OpenClaw的横空出世正在颠覆企业级智能体的技术架构与市场格局。从工作流到多智能体协同，这场技术革命不仅带来开发效率的十倍提升，更引发了企业对架构开放性的深度思考。本文通过一线厂商实战案例，揭示智能体如何从边缘试点迈向核心业务，以及这场变革中的关键胜负手。

2026年上半年，智能体落地江湖剧变。“技术进步速度远超想象。”中工互联董事长智振形容自己进入了“亢奋状态”，99%的精力都砸在技术上，泡在客户现场推动场景与技术结合。“只要能把东西做好，肯定有人买。”

然而，技术浪潮的狂飙突进也引发了企业的普遍焦虑。一位大厂人士透露，自己今年见到的几乎所有企业都在问：技术架构变得太快，我们已经投入成本建了一套智能体系统，现在OpenClaw出来了，要不要推倒重建？去年做的智能体项目又会不会被淘汰？

技术狂飙与决策迷茫并行，构成了这一轮智能体落地的底色。新旧架构之争如何破局？客户需求正在发生哪些根本性转变？以及，当智能体从边缘试点走向核心业务，这场竞争的下半场将沿着什么路径展开？

01 旧地图，已经作废

OpenClaw的产品设计和理念，给行业带来了很多启示，也给全行业带来冲击，开发效率、产品形态、人员结构、软件逻辑全面重写。

AI应用能力成为核心考核标准。“我们现在考核人的唯一标准就是使用大模型的能力。”智振说。“一个人用得好，抵得上两三个用不好的人”。中关村科金总裁喻友平介绍，今年3月公司内部发起OpenClaw创新大赛，员工跨部门组队直接构建“龙虾应用”，收到95个对应具体业务动作的好点子，部分已经内部推广落地。

产品形态也在剧变。喻友平认为，OpenClaw让行业意识到了“企业级智能体架构不能再围绕‘聊天窗口’设计，而要围绕‘工作任务’设计。”过去不少智能体产品，本质上还是“大模型+知识库+对话入口”，很难承担企业级任务。企业真正需要的是能理解任务、调用工具、使用知识、遵守权限、输出结果、接受评测的工作系统。智能体建设走向业务人员，让一线人员将经验沉淀为Skills，交付对象变成“数字员工”。

市场已经快速响应，不论是腾讯、字节、阿里、百度等大厂，还是一线智能体落地厂商都纷纷推出了自己的类“龙虾”产品。“原来可能只能做一些简单的审批场景，现在已经可以做自主作业场景，新增场景机会变多。”众数信科联合创始人汪中说。

与架构变革并行的，还有开发效率的飞跃。去年12月大模型编程能力实现巨大突破。“同样人数下，我们现在同时能做的项目起码翻一倍。”汪中说，现在PoC已经很少，“上来首先看Demo，辅助客户去理解。接着要么直接试用产品，要么直接谈项目交付。”因为搭建一个完整可运行的场景demo，“基本一天之内就可以搭出来”，生产力提升巨大。

智振举例，以前做BOM（物料清单）要一条条从下拉框里选，现在做一个Claw小工具，即便只记得一个零件名字，输入后系统就能自动遍历数据库、思考校验，返回标准Excel表格。“这个功能去年并不是完全做不到，但得用向量库，又得用模糊匹配一大堆技术，搞半天效果也不太好；今年就简单了，龙虾相当于调度壳子，做个简单skill对接数据库即可。”

智能化程度也在飙升。“5月比1月至少强了10倍。”智振说，以前想做个从图片或文字识别物料码、生成无差错采购单的智能体，开发好几个月都达不到工业级准确率，1月以前几乎就只是个PoC，难以真正落地。现在只要想出来就能做，且智能体可以反复搜索、校验、审核，实现多智能体协同，准确率大幅提升。

智能体也在重构传统软件范式。过去软件以“年更”迭代，如今“软件日抛”已成为现实。喻友平介绍：“传统软件范式的重构比想象中来得更快。”企业发现AI可以通过“意图驱动”直接跨系统完成任务，他们对传统SaaS的耐心就在急剧下降。这是在短短几个月内集中爆发的。

