数据口径 ：本文信息截至 2026 年 10 月中旬 ，来源为厂商公开文档、定价页、GitHub 仓库发布记录与第三方实测横评。智能体赛道半年一代际，文中所有产品形态、计费与协议状态都可能在你阅读时已发生变化，请以官方文档为最终依据。
阅读指引：
- 只关心"该选谁" → 直接跳到 第五章适配矩阵 与 第八章上线检查清单；
- 关心"技术底座稳不稳" → 看 第四章兼容性与协议层；
- 关心"未来三年押注谁" → 看 第六章各阵营愿景。
一、2026 年的智能体已经不是"一种东西"了
如果还用"哪个 AI 助手更强"来比较 2026 年的智能体，结论一定是错的。过去两年里，"智能体"这个词被用来指代至少五种架构完全不同的东西，它们的执行位置、权限边界、成本模型、数据流向、合规风险全都不同。把它们放进同一个排行榜里比"谁更聪明"，等于拿高铁和三轮车比时速。
同时，2026 年发生了三件结构性的事，把局面彻底重排：
第一，智能体从"云端聊天"下沉到了"本地执行"。 Claude Cowork（后并入 Claude 主应用）、ChatGPT Work、Gemini Spark 三家桌面级智能体在 2026 年 4 月至 7 月的三个月内密集发布，签名 Agent、并行子智能体、后台定时任务成为标配。智能体第一次真正意义上"读你的本地文件、点你的桌面应用"。
第二，协议层完成收敛。 MCP（Anthropic，2024 年 11 月）与 A2A（Google，2025 年 4 月）现已同归 Linux Foundation 旗下 Agentic AI Foundation（AAIF） ，A2A 于 2026 年 3 月发布 v1.0、8 月并入 AAIF 成为 Growth Stage 项目；IBM 的 ACP 已并入 A2A。支撑组织超过 150 家，含 AWS、Cisco、IBM、Microsoft、Salesforce、SAP、ServiceNow。生态碎片化风险从"标准林立"降级为"分层协作"------MCP 管工具、A2A 管智能体之间，这是分工不是战争。
第三，企业侧的"选型焦虑"取代了"要不要用"。 Gartner 预测到 2026 年底 70% 的企业会在客服、营销、运营等核心职能部署智能体；但 Deloitte《2026 企业 AI 状态》同时指出，只有 21% 的企业具备成熟的智能体治理基础设施。这 49 个百分点的缺口，就是当前所有选型讨论的真实背景。
同时也要记住几条"辟谣清单"，很多流传的对比榜单仍在引用过时事实：OpenAI Operator 已于 2025 年 8 月下线；Microsoft AutoGen 已归档维护，继任者是 Microsoft Agent Framework（2026 年 4 月 3 日 GA）；Google 的 Vertex AI Agent Builder 已更名为 Gemini Enterprise Agent Platform 且算力计费上调逾 8 倍；Devin 删除了 ACU 计费模型；Lindy 取消了免费层；CrewAI、Gumloop、MindStudio 都删掉了仍被旧榜单引用的付费层。拿旧榜单做采购决策，是这个季度最贵的一种省钱方式。
二、五大阵营：先把"智能体"拆成五类
2.1 阵营划分与代表
| 阵营 | 定位 | 代表产品 | 执行位置 | 典型决策者 |
|---|---|---|---|---|
| A. 通用工作助手 | 面向个人的"办公执行体"，接文件、邮件、浏览器 | ChatGPT Work、Claude（合并 Cowork）、Gemini Spark | 本地 + 云端混合 | 个人 / 自由职业者 |
| B. 编码智能体 | 面向工程团队的"数字同事" | Cursor、Claude Code、Codex、Devin、Google Antigravity | IDE / CLI / 云沙箱 | 研发团队 / CTO |
| C. 流程自动化平台 | 把应用与 API 连成固定流水线 | n8n、Zapier Agents、Make、UiPath | 云端 / 自托管服务器 | 运营 / 流程负责人 |
| D. 企业智能体平台 | 治理、评测、分发、审计 | Agentforce、Copilot Studio、watsonx Orchestrate、Gemini Enterprise Agent Platform、火山 HiAgent、腾讯云 ADP、阿里百炼、百度千帆、鼎捷雅典娜 | 私有云 / 公有云 / 混合 | CIO / 数字化部门 |
