95%的企业AI项目是赔本赚吆喝？拆解4类智能体，终结企业“烧钱式”选型

国务院于8月印发《关于深入实施“人工智能+”行动的意见》后，AI技术在企业经营中的落地进程逐步加快。据《中国企业家人工智能应用调研报告(2025)》数据显示，近90%的企业已在经营环节中不同程度应用AI，而智能体作为AI落地的核心载体，其技术选型与应用效果直接影响企业数字化转型成效。

不过，不同类型智能体在技术架构、核心能力及适用场景上存在明显差异，企业若盲目选择易导致资源浪费与应用失效。MIT发布的《The GenAI Divide：STATE OF AI IN BUSINESS 2025》报告显示，尽管企业在生成式AI上已花费了300至400亿美元，但95%的公司迄今未能获得商业回报，大多数AI试点项目陷入停滞，没能对企业的财务业绩产生可见贡献。

基于企业实际应用情况，以下将聚焦四类主流AI智能体——纯大模型智能体、大模型+API智能体、大模型+MCP智能体、大模型+RPA+API/MCP智能体，从企业视角解析各类智能体的核心能力、应用场景与局限性，为企业智能体选型提供参考。

纯大模型智能体：企业对话交互“基础层”，低成本实现知识传递

纯大模型智能体（如豆包、Kimi）是企业AI应用的“入门形态”，通过直接调用大模型的自然语言理解与生成能力实现功能，无需对接外部工具或系统。据行业统计数据显示，截至2024年，该类智能体在企业内部知识问答、客户基础咨询等场景的渗透率已达78%，是目前应用范围最广的智能体类型。

从技术特性来看，纯大模型智能体的所有功能均依赖大模型训练数据中的知识储备与语言逻辑，无法主动调用API、搜索工具或操作软件界面，仅能通过文本/语音完成“输入-理解-生成”的闭环。在部署层面，这类智能体具备成本低、周期短的优势：企业通过API调用主流大模型，搭配简单的Prompt工程即可上线，平均部署周期仅1-2周，成本约为其他类型智能体的1/5-1/3。

在应用场景上，纯大模型智能体的核心价值在于“高效传递已有知识”，适用于无动态数据需求、无系统操作依赖的场景，具体包括：

企业内部知识库问答：如智能客服快速响应员工或客户咨询，提升服务效率；
内容生成与辅助创作：涵盖营销文案起草、报告大纲生成等标准化内容产出；
基础数据分析与解读：对结构化数据进行简单分析，降低非专业人员的数据分析门槛。

但该类智能体在企业核心业务场景中缺乏与外部系统的连接能力，无法操作企业软件或更新数据库，仅能承担“知识库”角色，难以满足“业务闭环”需求。例如，当用户询问“将上述报告发送到微信上的‘文件传输助手’”时，智能体无法直接操作微信，仅能提供操作步骤和优化建议。

实在智能预测，纯大模型智能体将逐步从“独立应用”转变为“复合智能体的交互模块”，其基础交互功能将成为更复杂智能体的组成部分。

↳ 图1：该类智能体无法操作桌面软件，只能提供建议

大模型+API智能体：企业流程自动化“稳定器”，适配标准化任务

相较于纯大模型智能体，大模型+API智能体（如扣子、Dify）通过预定义工作流实现标准化任务自动化，完成了从“语言交互”到“流程执行”的跨越，其技术特征与应用场景可概括为三方面：

从技术逻辑看，这类智能体以“API链”定义任务路径：技术团队提前梳理业务流程，将“数据查询-计算-结果生成-信息推送”等步骤转化为API调用序列。以“财务报表生成”为例，API链为“调用ERP系统获取销售数据→调用BI工具计算利润率→调用ExcelAPI生成报表→调用邮箱API发送至指定地址”，通过固定流程保障任务落地。

大模型仅负责“需求触发与信息解析”：当用户提出“生成10月华东区销售报表”等需求时，大模型先判断需求是否匹配预定义流程，若匹配则触发对应API链，无需自主规划执行步骤，减少决策环节的不确定性。

从应用效果来看，这类智能体以“稳定性优先”，容错性较强：由于流程固定，API调用的参数、顺序均已预设，可通过“重试机制”“异常报警”降低执行失败率，实际应用中失败率通常低于0.5%，显著低于其他智能体类型。

不过，流程固化也带来了灵活性不足的问题：当企业业务需求发生变化时，大模型+API智能体难以快速适配。例如，用户在“生成销售报表”时额外要求“对比竞争对手同期数据”，若系统未预设竞争对手数据API，智能体仅能回复“暂不支持该需求”。

同时，流程调整成本高也是其主要局限性。若企业报销流程从“部门经理审批→财务审批”调整为“部门经理审批→总监审批→财务审批”，技术团队需重新设计API调用顺序、新增总监审批系统API，平均调整周期为1-2周，难以快速响应业务变化。

↳ 图2：该类智能体“API链”定义任务路径

大模型+MCP智能体：企业动态任务“规划师”，支持自主决策闭环

当企业面临无固定流程的动态任务时，大模型+MCP智能体（如Manus、Claude）凭借自主决策能力成为适配选择。这类智能体通过MCP为大模型提供标准化工具连接方式，包括“搜索工具调用格式”“计算工具参数要求”等，企业无需为每个工具单独开发API，仅需将工具接入MCP平台，智能体即可识别并调用。

从核心价值来看，大模型+MCP智能体的优势在于“处理动态任务”，适用于需求灵活、步骤可变、工具调用多样的短周期任务（通常1小时内可完成），典型应用集中在旅行、互联网、咨询行业。以“规划北京3日游”为例，智能体的拆解逻辑为“确定出行日期→查询天气→推荐景点→查询景点开放时间→预订酒店→生成行程表”，每个步骤可自主选择对应工具；若调用景点工具发现“故宫预约满员”，智能体可自动调整步骤，推荐“国家博物馆”作为替代，并重新匹配周边酒店，无需人工干预。

