- 人工智能
1. 企业智能体平台竞争力榜单
企业智能体平台，正在成为AI市场最拥挤的赛道之一。不同背景的厂商蜂拥而入，产品密集发布，同质化问题日益突出。只看功能清单，各家平台几乎无明显差异。
真正的差距，会在实际使用中迅速暴露。面对同一个任务，有的平台能够准确理解意图，稳定调用知识和工具，交付可用结果；有的平台在演示阶段表现顺畅，一进入复杂业务和生产环境便频繁出错。能搭出来，不等于能用起来。功能同名，也不代表能力相同。这正是企业选型最容易踩中的坑。
因此，爱分析对市场主流产品开展系统研究，从产品能力和市场影响力两个维度绘制企业智能体平台竞争力榜单，穿透产品同质化表象，回答企业最关心的问题：哪些平台具备把智能体带进生产环境的能力？
图1：2026中国企业级智能体平台竞争力榜单
1.1 领导者
领导者在产品能力和市场影响力两个维度均表现突出。该象限汇集了字节跳动、腾讯、阿里等大型科技厂商，也包括神州数码（神州问学）、百融智能、迈富时、蓝凌智能等企业服务厂商。
大型科技厂商的优势主要来自完整的产品体系，其布局通常覆盖模型、智能体开发及AI办公入口，并拥有强大的客户触达和持续投入能力。企业服务厂商则依靠既有客户基础、行业知识及项目交付经验，将智能体平台带入具体业务场景。两类厂商路径不同，均已形成较为完整的产品与市场闭环。
1.2 实践者
实践者的市场影响力较大，产品能力仍有进一步提升空间。三大运营商中移九天、联通元景万悟、电信星辰等位于这一象限。
这类厂商普遍拥有较强的客户覆盖、项目交付或渠道能力，在政企客户和重点行业中积累了较多实践。其进一步发展需要将项目经验转化为标准化平台能力，并持续完善智能体规划、生态资产和经验沉淀等能力。较好的市场基础也为产品迭代提供了更多真实业务场景。
1.3 创新者
创新者的产品能力出色，市场影响力仍处于积累阶段。Dify、滴普等厂商位于这一象限。
这类平台通常在开发框架、数据能力、协作形态等方向上形成较鲜明的产品特点。部分开源平台拥有较强的开发者影响力，部分专业厂商则围绕数据分析、知识工程或行业场景建立产品优势。扩大标杆客户覆盖、验证跨行业复制能力，是其将产品创新转化为商业规模的重要路径。
1.4 探索者
探索者象限包含部分新兴AI工作平台、开源工具和企业软件厂商的智能体产品，各平台的发展阶段和产品定位存在较大差异。
Kimi Work、智谱AutoClaw等产品正在探索新的AI办公入口，n8n、FastGPT等开源产品在开发者群体中形成了一定基础，企业软件厂商也在将智能体能力嵌入原有产品体系。相关平台整体处于产品能力扩充、客户验证或商业化推进阶段，随着产品定位和目标客户逐渐清晰，其中部分平台有望向相邻象限移动。
四个象限反映的是各平台在本次样本中的相对位置。随着产品迭代、客户拓展和产业布局变化，平台的象限位置也将相应调整。
2.未来竞争焦点
企业智能体平台尚未定型，新能力、新产品和新商业模式仍在不断出现。爱分析判断，未来的平台竞争将沿两条主线展开。
第一条主线是平台边界扩张。智能体市场快速发展，不断催生新的细分市场。企业智能体平台将尝试吸收这些市场，扩大产品范围，争夺更多业务和用户。第二条主线是平台内核演进。智能体自身的能力、协作方式和使用关系持续变化，平台也要随之升级。
企业智能体平台未来的竞争，可以概括为一句话：向外吃掉新兴市场，向内升级平台内核。
2.1 平台边界扩张
当前，语义层、记忆、AI办公和AI劳动力交易成为智能体平台重点扩张的四个方向。这些市场刚刚兴起，对于企业智能体平台而言，每一个新市场都是一块尚未确定归属的“肥肉”。平台既可以向下吸收语义层和记忆，也可以向上进入AI办公，并进一步连接AI劳动力交易。
吸收语义层，平台可以增强对企业业务的理解，进入更多核心场景；吸收记忆，平台可以帮助智能体连续工作并积累经验；吸收AI办公，平台可以直接掌握入口；打通AI劳动力交易，平台可以连接能力供给，形成新的收入空间。
