智能体赛道的热度，正在从「能不能做」转向「做不做得起来」。一份 9 月 25 日发布的行业梳理把这点说得很直白：企业想要的不只是能生成内容、能答问题的 AI，而是能解读目标、拆步骤、调软件、取数据，并带着一定自主权把事办成的智能体。可当真要把它铺进生产，多数组织还卡在半路。
62% 试水，23% 规模化
McKinsey 的 State of AI 2025 调研显示，约 62% 的受访组织已经在试水智能体；但真正进入规模化的，只有约 23%。Stanford HAI 的 2026 AI Index 另给了一组背景：88% 的组织已在业务某处用到 AI，70% 用上了生成式 AI。也就是说，几乎人人都在碰 AI，可一旦要从「试点」走到「全量」，掉队的人一下子多了起来。
资本侧的反应更热烈。同一份 Index 指出，2025 年全球企业 AI 投资较上一年翻了一倍多，私营 AI 投资增长 127.5%，生成式 AI 投资增长超过 200%，新获融资的 AI 公司数量上升 71%，十亿美元级融资轮次近乎翻倍。OpenAI 的企业侧数据也佐证了需求的真实：企业用户的 ChatGPT 消息量增长八倍，单组织的 API 推理 token 消耗同比放大 320 倍。钱、人、用量都在往智能体走。
卡住规模化的是四道现实门槛
需求旺、投资猛，为什么规模化还是少数？行业梳理点出的四道槛很接地气：可靠性（智能体在长任务里会不会中途失稳）、集成（能不能干净地接进既有系统与数据）、治理（出错了谁负责、怎么审计）、以及回报不清（投入产出算不明白就不敢扩）。这四点都不是模型能力问题，而是工程与组织问题。换句话说，智能体的瓶颈早已不在「想不想得明白」，而在「跑得稳不稳、接得上接不上、说得清说不清」。
Gartner 在 2026 年 7 月给过一个刺眼的数字：到 2030 年，约 2340 亿美元的企业应用软件支出——大约五分之一的 SaaS 预算——可能面临「agentic 套利」，也就是被智能体绕开原有界面、直接在后台把活干完。一边是投资翻倍，一边是千亿级可替代预算，中间的桥恰恰是「规模化能力」，而不是「尝鲜次数」。
对国内的启示也实在：别被融资与发布会带节奏，真正要看的是自家企业有没有跨过那四道槛。能规模化智能体的组织，往往先把高价值、强规则、易度量的流程挑出来小范围验证，再把指标做厚，而不是一上来就全公司铺开。盲目铺开的结果，常常是自动化了一大堆、却没人说得清省了什么。
有意思的是，能跨过门槛的组织往往不是技术积累最深的一批，而是流程治理最清楚的一批。它们先把高价值、强规则、易度量的环节挑出来验证，把指标做厚，再小步扩面；而不是一上来全公司铺开。这也意味着，智能体项目成败的关键，越来越像传统信息化项目：赢在梳理，输在摊大饼。
对国内企业来说，这账其实更直观。很多公司过去一年把智能体 Demo 做了个遍，可真要算「替多少个流程、省了多少工时、错了多少回」，多半答不上来。下一阶段比的不是谁 Demo 更花哨，而是谁能先把一两个流程的指标钉死：辅助准确率、解决时长、升级率、单次任务成本。指标钉死了，扩面才有底气；钉不死，铺得越广，坑挖得越深。
一句话：智能体不是没需求，而是需求正在分层——少数组织吃到红利，多数还在试水。未来一两年，分界线不会是「用没用智能体」，而是「有没有跨过可靠性、集成、治理与回报这四道槛」。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。