复旦智能体经济白皮书：100个AIAgent真实案例，哪些行业先跑出结果

先看一条增长曲线。全球AIAgent市场2024年约50-70亿美元，多家机构预测2030年将达到470-1000亿美元，年复合增长率40%-55%。中国这边，2025年市场规模普遍估计在150-250亿元人民币区间，2028年有望突破800-1000亿元；如果把智能体带动的软件改造、硬件终端与服务市场算进来，带动效应是直接市场的5-8倍。

数字很大，但真正值得读的是这份白皮书的方法——它没有停在概念和预测上，而是找了100个已经落地的案例，逼自己回答一个更硬的问题：智能体到底在哪些行业里、用什么方式、创造出了多少可被验证的价值。

《2026中国智能体经济白皮书》由复旦大学住房政策研究中心与上海市杨浦区科技企业联合会联合发布，共54页，同步发布《2026中国AI智能体创新企业TOP50》《智能体经济十大标杆场景》《智能体经济十大创业趋势》。报告把AI的定位从一个判断推进到另一个判断：AI正在从"提供答案的工具"走向能够承担任务、参与协作乃至创造结果的数字劳动力。下面按"经济形态怎么变、智能体的技术构成、100个案例覆盖哪些战场、哪些场景商业化最快、创业与资本在往哪走、以及出海和城市政策"这条线，把核心内容梳理清楚。

一、从"模型竞赛"到"智能体经济"：市场进入陡峭增长期

报告先给了一个区分。AI Agent（人工智能智能体）是以大模型为核心认知引擎，具备目标理解、任务规划、工具调用、记忆管理、自主执行与结果反馈能力的软件（或软硬件一体）系统。它与Chatbot的本质区别在于：聊天机器人是回答问题，智能体是完成任务。

围绕这个定义，报告描述了2025-2026年的六个关键变化，其中前三条最值得记：

第一，推理模型让"慢思考"成为可能——多步规划与复杂决策的可靠性显著提升，任务完成率从"演示级"走向"生产级"。第二，价格战让Token成本下降一个数量级——国产大模型推理成本较2024年初下降90%以上，"按结果付费"在商业上第一次成立。第三，模型层加速收敛——通用模型能力差距缩小，竞争焦点转向"场景×数据×工程化"，垂直行业智能体成为创业主战场。

报告由此提出价值正在向两端迁移的判断：模型层收敛，价值向应用层与基础设施层迁移。这个判断对创业者的含义很直接——单纯拼模型参数已经不再是创业机会，能不能吃下某个行业的具体流程，才是新的护城河。

报告还列出了中国的四项比较优势：场景密度（全球最完整的工业与消费场景）、工程师红利（每年超过500万理工科毕业生，且"模型+工程+行业知识"的复合人才供给充足）、开源生态（DeepSeek等开放权重模型大幅降低底座成本）、政策供给。报告特别强调，场景开放本身正在成为一种产业政策工具。

我们在整理《微播易酒业AI营销白皮书：92%消费者买酒前先搜》时也碰到过类似的分歧，那里的结论可以拿来对照。

二、技术底座：智能体的五个核心组件与产业栈

要判断一个"智能体"是不是真的智能体，报告给了五个部件的拆解，这也是很好用的鉴别清单。

认知引擎（Brain）：基础大模型加推理模型，决定理解与规划的上限。记忆（Memory）：包括短期上下文与长期知识库，决定它能不能记住业务规则和用户偏好。工具使用（Tools）：API、数据库、浏览器、IDE、机器人接口等，决定它能"动手"到什么程度。规划与执行（Planner）：把目标拆成步骤、按序执行、遇错调整。反馈与评估（Evaluator）：检查结果、自我纠错、必要时转人工。

报告强调，缺少工具调用与执行闭环的产品，本质上还是聊天机器人换了包装。这五个部件里，"工具使用"和"反馈评估"是区分真伪的关键，也是企业采购时最容易漏掉的评估项。

产业栈上，报告把链条从芯片一直列到应用：算力与模型基础设施是底座；模型层集聚了通义千问、文心、混元、豆包（火山方舟）、智谱GLM、Kimi、MiniMax、阶跃星辰、DeepSeek、讯飞星火等；再往上是智能体平台与开发基础设施；最上层是行业应用智能体与具身智能。

报告对这条栈的判断是：算力与模型基础设施是智能体经济的底座，但利润和话语权正在向应用侧转移。原因不难理解——底座的边际成本随规模下降，而场景的Know-how无法批量复制。

