AI Agent 平台、企业自动化、Agent 操作系统与工作流重构

核心结论

• AI Agent 不是“更聪明的聊天框”，而是“受策略约束、可调用工具、可访问权限、可保留状态、可执行动作的软件劳动单元”。 OpenAI 已把 Agents SDK 明确定位为由应用侧掌握编排、工具执行、状态与审批的运行时；Anthropic、Amazon Bedrock 也都把 Agent 定义为能够调用工具、访问知识库、执行 API/桌面动作并在循环中完成任务的系统，而不是一次性回答器。

• Agent 与传统 Copilot、聊天机器人、RPA、工作流自动化的本质区别，在于“是否拥有目标驱动的多步执行闭环”。 聊天机器人主要是问答；Copilot 多数场景仍以“辅助生成/辅助检索”为主；RPA 强在规则明确、界面稳定的脚本执行；工作流自动化强在确定性流程；Agent 则把“规划—检索—调用工具—状态管理—审批—执行—复盘”串成一体，并在不确定环境中处理异常。Workday 甚至直接将 Agent 与 chatbot 对比，强调前者可以跨上下文理解、规划、在边界内采取行动并从经验中学习。

• 企业真正愿意为 Agent 付费的，不是“回答得更像人”，而是“替企业完成原本需要人、SaaS 席位、RPA 机器人或外包团队完成的工作”。 这也是为什么最先商业化的落点集中在客服、ITSM、销售跟进、知识检索、软件开发、合同与财务处理等可量化 ROI 场景。HubSpot 把 Breeze Agents 放到客服、销售、研究与数据任务；Workday 的公开案例已经落到请假、工资单、合同审查与业务流程优化；Zoom 把 agentic 功能落到会后跟进、文档生成与任务执行。

• 企业需要 Agent 平台，而不是只直接调用大模型 API，原因不在模型本身，而在权限、连接器、审批、工作流状态、可追踪性、成本控制与治理。 Google Gemini Enterprise强调 permissions-aware 企业搜索、SSO、用户级访问控制和跨 SaaS 连接器；ServiceNow 强调“带业务上下文与权限的 Autonomous Workforce”；Workday 强调 Agent System of Record；Atlassian 把 Rovo 绑定到 Teamwork Graph 与大量连接器；Microsoft Copilot Studio 则强调 instructions、knowledge、tools、triggers、嵌入与多渠道发布。

• 长期利润池更可能留在“系统入口 + 工作流 + 权限 + 数据图谱 + 治理”层，而不是单纯模型层。 模型层资本强度高、竞品多、价格下行快；而企业级 Agent 真正难的是把模型接入 SaaS / ERP / CRM / ITSM / 文档库 / 身份系统并可审计地执行。Workday 的 Agent System of Record、Atlassian 的 Teamwork Graph、Google 的 permissions-aware enterprise search、Microsoft Graph 与 Entra、ServiceNow 的平台式 workflow data/AI control tower 定位，都说明企业价值正在从“system of record”向“system of action”迁移，但这个迁移仍然要建立在既有系统与权限之上。

• 最清晰的直接财务受益者，目前是 Microsoft、Salesforce、ServiceNow、Palantir；Oracle 更偏 AI 基础设施与数据库/云合同受益。 Microsoft Q3 FY26 披露其 AI 业务年化收入运行率已超过 370 亿美元，商业 cRPO 达到 6270 亿美元；Salesforce 已将 Agentforce 商品化为按会话、按 Flex Credits、按用户混合收费，并在最新公开披露中提到 Agentforce 交易规模与 Data Cloud+AI ARR 已形成实质信号；ServiceNow 则公开表示 2026 年 AI 相关合同价值有望超过 15 亿美元，且 Now Assist 大客户同比增长逾 130%；Palantir Q1 2026 总收入同比增长 85%，其中美国商业收入同比增长 133%，AIP 是最核心的增长叙事。

• Atlassian、HubSpot、Zoom 更像“Agent 增强型软件公司”，短期更多是防御和 ARPU 结构重构，而不是已经被验证的独立 Agent 收入引擎。 Atlassian 将 Rovo 纳入云订阅，另对 Rovo Dev 单独收取开发者订阅与超额 credits；HubSpot 让 Breeze 一部分免费、一部分嵌入套餐、部分 Agent 走 HubSpot Credits；Zoom 继续把 AI Companion 作为 Zoom Workplace 的默认增强，再通过 Custom AI Companion 附加收费。这样的策略有助于留存和防守，但短期会稀释“AI 新收入”的可见度。