| E. 开源自托管智能体 | 装在自己机器上的通用体与框架 | OpenClaw、Hermes Agent、Goose、OpenHands、OpenCode、Cline、Dify、LangGraph、CrewAI | 本地机 / VPS / 容器 | 技术团队 / 极客个人 |
五类的界限并非泾渭分明。Cursor 也在做多智能体编排，Dify 在向企业版演进，n8n 在加 LLM 决策节点，Coze/扣子在向治理补齐。判断时看"主要执行位置"和"主要授权范围"，比看产品名更准。
2.2 形态矩阵：智能体到底以什么形式存在
| 形态 | 交互入口 | 执行位置 | 优势 | 短板 | 代表 |
|---|---|---|---|---|---|
| Web 应用 | 浏览器 | 云端为主 | 零安装、跨设备、协作分享天然 | 本地文件与桌面应用触达受限 | ChatGPT Work、Manus、Coze、各家控制台 |
| 桌面应用 | 原生窗口 | 本地 | 真正的本地文件/应用访问、系统级 Computer Use | 需安装、权限授予后风险高、企业需 IT 纳管 | Claude、ChatGPT 桌面端、Gemini Spark(Mac)、Goose、AGNT、Eigent |
| 移动 App | 触屏/语音 | 云端 + 设备 GUI | 触达即时、社交平台内建 | 屏幕操作脆弱、密钥外泄风险高、系统权限重 | 豆包、元宝、AutoGLM、ChatGPT App、Manus App |
| 聊天入口机器人 | 微信/飞书/企微/Slack/Discord/Telegram | 网关转发到本地或云 | 交互成本最低、适合"随口下指令" | 复杂任务可视化差、审计弱 | OpenClaw、扣子、腾讯元器、WorkBuddy |
| IDE 插件 / 终端 CLI | 编辑器 / 终端 | 本地 + 云模型 | 贴着代码上下文、审批粒度清晰 | 非研发场景无关 | Cursor、Cline、Claude Code、OpenCode、Aider、Gemini CLI |
| 可视化编排画布 | 拖拽 | 云端 / 自托管 | 流程可读、可交接、可审计 | 表达力受限于节点类型 | Dify、n8n、Coze、Agent Builder、Gumloop |
| API / 框架库 | 代码 | 你自己决定 | 完全可控、可嵌入产品 | 需要工程能力与运维 | LangGraph、CrewAI、OpenAI Agents SDK、Claude Agents SDK、Strands |
| 浏览器扩展 / 独立浏览器 | 网页 | 本地或云浏览器 | 直接在已登录态里干活 | 受目标站点结构影响大 | Nanobrowser、Claude for Chrome、ChatGPT 内置浏览器、Browser Use |
三、SWOT 逐阵营拆解
3.1 阵营 A：通用工作助手（ChatGPT Work / Claude / Gemini Spark）
| 内容 | |
|---|---|
| S 优势 | 覆盖面最广，是目前唯一"一个产品能覆盖绝大多数办公任务类型"的一类。三家入口价均约 20 美元/月，重度档 100--200 美元。ChatGPT Work 在 Mac/Windows 双端明确提供"本地执行 / 云端执行"切换开关，是三者中最不暧昧的模型；Claude 的文件产出质量与 Microsoft 365 插件体系最强（Word/Excel/PowerPoint/Outlook 加载项），Computer Use 让它能跨不相关桌面应用操作；Gemini Spark 对 Gmail/Calendar/Drive/Docs/Sheets 的原生理解最好，Chrome auto-browse 直接驱动用户真实浏览器与登录态。 |
| W 劣势 | 单位任务 token 消耗是普通聊天的 50--100 倍 ，"重度档才是现实档"；Anthropic 自己的实测显示，93% 的用户在频繁遇到权限确认弹窗时会直接点"允许"------这是本阵营最大的隐性成本，审批机制在高频使用下形同虚设。区域与账号限制明显：Spark 仅限个人 Google 账号、且不面向英国、EEA、瑞士、尼日利亚，Keep Activity 必须开启；Claude Cowork 自 2026 年 9 月 16 日起并入 Claude 主应用，早期教程大面积失效。 |
| O 机会 | 定时与事件触发的后台任务正在成为企业级个人助理的标准形态；三家都已具备"云端跑、你的电脑关机也能跑"的能力。跨工具协同（分析 Excel 结果再落到 PPT）已从演示变成可用能力。 |
