人工智能正在从回答问题的对话工具，跃迁为能够自主理解目标、拆解任务、调用工具并交付结果的智能体。随着大模型能力提升与推理成本下降，智能体不再是稀缺的演示项目，而开始进入企业真实业务流程和个人日常场景。2025 年中国企业级智能体市场规模约 212 亿元，预计 2029 年达 3320 亿元，年复合增长率超过 107%；截至 2026 年 5 月，国内 AI 原生应用月活跃用户已达 4.99 亿，同比增长 85.4%。产业竞争重心正从参数规模和模型性能，转向任务完成能力、业务适配程度和单位任务成本。本报告梳理中国 AI Agent 产业的发展概况、产业链生态、典型路径与未来趋势。

一、行业发展概况

1. 定义与产品形态

AI 智能体是以大语言模型为核心决策大脑，集成环境感知、长期记忆、规划推理、工具调用与执行反馈的全链路能力，能够在无持续人工干预下自主理解复杂目标、逐层拆解任务、动态调整策略并完成多步骤工作闭环的智能系统。与传统对话式 AI 相比，其本质区别在于核心目标从信息响应转向任务执行与结果交付，具备自主决策性、任务闭环性、动态适配性和工具原生性四大特征。

按照产品形态与价值定位，智能体可分为应用服务型、开发使能型、端侧内嵌型与具身实体型四大类。应用服务型直接面向终端用户交付场景价值，进一步细分为面向个人的消费类智能体、覆盖办公与经营管理的企业通用智能体，以及深度适配金融、医疗、法务等专业流程的行业垂直智能体；开发使能型面向技术团队提供构建、编排与部署工具；端侧内嵌型嵌入消费电子形成系统级原生智能；具身实体型依托物理载体作用于真实世界。

2. 发展驱动力

▌政策层面，国家级顶层设计持续完善。“十五五”规划首次将智能体、具身智能、群体智能列为人工智能核心技术创新鼓励方向；2025 年 8 月国务院印发关于深入实施人工智能加行动的意见，2026 年 5 月三部门联合印发智能体规范应用与创新发展实施意见，从技术创新、场景应用、安全治理到生态培育作出系统部署，形成创新激励与规范约束并重的发展环境。

▌技术层面，底座、核心、协议与生态多维突破。基础大模型的多模态理解、长上下文处理和复杂推理能力持续升级，模型量化、推理加速和分布式调度推动单位推理成本下降；感知、记忆、规划推理、工具调用四大核心模块走向成熟，智能体任务完成率与异常容错能力显著提升；模型上下文协议与智能体间通信协议加快普及，打通不同厂商智能体之间的信息壁垒，为多智能体协同奠定技术基础；开发框架、低代码平台与全链路运维工具持续完善，把开发从手工原型搭建推向标准化工程化交付。

▌需求层面，B 端降本增效与 C 端体验升级共振。企业数字化转型深化，智能体可替代人工完成数据处理、客户服务、运营运维、合规审核等标准化多步骤工作，成为企业向纵深推进的核心抓手；消费市场中，用户对效率提升的需求从信息检索转向事务化、代办式服务，截至 2026 年 5 月，国内 AI 原生应用月活达 4.99 亿，同比增长 85.4%，豆包、千问、DeepSeek 月活分别为 3.82 亿、1.67 亿和 1.30 亿。

3. 发展现状与市场规模

中国智能体市场已跨过概念验证阶段，进入生产力验证和商业化放量的早期阶段。最近一年的关键变化是智能体开始从应用内插件走向工作环境中的操作层，能够浏览网页、调用企业系统、操作电脑、生成并交付文件、持续运行长任务，并通过技能、模型上下文协议、连接器和多智能体方式扩大能力边界。市场呈现明显梯度特征，企业通用智能体率先进入商业化落地，行业垂直智能体加速从试点走向规模化，个人消费智能体快速探索，开发使能型演变为底层基础设施，端侧智能体处于生态布局期，具身实体型仍在早期验证。

市场规模高速扩张。据行业机构测算，中国企业级 AI 智能体市场规模 2024 年为 86 亿元，2025 年达 212 亿元，2026 年预计增至 449 亿元，2027 年、2028 年分别达 896 亿元和 1760 亿元，2029 年有望突破 3320 亿元，2024 至 2029 年复合增长率约 107.6%。