在工业领域，“工业设计仿真，这一轮颠覆很大。”中工互联智振指出，CAD、CAE等曾被称为“工业皇冠上的明珠”的CAX软件，正面临颠覆性变革。过去依赖长期代码沉淀和庞大模型库建立的坚实壁垒，如今正被AI打破。“1月份我还说工业软件可能有3~5年的壁垒，现在想想一点都没了。”

智振判断，工业智能体的到来已经是“何时全面展开”的问题，时间窗口只有1-2年。“首先，今年就没有工业软件这一说了，所有上信息化的企业都会加上智能体。”以前工厂要采买十几、二十套软件，每套中可能99%的功能一辈子都用不到。现在只需针对具体场景贴身生成轻量算法，效果更好、成本更低，还能将CAD、CAE、MES、PDM等高度融合。未来软件将不再是功能大而全，而是基于需求和应用场景化，做价值和功能交付。

02 新旧架构之辩：一定要推倒重来？

技术浪潮的快速更迭，“新与旧”问题成为企业焦虑点。不少企业陷入两难：前几年已投入成本搭建的智能体系统，是否要因 OpenClaw 等新框架推倒重建？过往落地的项目又会不会被快速淘汰？

中关村科金喻友平认为，“企业面临的核心问题不是原来的系统有没有价值，而在于原有架构是否足够开放灵活。”新旧体系的差别在于，新范式强化了两个方向：企业级智能体要围绕任务和岗位Skills来组织；智能体系统要具备更强的开放性、可扩展性和持续运营能力。去年企业建设的系统如果采用开放式架构，模型、工具、知识库等能力解耦，适配新的Skills体系、接入新工具协议、升级新框架的切换成本相对可控，很多能力能在原有底座上继续演进。反之，如果是封闭式、强绑定、烟囱式建设，今年就会感受到比较大的架构压力。

“企业现在最关心的不是追哪个最新框架，而是避免被技术路线锁死。因为智能体还在快速演进，企业级架构必须留出足够的弹性。”喻友平说。

众数信科汪中则给出另一层洞察：客户不关心用什么范式，只看效果。但凡能落地通过验收的项目，在限定场景内效果已经达标，客户不会要求一定要用新范式改造旧场景，他们更希望用新范式去做原来做不了的新场景。

“OpenClaw走红后，不少老客户找到我们探讨新场景。”汪中举例称，某水务行业头部企业就曾在今年主动询问，“小龙虾”范式是否能做一些去年做不了的场景。此前，他们已成功落地智能体应用。目前双方正基于新范式，推进工艺调度和漏损预警两个新场景的智能体落地。

实际上，从2023年Agent概念兴起后，行业里一直存在两条路线：一类是工作流（workflow），另一类则是更偏自主规划的Agent。今年出现的OpenClaw、Hermes等就是后一条路线的典型代表。

“大家原来买的平台大部分是工作流平台，但现在多智能体协同的智能程度和泛化程度远超工作流平台。”汪中表示，给客户演示过多员工合作概念的产品原型后，客户都会倾向于用这个范式基座去做。

但新旧技术架构也并非完全替代关系，而是各有适用场景。

在企业内部，存在着大量规则固定、流程严谨、结果高度确定的场景，用工作流已能很好解决。比如合同审查、文案生成等，流程和知识相对固定，用工作流最好最快，自规划路线反而会烧掉大量额外的token，从效率和成本上看并不划算。一些简单的数据分析和趋势分析，也适合工作流。

而以OpenClaw为代表的多智能体协同、自规划的新范式，则适合泛化性更强，无法穷举流程的场景。其最大优势在于开放性，可与工作流形成互补。

汪中举例，在设备预测性运维场景，针对已发生故障的诊断，由于流程和知识相对固定，沿用工作流模式即可；但价值更高的隐患预测，因无法穷举异常规则，原来很难解决，现在则可以通过多智能体框架模拟人类专家经验进行推理分析。目前准确率已提升至90%以上，且系统具备持续学习能力。