• 商业模式正在从纯席位制向“席位 + 消耗 + 结果”混合制迁移，而不是一步到位彻底抛弃席位制。 Microsoft 同时保留 $30/用户/月的 Microsoft 365 Copilot，并在 Copilot Chat 中引入按消息计费的代理消耗模式；Salesforce 既有 $2/会话，也有 Flex Credits、$5/用户/月；Atlassian Rovo Dev 是 $20/开发者/月外加 credits 超额计费；HubSpot 则开始把部分 Agent 功能放到 credits 中。结论是：面向员工生产力的 Agent 更接近席位制，面向流程执行与对外服务的 Agent 更接近 usage / outcome 制。

• 最容易被高估、最容易泡沫化的赛道，是“编排框架 / Agent builder / memory wrapper / 通用多 Agent 中间件”。 这一层开源替代极强：AutoGen、Semantic Kernel、DSPy、CrewAI、LlamaIndex 都在强调开发框架、插件、可扩展、多 Agent 或模块化；LangChain 则更明确把商业化重心落在 LangSmith 的观测、评估、部署与运维，而不是单纯“搭 Agent”的框架本身。也就是说，框架能红，但不一定最会赚钱。

• 最强护城河层不是模型，也不是 prompt，而是“权限感知的数据访问 + 业务系统入口 + 审批/审计/观测”。 MCP 这样的开放标准会削弱封闭连接器溢价，但不会消灭企业级身份、权限、审计、成本监控和 HITL 的复杂性；恰恰相反，MCP 越开放，企业越需要一个能统一治理的控制面。

• 企业 Agent 的现实边界仍然很硬，当前市场里“Agent washing”现象明显。 Gartner 预计到 2027 年，超过 40% 的 agentic AI 项目会因成本上升或商业价值不清晰而被取消，并预计到 2028 年 33% 的企业软件将包含 agentic AI、15% 的日常业务决策将由 agentic AI 自主做出；与此同时，MIT 的 2025 AI Agent Index 指出大部分 agent 开发者对安全、评测和社会影响透明度仍然有限。

• 企业工作流比公开 demo 难得多，真正的瓶颈是隐藏状态、级联副作用和跨系统可靠执行。 ServiceNow 的 World of Workflows 基准显示，企业系统的隐含流程与不可见状态会使前沿模型出现“dynamics blindness”；Salesforce 的 SCUBA 基准则显示，零样本下开源模型驱动的 computer-use agents 在真实 CRM 工作流上的成功率不到 5%，闭源方法也仅能做到 39%，在加入示范后提升到 50% 左右；APEX-Agents 中，跨应用长链条知识工作任务的最佳 Pass@1 仍只有 24%。这意味着未来 12–24 个月的核心投资变量不是“谁先发了 Agent”，而是谁能把 Agent 从 demo 变成可靠的生产系统。

• 从投资上看，最值得关注的不是“Agent 概念所有受益者”，而是三类公司： 一类是平台型直接受益者，已经能把 Agent 转化为新合同、新 usage、新 backlog 的公司；一类是治理/可观测/权限层受益者，因为生产化越深入，治理越刚需；一类是高工作流壁垒垂直 Agent 应用，尤其是客服、ITSM、代码、法律、财务与研究。相反，仅有 Agent 宣传、缺乏收入证据的公司，短期更可能只是防御性叙事。

产业链全景与架构

先讲结论：AI Agent 产业链不是“模型公司—应用公司”两层，而是“模型/工具能力—编排执行—连接器与权限—数据检索与记忆—治理与可观测—业务系统入口—垂直执行应用”七层堆叠。 企业价值最高的地方通常不在最底层，而在最靠近真实工作与可审计执行的地方。OpenAI、Anthropic、Amazon Bedrock 都已经把 agent loop、工具调用、MCP、guardrails、人类审批、状态管理做成标准能力；Google、Microsoft、ServiceNow、Workday、Atlassian 则在其企业平台里把这些能力继续接到了 SSO、数据源、用户权限和业务工作流之上。

一个典型企业 Agent 系统，今天大体由十四个关键部件构成：模型层、编排层、工具调用层、数据检索层、memory 层、权限层、身份认证层、工作流层、审批层、可观测性层、安全治理层、成本控制层、业务系统集成层、用户界面层。 从护城河角度看，最稳的不是模型层，而是权限层、业务系统集成层、工作流层和治理层；从最容易开源替代的角度看，最脆弱的是编排框架、prompt/agent wrapper、通用 memory abstraction；从最容易被云厂商/模型厂商内置的角度看，基础工具调用、Agent builder、简单 RAG 与基本 observability 最危险。

如果一定要回答“哪一层最值得给高估值”，我的答案是：不是最底层的模型，也不是最表层的聊天 UI，而是“离真实工作责任最近”的那一层——权限感知的数据与业务操作平面。 因为真正能收钱、能续费、能形成客户壁垒的，不是“它会不会生成”，而是“它能不能代表企业去做事，并且出了问题能不能查、能不能拦、能不能纠偏”。ServiceNow、Workday、Google、Microsoft、Atlassian 的产品设计几乎都在朝着这个方向收敛。

