Agent 焦虑症,一场虚幻的军备竞赛
发布时间:2026-10-14
作者:William
一家中型企业,组建了三十人的智能体团队,预算两千万,目标是在十二个月内拿出一个「懂业务、会干活」的通用 Agent。同一时间,OpenAI 的 Codex 和腾讯的 WorkBuddy 每周都在迭代。每一次更新,都在抹平这家企业过去一个月的追赶。
这不是虚构的困境。这是当下企业级 AI 里最普遍、也最昂贵的一种情绪——一种叫作「Agent 焦虑症」的集体症候:看见别人上了 Agent,就觉得自己落后了;看见平台免费放出 Agent,又怕自己那套成了废铁。焦虑本身不可笑,可笑的是被焦虑推着走的方向:以为通用 Agent 是一件可以用项目预算买出来的东西,以为「自研」是一个值得投入的方向。
本文想说的是:绝大多数企业自研通用 Agent,从第一天起就输了。原因不在技术,而在入场之前,牌桌就已经不是他们能坐的那张。而治这场焦虑症的药方,从来不在自研。那些被称作「军备竞赛」的喧嚣,多数连竞赛都算不上——它是焦虑症患者的集体幻觉:一座从未真正开战、却已经血流成河的战场。
这个结局,历史上演过不止一次。二十年前,企业自研 ERP 模块,结局是被 SAP 和甲骨文收编。十多年前,企业自建机房、自研数据库,结局是全部迁上云。每一个时代,都有企业以为自己能做出「自己的那一版」基础设施,最后都发现同一件事:当平台把通用性做到极致便宜,自研的通用性就成了一笔坏账。通用 Agent 是同一个故事的第三幕,也是这一轮 Agent 焦虑症的历史原型——区别只在于,这一次的平台跑得更快,快到追赶者连第一圈都跑不完。

(图片展示了企业自研通用Agent对比平台失败的原因)
一、这是一场虚构的战争
先承认一个前提:通用 Agent 是有价值的。它能写代码、能调工具、能跨系统编排任务,这件事已经成立。问题从来不在于「通用 Agent 有没有用」,而在于「这件事该由谁来做」。
所谓「军备竞赛」,是一场连交战双方都凑不齐的战争。真正的竞赛,意味着双方在同一个赛道上,有对峙、有拉锯、有胜负悬念。但通用 Agent 的这盘棋,一边是万亿级投入的平台,一边是拿项目预算凑出来的企业团队。这不是竞赛,是单方面的碾压现场,被误报成了竞赛。焦虑需要一场战争的名义来合理化自己,于是大家都愿意相信自己在「参赛」。
通用 Agent 的竞争力,由三层东西构成:模型的推理能力、工具调用与编排的工程能力、以及喂养这套系统的数据与反馈闭环。这三层,每一层都是重资产。
模型层,是万亿级资本和顶级科研团队的战场。工具层,需要成百上千的工程师去对接操作系统、浏览器、代码仓库、企业软件、几百个 MCP 协议。数据层,需要亿级的真实交互样本去打磨。这三样东西,没有任何一样是「三十个人、两千万预算」能覆盖的。
Codex 背后是 OpenAI 的完整研发体系,WorkBuddy 背后是腾讯的平台工程能力。企业自研通用 Agent,是在拿一支业余队,去打一场没有裁判的屠杀。大众以为这是职业联赛,其实连比赛都称不上——结果早在报名之前就写好了。
有人会说:我不用自研模型,我调用大模型的 API,只做应用层。这句话听上去精明,实际是把问题藏了起来。应用层恰恰是通用 Agent 最难的那一层。工具编排、环境理解、任务拆解、错误恢复、长程一致性,这些才是决定一个 Agent 能不能「干活」的地方,而不是它演示时漂不漂亮。
而这一层,恰恰是平台迭代最快的层。今天你的团队刚把浏览器自动化调通,平台下周就发布了一个更稳的版本,还免费。你追的每一寸进度,都在追一个移动中的目标,而且目标比你跑得快。