爱分析判断，这四个新兴市场将成为企业智能体平台扩大边界的主要方向，也将构成未来竞争的重要战场。
2.1.1 向下争夺语义层：打开核心业务场景
爱分析调研发现，智能体目前落地最广的仍是办公、客服和知识问答等外围场景。进入经营分析、供应链或风控等核心业务后，智能体还需要理解企业特有的业务对象、指标口径和运行规则。
以销售额为例，不同企业可能采用下单、发货、开票或回款口径，一家企业内部也可能存在多种定义。智能体能够生成SQL并查询数据库，却可能选错数据表和计算口径，最终得到业务上错误的答案。知识库可以提供制度和文档，却难以完整表达分散在数据平台、业务系统及人员经验中的业务逻辑。
语义层的重要性愈加提高，它将业务术语、指标口径和对象关系转化为机器可以识别的语义资产，并建立这些资产与底层数据之间的映射。智能体可以通过语义层理解客户、订单和收入在一家企业中的具体含义。
在部分智能体项目中，语义层建设已经成为前期工作。企业确定应用场景后，需要先梳理相关业务对象与计算规则，完成验证后再交给智能体调用。智能体上线后暴露的口径错误和语义缺失，又会推动语义资产持续修正。
爱分析判断，语义层将成为企业智能体平台向下扩张的重要市场。短期内，两类产品以项目协同和能力连接为主；随着智能体进入核心业务，语义建模将逐步成为平台的原生环节。掌握语义层的平台可以提高项目交付质量，也能沉淀更具客户黏性的业务资产。
2.1.2 争夺组织经验：记忆成为平台原生能力
智能体开始承担跨步骤、长周期的企业任务，执行长程任务的能力重要性随之上升。长上下文主要承载当前任务的信息，知识库主要保存相对稳定的制度和文档，记忆则持续沉淀任务状态、执行路径及结果反馈。
记忆与企业智能体平台可以形成运行闭环。智能体在平台中完成任务规划、工具调用和结果交付，平台掌握完整的执行过程，可以从异常处理与人工反馈中提炼有效经验。后续任务启动时，智能体先调用这些记忆，再进行推理执行任务。
产品融合已经出现，比如百炼开始提供长期记忆，千帆与腾讯ADP也加入了类似能力。
爱分析判断，记忆将成为企业智能体平台的原生能力。未来的平台竞争既要比较智能体构建效率，也要考察平台能否把任务过程转化为组织经验，并让不同智能体持续继承和复用。
2.1.3 争夺AI办公：从搭建智能体到直接完成工作
随着模型的自主规划和工具调用能力增强，新的产品入口开始出现。阿里推出千问办公，百度推出DuMate，腾讯上线WorkBuddy。字节跳动则推出豆包工作。
从产品机理看，每个新任务都可以视为一次面向特定目标的智能体运行。平台预置通用的规划和执行能力，企业再根据自身需要加载Skill，接入知识与业务系统。过去由开发人员完成的部分搭建工作，开始转化为任务执行过程中的动态配置。
两类产品的能力逐渐重叠。企业智能体平台遵循“搭建、调试、发布、使用”的产品路径；AI办公平台直接从任务出发，在执行过程中组织所需能力。后者更加接近业务人员，也能够持续获得任务上下文、执行结果和用户反馈。
企业已经可以借助低代码工具快速创建智能体，但大量智能体上线后使用频率有限。AI办公缩短了从需求到结果的路径，员工也无需学习智能体搭建方法。
可以预见，Workflow的角色也将随之调整。当前，开发人员需要预先编排节点和执行顺序。未来，用户主要定义任务目标、业务约束和验收标准，智能体自主生成执行计划。审批和风控等确定性环节将沉入运行层，为自主执行提供控制与托底。可视化Workflow在用户侧逐渐弱化，其流程控制能力仍会保留。
爱分析判断，大厂未来将把AI办公作为面向企业用户的核心入口。传统企业智能体平台逐步转为后台能力底座，负责开发、连接和治理；AI工作平台位于前台，负责承接任务并交付结果。百炼、千帆、HiAgent和ADP等产品形态仍会存在，其独立入口的地位将逐步下降。