商业模式与财务弹性

AI Agent 平台如何收费？ 公开资料已经给出清晰答案：未来主流不会是单一计费，而是席位费、消耗费、结果费并存。Microsoft 一边保留 Microsoft 365 Copilot 的 $30/用户/月，一边把 Copilot Chat 的 Agent 扩展为按 message / Azure meter 的 pay-as-you-go；Salesforce 同时提供 $2/会话、$500/10 万 Flex Credits、$5/用户/月的 Agentforce User License；Atlassian 把 Rovo 基础能力并入其云订阅，再把 Rovo Dev 按 $20/开发者/月 + 超额 credits 出售；HubSpot 则将部分 Breeze 能力免费、部分内嵌进套餐、部分 Agent 以 HubSpot Credits 结算；Zoom 的 AI Companion 继续“默认捆绑”，再用 Custom AI Companion 做附加收费。

按席位收费的优点是采购简单、预算确定、适合员工协作助手；缺点是当 Agent 替代人类操作后，客户会开始追问“为什么一个机器人还按人头收钱”。按任务/流程/结果收费的优点是 ROI 更容易对齐，适合客服、销售外呼、票据处理、合同审查、工单流转等场景；缺点是预算预测更难、客户一开始不愿意开“空白支票”。因此可以预见未来 2–3 年最常见的形态是：底座保留 seat，自动化执行层改用 credits / conversations / actions / usage。

Agent 会提高 SaaS ARPU，还是减少席位？答案是两者都会发生，但发生在不同公司与不同场景。 如果公司拥有强 system-of-record 与 workflow-control，Agent 往往会先提高 ARPU、带来 usage 增长，并强化客户粘性；如果公司只是围绕人工用户的单点工具，Agent 则会压缩席位、降低 seat expansion。HubSpot 就是公开市场最典型的“被投资者担心 AI 提效后人员变少、从而冲击 seat 模式”的案例；UiPath 则面临另一种压力——RPA 需要证明自己能升级为 agentic automation 编排层，否则会被平台型软件与模型工具层向下吞噬。

模型调用成本如何影响毛利率？ 这会是未来 12–24 个月企业软件最大的利润率分化变量之一。Anthropic 官方文档已经明示 server-side tools 存在额外 usage-based pricing；Microsoft、Salesforce、Atlassian、HubSpot 的产品定价也都在向 credits/meter 迁移，本质上是把 token 与工具调用成本部分外显给客户。更关键的是，Salesforce 公开的 compound AI 系统部署研究显示，通过模块化推理架构、动态扩缩容和 MLOps，可以把 P95 延迟压低 50% 以上、吞吐提升至 3.9 倍、成本下降 30%–40%。结论很直接：未来 AI 软件毛利率的核心，不只是模型便宜，而是谁能把 agentic workload 做成可优化、可路由、可观测的系统。

以上三种情景的锚点，不是拍脑袋：一方面，Gartner 已公开预测到 2028 年 33% 的企业软件将包含 agentic AI、15% 的日常业务决策将由 agentic AI 自主做出；另一方面，它也明确警告 2027 年前超过 40% 的项目可能因 ROI 不清晰而被放弃。因此，最合理的判断不是“Agent 一定会很快吞噬软件”，而是商业化会先在高 ROI 的工作流落地，并通过 installed base 渗透而不是全面重构同时发生。

赛道与竞争格局

企业 Agent 平台是当前最值得重视的大赛道，因为它最贴近预算入口，也最容易把 Agent 直接变成可持续合同。这里的优胜逻辑不是“谁模型最好”，而是“谁最接近用户入口、企业数据、权限系统和执行工作流”。Microsoft 依赖 Microsoft 365、Graph、Entra 与 Copilot Studio；Salesforce 依赖 CRM、Data Cloud、Flow、Slack 和 Agentforce；ServiceNow 依赖其 workflow platform 与 AI Control Tower/Autonomous Workforce；Google 依赖企业搜索、连接器和权限感知问答；Workday 则试图用 Agent System of Record 抢占“数字员工管理”这一新的系统定义。

Agent 编排框架 / SDK是技术上最活跃、资本市场上最容易讲故事，但也最容易开源化和平台化的赛道。AutoGen、Semantic Kernel、DSPy、CrewAI、LlamaIndex、Mistral Agents、Cohere tool use 都在把“构建 Agent”门槛变低；LangChain 之所以商业价值更稳，是因为它已经把重点转向 LangSmith 的 tracing、evaluation、deployment、fleet。换句话说，“能搭”很快会不值钱，“能测、能管、能上线”才开始值钱。