速度,是这场「竞赛」里最被低估的变量,也是它最虚幻的地方:它让落后显得像在追赶。企业做项目的节奏,是季度的、半年的、以验收为节点的;平台做产品的节奏,是周的、天的、以发布为呼吸的。两者不在同一个时间尺度上。当企业的通用 Agent 还在为第一个里程碑排期,平台已经跨过了它规划里的第三个里程碑。这不是差距,这是不同物种。竞赛的前提是共享同一条跑道,而这两者跑的是两套时间。
二、护城河是飞轮,不是模型
更冷峻的真相在于:通用 Agent 的护城河,从来不在某一个模型,也不在某一个工程细节,而在飞轮。
飞轮是这么转的:用户每用一次 Agent,产品就多一份反馈样本;样本越多,模型越懂怎么干活;模型越能干,用的人越多。这是一个自我强化的循环,而循环的每一圈,都在拉大平台与追赶者之间的差距。
这里有一个容易被忽略的细节。通用 Agent 的反馈信号,是所有 AI 产品里复用价值最高的一种。一次调试代码、编排工具、从失败中恢复的过程,其经验几乎可以迁移到下一个完全不同的任务上。平台每多服务一个用户,学到的不是「这一个用户怎么用」,而是「干活这件事本身怎么干」。
垂直应用做不到这一点。一个客服 Agent 的样本,只能沉淀在客服这个窄域里,换到财务就失效。通用 Agent 的样本,却是在沉淀「能力」本身。样本的通用性,让平台的飞轮比任何垂直赛道都转得更快,也让任何想在通用赛道追平台的企业,面对的是一个越追越远的对手。
平台的样本是亿级的,企业的样本是万级的。这个差距不是线性的,是指数的。当你在实验室里为一百条内部任务反复调 prompt 的时候,平台的模型已经吃掉了今天新增的数百万次真实交互。
Claude Code 在 2026 年初做到了 25 亿美元的年化收入,占 Anthropic 企业收入的一半以上。Codex 在 2026 年 4 月被 Gartner 评为企业级编码 Agent 的领导者。这些数字背后,是飞轮已经转到了企业根本无法追赶的转速。
企业此刻做出的每一个「能跑」的 Agent,都处在一个被平台版本迭代不断抹平的永恒追赶里。你以为你在自研,其实你在给平台的进度条陪跑。这不是竞赛,这是幻觉——一场只有一个人在跑的马拉松,选手以为自己在比赛,其实空旷的赛道上,连对手都不存在。
三、算一笔 ROI 的账
抛开技术,单算账,结论也一样难堪。
自研通用 Agent 的成本,拆开看是四笔。模型调用,你逃不掉,因为底座来自同一家。工程人力,一个能稳定运行的通用 Agent,需要工具编排、评测、安全、运维四类人,按一个中型团队的配置,一年就是千万级的开销。评测体系,通用 Agent 没有标准答案,你得自己搭一套任务集、一套回归流水线,否则每一次模型升级都可能让你的 Agent 悄悄变蠢。长期维护,平台的 API 一变、模型一换,你的适配层就得跟着改,这行代码永远不会真正「做完」。
而这一切的产出,是一个随时可能被平台免费版覆盖的「通用」能力。
问题就出在这个「通用」上。企业真正需要的,从来不是通用性。企业需要的是一个懂自己业务、接自己系统、守自己合规的领域智能体。通用性对平台是护城河,对企业是冗余。你为一个你根本用不满的「通用」付费,而平台已经把这个「通用」做到了接近成本价的便宜。
换句话说,企业自研通用 Agent 的每一分钱,都在购买一个平台已经在廉价甚至免费供应的东西。这不是投资,这是重复购买。
再看另一组数字。Gartner 预测,到 2027 年,40% 的 Agentic AI 项目会被取消。2025 年 10 月到 2026 年 1 月,硅谷企业 AI Agent 项目在生产环境的失败率,据行业调研高达 95%。失败的原因,几乎一致地指向工程能力不足,而不是模型不够聪明。