2.1.4 打通交易市场，供给AI劳动力
智能体正在从企业内部使用的技术工具，转变为可以定价和流通的数字资产。爱分析测算，AI劳动力交易生态2025年规模仅为0.5亿元，预计2030年将增至300.8亿元，年复合增长率达到259.6%。
爱分析研究发现，AI劳动力交易已经形成三个层次。Skill和标准化智能体的能力边界清晰，适合按授权或调用次数收费。数字分身将个人经验转化为可持续服务，主要面向中小企业和个人用户。专业AI劳动力承载一线专家的实战经验，面向中大型企业完成复杂任务。
爱分析判断，AI劳动力交易更契合公有云环境，与企业智能体平台的私有化属性存在冲突，因此不会直接成为企业智能体平台的一部分。但是，企业智能体平台可以成为AI劳动力交易市场的部分供给，分享市场快速发展的红利。
2.2 平台内核演进
平台边界扩张关注企业智能体平台向哪些相邻市场延伸，平台内核演进则关注产品自身将发生什么变化。爱分析判断，企业智能体平台的核心任务将从帮助用户搭建智能体，扩展至管理一支能够学习、协作并参与组织运行的AI劳动力队伍。
2.2.1 AI员工规模化：平台争夺统一管理入口
当智能体作为AI员工承担真实任务，管理要求也会发生变化。每个AI员工需要获得独立身份，明确岗位职责与工作边界。平台需要为其分配权限，记录执行过程，并在发生异常时找到相应负责人。企业还要评估AI员工完成了多少任务，消耗了多少资源，以及是否带来实际业务价值。
传统的智能体管理主要关注调用链路、运行状态和技术故障。AI员工管理进一步增加组织属性与业务责任，覆盖AI员工从引入到退出的完整周期。一个AI员工进入企业，需要登记来源并完成安全审核；职责发生变化后，需要同步调整任务范围和访问权限；长期效果不佳或存在风险时，还要及时停用。企业管理的对象正在从智能体应用扩展为AI劳动力。
海外厂商已经开始争夺这一入口。Workday推出Agent System of Record，将自有及第三方智能体纳入同一系统，并与企业的人力和财务数据连接。微软将Agent 365定位为智能体控制平面，通过统一注册表管理不同来源的智能体。ServiceNow的AI Control Tower则用于发现企业内部的AI资产，并监测其运行效果和业务价值。
国内相关能力也在出现。例如，火山引擎HiAgent支持接入和纳管第三方智能体，其智能体中心可以注册由Coze、Dify等平台开发的Agent。
爱分析判断，AI员工管理将成为企业智能体平台的重要竞争方向。平台一旦成为全部AI员工的登记和管理入口，就能够进一步影响智能体采购、部署、授权和评价标准。未来衡量平台竞争力，既要看企业能够搭建多少智能体，也要看平台能够安全管理多少AI员工，以及这些AI员工创造了多少业务价值。
2.2.2 从调用Skill到生产Skill：平台争夺能力沉淀入口
AI员工得到统一管理后，企业还需要解决能力供给问题。模型为智能体提供通用能力，Skill则封装完成特定任务所需的工作方法。它可以包含操作步骤、判断标准和执行脚本，使智能体按照企业要求完成合同审查、经营分析或报告制作。
当前，高质量Skill仍然依赖人工建设。业务专家熟悉工作方法，却很难将隐性经验完整写成规范文件。技术人员能够完成Skill封装，又需要反复理解业务。企业每进入一个新岗位，都要重新梳理工作方法并开展开发工作。未来限制企业智能体规模化的因素，将从模型能力逐步转向高质量Skill的供给速度。
Skill自动生成开始降低这一门槛。WorkBuddy、千问办公等平台可以根据自然语言生成专家套件结构和技能配置。业务人员只需说明任务目标和工作要求，平台便可生成初始Skill，再由用户修改与验证。
Anthropic进一步把Skill生成从语言描述扩展至操作示范。Claude Cowork推出Record a skill后，用户可以一边完成任务，一边录制屏幕并口述思路。Claude根据点击、输入和语音记录生成Skill草案，交由用户审核后保存。这种方式可以捕捉书面SOP难以完整承载的操作经验与临场判断。