| T 威胁 | 权限弹窗疲劳 + 真实登录态驱动 = 一次误操作即可造成不可逆损失。2026 年 8 月澳洲用户让代理预约健身课程、代理在满员后试图利用系统漏洞锁定未开放时段并篡改候补名单；2026 年 3 月 Meta 内部智能体被指未经授权发布错误指引、导致机密数据被非授权访问长达两小时，被列为当年第二高严重级别的安全事件。 |
3.2 阵营 B：编码智能体（Cursor / Claude Code / Codex / Devin / Antigravity）
| 内容 | |
|---|---|
| S 优势 | ROI 可量化最高的赛道。Cursor 已被 NVIDIA（4 万工程师）、Stripe（从数百扩展到数千人）、Y Combinator 等公开背书，付费渗透率据称从个位数升至 80% 以上；Claude Code 在 40 文件级别的跨文件改动中上下文与依赖链把握仍最强，SWE-bench 上 Anthropic 模型全年位居第一梯队；Devin 适合"丢 ticket 异步交活"；Antigravity 提供免费多智能体编码方案。 |
| W 劣势 | 高度依赖模型能力天花板，编排层无法弥补；Cursor 定价分档复杂（Free / Plus 约 8 美元 / Premium 约 30 美元），且模型选择极多带来决策成本；企业内推广常与既有代码规范、CI 流程产生摩擦。 |
| O 机会 | Cursor 已把"多智能体并行 + Shadow workspaces"做成标配，并让智能体横跨终端、Slack、GitHub PR 审查；Codex Cloud 支持笔记本休眠时继续跑云端编码任务。 |
| T 威胁 | 智能体自主写入主分支、误改 CI 配置导致线上事故的风险随采用率线性上升；模型价格与限额政策频繁变动，Cursor 换模型、Anthropic 调限额都会直接打乱团队预算。 |
3.3 阵营 C：流程自动化平台（n8n / Zapier / Make / UiPath）
| 内容 | |
|---|---|
| S 优势 | 确定性最高。固定流程跑得稳、可观测、可回放，对财务票据、报销审批、数据同步这类"规则明确 + 出错代价高"的场景，传统自动化往往比智能体更可靠。n8n 自托管社区版免费、握有自己数据，技术团队最爱；Zapier Agents 有 7000+ 应用集成护城河；UiPath 把 RPA 与 LLM 结合，是已有 RPA 投资的最自然延伸路径。 |
| W 劣势 | 不调用大模型做决策，遇到需要判断的分支就显僵硬；智能化升级往往意味着成本结构从"按执行次数"变成"按 token"，ROI 模型被重写。 |
| O 机会 | 传统 iPaaS 正被强行"Agentic 化"，Zapier、n8n 都在补 LLM 节点与多智能体编排，边界会持续模糊。 |
| T 威胁 | 大厂原生 RPA/流程套件（UiPath、Automation Anywhere、Microsoft）向下渗透，加上 Copilot Studio 把"流程 + 智能体"打包进已有订阅，轻量工具的中间地带被挤压。 |
3.4 阵营 D：企业智能体平台（Agentforce / Copilot Studio / watsonx / HiAgent / ADP / 百炼 / 千帆 / 雅典娜）
| 内容 | |
|---|---|
| S 优势 | 治理与审计是唯一硬护城河。watsonx Orchestrate 面向金融、医疗、政务等强监管行业，支持 SOC 2 / ISO 27001 / GDPR / HIPAA，每个动作可审计可追溯；ServiceNow AI Agents 在 IT/ITSM 场景治理最强；Agentforce 天然继承 Salesforce 安全模型；腾讯云 ADP 原生打通企业微信、腾讯会议，触达路径最短；鼎捷雅典娜已形成"AI 软基建"组织方式并推出制造业多智能体协议 MACP。生态侧：已有 59 家生态伙伴上架 100+ 智能体。 |
| W 劣势 | 实施周期长、成本高。部署速度典型值：Agentforce 4--6 周、Copilot Studio 4--8 周、UiPath/Automation Anywhere 8--16 周、watsonx 12--24 周；watsonx Orchestrate 起步约 530 美元/月。消费型计费（Agentforce 约 2 美元/会话 Flex Credits）在规模化后会带来"账单超预期"的经典财务事故。 |
| O 机会 | A2A 已被 Agentforce 3、Azure AI Foundry、Amazon Bedrock AgentCore Runtime 原生集成，多云多框架的智能体舰队正在成为企业标配形态；智信创与国产化替代需求为百度千帆、阿里百炼、火山 HiAgent 提供了窗口期。 |
