这套标准并不能直接让Agent变得更聪明，也不能消除模型幻觉，更不能替企业重构业务流程。毕竟车能不能跑起来，还要看模型能力、行业数据、软件工程、企业治理和组织变革能否跟上。但至少解决了一个关键前提，那就是让Agent从“可试用”走向“可纳管”。

站在当下来看，这套标准的真正价值，并非终结所有“信息孤岛”，而是给企业一个可以开始重构系统的理由。

作者|斗斗

编辑|皮爷

出品|产业家

当技术服务商都在比拼模型能力和Agent演示时，真正决定Agent能不能进入金融、制造、政务核心系统的，究竟是什么？

2026年年初，国内某知名跨境电商企业引入了一组由不同厂商开发的“AI采购智能体”与“AI仓储智能体”。在一次促销备货中，采购Agent因未能正确解析仓储Agent发送的非标格式库存预警，盲目向海外供应商下单了价值数百万的冗余商品。而由于两家厂商的Agent接口不统一、缺乏统一的身份认证与完整的行为审计链路，企业甚至无法查清究竟是哪个环节的语义理解出现了偏差。

这并不是个例。在过去一年的大模型落地潮中，屡见不鲜。这些现象背后，一个更深层的现实正在显现，即AI技术在企业落地的最大卡点，正在从“模型聪不聪明”，演变为“Agent之间的协作与责任追溯”。

值得注意的是，Agent落地僵局在刚刚过去的6月份，迎来了一个新的转折点。

6月26日，市场监管总局批准发布《人工智能智能体互联》系列7项国家标准（一下简称“标准”），这是我国第一个面向智能体互联的国家级标准体系。

而此项标准填补的空白，是一套此前长期缺位的基础秩序，即让Agent之间能够互认、协作、调用和交接任务。也正是这套秩序，第一次让Agent具备了走进企业核心系统的资格。

智能体的"信息孤岛"，正在迎来被终结的可能。

一、Agent进企业核心系统，“秩序混乱”成第一大难题

在过去一年里，中国并不缺Agent。

数据显示，截至2025年，已有超过50万名开发者，在字节跳动的扣子平台上造出了200多万个智能体，覆盖金融、医疗、教育等30多个行业；阿里云百炼、百度、腾讯元器、智谱清言的智能体商店里，新的Agent仍在每天成千上万地增加。

第三方机构测算，2025年中国AI Agent市场规模约182亿元，一年增长近八成。IDC给出的远景更为庞大，称到2030年，全球将有22亿个AI Agent像新数字劳动力一样涌入各行各业。

不难发现，Agent的供给侧已经十分热闹。

但如果把镜头转向产业落地，会看到另一幅并不乐观的图景。

Gartner曾在一份报告中预测，到2026年底，四成企业应用将内置智能体。但与此同时，Gartner也给出了另一个判断：到2027年底，超过40%的智能体项目将被取消，原因包括成本失控、价值不明和风控不足。

这一判断在具体行业的落地过程中已经有所体现，金融业就是这道困局最清晰的切片之一。

《中国金融智能体发展研究报告》显示，约96%的金融智能体仍停留在PoC、平台搭建与试运行的探索期，真正进入业务运行的比例只有4%，而且大多集中在非核心场景。

问题究竟出在哪？

标准技术司副司长朱美娜在发布会上把它概括为三件事：不同厂商的Agent接口、协议不统一，形成一个个"智能体孤岛"，这是生态壁垒；Agent缺乏统一身份认证与追溯机制，跨域交互面临身份仿冒、数据泄露风险，这是信任危机；没有通用的交互与描述规范，企业重复建设、集成适配成本高企，这是创新成本。

三类问题背后，指向的是同一个事实：今天的Agent，大多仍是单点的、孤立的、各说各话的。

德勤在2026年《State of AI in the Enterprise》中对24个国家3235名IT和业务领导者所做的调研，侧面印证了这一点。

数据显示，只有21%的组织有成熟的Agentic AI治理模型，约80%的组织缺乏成熟治理能力，包括Agent决策边界、实时监控、行为异常预警、完整审计链路等。

这也解释了为什么Agent的demo往往足够惊艳，但真正落地时却常常“叫好不叫座”。

对政企、制造、金融等核心流程而言，Agent的要求与“做一个Copilot”完全是两码事。聊天助手答错了，刷新重来即可；但一个要动资金、动产线、动审批的Agent，企业真正需要的是另一套能力，那就是身份可认证、行为可追溯、结果可问责，接口还要足够稳定。

无法满足这些要求的Agent，最多只能停留在边缘场景，承担客服、辅助和外围自动化等任务，很难真正进入企业核心系统。

换句话说，过去一年，行业解决的是“有没有Agent”的问题；真正卡住产业化进程的，是“Agent之间有没有秩序”。

而随着企业对Agent的需求不断上升，这件事的紧迫性也变得愈发明显。

数据显示，在乐观情景下，到2035年Agentic AI可能贡献约30%、超过4500亿美元的企业应用软件收入。

在这一趋势下，Agent需要的不只是更多应用和更多场景，更需要一套能够支撑互联互通的协议体系。只有补上这块基础设施，Agent才能从单点工具走向系统协作，也才能真正承接下一阶段的产业落地需求。

二、Agent，需要一套“交互体系”

