2025年12月15日，珠海金智维向港交所递交招股书，冲刺“AI数字员工第一股”。这是国内RPA+AI赛道第一次有公司走到IPO这一步。
招股书里的数字不算好看。2022年到2025年上半年，公司近八成收入来自单一的金融行业；三年半时间里，累计亏损超过8亿元；客户数量在涨，平均单客收入却从52.86万元降到35.57万元。但金智维照样敢往港股走——因为它手里握着1300多家政企客户、180万个部署在生产系统里跑着的数字员工，还有六大国有银行和九成以上头部证券公司的合作关系。
这条新闻比任何一份行业研报都更能说明问题：企业智能体这门生意，拼到最后拼的不是模型参数，是谁能把智能体真正嵌进业务系统，长期跑下去，还能把账算明白。
2026年的智能体市场，几乎每家厂商都在讲平台、讲多智能体协同、讲MCP。演示视频看着都差不多：拆解任务、调用工具、生成报告。但演示只能证明一件事——技术能跑通。它证明不了一家公司能不能在客户的真实系统里，稳定跑上三年。
真正把差距拉开的，是模型效果之外的东西：进了多少业务系统，吃透了多少行业规则，出了故障谁来接手，权限和日志能不能扛住审计。这些事不体面，也不适合放进发布会PPT，却是所谓行业龙头真正的答案。
智能体市场没有总榜，只有不同的主场问哪家智能体厂商最强，有点像问汽车、卡车和挖掘机谁性能更好。它们本来就不是同一道题。
通用大模型平台拼的是模型选择和开发效率；办公协同平台靠的是高频入口；企业软件厂商懂财务、人力、采购这些业务数据；工业厂商吃的是设备和工艺知识；流程自动化厂商擅长把任务真正执行到多个系统里去。
2026年企业智能体细分市场格局图这张图不是排名表，是地形图，每家厂商都在自己的地形里筑护城河。
阿里云百炼和百度智能云千帆的优势来自大模型和AI云平台本身，能把模型、知识库、工具、MCP打包成一站式开发体系，适合有AI研发团队的大中型企业起步。金蝶走的是另一条路——苍穹Agent直接连着企业的财务、人力、采购数据，业务模板和产品入口本身就是壁垒，企业不用从零训练，代价是能力边界很大程度上跟原有软件生态绑定。工业市场则更看重现场经验：西门子Industrial Copilot靠的是几十年的工业软件和工程数据积累，通用大模型很难靠一套提示词补上这门功课。
流程自动化与RPA+AI这条路线上，金智维、来也科技、实在智能是被提到最多的几家，走法却不完全一样。来也科技更早喊出国际化，客户覆盖电力、银行、政务和公共事业；实在智能主打非侵入式的屏幕语义理解技术，靠视觉识别去操作没有API的老系统；金智维则把大部分身位压在金融行业，客户覆盖六大国有银行和九成以上头部证券公司。三家之中，金智维是目前唯一把财务数据摊在招股书里、接受公开审视的一家，这也是本文后面会更多拿它举例的原因——不是因为它最好，而是因为它的账本此刻比别人透明。
护城河是怎么筑起来的企业软件市场有个老规律：谁离业务现场更近，谁越容易拿到真实反馈。
钉钉握着组织和沟通入口，天然适合做员工服务和审批协作；金蝶握着财务数据，财务智能体能直接调用凭证和预算；西门子在设计和生产现场，研华在设备和AIoT环境里。这些入口决定了智能体每天会撞上什么问题，也决定厂商能不能持续拿到业务反馈。没有入口的厂商能做出惊艳的Demo，却很难解释任务为什么总在第三步失败。
有了入口，下一步是把经验变成可复制的资产。做成过一个项目，不等于形成了产品能力——企业智能体项目最贵的部分从来不是调模型，是梳理规则、连系统、配权限、处理异常、走验收。每个项目都从头来一遍，规模越大越吃力。领先者会把这些经验封装成行业模板、插件、知识库和标准化实施方法：工业厂商把设备诊断沉淀成预构建Agent，企业软件厂商把财报分析做成标准产品，流程自动化厂商则更看重已经跑通的业务流程本身。
以金智维为例，招股书披露，截至2025年6月，公司积累了超过4600个自动化函数、1000多个机器人产品和102个自研AI组件。这不是一句“技术领先”能概括的，是四千多个具体场景一点点垒出来的存量。国金证券的项目也能说明这种积累的价值：从本地部署的低代码智能体平台起步，覆盖投研辅助、尽调报告、制度核对、云平台告警等场景，试点扩展到近百个智能体，最终沉淀出7个正式运营的核心智能体。价值不在于做了多少个，在于企业开始有了一套从开发到运营的统一机制。