来源：36氪研究院，中国AI+Agent行业发展研究报告（2026）

市场参与者多元，主要包括综合科技与云平台厂商、大模型原生厂商、企业软件与 SaaS 厂商、人工智能专业厂商与创业公司，终端硬件厂商和开源开发者生态正加速进入，整体呈现大厂平台卡位、软件厂商承接场景、专业厂商垂直突围、终端厂商争夺入口、开源生态扩大供给的竞争格局。

二、产业链生态分析

1. 产业链三层结构

智能体产业链由上游基础层、中游工具与平台层、下游应用层构成。上游是能力底座与技术源头，涵盖算力基础设施、大模型底座、数据与工具服务；中游是连接基础能力与场景应用的传导枢纽，核心价值在于实现智能体能力的标准化封装与工程化交付，覆盖开发框架与工具链、低代码无代码平台、中间件与系统集成服务以及通信协议层；下游是价值变现终端，面向用户交付场景化业务价值，呈现 B 端先行渗透、C 端逐步起量、端侧与具身前瞻布局的特征。

2. 上游 模型商品化与推理底座延伸

基础模型加速商品化，竞争重心由参数性能转向性价比与任务完成能力。随着模型能力差距收窄，企业选型更关注单位任务成本、长任务稳定性、工具调用、上下文处理和复杂业务适配，竞争正从谁的模型更强转向谁能以更低成本稳定完成更多真实任务；模型厂商需向推理基础设施、行业模型、工具调用和企业服务延伸，提升模型之外的价值捕获。

智能体推理需求持续增长，算力竞争由训练规模转向单位任务效率。智能体一次任务往往对应多轮甚至数十轮模型推理，产业对算力的需求从集中式训练算力向高频、持续、复杂的推理算力延伸，衡量指标从每秒处理多少 token 转向完成一次有效任务需要多少计算资源；端侧 AI 进一步扩大推理基础设施边界，形成端侧快速响应加云端复杂推理的协同模式。与此同时，AI 基础设施正从模型底座向智能执行底座延伸，上下文管理、记忆、工具调用、知识检索、沙箱、权限控制和运行反馈成为新的基础能力；真实业务运行产生的任务轨迹、工具调用记录、失败模式和用户反馈成为新高价值数据资产，形成任务执行、数据沉淀、能力优化、再次执行的闭环。

3. 中游 平台化与连接治理

智能体平台正从应用构建工具，升级为支撑企业规模化开发与持续运营的智能基础设施。企业关注的核心从能否快速搭建一个智能体，转向其能否稳定接入业务流程、持续完成复杂任务并保持可控的效果、成本和运行效率；平台价值由提升单次开发效率，延伸至覆盖开发、评测、部署、运行与治理的全生命周期，通过统一生产、规模运营和持续优化，把智能体从独立功能应用演进为生产级应用。

智能体与工作流加速融合，形成自主决策与确定性流程互补的协同架构。企业业务中既有开放式、非结构化任务，也有规则明确、流程稳定、风险可控的任务，智能体承担意图理解、复杂规划、动态决策和异常处理，工作流负责确定性强、需严格控制的业务步骤，二者组合为更稳定的智能体化工作流。连接、可观测与安全治理成为刚需，价值持续向运行层迁移。

来源：36氪研究院，中国AI+Agent行业发展研究报告（2026）

企业内部 ERP、CRM、OA、数据库数量庞大且传统接口未面向智能体设计，模型上下文协议、连接器等新型机制将分散软件能力重新封装为智能体可识别调用的工具，并对调用过程进行身份认证、权限管理、流量控制和安全审计，形成能力连接、身份权限、运行调度、全程可观测、安全治理五大核心能力。

4. 下游 场景深化与能力沉淀

智能体应用由单点功能向任务链延伸，业务自动化深度持续提升。应用扩展不是简单的智能体数量增加，而是单个智能体承担的任务范围扩大、在业务流程中的参与环节增多，从单任务替代、多任务串联、跨系统协同走向智能体驱动的全流程自动化。企业实践中，某供应链智能体已覆盖预测、决策和协同多环节，供应链决策时长缩短 50% 至 60%；行业垂直智能体竞争重心正转向行业经验与场景理解力，决定价值的不再是底层模型本身，而是对业务流程、行业规则和经营逻辑的理解深度。例如某能源央企依托海量数据资产打造千亿级发电行业大模型，在安全环保、电力交易、产调中枢、设备检修等领域覆盖 13 个场景、部署 41 个智能体。