与大模型+API智能体相比，大模型+MCP智能体的核心差异在于“动态决策能力”：前者依赖预定义API调用序列，后者可根据实时情况自主选择工具与规划路径。但在复杂任务中，这类智能体的可控性相对较低，可能出现逻辑偏差或工具选择错误；同时，由于执行过程依赖于特定的计算环境（云端虚拟机），企业在财务、合规等关键业务场景中应用时仍需谨慎。

实在智能建议，在行业实践中，企业应用大模型+MCP智能体时，可设置“人类监督环节”，对智能体的规划步骤与工具选择进行审核，尤其在敏感场景中，需通过监督确保结果可追溯、可修正。

↳ 图3：该类智能体执行过程依赖于特定的计算环境

大模型+RPA+API/MCP智能体：企业系统“连接器”，实现桌面级人机协同

当企业面临多系统协同且部分遗留系统缺乏API接口的场景时，纯大模型、大模型+API及大模型+MCP智能体的应用均存在局限，而大模型+RPA+API/MCP智能体通过融合多技术优势，成为当前企业智能化应用中功能整合度较高的形态，实在Agent即为该类智能体的典型代表。

实在Agent的核心突破在于“认知能力与执行能力的融合”：大模型充当“决策大脑”，负责理解任务需求与制定执行策略；RPA作为“操作载体”，模拟人类操作软件界面；API/MCP则提供标准化系统连接方式，三者共同形成“感知-决策-执行”的完整闭环，可实现拟人化的电脑操作。

相较于传统RPA自动化，实在Agent的优势体现在两方面：一是具备上下文理解能力，不再基于固定规则执行重复操作，可适应流程变化；二是维护成本更低，当软件界面布局变化或流程调整时，智能体可通过视觉感知自动调整操作方式，减少人工维护工作量。

在系统集成场景中，实在Agent的“无侵入式”优势尤为突出。对于无API接口的遗留系统（如部分老旧ERP、财务软件），智能体可通过ISSUT（屏幕元素识别技术）和多模态大模型TARS-VL实现对屏幕元素的自动化操作，无需改造原有系统，大幅降低集成门槛，这一特性在企业中后台（财务、税务、人力、供应链）场景中应用价值显著。

从技术优势来看，实在Agent可概括为五点：

深度规划能力：能够自主拆解任务并规划执行路径，例如接到“检查未处理订单并自动调价”指令后，可拆解为“登录系统→导出订单→对比库存→生成调价方案”等步骤，并匹配工具执行；
快速集成特性：无需IT部门深度参与开发接口，业务人员通过描述需求即可实现自动化，落地周期短，支持“开箱即用”；
白盒化操作：任务执行步骤透明化、模块化，用户可随时暂停、检查、修改步骤参数（如将“点击登录按钮”调整为“点击注册按钮”），便于干预与优化；
高效复用能力：初次执行任务验证成功后，可将操作流程“固化”为RPA脚本代码，后续运行无需重复AI推理，以代码级速度执行，提升高频批量任务效率；
环境稳定性：继承RPA技术的环境适配优势，在固定系统环境（如Windows10、Chrome特定版本）下可保持高度一致的执行效果，同时通过AI增强对微小环境变化（如图标位置移动、文字描述微调）的适应能力。

结合实际应用场景，以下通过3个案例直观体现该类智能体类人化深度规划、无需虚拟机与API、可操作桌面软件的独特价值，完成此前三类智能体难以覆盖的复杂任务：

案例①：从国家统计局官网获取最新数据发布日期与标题，自动总结数据基本情况并保存至电脑桌面。

案例②：调查泡泡玛特CEO背景信息，根据调查结果生成个人介绍网页

案例③：生成试用期总结PPT模板，并通过微信发送至文件传输助手

其他三类智能体无法完成单个或全部案例的原因如下：

纯大模型智能体：案例①中仅能通过训练数据回答国家统计局官网数据查询和保持到桌面的文字步骤；案例②中调查CEO背景制作网页时只能输出网页代码，不支持自动预览；案例③中生成的PPT无法发送到微信的文字步骤。

大模型+API智能体：案例①中国家统计局未针对“单条最新数据标题/日期”提供专用API接口，且“保存至桌面”是本地操作，API仅支持系统间数据传输；案例②中“天眼查API+网页生成 API”的调用链多为付费企业接口或第三方工具，若企业未接入这些API，任务无法触发；案例③中API同样无法完成保存桌面和微信发送文件动作。

大模型+MCP智能体：案例①中能自主选择搜索工具获取统计局官网数据，但依赖云端虚拟机执行操作，无法保存到用户本地桌面；案例②中能在云端虚拟机运行代码编辑器，生成的HTML文件存储在云端，但无法直接在用户本地预览，且若涉及本地软件的格式调整，云端环境无法操控本地软件；案例③中多数企业禁止云端登录微信，云端同样也无法操作本地微信，文件发送任务无法完成。

企业应用趋势与选型建议

综合四类智能体的技术特性、适用场景及实施成本来看，各类智能体并非“替代关系”，而是“互补关系”，其技术路径差异本质是“企业业务需求与系统现状”的映射：纯大模型智能体适配“低成本快速上线基础交互功能”需求，大模型+API智能体适合“标准化流程降本增效”场景，大模型+MCP智能体对应“动态任务自主决策”需求，大模型+RPA+API/MCP智能体则更适用于“遗留系统盘活与跨系统协同”场景。