对于Agent互联互通的问题，业内其实早已有所意识。

在此之前，全球范围内事实上的Agent互联协议已基本成形，而且不止一套。比如，2024年11月，Anthropic推出MCP，主要解决Agent怎么调用外部工具与数据，被称为"AI的USB-C"；2025年4月，谷歌开源A2A，主攻多Agent之间的协作，被比作"智能体的HTTP"。

然而，"能连"从来不等于"敢用"。

无论是MCP，还是A2A，即便未来更加普及，解决的主要仍是“技术上怎么连接”的问题。作为由商业公司主导、自下而上形成的开源协议，这类协议擅长打通接口，却很难覆盖另一类更硬的问题：这个Agent的身份由谁来背书？跨厂商协作一旦出事，责任算谁的？数据流入一个境外工具，合规风险又该如何处理？

因此，产业需要的并非又一个通信协议，而是一套关于身份、协作与治理的基础秩序。

《人工智能智能体互联》系列7项国家标准，给出了一个答案。

那么，这七项标准补的究竟是什么？

具体来看，是一条从身份标识、能力描述、供需发现，到协同交互、工具调用的闭环链路。

在发布会上，官方给出了一个更容易理解的“白话版”：“你是谁”（身份码与身份管理）、“你能做什么”（能力描述）、“怎么找到你”（智能体发现）、“怎么一起干活”（协同交互），以及“怎么调用工具”（工具调用）。

不难发现，这五个问题，正好覆盖了两个Agent从陌生到协作的全过程。在此之前，这些环节要么没有规范，要么每家一套私有协议，企业每对接一次就要重写一遍适配代码。统一之后，按官方说法，企业可以复用标准组件、减少定制开发、压缩产品上市周期。

更值得注意的是，这七项标准并非强制性国标，而是以“国家标准化指导性技术文件”（GB/Z）的形式发布。按照标准技术司副司长朱美娜的解释，这是产业培育阶段的一种“敏捷标准化”安排。换言之，Agent技术路线还在快速演进，过早锁死会扼杀创新，先以兼容性更强的指导性文件凝聚共识、留出试错空间。

不过，在这套“非强制”的安排中，有一点官方表态十分明确，那就是后续将适时推动身份码相关标准向强制性国标转化，并同步加快智能体审计、智能体交易等标准的研制。

这一动作，恰藏着整套标准的真正用意。

把五个环节摊开看，身份是唯一被点名要"转强制"的部分。换句话说，国家先把最敏感的"身份与治理层"纳入标准化轨道，而把“怎么协作、怎么调用工具”等应用层能力，更多交给市场竞争和生态演进。一方面给Agent发了一张"进核心"的合规凭证。使得Agent第一次有了进入企业核心系统的基础秩序，另一方面又给产业生态留下了足够弹性的发展空间。

目前，在落地层面，官方已经给出明确路径路径：先在北京海淀试点，由当地率先在前沿产业贯标验证，再向全国输出可复制的方案。

三、Agent生产力加速，正在路上

新秩序建立，带来的是新的产业叙事。

从产业角度看，Agent的落地会经历三个阶段，分别是工具化、流程化、系统化。

这套标准的意义，正是为第三阶段铺路。

过去，企业购买一个Agent，本质上是在购买一个单点应用。这个Agent能否接入现有系统，能否与其他厂商的Agent协同，能否被审计和追责，很多时候都要依赖项目制适配。这也是为什么大量AI项目一开始演示很快，但后期落地很慢；越往核心业务走，定制化程度越高，实施成本也越高。

标准化之后，Agent才可能从“项目交付”走向“产品交付”。

这对产业的影响很大。一方面，标准会降低企业部署Agent的集成成本；另一方面，也会降低企业更换供应商时的迁移成本。底层交互规则被统一之后，厂商仍然可以在模型能力、场景理解和行业Know-how上竞争，但很难再完全依靠封闭生态锁住客户。

沿着这条逻辑看，产业格局也会被重新排布。

首先是云厂商。这次标准制定中，字节跳动旗下的火山引擎，以及小米、快手、联想等多家海淀企业都有深度参与。随着Agent需要按照统一协议实现相互发现和相互调用，谁掌握注册与发现的“枢纽”，谁掌握底层算力和平台能力，谁就有机会成为Agent时代的基础设施提供方，甚至进一步向“Agent操作系统”演进；

其次是守在办公入口的钉钉、飞书这类厂商，标准的出现，会推动它们从“工作台”进一步升级为“Agent商店”和Agent调度平台；

被改写最深的，可能是行业ISV。过去，很多行业软件厂商依靠集成工时、项目交付和定制开发赚钱。但当Agent的身份、发现、协作和调用规则逐步统一，单纯依赖适配和集成的玩家可能会被挤出；真正能把行业Know-how沉淀成可复用、可插拔智能体组件的公司，反而会迎来新的窗口期。金蝶、用友等老牌厂商已经在把财务、招聘、差旅等场景拆解成一个个智能体组件，这正是产业软件向Agent化演进的一个信号。

当然，标准并不能直接让Agent变得更聪明，也不能消除模型幻觉，更不能替企业重构业务流程。毕竟车能不能跑起来，还要看模型能力、行业数据、软件工程、企业治理和组织变革能否跟上。

但至少解决了一个关键前提，那就是让Agent从“可试用”走向“可纳管”。

站在当下来看，这套标准的真正价值，并非终结所有“信息孤岛”，而是给企业一个可以开始重构系统的理由。

如果说大模型让企业第一次看到了AI的通用能力，那么智能体互联标准，解决的是另一个更底层的问题，那就是这种能力如何被安全、稳定、低成本地嵌入产业系统。