单智能体正向多智能体协同演进，但整体仍处早期。调研显示，53% 的受访企业正在部署智能体，但跨工作流编排多个智能体的企业仅占 18%；当任务边界清晰、流程简单时，单智能体已能满足需求，只有涉及多个专业领域、不同工具或业务环节时，多智能体才更具价值，短期内更可能以特定复杂场景局部采用的方式渗透。

三、典型企业路径

产业探索形成差异化路线。应用落地服务商以服务、引擎、算力全栈体系和前沿部署工程师模式为特色，把行业实践中打磨成熟的智能体封装上架，让中小客户低成本获取适配自身场景的智能体，再由工程师在线响应定制需求，已服务数十个行业上万家企事业单位。企业级智能体创新者则以自研发散推理模型、主观世界模型、上下文系统和长程运行机制为底座，通过前置部署结合企业目标、业务上下文与责任边界构建专属长程智能体，统一接入、评估和编排数十个多模态模型，并沉淀超过 10PB 跨产业多模态企业数据，服务上百家企业客户，覆盖数十家世界 500 强，曾帮助某消费品牌把产品创新周期从 3 周缩短至 3 天。

平台与模型原生厂商代表两条路径。综合科技平台型企业以办公入口为核心，把智能体从独立应用嵌入真实工作流，分别由智能体开发平台解决如何生产智能体、办公智能体解决如何直接完成工作、协作平台解决智能体在哪里工作、团队智能体解决如何进入团队与人协作，推动协同办公从人际协作走向人机协同的组织生产力基础设施。大模型原生厂商则以模型原生能力推动自主性提升，通过主智能体自主决定是否拆分任务、如何并行处理和协调子智能体，当前系统已支持最多 300 个子智能体并行执行单次复杂任务、完成超过 4000 次工具调用，并把能力从网页聊天窗口延伸至本地电脑、长期在线云端和软件开发环境。平台化、组织化与自主化、规模化，构成企业级智能体落地的两类代表性方向。

四、未来趋势展望

▌技术趋势上，智能体自主性持续增强，自适应与持续学习成为演进重点。智能体将从单次完成任务，转向持续完成任务并不断提升完成质量，随着长期记忆、环境感知、反馈学习和策略优化成熟，形成执行、反馈、学习、优化、再执行的完整闭环，能力边界由模型预训练和初始化配置，转向真实运行中持续进化的能力资产。

▌产品趋势上，产品将由功能型工具转向目标型产品，按结果而非功能定义价值。软件设计逻辑从用户操作功能转向系统帮助用户完成目标，账号数、功能模块数和使用时长等指标重要性下降，企业更关注任务完成数量、处理周期、成本节约和业务收入；商业模式由席位授权向按业务活动或结果定价转变，标准化产品仍可订阅、按调用量收费，与业务成果高度绑定的服务则逐步引入按任务、按工作量甚至按结果计费，多种模式长期并存。

▌生态趋势上，智能体生态向能力互联演进，智能体间调用与协作形成新型网络。当智能体能够识别其他智能体的专业能力并主动发现、调用和组合外部能力后，单个应用既是应用也是其他智能体可调用的能力节点，产业向智能体互联网演进；竞争逻辑不再只围绕终端用户入口，还争夺被其他智能体调用的机会，市场将出现围绕能力发现、调用、组合和服务质量评价的新型分发机制。

▌治理趋势上，规模化运行催生新型治理体系，身份与责任边界更趋清晰。治理对象从模型输出扩展到智能体行为，需要回答智能体是谁、代表谁行动、被授予什么权限、实际执行了什么操作以及异常后责任如何认定。未来将形成围绕身份、授权、行为和责任的动态管理机制，覆盖部署前能力评估与风险识别、交互时权限管理与安全控制、运行中动态监控与实时干预、事后过程追踪与责任追溯的全生命周期治理，推动智能体在安全可控前提下从单点辅助走向规模化生产应用。