注意这个结论。模型已经很聪明了,聪明到「演示效果良好」。真正让这些项目死掉的,是工具编排、环境适配、长程一致性、错误恢复这些工程问题。而这些工程问题,恰好是平台最擅长、企业最不擅长的那部分。
一家银行的工程师在开发了 12 个 Agent 之后给出的判断是:多数系统「演示效果良好」,却难以满足生产要求。这句话,是给所有企业自研通用 Agent 项目写的墓志铭。
四、企业的优势,恰恰在于「不通用」
把上面的话反过来,才是企业该有的战略清醒。
企业真正握有、且平台永远无法复制的东西,是四样:私有数据、业务上下文、组织流程、行业 Know-how。这些东西有一个共同点:它们都是「不通用」的。它们是你这家公司独有的,是平台隔着十万八千里够不着的。
所以正确的姿势,从来不是自研通用 Agent,而是把平台的通用能力,嫁接进自己的私有纵深。
用 Codex、用 WorkBuddy,把它们当成底座。然后把力气花在四件平台上没有的事上:把你的私有知识库喂进去,把你的内部工具通过 MCP 接进去,把你的业务规则和合规约束写进去,用你的真实场景去做评测。
这才是 ROI 为正的投入。因为它花在了平台「没有」的地方,而不是花在平台「更强」的地方。
你花两千万自研一个通用底座,平台三个月后就替你免费升级了。你花两千万把平台的能力接进自己的业务纵深,这个纵深,平台永远替不了你。前者是把钱扔进一个你必然输的赛道,后者是把钱变成你独有的资产。
五、评测是隐形的门槛
有一种声音说:平台的通用 Agent 是「通用」的,所以它不懂我的业务,我做的是「懂我业务」的 Agent。这句话,偷换了一个概念。
「懂你的业务」这件事,不靠自研通用底座来实现,靠的是评测。你需要一套能反映你真实业务的任务集,用它去挑模型、去配 prompt、去验证每一次升级。这才是「懂业务」的真正含义,也是企业最该投入的地方。
但评测本身,又是一个多数企业低估的重活。通用 Agent 没有标准答案,一个任务「做没做完、做没做好」的判定,本身就很难自动化。平台投入大量精力做评测,是因为它服务的是海量用户的共同任务;企业要做的,是在这个地基之上,为「自己的任务」建立评测。前者是平台的地盘,后者才是你的主场。
那些把「懂业务」理解为「自研一套 Agent」的企业,恰恰把力气用反了:它们在平台的强项上硬拼,却在自己的主场上一片空白。它们以为自己在解决「懂业务」的问题,实际是在用最贵的方式,逃避真正该做的评测工作。
六、那些「必须自研」的托词
这时候,总会有人搬出几个理由,证明「我们必须自研」。逐一拆开看。
第一个理由:数据安全,不能上云,所以必须自研。
这是最流行、也最站不住脚的一个。数据安全靠的是边界控制、访问审计、加密与脱敏,而不是靠从零写一个 Agent。私有化部署、专有云、本地模型网关,这些都能在不上云的前提下解决安全问题。自研一个通用 Agent,并不能让你的数据更安全,反而因为工程的不成熟,暴露出更多的攻击面。用一个不成熟的系统去「保护」数据,这是逻辑上的南辕北辙。更常见的事实是,许多号称「数据安全必须自研」的企业,其自研 Agent 连最基本的访问控制都漏洞百出,最后还得靠平台的安全审计来兜底。
第二个理由:我们要自主可控,不能被卡脖子。
真正的卡脖子,在模型和芯片那一层,那是国家和巨头层面的战役,轮不到一家企业在一个通用 Agent 应用里「自主可控」。全行业已经有成千上万个自研 Agent,多你这一个,对自主可控没有任何贡献。把「自主可控」四个字挂在通用 Agent 上,是把一个战略级的严肃命题,降格成了一个预算审批的修辞。你真正该「自主可控」的东西,恰恰一直没投入。