不过，新范式规模化落地仍面临不少挑战。汪中坦言，企业客户虽认可其价值，但普遍头疼级安全落地问题。“智能体增速明显，但场景建设中敢用自规划结构的占比还比较少，大家对底层框架不够信任，还需要验证。大范围铺开还有赖于一个企业级框架的出现。”他判断OpenClaw并非技术终局，“一定会有新的框架不断出现”，智能体技术将持续迭代，适配企业复杂场景的成熟方案仍在演进中。

03 客户侧有哪些新需求？

2026年上半年，智能体落地需求显著提速。智振观察到，客户群体愈发多元，没有任何企业再怀疑AI的价值，只是“想花多少钱干多少事”。需求形态也明确升级：“以前给客户做的copilot，他们说不要了，以后要以智能体为主，而不是以人为主。”

业务部门采购积极性大增，甚至超过IT部门。百度智能云AI与大模型平台总经理忻舟透露，他们服务的港口、制造等行业多家客户中，都出现了业务部门主动提需求、甚至直接采购的情况。一位行业人士也证实，“业务部门说好用那就上，不好用那就不用干了”，业务体验成为核心决策依据。

采购逻辑也在改变：客户虽认可平台底座价值，却已不再为裸平台付费。众数信科汪中直言，“脱离场景，卖基础平台已经卖不出去了。一定是有一个很强的业务核心场景为引导，才能把这些平台、基建作为必要模组被带进去。”这种转变直观反映在预算结构上，以汪中服务的几家头部企业为例，平台、算力基建采购占比大幅下降，资源正加速向场景智能体倾斜。“去年如果是六四开，现在可能是倒过来的四六开，智能体订单量起码50%以上的增长。”市场要么按需弹性扩容算力，要么直接构建专属场景智能体；鲜有客户再先行采购商业版Dify或HiAgent等通用平台，再另行规划场景落地。

“大家现在都是言必谈场景，而且算账算得很细。”汪中说，“你不要跟我讲虚的能力建设，我现在就想问这个东西我能用在哪？123456里面，ROI排名最靠前的优先做。”ROI的计算方式也在深化，除准确率、专家一致率等传统指标，部分头部央国企今年已引入FTE测算法，以核心人工工时替代率作为关键衡量参数。

同时，客户更看重企业级完善功能。“今天你给我看个demo，质量很好，但我不会让它直接上。我一定会问知识权限怎么分权管控，怎么做多次校验，跟现有业务流程结合还需要哪些改造，怎么通过客观数据来验证。”汪中说，客户开始更加关注落地，更加关注配套的这些可控性和安全性，以及跟现有业务的新业务流程的结合性。

此外，知识工程的重要性正显著提升。汪中指出，模型层差距持续缩小，决定智能体效果的关键已转向Agent层的知识构建。过去企业常将知识工程简单等同于文件库建设，不愿为此额外付费，但“养龙虾”让他们切身体会到，仅靠读取文档远远不够，必须灌入大量经验——这些经验正来源于知识工程。因此，企业现在构建场景时，普遍更愿意投入资源，建设通用行业知识库或企业专属知识库，来为后续其他场景的应用提前做储备。

《2026爱分析·央国企Agent落地进展研究报告》也显示，2025年智能体项目的成功率在央国企内部约为70%，低于传统IT项目平均水平。其中，数据与知识质量已成为最首要失败原因。“去年不少央国企基于开源产品搭建智能体平台，但开源产品在知识治理方面基本空白，这成为落地应用中的致命问题。”爱分析联合创始人兼首席分析师张扬认为，知识治理应该是智能体落地的前提和标准。

04 下半场刚刚开始

智能体仍处于价值验证过程中，远未到遍地开花阶段。德勤2025年8–9月对全球超3200名企业高管的调研显示，仅25%的企业将智能体推向了生产环境，落地周期也从最初预估的3个月拉长至18个月。不过今年上半年，技术的快速发展正带来深刻变化。