三、100个案例的十个战场：从办公桌到田野

报告的主体是从100个真实案例中抽出的产业证据，按十大领域组织，每个领域10个案例。案例的入选标准很克制——必须"有公开报道、官方披露或可验证的客户证言，拒绝纯概念Demo"，成效数据以"据公开披露"或"据案例方介绍"标注来源。

挑几个有代表性的成效数据：

办公协同侧，采用飞书AI的企业会议纪要整理时间平均减少80%；政企版智能体在多个省级机关落地，公文初稿撰写效率提升约3倍；泛微、致远等协同厂商在OA中嵌入智能体后，头部企业客户流程处理时长压缩70%以上。研发侧的杠杆更直接：头部科技公司AI生成代码占比已达30%-50%，部分团队研发效率提升30%以上，标杆客户单元测试自动生成覆盖率提升至80%以上。

制造侧的数据最"重"。宝武部分基地推动"黑灯操作室"改造，操作智能体覆盖高炉配料优化、表面质检与能源调度；报告给出一条很有说服力的换算——对大型石化企业而言，1%的能耗即对应千万元级年化效益。黑湖服务工厂超过3万家，标杆客户订单准交率提升15个百分点；某试点工厂异常响应时间缩短60%、在制品库存下降约20%。

金融侧，智能客服承接率超过80%，质检覆盖率达100%，投诉率下降；投研智能体自动跟踪产业链数据、生成公司事件点评，把研究员从70%的时间占用中释放出来。医疗侧，试点医院病历书写时间减少约60%；AI制药方向把从靶点到临床前候选化合物的周期缩短至18个月左右，成本约为传统方式的十分之一。

零售电商侧，京东智能客服独立解决率超过90%，数字人直播已服务数千个品牌；遥望科技的数字人主播在夜间时段贡献的GMV占全天的15%-25%，投入产出比优于纯人工；商家智能体把中小商户的评价回复率提升至90%以上，标杆商家私域复购率提升20%以上。

政务与司法侧，公文格式修正准确率超过95%，民意工单分拨效率提升数倍；法院智能体自动生成庭审提纲与文书初稿，简单案件文书制作时间缩短50%以上。教育侧，复旦大学等高校在程序设计、大学物理等课程部署AI助教，支持24小时答疑、作业步骤纠错与个性化补弱训练。

文化传媒与出海侧，阅文"作家助手"智能体已助力数千部中国网文出海，翻译成本下降超40%；视频生成类智能体的用户累计生成视频已超过3.7亿个，成为智能体出海收入验证最充分的品类之一。交通物流能源农业侧，标杆仓库拣选效率提升2-3倍，标杆风场发电量提升3%-5%，农业无人机按次计费的场景下农药化肥使用量平均减少20%以上。

四、十大标杆场景：客服是滩头阵地，编程是人效杠杆最大的战场

报告基于100个案例做了横向比较，按商业化成熟度、可复制性、价值量级三个维度评选出十大标杆场景。其中两个场景的判断最有参考价值。

第一个是智能客服，报告称其为智能体商业化的"滩头阵地"。理由是问题独立解决率普遍超过80%-90%，技术成熟度和ROI最容易被验证；更关键的是它正在从"省成本的客服"进化为"能创收的客户经营智能体"，开始承担主动营销、客户挽留和交叉销售。一个岗位从"成本中心"变成"收入中心"，是它被大规模采购的真正转折点。

第二个是编程与软件研发，报告认为这是"人效杠杆最大的场景"。支撑数据是头部科技公司AI生成代码占比已达30%-50%，研发智能体正在从"补全工具"变成能领任务的数字员工。

其余场景的分布也有规律：报告提到商业化成瘾度与合同金额存在错位——智能客服、编程、营销、办公四个场景商业化最快，而金融、医疗、制造、政务四个场景合同金额最大。原因在于后四个场景决策链长、合规要求高，但一旦签下来，单子体量大、复购稳定。工业场景则被报告单独点评了一句很实在的话：工业智能体"一个点位省的钱看似不多，乘以规模就是巨大数字"，难点在于跨行业复制高度依赖行业Know-how沉淀。

政务场景被定义为"中国特色的场景开放红利"。报告认为，政务、城市治理这类场景在其他国家难以大规模开放，而在中国可以通过清单化方式释放，这本身就是一种独有的产业政策工具。

换个角度看同一件事，《谷歌云制造业AI智能体趋势：56%企业已部署》算的是另一笔账。

五、十大创业趋势与资本视角：从Copilot到Autopilot

报告总结了十大创业趋势，其中前三条的指向性最强。

趋势一：从Copilot到Autopilot。报告判断，"副驾驶"式建议型产品的溢价正在快速消失，能端到端交付结果（发出邮件、完成下单、关闭工单）的自主型产品才是分水岭。这个判断和前面"从问到做"的定义变化是一致的。