第三个理由:内部有现成团队,闲着也是闲着。
这是预算的惯性,不是战略的理由。让一个团队去做一件注定被平台抹平的事,消耗的是他们本可以花在业务纵深上的时间。这不是「利用闲置」,这是「挥霍最稀缺的资源」。团队的时间,是比那两千万预算更贵的东西,因为它不可再生。
第四个理由:我的场景特殊,通用 Agent 覆盖不了。
这句话说对了一半。场景特殊是真的,但解法不是自研通用底座,而是做一层领域适配。特殊的场景,恰恰更需要站在通用能力的地基上,而不是从地基开始自己盖。你的特殊,体现在业务规则和私有数据里,不体现在工具编排的轮子上。那些真正把场景做深的企业,没有一家是靠自研通用底座成功的,它们做的,都是在通用地基上砌自己那一面墙。

(图片展示了企业级Agent必须自研的理由)
这四个理由,没有一个是技术必然,全部是组织惯性、预算惯性、或对「自主」二字的误读。它们都长在 Agent 焦虑症上,是这种情绪在会议桌上长出来的四个借口。
把时间拉长看,通用 Agent 的归宿,大概率是变成一类基础设施,就像今天的操作系统和浏览器。基础设施的特征是:少数平台掌握,通用能力接近免费,多数参与者只是使用。没有企业会去自研操作系统,也没有企业会去自研浏览器。通用 Agent 正在走向同一条路。
到那一天,今天这些自研通用 Agent 的项目,会显得格外荒唐。它们不是输给了对手,是输给了一个从第一天就注定的产业结构。
七、Skill 杀死创业公司:最锋利的一问
2024 到 2025 年,AI 赛道最热闹的风景,是垂直细分的 Agent 创业团队。客服 Agent、销售 Agent、招聘 Agent、财务 Agent,每个细分赛道都挤进了几十上百个团队,带着融资和精美的 Demo。那是 Agent 焦虑症的另一个宿主:创业公司。
两年过去,他们中的大多数,死于一个意想不到的对手:不是竞品,也不是巨头,而是 Claude Code 里的一个 Skill。
一个 Skill 是什么?是一段几百行的提示词加配置,任何人随手就能装进 Claude Code。它不需要融资,不需要团队,不需要产品发布会。它只需要一个人,在某个下午,把「怎么做这件事」写清楚。然后它就能干了。
这就是残酷之处:垂直 Agent 团队花了两年、数千万融资筑起来的「护城河」,本质是一段可以被 Skill 复制的知识。而 Skill 的复制成本,是零。你的壁垒,在平台生态里被降维成了一句 prompt。Skill 生态不是来跟你竞争的,它是来证明你从不存在。今天 Claude Code 的 Skill,明天就是 WorkBuddy 的技能市场。平台每开放一次生态,就有一批垂直 Agent 失去存在价值。
那么现在,我要把同样的问题,原样扔给那些企业 Agent 团队:
有什么事情,是你们能做到,而 WorkBuddy 不能的?
我不需要你们立刻回答。我替你们预演一遍最常见的答案。
「我们有企业上下文数据。」——这是第一反应,也是最脆弱的护城河。
让我告诉你一个事实:那些数据,你们能拿到,办公室里用 WorkBuddy 的小姑娘,也能拿到。
权限?接入?授权?这些从来不是技术壁垒,是行政动作。今天 CIO 一封邮件就能让你接入的数据,明天同样一封邮件就能让任何人接入。所谓「企业上下文」,在平台 Agent 面前,不过是下一个 MCP 接入请求。它守护不了任何东西,它只是暂时还没有被解锁。
那些还在拿「企业上下文」当免死金牌的 Agent 团队,应该认真想一个问题:当 WorkBuddy 能读你能读的一切,你的 Agent 还剩什么?是你的模型更好?还是你的工具编排更稳?还是你迭代得更快?