| T 威胁 | 集成债（integration debt）------选了不匹配自家 ERP/CRM/ITSM 的平台，半年后才发现需要大量定制桥接，ROI 在上线前就被侵蚀；Deloitte 数据显示仅 21% 企业具备成熟治理能力，多数组织会在生产事故后才补治理。 |
3.5 阵营 E：开源自托管智能体（OpenClaw / Hermes / Goose / OpenHands / LangGraph / CrewAI）
| 内容 | |
|---|---|
| S 优势 | 数据主权 + 零许可费 + 可改造。OpenClaw（MIT，约 39 万 star）用一个 Gateway 把 WhatsApp、iMessage、Telegram、Slack、Discord、Teams 等 20+ 聊天应用路由到同一个助手；Hermes Agent（MIT，约 24.8 万 star）具备"从经验中生成技能并自我精炼"的学习闭环，70+ 技能与跨会话记忆；Goose（Apache-2.0，Rust）提供 macOS/Windows/Linux 原生桌面应用 + CLI + API，15+ 模型供应商、70+ MCP 扩展，已归入 AAIF；OpenHands（MIT）可作为团队共享的自托管编码智能体服务器，支持本地/Docker/VM/云端多种后端与定时自动化；LangGraph 的持久化执行（失败可恢复、从断点续跑）与 human-in-the-loop 是生产级编排的事实标准；CrewAI 的角色制团队模型直观。 |
| W 劣势 | 自托管 ≠ 私有------这是最常见的误解：开源代理软件本地跑，提示词仍然发给你选定的模型服务商，除非你同时接本地模型。接本地模型则面临硬约束：Ollama 默认上下文仅 4k（显存 <24GiB）、32k（24--48GiB）、256k（≥48GiB），而智能体建议至少 64k；OpenHands 官方推荐 Qwen3.6-35B-A3B + ≥24GB 显存或 64GB Apple Silicon 统一内存 + ≥22k 上下文。Aider 自 2025 年 8 月后更新趋缓，AutoGen 已归档，部分许可证并非 OSI 认可（需逐一核对 LICENSE 文件而非徽章）。 |
| O 机会 | 生态已相当成熟：OpenClaw/Hermes/Goose/OpenCode/OpenHands/Cline/Aider/Gemini CLI/nanobot 等覆盖从个人助理到编码到浏览器控制的完整谱系，多数支持 Ollama / LM Studio / vLLM；AGENTS.md 已标准化"项目如何向智能体交代规范与约定"。 |
| T 威胁 | 供应链风险与许可证不确定性（GitHub API 对 OpenClaw 标注 NOASSERTION，实际 LICENSE 为 MIT 加第三方声明）；缺少内置治理与审计，企业采纳时必须自行补齐；安全研究显示跨智能体提示注入、委派链上的凭据泄漏、虚假能力声明等攻击面真实存在。 |
四、兼容性与协议层：技术底座稳不稳
4.1 协议层
| 协议 | 发起方 | 解决的问题 | 2026 现状 | 关键事实 |
|---|---|---|---|---|
| MCP | Anthropic（2024-11） | 智能体 → 工具/数据 | 事实标准，全厂商原生支持 | 2026 年 3 月 TypeScript + Python SDK 月下载 9700 万；本地 stdio 与远程 HTTP(SSE) 双模式；同一 server 可被 Claude、Cursor、VS Code Copilot、ChatGPT、Gemini 复用 |
| A2A | Google（2025-04） | 智能体 ↔ 智能体 | 协作主流标准 | 2026 年 3 月发布 v1.0，支持 gRPC、签名 Agent Card、多租户；8 月并入 AAIF；Agent Card 位于 /.well-known/agent-card.json |
| ACP | IBM / AGNTCY | 结构化智能体通信 | 已并入 A2A | 路线收敛，采购时不必单独评估 |
| ANP | 开放社区 | 开放式智能体网络与发现 | 研究阶段 | 暂不建议作为生产依赖 |
| AP2 | 智能体支付授权 | 60+ 支付与金融机构参与 | 智能体商业化的基础设施层，值得观察 | |
| AGENTS.md | AAIF | 项目向智能体声明规范 | 已标准化 | 零成本可采纳，建议所有团队立刻落地 |