业界对于智能体落地，提出了越来越复杂的维度，从最初看token消耗量，到看覆盖率、核心系统接入token的数量，以及Agent在企业内自主完成闭环的效率。

从覆盖率看，先行者已从单点转向范围复制。众数信科汪中表示：“去年客户更多选几个小场景做闭环试点，仅满足基础提效，如今多数客户已进入全链条业务梳理阶段，全面评估业务场景并制定分期建设计划，今年、明年、后年各做什么，统筹推进。”他认为，二三线城市中小企业受资金、人才、时间门槛限制，智能体应用普及度仍然较低，To B市场仍需一两年时间才能将成本降下来。

一些高价值场景正加速出现。百度云忻舟举例，前两年智能体技术和产品尚未达到生产级可用，很多是低质调度，比如拿大模型做数据清洗或原来小模型也能做的事。但随着模型和智能体技术发展，已经开始产生一批真正有价值的应用。例如百度伐谋在某港口提升集装箱搬运效率，效果超过客户原有系统。

在船舶海洋行业，众数信科正与长航集团、武汉理工合作开发航行任务规划智能体。船从重庆出发开到上海，智能体会根据水文、航道、过闸排队、港服补充、装卸货等情况，实时计算最经济的航速和燃油计划。“这是原来船长干的事情，直接好处就是省油。”汪中表示，目前他们已在船舶货运公司两大块核心业务切入，对接的也不再是中后台部门，而是船管部、机务部等核心业务部门。但距离覆盖核心业务的全链条还有距离，“我觉得再有一两年应该可以做得很深了。”

在工业领域，产品设计和生产一向被认为是最核心的环节。智振举例说，以前要画图，现在都是Text to CAD/CAE，几小时就能设计出来一台“看起来挺好”的变压器，但难点在于“受约的随机设计”——工业设计必须考虑产线能力和库存等硬约束，确保产品不仅外观好且具备可制造性。“产品设计分为两块，前面画图（CAD/CAE）和后面管理（BOM生成），目前，BOM部分AI应用已经没问题，CAD/CAE部分仍有一定难度，但下半年应该就ok了。”

智振说，他们也在探索设计生产一体化。过去CAD设计、生产等环节互为孤岛，底层数据模型不统一，未来将是模型驱动，以工业大模型统一定义产品模型、工厂模型和工业模型，业务流基于人机交互运行。但需先将原有数据清理至高质量，投入巨大。

中关村科金喻友平也介绍，在汽车智能营销场景中，以往客户购买的是“效率工具”，现在智能体能够交付“高意向线索转化”的业务结果。在某车企利用大模型外呼智能体进行客户联络的项目中，他们交付的是营销电话接通率、高意向客户派发率、客户加微率等结果指标。

行业落地逻辑的迭代，也推动智能体厂商发展策略全面升级。厂商们普遍从“什么都做”转向聚焦特定行业和场景。众数信科将精力聚焦于船舶海洋、教育、招投标审查三条核心产品线，做深做透，今年计划业务经营上增长50%左右。中工互联同样强调聚焦，今年目标是深耕到几个很特定的大客户和特定场景下，做出客户“离不开你”的价值。

与此同时，FDE（现场深度交付）能力已成为智能体规模化落地的核心竞争力。爱分析报告显示，75%的央国企更看重供应商是否具备驻场调研、业务诊断、闭环交付等工程能力。

为此，各大厂商纷纷强化FDE体系建设，百度智能云打造了专业FDE团队，搭配AI FDE智能辅助能力，深入客户业务一线；中关村科金推出内部AI工程师认证体系，针对FDE等关键岗位重塑能力模型，打造具备深厚行业Know-How与工程落地能力的高端复合型人才梯队，确保智能体项目的规模化高质量交付。中工互联也依托FDE模式解决工业复杂场景落地难题。“现在不去驻场，你根本做不了。”智振说。

当智能体从试点尝鲜走向范围复制，从边缘业务加速走向核心生产环节，智能体的下半场故事才刚刚开始。