趋势二：多智能体协作与"数字组织"。单个智能体解决单点任务，多智能体系统解决业务流程；产品形态从"一个AI员工"进化为"一个AI部门"——带主管、有分工、可审计，企业按数字组织整体采购，卖的不再是工具，而是团队。

趋势三：超级个体与一人公司。智能体把产品、设计、营销、客服的边际人力成本压到接近零，"1个人+N个智能体"的一人公司开始出现；报告还记录了一个资本侧的现象——部分一人公司（编程、法律、客服方向）在一年内估值增长5-10倍。

其余趋势集中在端侧智能体（AI手机、AIPC、汽车与机器人的入口之争）和具身智能创业潮（从"能动"到"能干活"）。报告对具身智能的定位是：具身智能是下一个十年的入口，智能体获得"身体"后，可触达经济体量将从数字世界的万亿级扩展到物理世界的十万亿级。

这一点在《亚信《智能体互联网Token计费与运营白皮书》》里有更细的口径拆解，感兴趣可以翻过去看。

资本视角这一章给了四条对创业者更实用的判断。第一，Agent是2025-2026年最集中的投资主题。第二，毛利结构决定估值倍数——纯软件交付（毛利70%以上）与"软件+人力"混合交付（毛利30%-50%）会被资本市场区别定价。第三，也是报告认为最容易被忽略的一条：拥有场景的产业集团与地方政府正在成为"既出钱又出订单"的双重股东，创业公司应该把场景获取能力写进融资策略。第四，出海收入获得溢价——同等规模下，海外订阅收入的估值倍数普遍高于国内项目制收入。资本在奖励两件事：能拿到场景，能收到美元。

六、出海与城市政策：一个"六个一"框架

报告把中国智能体出海称为"这一代人的跨境电商"，但强调难点不在技术。

它的判断是：语言只是表层，支付习惯、行业流程和信任建立才是深水区，因此要依靠"本地团队+本地合作伙伴"，避免"中国产品直译出海"。前面提到的视频生成类智能体（累计生成超3.7亿个视频）和网文翻译智能体（翻译成本下降超40%），是目前出海收入验证最充分的两条路径。

城市政策部分，报告以上海杨浦为样本展开，提出城市级"六个一行动框架"：开放一批场景、建设一个中试基地、设立一支耐心资本、培育一个人才梯队、构建一套治理规则、打造一个传播IP。其中两条被写得更具体：场景端建议编制发布《智能体应用场景开放清单》，每年开放不少于50个政务、医疗、教育、城市场景；人才端建议与复旦等高校共建"智能体工程"微专业与创业实训营，推行"AI驻企工程师"计划；治理端建议在全国率先开展智能体应用的分级备案、行为审计与责任保险试点。

对国家层面的建议有三条：从"技术监管"走向"行为监管"、把"场景开放"纳入政策工具箱、前瞻布局"智能体间经济"的规则。报告认为，城市是智能体经济的关键变量，因为模型可以跨地域流动，但工厂、医院、园区、社区和城市治理中的真实场景无法被简单复制。

报告最后的落点回到了它的起点：未来智能体经济的竞争，不仅是模型能力的竞争，更是场景开放、数据组织、工程落地与产业协同能力的竞争。想继续跟踪AI智能体、大模型应用与产业数字化方向的资料，可以到运营动脉（www.yydm.cn）检索，站点覆盖300+行业、7万+份报告与方案，适合做产业研究和选题备查。

七、常见问题解答（FAQ）

1. 《2026中国智能体经济白皮书》是谁发布的，怎么编出来的？

报告由复旦大学住房政策研究中心（RCHP）与上海市杨浦区科技企业联合会联合编制，文档编号RCHP-WP-2026-002，2026年9月发布，共54页，同步发布《2026中国AI智能体创新企业TOP50》《智能体经济十大标杆场景》《智能体经济十大创业趋势》三份配套成果。研究方法上，报告以100个真实案例为主体，覆盖办公协同、软件研发、智能制造、金融、医疗、零售电商、政务治理、教育科研、文化传媒、交通物流能源农业十大领域，每个案例按"痛点—做法—成效"三段式展开。案例入选有明确标准，其中第一条是真实性：必须有公开报道、官方披露或可验证的客户证言，拒绝纯概念Demo。数据口径以公开报道、企业官方披露与行业研究资料整理为准，成效数据标注"据公开披露"或"据案例方介绍"，部分市场规模与效益数字属机构预测或案例方自述。

