大廠狂卷AI辦公，另一場更深的戰役正在打響

作者 | 畢偉豪 編輯｜漠影 今年以來，國內大廠密集加碼AI辦公，Workbody、千問辦公各種AI應用層出不窮，AI Agent持續在寫代碼、做PPT、整理資料、分析數據等高頻辦公場景兌現價值。辦公場景連接C端與B端，需求高頻，感知直觀，因此天然成為AI爆發的入口。在這場圍繞“辦公”的熱潮之外，另一個更深的戰場已經打開——AI正開始從辦公桌前，走向企業的核心業務現場。這一趨勢在海內外都已顯現。海外市場，Palantir憑藉AI在決策、運營和複雜業務流程中的深度應用，持續獲得資本市場追捧，市值突破4000億美元。

在國內市場，AItoB也成為越來越多大模型公司的重要落地方向，大模型公司智譜市值一度高達萬億港元，產業側商業化預期持續升溫。不過，相比於辦公場景，AI要真正進入企業核心業務並沒有想象中容易。據MIT的一項調研顯示，95%的企業AI試點項目未能成功落地，主要原因在於工具無法學習、集成效果差，或與實際工作流程不匹配。這也意味著，企業真正關注的從來不是單點提效，而是 AI 能否進入真實業務鏈路，直接服務於業務增長、用戶轉化和和交易履約。在智能體經濟時代，誰能幫企業跨過從試點到規模化的落地生死線，讓AI真正創造收入、承接業務、完成履約，誰就更有可能掌握下一個十年核心的槓桿。

一、辦公之外，AI正走進企業核心場景 辦公，是Agent在非技術人群爆發的第一站，寫代碼、做PPT、整理資料、分析數據，這些任務有著共同的特點：目標明確、流程數字化、結果容易被衡量，在這些任務中，Agent解決的是效率問題。但進入真實商業場景，企業所需要的核心價值往往並不發生在辦公桌前，獲客、營銷、門店經營、客戶服務、庫存、交易、履約，這些才是商家每天真正產生業務結果的地方。這意味著，在商業場景中，Agent所面對的問題，是能不能打通多個業務環節，實現閉環交付，這條路徑，是Agent應用邊界向經營的延伸。

就像移動互聯網重新組織了人與服務的連接，未來智能體經濟也將讓用戶從“尋找服務、操作服務”轉向“提出需求，由Agent識別意圖，規劃與執行”。AI智能體將成為新的服務入口與經營模式，從而重塑整個數字經濟的模式， 國內，支付寶6月推出AI生活助手阿寶，至今已完成萬餘項服務AI化接入，並通過跨端多入口，讓用戶可以在車機、手機等不同終端調用智能服務。對支付寶生態裡的數千萬商家來說，這意味著原本分散在各個App、門店和服務系統裡的業務，有機會被一個連接超10億用戶的智能入口重新組織起來。

這條路徑並不只有國內在探索，OpenAI同樣在佈局AI與商業，ChatGPT在去年就已支持商品發現和購買，並通過相關協議推動Agent與商家、支付等環節連接。近日，消費金融公司Synchrony宣佈與OpenAI達成企業合作，消費者未來可以在ChatGPT中使用專門的信用卡來購買商品，這一合作將會把借款和信用等融入AI原生購物和結賬體驗。這背後已經出現了一個新的市場空間，麥肯錫預測，到2030年，全球將有3萬億至5萬億美元的消費交易由AI代理參與（Agentic Commerce），Agent與消費深度融合成為明顯的行業趨勢。

也即，未來龐大的Agent市場空間不會只來自辦公提效，商業化場景也會是重點之一。當用戶開始習慣把需求直接交給Agent，AI除了工具之外，也可能成為連接用戶與商業服務的新入口。消費與Agent的深度融合，也對未來的商家提出了更貼合時代的要求：當用戶開始通過Agent尋找、比較、調用和購買服務時，自己的業務能不能進入這個新的交互體系。過去，商家需要做的是讓自己更容易被搜索引擎搜到、被推薦；未來，商家還需要讓自己的業務能夠被Agent理解、調用，並進一步完成服務和交易。

二、從“接入”到“交付”，智能化經營要跨過幾道坎 Agent真正進入經營現場，首先要解決的，就是如何把原有的小程序以及API等服務AI化，快速接入智能體體系。對於大量中小企業來說，傳統模式下，這項工作需要投入大量時間和技術資源，成為了企業接入AI智能體的第一道門檻。在8月17日舉辦的支付寶AI生態大會上，螞蟻數科推出Agentar生態版，依託十年來的ToB積累，為商家提供從接入、運營到定製開發的一站式AI能力，讓原本分散在不同業務系統中的經營能力平滑進入智能體體系。例如，商家只需一句“我要接入阿寶”，即可將原有小程序等服務快速轉化為阿寶可調用的標準Skill，預覽確認後一鍵發佈。