连接器 / MCP / iPaaS 可能是未来利润池被低估的一层。因为 Agent 一旦从“回答”进入“执行”，它就必须接 CRM、ITSM、ERP、邮箱、日历、文档、浏览器、数据库与内部 API。MCP 已被描述为跨客户端与服务器的开放协议，ChatGPT、Claude、VS Code、Cursor 等都已支持；OpenAI 也把 remote MCP 直接列为工具类型。开放标准会削弱封闭平台的格式壁垒，但不会削弱企业对认证、审计、权限映射和连接稳定性的付费意愿。因此连接器会开源化，连接器运营与治理不会。

治理、安全与可观测性 是最像“下一代中间件”的赛道。它的价值不在 demo 阶段，而在“项目一旦要上线，公司法务、安全、审计、IT 就突然必须买”。OpenAI 的 guardrails 与 human review、Anthropic 的 strict tool use、Google 的 access controls 与 user-level access、ServiceNow 的 AI Control Tower、Salesforce 的 Digital Wallet 与使用监控，都在说明：Agent 一旦执行真实动作，治理从可选项变成商业必需品。 从投资逻辑看，这一层通常具备高毛利、高复购和高切换成本，只是短期市场规模不会像 frontline application 那么大。

最先落地的工作流 Agent，不是最酷的通用助理，而是最“无聊”的高频流程：IT 工单、客服工单、销售跟进、会议后续、文档研究、合同分析、费用与假勤查询、编码与 code review。原因不是技术偏好，而是这些场景能直接连接“减少人力”“缩短 cycle time”“提高吞吐”“提高首解率”等财务指标。Workday、HubSpot、Zoom、ServiceNow、Salesforce 的公开产品路线都证明了这一点。

对传统软件与服务业的冲击 会先发生在四类地方。第一类是座席密集、单点功能的 SaaS；第二类是依赖静态脚本和模板的传统 RPA；第三类是低端呼叫中心与 BPO；第四类是低端软件开发外包和简单报表/研究外包。企业最终会逐步把大量预算从“买一个人用的软件”迁移到“买一个能完成任务的系统”。但要注意，拥有 system of record、领域数据和流程控制权的老牌软件商，不一定被颠覆；它们更可能被迫从system of record 升级为 system of action。这也是为什么 ServiceNow、Workday、Microsoft、Salesforce、Atlassian 比纯粹的“AI 助手壳子”更值得重视。

从竞争格局看，我的排序是：Microsoft 与 ServiceNow 是“企业 Agent 控制平面”的最强候选，Salesforce 是“客户工作流与外部服务 Agent”的最强候选，Palantir 是“高价值复杂工作流与政府/工业系统 Agent”的高弹性候选，Google 与 Workday 是“搜索/知识与数字劳动力管理”的潜在强平台，Oracle 更偏基础设施和数据库/行业 SaaS 的配套受益者。 但若从“市场是否已充分反映预期”看，Palantir 最贵、Microsoft 最稳、Salesforce/ServiceNow 风险收益比更平衡、HubSpot/UiPath 的预期差更大。 这不是买卖建议，而是“确定性—弹性—估值”三轴下的相对判断。

标的分层与评分

下面的分层只针对当前公开资料中最有证据支持的公司；没有把所有区域公司都强行归类，是因为很多公司只发布了 Agent 功能，却没有披露 Agent 收入、ARR、usage、RPO 或客户转化证据。

我建议的评分模型仍然沿用你给出的逻辑，但在这轮公开资料验证中更适合做定性+半定量打分：

• Agent 收入直接暴露度：25%
• 产品/数据/工作流壁垒：20%
• 客户质量和收入确定性：15%
• 平台生态与连接器能力：15%
• 财务质量和利润率：10%
• 估值合理性：10%
• 未来催化剂：5%

基于目前证据，我的优先研究排序是：Microsoft、ServiceNow、Salesforce、Palantir、Oracle、Atlassian、HubSpot、Workday、UiPath、Zoom。 这里的排序并不意味着“最应该买”，而是意味着“最值得持续跟踪的 Agent 兑现路径最清楚”。如果只看估值与预期差，我会把 Microsoft/ServiceNow/Salesforce 放在“确定性更高、预期较可管理”的一侧，把 Palantir 放在“兑现最强但估值最热”的一侧，把 HubSpot/UiPath 放在“可能存在预期差，但也伴随模式冲击”的一侧。

对应的被 Agent 冲击风险反向评分，我会把风险最高的对象放在“没有 system of record、没有权限控制、按席位收费、功能可被 Agent 直接替代”的公司与服务商上；而拥有流程编排、身份系统、组织图谱、工单/CRM/ERP/协作入口的公司，即使短期受压，也更可能转型成功。