2. 智能体经济和之前的AI概念有什么本质区别？

区别在"从回答到完成"。报告给AIAgent的定义是：以大模型为核心认知引擎，具备目标理解、任务规划、工具调用、记忆管理、自主执行与结果反馈能力的软件（或软硬件一体）系统；与聊天机器人（Chatbot）的本质区别在于，聊天机器人回答问题，智能体完成任务。判断真伪可以看五个核心组件是否齐全：认知引擎、记忆、工具使用、规划与执行、反馈与评估，其中工具调用与执行闭环最关键——缺少这两项的产品本质上还是聊天机器人换了包装。报告还提出，2025-2026年出现三个关键变化让这件事在商业上第一次成立：推理模型让多步规划的可靠性从"演示级"走向"生产级"；国产大模型推理成本较2024年初下降90%以上，使"按结果付费"成立；模型层加速收敛，竞争焦点转向"场景×数据×工程化"。

3. 报告里最值得关注的市场数据有哪些？

三组。第一组是总量：全球AIAgent市场2024年约50-70亿美元，多家机构预测2030年将达470-1000亿美元，年复合增长率40%-55%；中国2025年市场规模普遍估计在150-250亿元人民币区间，2028年有望突破800-1000亿元，若计入带动的软件改造、硬件终端与服务市场，带动效应为直接市场的5-8倍。第二组是应用渗透：智能客服问题独立解决率普遍超过80%-90%；头部科技公司AI生成代码占比已达30%-50%；部分一人公司（编程、法律、客服方向）在一年内估值增长5-10倍。第三组是结构：智能客服、编程、营销、办公四个场景商业化最快，金融、医疗、制造、政务四个场景合同金额最大；纯软件交付毛利70%以上、"软件+人力"混合交付毛利30%-50%，毛利结构直接决定估值倍数。

4. 哪些行业已经跑出了可验证的成效？

报告用100个案例给出了分行业的实证数据。办公协同：采用飞书AI的企业会议纪要整理时间平均减少80%，政企版公文初稿撰写效率提升约3倍，协同OA头部客户流程处理时长压缩70%以上。软件研发：部分团队研发效率提升30%以上，客户外部研发交付周期平均缩短25%，单元测试自动生成覆盖率提升至80%以上，回归测试周期从3天缩短到4小时、用例维护成本下降60%。智能制造：黑湖服务工厂超3万家、标杆客户订单准交率提升15个百分点；试点工厂异常响应时间缩短60%、在制品库存下降约20%；对大型石化企业，1%能耗即对应千万元级年化效益。金融：智能客服承接率超80%、质检覆盖率100%。医疗：试点医院病历书写时间减少约60%；AI制药把从靶点到临床前候选化合物的周期缩短至约18个月、成本约为传统方式的十分之一。零售电商：京东智能客服独立解决率超90%，数字人直播夜间GMV占全天15%-25%。政务司法：公文格式修正准确率超95%，简单案件文书制作时间缩短50%以上。

5. 对创业者和地方城市，报告给出了哪些可执行建议？

对创业者，报告有四个方向的提示。一是产品形态要从Copilot走向Autopilot，能端到端交付结果的产品才站得住；二是从"一个AI员工"升级为"一个AI部门"，多智能体协作、可审计的数字组织是企业采购的新形态；三是把场景获取能力写进融资策略，因为拥有场景的产业集团与地方政府已是"既出钱又出订单"的双重股东；四是重视出海收入溢价，同等规模下海外订阅收入的估值倍数普遍高于国内项目制收入，但要注意本地化不只是语言，支付习惯、行业流程和信任建立才是深水区。对城市，报告以上海杨浦为样本提出"六个一行动框架"：开放一批场景、建设一个中试基地、设立一支耐心资本、培育一个人才梯队、构建一套治理规则、打造一个传播IP，其中建议每年开放不少于50个政务、医疗、教育、城市场景，并推行"AI驻企工程师"计划、开展智能体分级备案与责任保险试点。对国家层面，报告建议从"技术监管"走向"行为监管"、把场景开放纳入政策工具箱、前瞻布局"智能体间经济"规则。

延伸阅读

如果这个话题跟你手上的业务有关，下面这几篇报告解读拆的是同一类问题的不同侧面，可以一起看。

《复旦2026巴西跨境电商报告：市场363亿美元》——重点是市场363亿美元

《智能体AI实战手册：100位领导者》——GLG调研了100位负责在企业内部部署与管理智能体AI解决方案的资深企业领导者，并对另外10位进行了深度访谈。