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-C2025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。