原本存在於業務系統中的服務，由此變成Agent可以理解和調用的能力，還能通過手機、車機、智能眼鏡等多元終端，觸達超10億消費者。接入只是第一步，Agent進入經營現場，真正面臨的挑戰，是串聯真實經營流程，並穩定交付結果。寫一份營銷方案，辦公Agent一次輸出就結束了，而進入真實生意，營銷方案還要執行，銷售數據要轉化為具體經營實踐，客服回覆要真正完成服務，庫存預測還要協同採購和銷售等方面。面向商家經營的痛點，Agentar生態版目前已沉澱了200+面向商家高頻使用場景的Skills，覆蓋增長、運營、體驗和通用四大類能力，包括潛客挖掘、銷量預測、智能問數、庫存預警、智能客服等。

商家可以直接調用、組合這些標準化能力，讓AI從一次性的工具使用，進一步變成可以持續調用的數字員工。例如，商家提出“幫我分析這周門店經營情況，並給出下週營銷建議”，就需要讀取經營數據、分析銷量、判斷異常，再調用營銷等相關能力，最終形成經營策略。Agentar提供了崗位級數字專家智能體，比如“AI店長”，商家輸入業務目標後，AI店長能自主規劃路徑、動態調度多項能力，最終交付經營分析結果或營銷策略。針對高度定製化需求的商家，Agentar將智能體建設封裝為標準模板，可通過可視化拖拉拽或一句話編程進行二次開發，生產適配自身業務的專屬智能體。

Agentar還提供諮詢規劃、定製開發、系統集成和持續運維等工程服務，並通過FDE（前線部署工程師）服務商家完成私有化集成與持續調優。這意味著，Agent的能力開始從“完成任務”，走向“承接業務”，並將在越來越多的中小企業的真實經營場景中落地。寵語科技基於Agentar打造寵物醫生“數字分身”，支持圖片、語音等多模態諮詢和24小時值守，單家醫院月均新增18-25個客資，醫生時間節省約1/3。原本高度依賴醫生個人經驗的專業服務，由此變成可以被AI調用的服務能力。

一起練科技則用AI工牌記錄客戶需求，六大業務Agent覆蓋獲客、轉化、交付、售後，自動提取20餘項結構化字段並對服務評分，新客轉化率、續卡率提升10%-20%。兩個案例驗證的，都是原本依賴人工經驗的經營環節，能否被智能體拆解、接入、執行，並最終轉化為可衡量的業務結果。而在這個過程中，業務運行過程中產生的新知識和經驗，還可以通過Agentar生態版進一步沉澱為Skills，形成可複用、可迭代的組織資產。三、從“能用”到“跑穩”，螞蟻數科搭起Agent基礎設施 當Agent經歷重重困難進入生意場，要面對的則是更現實的問題：進入生意之後，能否長期、穩定、規模化地運行。

首先是成本問題，當Agent從偶爾調用變成高頻運行，Token成本就會直接成為企業經營成本的重要組成。其次是安全和可控性和穩定性。越靠近交易、服務和履約，對Agent的準確性、穩定性、安全性要求就越高，Agent真正進入業務，會涉及權限、數據、知識、調用鏈和成本控制等一系列問題，安全、評測和治理也因此成為生產環境的基礎能力。螞蟻數科Agentar以LingDT基礎大模型和行業大模型為底座，不卷參數，卷“智效比”，即完成同等任務下，消耗更低的Token成本，幫助企業把每分token都花在刀刃上。

此外，Agentar提供零碼、低碼、高碼三種模式，覆蓋開發、評測、運行全生命週期，並支持數據治理、知識工程和安全合規，直接讓安全合規成為內嵌的原生能力。目前這套能力已經在金融、能源等行業經過大規模實踐驗證。金融場景對安全合規要求極高，是一個最嚴苛的試驗場。螞蟻數科Agentar已經在銀行、證券、保險等金融場景落地超過300個專業智能體。某頭部股份制銀行將智能體用於客戶經營全流程，客戶經理端到端業務處理效率提升數十倍；全球首家AI原生銀行 Ryt Bank上線7個月用戶突破120萬，處理交易超2500萬筆。這套能力也獲得了第三方市場報告的驗證。

IDC2026年發佈的《中國智能體開發平臺市場份額,2025》和《中國金融行業大模型平臺、智能體應用及服務市場份額,2025》報告顯示，Agentar在中國智能體開發平臺私有化市場位列非雲廠商第一，並在金融AI、大模型及智能體服務市場份額中位居第一。對於Agent而言，從“能完成任務”到“能進入生產”，拼的不只是模型能力，也是一整套成本、工程、安全和業務落地能力，這正是螞蟻數科Agentar的優勢所在。結語：Agent走進生意，真正的考驗才剛開始 辦公仍將是Agent規模化落地的重要場景，但當Agent進入經營、服務、交易和履約等環節，衡量它的標準也將變成能否承接業務，並最終交付結果。

從這個角度看，螞蟻數科Agentar正在嘗試做的，是依託多年產業數字化積累，把商家的知識、經驗和流程轉化為可被智能體調用、組合和執行的能力，再借助支付寶的用戶與商業生態，讓Agent進一步走向實際交付。對於螞蟻數科Agentar而言，如何將已經驗證的產業能力進一步複製到更多行業、更多商家，並持續交付可衡量的業務結果，也將成為下一階段值得觀察的事情。