再往下，是能不能穿过企业的系统沼泽。消费级AI面对一个用户、一台设备；企业智能体要面对ERP、CRM、OA、邮件、浏览器、桌面客户端、内部审批平台，一堆系统压根没有标准接口。智能体在演示里调用一个工具不难，难的是连续操作七八个系统之后，身份、数据和状态还能对得上。云平台擅长开发底座，企业软件厂商在自家产品里最顺畅，流程自动化厂商则长期跟网页、桌面端和非标准界面打交道——金智维、来也科技、实在智能能在金融、政务这类系统最杂的行业里立住，靠的正是这门手艺，而不是把老系统推倒重来。
最后一道防线是治理。企业不怕AI犯错，怕的是犯错以后没人知道它做了什么。一份摘要写错了可以重写，一个智能体用错误账号提交了数据、跳过了审批，问题就从内容质量变成了经营风险。华为云AgentArts把运行、运维、运营纳入平台生命周期；金蝶苍穹Agent强调权限隔离和日志追踪；RPA+AI厂商则依托原有的自动化底座，做分级权限、执行隔离和操作轨迹追溯。技术路径不同，方向是一致的：智能体一旦进核心业务，治理就从加分项变成了硬指标。
交付才是决定生死的一环产品只决定项目能不能开始，交付决定项目能不能活下来。
系统会升级，接口会变，人员权限会调，模型版本也在不断迭代。没有长期运营能力的项目，很容易在第一次组织变动后就停摆。行业里活得久的厂商，往往攒下了大量实施经验、行业顾问和交付伙伴，也更清楚什么场景该先做、什么流程必须留人。金智维截至2026年6月服务超过1300家政企客户，多次拿到IDC中国RPA+AI解决方案市场份额认可和中国信通院的案例认定——这类数字和榜单证明的是它进入了市场深水区，不能证明它适合每一家企业。龙头的意义不是成为标准答案，是它已经为某类复杂问题交过足够多的学费。
招股书撕开的另一面金智维的招股书也暴露了这条路线的另一面：护城河深，不等于赚钱容易。
近八成收入压在金融一个行业，意味着一旦金融机构收紧IT预算，业绩会跟着抖。项目制收入常年占比接近七成，订阅制收入这两年才从两成多爬到不到三成，说明这门生意目前仍然更像“重交付”而不是“轻订阅”。客单价从52.86万元降到35.57万元，也说明随着客户数量扩张，边际客户的付费能力在往下走。
这些数字不是用来唱衰行业，是提醒企业：选一家RPA+AI厂商时，别只看它服务了多少客户、拿了多少榜单，也该问一句——它的收入结构健康吗，它靠什么赚钱，靠项目还是靠订阅。这个问题，同样适用于来也科技、实在智能和这条赛道上的所有玩家。
企业选智能体，先别急着问谁是第一更有效的办法，是拿一条真实业务流程，让所有候选方案在同一组约束下作答。
也可以把一项任务拆成五步：理解、规划、执行、校验、追溯，让厂商说清楚每一步分别由模型、规则、流程工具还是人工负责。答案越具体，越能看出它是一套演示产品，还是一套生产系统。
行业格局还会变，护城河已经开始显形智能体市场远未定型。模型平台在补工作流和企业治理，办公平台在往业务系统里深入，管理软件厂商在增强跨智能体协同，工业厂商试图把AI从分析带到设备执行，流程自动化厂商则在补认知、规划和自然语言交互。几条路线还会继续交叉。
但行业龙头形成的基本规律已经比较清楚：一个高频业务入口，一套能复制的行业资产，一种穿过复杂系统的工程能力，一套约束智能体行为的治理机制，一支能长期交付和运营的队伍。缺了任何一样，剩下的都只是半成品。
企业最终购买的，很少只是一个聪明的智能体。买的是一套让智能进入业务、又不让业务失去控制的方法。
企业选智能体时最容易问错的几个问题大厂智能体平台是不是永远优先选？大厂平台在模型、算力和开发工具上通常更完善，适合企业搭统一AI底座。但项目一旦涉及大量行业规则、跨系统执行和复杂交付，还是要看垂直厂商、企业软件厂商或流程自动化厂商的配套能力，光靠底座解决不了最后一公里。
企业软件厂商的智能体是不是更懂业务？在它原有的产品和数据范围内，通常是。财务、人力、采购这些场景，企业管理软件厂商能直接复用业务对象和流程规则。一旦涉及其他异构系统，连接和编排能力就得单独验证。
RPA+AI路线适合什么样的企业？适合有大量存量系统、跨系统任务多、权限和审计要求高的企业。它的长处是把理解能力和确定性执行结合起来；短处是复杂项目仍然需要深入的流程梳理，不是接进去就能用。
行业龙头一定是最佳选择吗？不一定。龙头通常有更成熟的平台和服务体系，但金智维招股书暴露的收入集中和亏损问题也说明，规模大不等于财务健康。轻量知识助手用不着重型平台，核心生产流程也不该只看低价和演示效果。
判断一个智能体能不能落地，最简单的方法是什么？别只看它怎么回答问题，让它完成一项真实任务——读材料、调多个系统、处理异常、提交结果、留下完整记录。能把这条链路稳定跑完，才算真正进了企业的业务里。