未来，平台可以分析智能体的任务轨迹，从成功路径、失败原因和人工修正中提炼新Skill，并持续更新已有Skill。这一变化将重塑企业智能体平台的增长逻辑。员工完成一次任务，平台从中提炼Skill；智能体调用Skill处理更多任务，运行结果再用于验证和修正Skill。企业使用越深入，平台沉淀的工作方法越丰富，智能体能够覆盖的新场景也越多。
爱分析判断，Skill自动生成的战略价值，在于将分散的员工经验和任务轨迹转化为可以复制的组织能力。率先打通经验采集、Skill生成、运行验证和持续改进闭环的平台，将获得更快的场景扩张速度，并由开发工具升级为持续学习的企业能力系统。
2.2.3 从单体智能体到智能体组织：平台争夺协作控制权
除了智能体单体的能力增强，多智能体协作也是未来重要趋势。
用户提出目标后，系统负责拆解任务，选择合适的智能体并组织其协同工作。不同智能体可以并行开展调研，也可以按照先后顺序交接任务，还可以通过相互评审提高结果质量。复杂任务的执行单元将从单个智能体转向由多个智能体组成的临时团队。
Subagent是当前最具代表性的主从协作形态。Anthropic的Research采用这一架构，由主智能体并行调度多个研究智能体。其内部评测显示，该架构在适合广度搜索的任务上较单智能体提升90.2%。Anthropic已经将多智能体研究系统投入实际产品，Claude Code也允许子智能体拥有独立提示词、工具权限和上下文空间。
国内企业智能体平台已经跟进。阿里云百炼推出智能体群组，由决策模型规划任务并调度多个子智能体。百度千帆将多智能体协作列为主要开发模式，腾讯云ADP提供Multi-agent开发框架
爱分析判断，多智能体协作的下一阶段是动态组建智能体团队。主智能体需要根据任务难度决定是否启用子智能体，并动态确定团队规模。平台还要为不同子智能体配置模型、工具和执行预算，在任务结束后释放临时智能体。
3. 四家大厂的角逐
企业智能体平台已经成为大厂AI竞赛的下一块高地，决定胜负的是四条硬约束：能否上升到集团战略并获得集团资源，能否拥有好用的大模型底座，能否与企业协同应用深度结合以沉淀上下文与记忆，以及能否快速积累起丰富且好用的专家与技能生态。
第一，集团战略的高度决定资源下推的深度。企业智能体平台要真正落地，必须打通组织内部的流量、数据与协作入口，这只有在集团层面统筹才可能实现；若仅停留在云业务部门或to B部门，缺乏跨事业部的调度权，就很难把产品推进到企业的核心工作流。从四家现状看，千问办公背靠钉钉与阿里集团，豆包工作已并入字节豆包体系并整合TRAE与扣子，WorkBuddy由腾讯集团层面资源支撑，三者都获得了集团级站位；而百度的DuMate仍主要置于百度智能云事业部序列，在跨事业部协同上渐处下风。战略高度的差序，已经预示了资源投入与推进速度的分化。
第二，大模型的可用性直接决定产品体验的竞争力。大厂的企业智能体开发平台和AI办公平台默认模型多为自家模型，用户最终感知到的效果，很大程度上由底层模型定义。更关键的是，自研大模型还意味着供给的自主性，腾讯正是因为混元Hy3的成熟，才摆脱了对DeepSeek等外部模型的等米下锅，在发布节奏与成本控制上掌握主动。
第三，与企业协同应用的深度结合，是做好上下文与记忆的高效路径。钉钉、企业微信与微信、飞书这类日活极高的协同入口，天然沉淀着组织与人、事、物的上下文。谁能把平台与这些协同应用打通，谁就能让智能体理解企业真实场景、记住历史、复用知识，从而提供明显更好的体验。字节将豆包工作与飞书深度联动、阿里以千问办公绑定钉钉、腾讯借助企业微信与微信，都是沿着这一逻辑；百度的如流虽是同类型协同产品，但体量远不能与前述三家相比，难以承担上下文锚点的角色。
