业就更不敢轻易把方向盘交给AI。
说到底，虽然越来越多企业喊出“AI+”或“+AI”的口号，但现实仍是：“表面热闹的多，动真格的少”。大多数还停留在行政、沟通等外围场景，真正把AI嵌入生产、供应链、质量控制等核心业务的，仍是少数。
原因也不复杂——投资回报算不清，安全风险担不起。
但趋势已经不可逆了。当制造业的“硬骨头”都开始啃AI了，说明这场变革，正从“锦上添花”走向“不可或缺”，只是，从“用起来”到“用得好”，还有很长一段路要走。
AI落地，为啥一用就翻车？
传统AI助手主打基础问答和简单任务，虽然现在还是“主力军”，但增长已经放慢了。
真正的增量机会，藏在通用、垂直和开发平台这三个方向里[3]。
AI Agent类别
2025年市场规模（单位：亿美元）
通用AI Agent
78.4
垂直行业AI Agent
890
AI Agent开发平台
900
前面说了，93%的AI Agent项目卡在从概念到落地的“最后一公里”，对大多数企业来说，这道坎，真不好迈。
亚马逊云科技大中华区产品部总经理陈晓建认为：症结在“数据”和“工程化”。[1]
在干净数据上跑模型，体验直接拉满，但现实是，企业数据往往是乱的、分散的、格式五花八门的“沼泽”。
这不光让智能体“看不懂”，也让企业犯难：智能体需要学习高质量数据，如果甲方在启用AI助手之前，还要做清洗数据前置工作的话，成本太高了。
微软的解法，是把 RAG（检索增强生成） 深度塞进 Copilot 系列，现在不少厂商都跟着抄作业。简单说，就是给大模型配个独立的模块，专门负责从企业杂乱的文档堆里找到原始信息，大模型自己只管“动脑”和“动嘴”。
这样一来，哪怕底子数据是“烂”的，只要检索准，答案也能靠谱，大大减轻了数据清洗的负担。
在查资料时，我发现国内有家叫中之杰智能的公司，走的是“小垂直+全覆盖”的路线，将智能体安插在各种可行的制造场景中。
他们推出的德沃克X-Agent工业智能体，覆盖了感知—指挥—执行三层，针对国内制造业的离散生产模式，算是目前最接近“标准答案”的方案之一。
关键是，真有客户在用，不是PPT吹牛：
在中大力德数字车间，上了“AI老厂长 + AI水蜘蛛”，优排产、降库存；
新坐标科技的混线生产，用上“OBF岛式智能体 + AI品控卫士”，降损耗、提插单能力；
鸿基伟业的车间里，部署“全工位视觉质检 + AI设备管家”，降故障、提合格率。
如果把大模型智能体看作车间里的“小脑+大脑”组合，那中之杰的X-Agent，算是目前国内离散制造领域落地最多、指标最透明的一套体系了，甚至在紧固件、减速机这类“小批量多品种”场景，能做到一年回本。
但问题也明显：如果客户想直接复制到3C、医药或者其他工厂呢？还是得重新训练、迁移验证，更何况，还有那道横在所有大模型面前的“天堑”——幻觉。
说白了，大模型就是个“概率模型”，靠不断猜下一个词推算准确度最高的。
可企业要的是“白盒”：稳定、可控、能追责。这种根本性矛盾，让智能体在核心流程前，步子就不敢迈太大了。
尤其是医疗行业。前两年，有一家AI医疗公司悄然解散。
鹰眼智慧中医这家公司，曾被港股上市公司江山控股收购，手握上千甚至上百亿的中医、诊疗、文献数据，号称“数据富矿”，但问题接连出现，融资不到位、母公司缩水，现金流一断，彻底消失了。
医疗领域数据不能出域，AI也不能越位，诊疗过程有严格的“护栏”。现在像上海仁济、复旦附属这些大医院，顶多用AI辅助，数据处理还得多一道“专家标注”把关。
更何况，中医讲究经验积累，诊疗高度个性化，所以再强的“思维链”（CoT），也替代不了老中医的“望闻问切”。
智能体的赚钱门道，到底在哪儿？
观察头部玩家的打法，或许能帮我们打开新思路。
数据来源：CB Insights
2025年，全球营收排名前20的AI Agent企业，几乎被美国公司承包，ARR（年经常性收入）成为衡量商业化能力的核心指标。
清一色的订阅制SaaS模式，像极了软件世界的“会员制健身房”，用户按月缴费，企业靠持续服务赚钱。
其中，最出圈的当属程序员的“利器”——Cursor。它凭借超5亿美元的年营收，稳坐头把交椅，成了全球AI Agent界的“顶流”。[4]
不去搞全能助手，而是专注服务开发者：写代码、修Bug、做重构，像一个永不疲倦的“搭子”，让程序员从搬砖民工升级为架构指挥官。
除了软件开发类Agent，Top20中有一半是客服、法律、协作类垂直应用。
它们的共同策略很“极端”：不求全能，只求一招制敌。放弃通用智能的宏大叙事，把场景压到最窄，再把这一件事做到极致。
数据来源：CB Insights
比如客服Agent：只要它能把外呼、话术引导、信息记录这一套流程跑明白。在金融、电商这些对响应速度和服务标准要求极高的场景，它就成了标准配置，效率高、出错少。
比如法律Agent：人脑记不住几万条法条，但AI可以。合同审查、案例检索、文书生成，一气呵成。律师再也不用熬夜翻卷宗，只需要负责出庭辩护、客户沟通这些需要“人味儿”的部分，繁琐的案头工作，交给AI打理。
这揭示了当前AI Agent最清晰的商业化路径：与其幻想成为“全能大脑”，不如打造一个能解决核心问题的“超级器官”。
Cursor不是要替代程序员，而是成为程序员的“代码加速器”；Harvey也不是要取代律师，而是当好律师的“第二大脑”。
本质上都是把通用的大模型能力，封装成高度专业化、可度量、能嵌入真实业务流程、还能产生现金价值的数字技能。
这其实也给所有后来者提了个醒：比起空谈“AI能做什么”，更关键的问题是，在哪个不容有失的环节，你愿意让AI负全责？
敢把核心业务交给AI“扛雷”的地方，才是AI Agent真正能扎根、生长、变现的土壤。
结语
AI智能体的赛场，规则已变。
下半场的较量，拼的不再是模型有多大，而是工程落地、行业理解与成本控制的硬功夫。
评估一个AI项目，只需三问：
问题够“尖”吗？ 是否直击一个具体、可定义的核心痛点？
数据够“真”吗？ 源头是否干净、合规、可持续？
结果够“硬”吗？ 用的是实验室指标，还是真金白银的业务回报？
归根结底，AI智能体从一场令人惊叹的技术演示，成为商业社会的基础设施，本质上是一场从技术思维到产品思维，再到商业思维的蜕变。
它的终点，应当是一个更可靠的“同事”，而不是一个更聪明的“玩具”。
当智能体褪去光环，化为流水线上的精准操作、客服对话中的满意解决、合同条款里的风险规避时，它的时代，才真正到来。
参考资料：
[1]量子位 揭秘Agent落地困局！93%企业项目卡在POC到生产最后一公里
[2]中国日报 AI Agent规模化落地提速，潜力释放工业渗透超四成
[3]铅笔道 智能体赛道杀出一批未来独角兽：3大方向正突破
[4]极客公园 全球最赚钱20家AI Agent公司是这几个
公司与行业往期回顾：
热门跟贴