如果答案三项都是否定的,那你们的产品,不过是一个注定被平台免费版覆盖的功能列表。
这是本文最后一记重锤。在此之前,我一直在说「自研通用 Agent 没有意义」。现在我要把话说得更满:不仅是通用 Agent,连垂直 Agent 的独立生存,也已经被平台生态宣布了死刑,只是执行日期,取决于平台释放 Skill 的速度。
八、龙孚做 Maestro,做的不是又一个底座
讲到这里,会有一个反驳等着我:龙孚 BMS DXP 自己在做 Maestro,你一边劝人别自研 Agent,一边自己做,这不是自相矛盾吗?
这个问题值得正面回答,因为它恰好划清了那条被反复混淆的线。
Maestro 不是一个通用 Agent 底座,它是一层领域编排。它要做的,不是替代 Codex,也不是再造一个 WorkBuddy,而是站在这些通用 Agent 的肩膀上,去调度 BMS DXP 自己的那一套模块:数字资产管理、内容管理、产品信息、电商引擎、知识中心。这些模块各自成系统,业务规则散落在组织里,行业 Know-how 沉淀在人的脑子里。把它们接起来、串起来、用一个自然语言入口调起来,才是 Maestro 真正要啃的骨头。这层东西,Codex 不懂,WorkBuddy 也不懂,因为它们不懂你的行业,也不该懂。
所以 BMS DXP 拥抱 Codex,拥抱 WorkBuddy,把它们当作底座,把力气全部押在平台够不着的那一层:行业纵深。通用 Agent 负责聪明,Maestro 负责懂行。前者交给平台,后者留给自己。
这就是前文第四节的论点,落到一家具体公司身上的样子。企业最该做的,从来不是自研通用底座,而是通用底座之上、那一层属于自己的领域纵深。龙孚选了这条路。它没有得 Agent 焦虑症,或者说,它把那股劲儿,用在了该焦虑的地方。做得好不好,是另一个问题;但方向,和本文说的是同一个方向。
结语
通用 Agent 这一仗,从来就没有真正开打过。所谓终局,是早就写好的开场。Codex、WorkBuddy 们会继续以周为单位进化,把通用能力压到越来越便宜,便宜到自研这件事彻底失去经济学上的理由。那场被称作军备竞赛的盛事,从头到尾只是一场焦虑症的集体演出。
留给企业做选择的时间窗口并不长。平台每迭代一次,「自研通用 Agent」这件事的机会成本就抬高一次。今天的犹豫,到明天就会变成沉没成本;今天的沉没成本,到后天就是一份没人愿意签字的关停报告。
企业最体面的选择,是承认自己不是这个赛道的玩家。把省下来的钱和人力,投到那个平台永远替不了你的地方:你的行业、你的数据、你的客户、你的合规。
否则,几年后回头看,那些自研的通用 Agent,只会变成一堆维护不起、追赶不上、最后悄悄关停的遗留系统。它们最讽刺的结局是:关停的那天,替代它们功能的,正是当年被它们视为「不够可控」的某个平台产品。
军备竞赛里,最清醒的选手,是那个从一开始就没报名的人。因为没有人在跟他竞赛。Agent 焦虑症的解药,从来不是再上一个 Agent,而是想清楚:到底有什么,是只有你做得成、而平台做不成的。想清楚这件事,那场虚幻的军备竞赛就地散场,焦虑落回地面。
想了解更多产品信息?
我们多年服务世界五百强,为客户提供最灵活的方案选择和一体化的实施部署