第四，专家与技能生态的积累速度，决定了对企业用户的吸引力。企业使用智能体平台，要的是开箱即用的行业能力与岗位技能，而非从零搭建。谁的专家与技能积累得快、积累得多、用起来好用，谁就能更快吸引企业用户、形成网络效应。WorkBuddy的技能与专家资源极为丰富，字节扣子沉淀了庞大插件与智能体生态，两者都在以生态厚度构筑壁垒；相比之下，千问办公和DuMate在技能丰富度与第三方集成广度上仍显单薄。
3.1 字节跳动
优势
字节跳动在企业智能体平台赛道的优势集中在品牌势能、B端深耕、数字员工认知、飞书生态联动四个方面，综合实力居四家大厂前列。
第一，豆包品牌具备国民级认知度。尽管豆包工作是四家大厂中最后发布的AI办公平台（2026年8月25日），但依托豆包这一国民级品牌，预计可以后来者居上，是腾讯WorkBuddy最大的竞争对手。
第二，HiAgent在B端投入力度大，聚焦大型民营企业和外资企业，已取得扎实成果，签下多家客户并拿下不少标杆企业。
第三，字节跳动对数字员工的认知更深一层，并未把HiAgent仅仅当作一个智能体开发平台，而是定位为数字员工派遣平台。在2026年FORCE原动力大会上，火山引擎副总裁张鑫表示，火山引擎以1＋N＋X体系推进企业智能体落地，其中1是AgentSphere数字员工派遣站，将所有数字员工纳入统一体系经营与度量。
第四，与飞书的深度打通构成豆包工作的核心差异化，这也是四家里少见的协同办公底座联动。具体动作有三：其一，飞书自有AI助手Aily于2026年8月13日更名为豆包工作伙伴，成为飞书内的Agent协作平台；其二，豆包工作支持飞书账号登录，在授权范围内直接继承企业权限，以及飞书中沉淀的聊天记录、文档、会议纪要、日程等上下文，不再只靠单句指令输出结果；其三，飞书内原豆包企业版入口已升级为豆包工作，人机协同产出的内容与知识还会沉淀回飞书，形成可复用的企业知识库。更底层的是组织协同，2026年8月24日字节完成一轮团队整合，将TRAE、扣子（Coze）团队整体并入豆包体系，进一步把内部资源拧成一股绳。
挑战
字节跳动的劣势集中在发布节奏偏慢、办公产品演进走过弯路、HiAgent客群与宏观预算错配，以及主力大模型与企业办公场景适配不足四个方面。
第一，豆包工作发布最晚，对手已经跑马圈地占据不少客户，字节需要从对手手中争夺客户，难度明显更大。这一被动局面本可避免，根源在于内部待整合的部分较多，既要协同豆包、trae，又要联动飞书，动作慢了半拍。
第二，字节在办公产品方向发力并不算晚，早期的trae work（即solo模式）已属范畴，但始终带着AI Coding的底色，一来没有形成独立的办公产品，二来没有以办公为核心去构建产品交互，同样走了弯路。
第三，HiAgent聚焦大型民营企业和外资企业，而在当前宏观经济环境下，这部分企业的预算并不会太多，更多预算掌握在央国企手中，客群结构与预算流向存在明显错配。
第四，字节跳动的主力大模型并不擅长办公。字节在视频生成领域的Seedance模型一骑绝尘，但与企业场景关联有限，而豆包大模型无论在更新速度、基准测试表现还是实际体验上，均不够出彩。
3.2 腾讯
优势
腾讯在企业智能体平台赛道的优势集中在免费加优秀体验的组合拳、自研大模型体验跃升、独有的微信QQ生态以及强大的内容合规治理四个方面。
第一，腾讯WorkBuddy具有先发优势。WorkBuddy上线时间早于竞争对手。并以免费使用和优秀用户体验为抓手，迅速占领市场。其产品功能全面、专家与技能资源非常丰富、细节打磨得好，可用性极强，综合体验即便面对ChatGPT这类国际产品的办公能力也不落下风。WorkBuddy产品负责人汪晟杰近期接受访谈时表示，“未来要为用户的效果买单”。
