这意味着，大量以“通用对话”为核心能力的方案，正在被系统性地排除在金融核心系统之外。本文讨论的对象，仅限于。●金融智能体已进入，不再是试点工具●选型标准从“是否聪明”转向“是否可靠”●能否形成，成为分水岭。

AI Agent 指的是能够感知环境、独立做出决策并主动执行行动的人工智能系统。形象地讲，它就像拥有 “大脑 + 眼睛 + 双手” 的智能体。“大脑” 是具有千亿参数的大模型，赋予其理解复杂指令的能力；“眼睛” 借助 IDP 智能文档技术实现精准信息识别；“双手” 依靠 RPA 机器人流程自动化技术，可自动操作手机和电脑。

在人工智能领域，AI Agent（智能体）承载着重构企业生产力的厚望，近年来技术热度居高不下。然而，现实中其实际应用效果却不尽人意，从技术、应用到生态，重重阻碍形成落地瓶颈。本文将深入剖析这些困境，并探讨可能的破局之道。

在科技快速发展下，AI已广泛融入生活与工作，带来诸多便利。从个人体验看，AI确实解放了我们的双手。在思考层面，有Deepseek、ChatGPT等大模型；操作电脑方面，Uipath、金智维、影刀等RPA发挥作用；在模拟人类真实动作领域，宇树等人形机器人出现。曾经电影中的未来场景正逐步实现。如今AI机器人能思考、工作，可担任服务员、司机，甚至程序员。像数据统计、市场调研、广告文案撰写、银行每日流水下

根据 IDC 最新发布的《全球 AI 知识库市场报告》，2025 年企业级知识库市场规模预计突破 420 亿美元，年复合增长率达 37%。

在当今数字化转型的浪潮中，AI Agent 与 RPA 的融合逐渐成为企业提升效率、降低成本的关键技术路径。这两者并非相互冲突，相反，它们的结合能发挥出远超单一技术的强大效能。

随着国内市场规模突破 200 亿元，年增长率飙至 45%，AI 大模型的深度注入让 RPA 从 "流程机器人" 进化成了能自主决策的 "数字员工"。AI 能力也很接地气，"魔法指令 3.0" 支持自然语言交互，异常情况能自动修复，某跨境电商用它处理订单，大促期间支撑 3 倍单量还没积压，年节省人力成本近 700 万。它的 AI Agent 矩阵彻底颠覆了传统开发模式 —— 不用写一行代码，对着系统

2025年被业界称为“智能体（AI Agent）元年”。无论是Open Ai的Operator、谷歌的Project Astra，还是国内智谱AI 的COG Agent，都在加速从实验室走向真实场景。但我是还没有很明显在感受到落地，像前段时间Monica出来的Manus，个人觉得炒作概念更多一点，还是不主流产品，也不太成熟，网友的评价也有的人内测申请在一个多月前就通过了，然后尝试了几个问题，热情就

AI Agents 与的关系引发广泛讨论。从技术特性和应用场景来看，二者并非替代关系，而是形成。1.RPA擅长处理（如数据录入、报表生成），其基于用户界面（UI）的操作模式无需改造底层系统，部署成本低且稳定性高。例如金融行业的等场景，RPA能确保接近100%的准确率。2.AI Agents的核心能力是，但需依赖RPA作为“执行工具”。例如在场景中，AI Agent分析用户意图后，需调用RPA完成订

RPA个大厂商，宣传的“数字员工”，就是RPA结合大模型（gpt、kimi等），其需要涉及大量的计算资源，成本相当高，等于在发展“数字员工”通用性方面，有着很高的门槛，大多数电脑自动化公司都没有太大的进展，宣传说升级了数字员工，其实就是在“意向”，真正实现”脑子“与“手”结合的，并没有，但仅停留在概念上。需要了解的是当前大部分手机的AI智能仅限于工具类型，接下来的场景应该是植入手机的一个AI程序员