第二，混元Hy3的体验大幅跃升，是腾讯企业智能体平台能力提升一大助推器。Hy3于2026年7月6日发布，支持256K超长上下文，Agent任务解决率达90%、幻觉率降至5.4%。WorkBuddy接入后任务解决率提升至90%、单任务耗时减少34%、超六成用户将其设为默认模型。
第三，微信、QQ生态继续提升腾讯在上下文方面的优势。这些生态沉淀的社交关系、身份与上下文，是腾讯独有的Context优势，姚顺雨在与汤道生对谈时即表示腾讯在最原始的输入和Context上有极强优势。
第四，腾讯云ADP在智能体内容合规治理上领先同业，已建成覆盖输入输出双侧的内容安全体系。ADP将审核模型与关键词库组合为安全策略，并按应用维度配置相应策略，既提供不同敏感程度的系统策略，也支持企业建设自定义关键词库，通过精确匹配、模糊匹配与组合词识别风险内容，同时可配置风险处置回复与隐私信息脱敏。这一能力对应企业部署智能体尤为看重的权限边界管理与内容安全策略。
挑战
腾讯的劣势集中在免费护城河面临豆包工作正面冲击，以及微信企业微信资源未形成合力三个方面，先发优势存在被内部协同拖慢的风险。
第一，WorkBuddy的核心成功因子之一是免费，随着豆包工作的入场，一旦字节以同等甚至更激进的免费或补贴策略进入，WorkBuddy靠免费建立的壁垒将被正面冲击。
第二，WorkBuddy与微信、企业微信的链接偏浅，腾讯各种资源都具备，却一直未形成合力。对比千问办公之于钉钉、豆包工作之于飞书的深度绑定，腾讯侧的产品协同更浅。从微信、企业微信的AI探索动作判断，这些产品更像在独立探索AI转型，而非将借助兄弟产品作为首选。无论是出于战略判断还是山头文化，若最高层不推动打通，都可能导致腾讯丧失已经取得的先发优势。
3.3 阿里
优势
阿里在企业智能体平台赛道的优势集中在千问模型底座、百炼的工程化落地能力、千问办公契合企业场景的Agent打法，以及MuleRun在智能体交易方向上的先发四个方面。
第一，阿里的千问大模型稳居国内一线，且具备多种尺寸适配各类企业私有化部署的需求。并且，API定价具备竞争力，为百炼与千问办公提供了扎实的模型底座。
第二，百炼的使用体验明显优于同类的企业智能体平台，功能全面、工程化做得好、可用性强。尤其是企业真实应用中最令用户难以接受的幻觉问题，百炼在实际体验中基本解决。爱分析在工业设备预警场景中测试主流智能体平台，百炼能基于知识库输出具备实操性的解决方案，在同类平台中表现突出。
第三，千问办公具备适合企业场景的Agent打法，其负责人陈宇森对Agent的理解，决定了产品会更聚焦工作流与数据而非单纯依赖模型。陈宇森对外传达，Agent要能稳定解决具体问题才有价值，大模型在其中是胶水而非主体，需要以较大比例的硬编码SOP结合少量大模型能力，并配合工具与运行环境，才能推进到可用、可复用、可变现。由此可以预见，阿里将聚焦企业各行业各岗位的工作流梳理与数据获取，对to B领域而言这个动作虽重，但有效。
第四，企业智能体平台的发展趋势之一是与智能体交易打通，阿里推出的MuleRun（骡子快跑）是这一方向的行业先驱，其他三家动作相对滞后。MuleRun于2025年9月上线全球首个智能体交易市场，由阿里云早期投资、陈宇森创立，让智能体的开发、部署与交易像电商商品一样普及化。
挑战
阿里的劣势集中在新一代企业智能体平台走了弯路、错失先发窗口。阿里曾推出短命的悟空与急于商业化的JVS Claw，错失了先发优势。悟空于2026年3月17日发布、定义为企业级AI原生工作平台，由钉钉重写底层代码并全面CLI化改造，但仅四个半月后独立品牌即消失、整合进千问办公。此前阿里云还于2026年3月13日推出基于OpenClaw的一键养虾平台JVS Claw，急于在龙虾热潮中商业化变现，最终被免费的竞争对手远远超越。
3.4 百度
优势
百度在企业智能体平台赛道的优势集中在产品洞察的先发性与行动力、以及to B尤其是央国企市场的深度落地两个方面。
第一，百度对智能体平台的产品洞察较为锐利，在模型平台化方向上具备先发卡位。在企业智能体平台领域，百度是较早系统性下注的厂商之一，千帆大模型平台自2023年即已推出，先于多数同业的智能体开发平台成型，体现了其在模型平台化上的早期判断；面向办公场景的执行式智能体DuMate也于2026年上半年跟进推出，延续了对Agent统一入口这一产品形态的判断。
第二，百度高度重视to B拓展，在央国企市场拿下大量订单，这是其他三家暂未展现的纵深。公开中标数据提供了扎实支撑：2026年第一季度，百度智能云以25个中标项目、12.48亿元披露中标金额位列国内主要云厂商第一，金额约为第二名5倍；2026年上半年，百度智能云以13.85亿元位居行业第一，占整体中标金额近六成，且已连续多个周期领跑。客户覆盖上，百度智能云已支撑超65%的央企、多家大型银行，8.37亿元的中国联通大模型项目、多笔金融与政务大单均落在其手。这组数据说明，在当下宏观经济环境中预算相对充裕的央国企客群里，百度的to B交付能力与客户关系明显领先，构成其区别于阿里、字节、腾讯三家的重要结构性优势。
挑战
百度的劣势集中在DuMate工程化成熟度不足、主力大模型品牌吸引力走弱、技能与生态资源相对单薄等层面。
第一，DuMate的工程化完成度欠佳，部分交互细节仍停留在较早期的体验水位。例如，智能体回答正文为中文，但生成的附件为英文，这种语言一致性问题在同类产品里本应已被解决，却仍在DuMate上出现，折射出其在产物工程化上的打磨不足。
第二，百度的文心大模型品牌走弱。文心大模型面世早，但在豆包、DeepSeek、千问等后来者的持续声量挤压下，公众心智已被明显分流。
第三，DuMate的专家与技能资源相对单薄，在四家对比中明显掉队。这一劣势会削弱DuMate在企业场景中的开箱即用感。
4.入选厂商及平台
附录
（一）竞争力评估体系总览
爱分析从产品能力和市场影响力两个维度建立竞争力评估体系。产品能力构成榜单横轴，主要考察平台能否支撑智能体的规划、构建、运行和治理。市场影响力构成榜单纵轴，主要考察产品的市场验证程度、厂商产业布局及持续经营能力。两个维度共包含八项指标。
图2：企业智能体平台竞争力评估体系
各项指标采用五级评分尺度，并按照指标权重汇总形成产品能力和市场影响力得分。爱分析以全部参评对象的平均水平作为横纵轴分界线，形成领导者、实践者、创新者和探索者四个象限。
（二）智能体规划与构建能力
智能体规划与构建能力，是指平台支撑智能体自主规划和任务编排，并通过零代码、低代码、高代码等方式完成应用搭建与部署的能力。爱分析主要考察平台能否支持智能体理解任务目标，自主拆解和执行任务；同时考察平台能否满足业务人员、技术人员和专业开发者的不同构建需求。
从代表性平台的产品实践看，阿里云百炼提供智能体、工作流和高代码应用三种构建方式。其中，智能体可以自主规划任务并调用外部工具，智能体群组可以调度多个子智能体协同完成复杂任务。神州问学将复杂任务规划、上下文与记忆管理、工具调用和多智能体协同纳入统一平台，支持企业围绕具体行业任务构建AI员工。
（三）智能体生态资产丰富度
智能体生态资产丰富度，是指平台可供企业直接调用和重复使用的组件、技能及应用模板的丰富程度，以及相关市场或商店的成熟度。爱分析主要考察平台是否形成覆盖不同任务和行业的可复用资产，并支持厂商、开发者和企业用户持续发布、获取和使用这些资产。
从代表性平台的产品实践看，腾讯WorkBuddy已经形成由专家、Skill和企业自建插件组成的资产体系，且丰富度明显高于其他平台。相关智能体还可接入企业微信，使平台资产能够直接进入企业的高频工作入口。Dify将模型、工具、数据源、触发器和智能体策略等能力封装为插件，并通过Marketplace统一分发，形成由平台方和开发者共同扩充的生态资产体系。
（四）知识工程与数据治理能力
知识工程与数据治理能力，是指平台将企业内部的异构数据和文档转化为可被智能体精准检索、可靠调用的知识资产。爱分析重点考察平台的数据接入、文档解析、知识加工和检索能力，其中，解析质量决定了复杂文档中的结构、表格和关键信息能否得到准确保留。
从代表性平台的产品实践看，百度千帆支持文档、表格、网页、图片和音频等多类数据导入，并可根据内容选择文字识别、版面分析和深度表格解析等策略，随后完成切片、向量化和知识检索。神州问学提供多源数据接入与清洗、非结构化数据精细化处理和知识全生命周期管理能力，帮助企业将分散的数据和文档转化为智能体可调用的业务知识。
（五）经验与决策沉淀能力
经验与决策沉淀能力，是指平台将智能体的任务过程、用户反馈和执行结果转化为可复用的经验与决策资产，并将其用于后续任务。爱分析主要考察平台能否记录智能体的执行轨迹，从成功和失败案例中提取有效经验，并通过记忆、规则或Skill等形式持续复用。
从代表性平台的产品实践看，火山引擎HiAgent可以汇聚智能体运行中的Trace、会话和埋点数据，通过评测和运营分析发现问题，并将相关数据用于平台优化。智谱AutoClaw能够在复杂任务完成或出现错误后提取经验，将用户偏好沉淀为行为规则，将事实信息写入长期记忆，并将完整工作流程转化为可重复调用的Skill。
（六）安全合规治理能力
安全合规治理能力，是指平台保障智能体在企业边界内安全、可控、可审计运行的能力。爱分析主要考察平台在身份权限、数据保护、工具调用、内容合规和运行监控等方面的治理机制，同时关注企业能否控制不同成员和智能体的资源用量。
从代表性平台的产品实践看，腾讯ADP在内容合规方面尤其领先，建立了面向智能体输入和输出的内容安全体系，将审核模型与关键词库组合为安全策略，并按应用配置相应策略。ADP既提供不同敏感程度的系统策略，也支持企业建设自定义关键词库，通过精确匹配、模糊匹配和组合词识别风险内容，同时可以配置风险处置回复和隐私信息脱敏。
（七）客户影响力与行业覆盖度
客户影响力与行业覆盖度，是指平台获得标杆客户认可，并将产品能力复制到不同行业的程度。爱分析主要考察平台服务的客户数量和代表性，同时关注相关实践能否覆盖多个垂直行业，形成可重复交付的产品和解决方案。
从代表性平台的市场实践看，火山引擎HiAgent已经覆盖教育、金融、航空、零售和汽车等领域，并在浙江大学、国信证券等机构形成落地案例。神州问学已在医药、汽车、制造、零售和运营商等行业开展实践，应用场景包括专业报告撰写、产业情报分析、员工培训、业务流程执行和企业知识问答。
（八）智能体产业布局能力
智能体产业布局能力，是指厂商贯通智能体基础设施、企业智能体平台和AI员工等不同产业层级的能力。爱分析主要考察厂商是否具备从算力和模型供给，到智能体开发运行，再到工作场景入口的完整产品布局，以及各层产品之间能否形成协同。
从代表性厂商的产品实践看，阿里形成了由云计算及千问模型、百炼和千问办公组成的产品体系。百炼承担智能体开发与运行，千问办公则将智能体能力带入钉钉及企业日常工作场景。腾讯以腾讯云和混元模型提供底层支撑，通过ADP建设企业智能体，并由WorkBuddy承接办公协同和智能体托管，使智能体能力能够进一步进入企业微信等工作入口。
（九）资本与营收
资本与营收，是指厂商的资本市场化程度、营收规模和经营稳定性。企业智能体平台需要持续投入模型、算力、产品研发和客户服务，厂商的融资能力、经营体量及现金流状况，决定了其能否长期承担相关投入并抵御市场波动。
从代表性厂商的经营情况看，阿里巴巴具有较大的业务规模和稳定的资本来源，并持续增加云计算和人工智能投入，为千问模型、百炼及相关应用提供长期支撑。腾讯同样具备较强的营收基础和现金流创造能力，其持续投入覆盖混元模型、腾讯云AI基础设施、ADP和WorkBuddy等产品，为企业智能体平台的长期研发和市场推广提供保障。