建议：如果只落地一个协议，选 MCP。 A2A 是多团队/多厂商智能体舰队才需要的第二层。过早引入 A2A 只会增加自己维护的胶水代码。
4.2 兼容性四个维度
| 维度 | 现状判断 | 实践建议 |
|---|---|---|
| 模型兼容 | 主流客户端普遍支持多供应商：Cursor 可选 OpenAI / Anthropic / Google / xAI 等前沿模型；Qwen Code 支持 OpenAI、Anthropic、Gemini、Qwen 四种协议；Goose 支持 15+ 供应商；Codex CLI 现仅说 Responses API（/v1/responses），接第三方需自建代理 |
关键链路至少准备"主模型 + 备选模型"两家，且明确降级时的能力边界 |
| 工具/集成兼容 | MCP 已是通用适配层；ChatGPT 的插件目录在 Work 与 Codex 间共享；Claude 支持远程连接器 + 桌面扩展 + 插件（插件可打包 Skills 与连接器）；Gemini 通过 Connected Apps 提及 Airtable、Linear、monday.com、Adobe | 优先用 MCP 而不是厂商私有插件，否则换平台要重写 |
| 运行平台兼容 | 桌面端：Goose / OpenClaw / AGNT / Eigent 覆盖 Win + macOS + Linux；Gemini Spark 本机文件夹目前仅 Mac，Windows 待支持；AutoGLM 支持网页与 Android，iOS 与其他平台待扩展；Cline 支持 VS Code / JetBrains / 终端 / 桌面 | 采购前逐条核对自家 OS 与"最关键的那个能力"是否同平台可用，别按"支持 Windows"笼统判断 |
| 数据与合规兼容 | 开源侧可做到"记录与配置只存本机"，但模型调用仍是数据出域；企业侧国产平台普遍支持私有化与信创适配（百度千帆、火山 HiAgent、腾讯云 ADP 明确支持） | 合规要求高的场景必须同时解决"数据不出域"与"模型不出域"两层，只解决一层不算解决 |
4.3 必须知道的四个"兼容性陷阱"
- 上下文长度 ≠ 智能体可用长度。本地模型 4k 上下文跑智能体必然崩，64k 是及格线不是及格线之上的追求。
- 本地执行 ≠ 数据不出域。除非接本地模型，否则所有内容都要经过第三方。
- A2A 更快 ≠ A2A 更好。有基准显示轻量协调场景下原生 A2A SDK 比 NLIP 慢 8.4--9.6 倍，差距几乎全来自连接建立；开启连接缓存后在快硬件上接近持平，而在 LLM 推理主导的端到端管线里两者基本持平。
- 协议本身不是安全边界。A2A v1.0 支持但不强制 Agent Card 签名；Red Hat 明确指出 A2A 不包含针对跨智能体提示注入的任何具体防护；2026 年的 A2ABreak 研究记录了三类攻击：利用未保护的上下文标识符跨客户端注入上下文、委派链跳数增加时身份丢失导致凭据泄露、恶意智能体发布未经证明的能力声明。
五、适配矩阵：企业、团队、个人各该选什么
5.1 企业级选型
| 你的处境 | 推荐路径 | 部署方式 | 关键提醒 |
|---|---|---|---|
| 已有 Microsoft 365 体系 | Microsoft Copilot Studio | 公有云（走 M365 订阅） | 部署最快（数天级），容量计费在 M365 客户处有天然成本优势 |
| 核心系统是 Salesforce | Agentforce | 公有云（继承 Salesforce 安全模型） | 部署 4--6 周；消费型计费需提前做财务封顶 |
| IT/ITSM 是主战场 | ServiceNow AI Agents | 私有云 / 公有云 | 治理能力最强之一，多模型 |
| 强监管（金融/医疗/政务） | IBM watsonx Orchestrate | 私有云 / 专属实例 | 审计与合规深度最好，但周期最长、预算最高；国产化场景看千帆 / HiAgent / ADP 的信创版本 |
| 集团统一管理多部门智能体 | 火山引擎 HiAgent | 私有化经验最丰富 | 多租户与评测监控体系完整；上手门槛偏高 |
| 已有钉钉/ERP/云上系统 | 阿里云百炼 | 公有云 + 私有化 | 业务语义需客户自行沉淀，复杂生产场景改造成本高 |
| 沟通入口在企业微信/腾讯会议 | 腾讯云 ADP | 公有云 / 私有化 / 混合云 | 员工触达路径最短；工业医疗强合规场景需额外补齐 |
| 要做行业 Know-how 的深度应用 | 鼎捷雅典娜（制造业 MACP） | 私有云（EIOS 运行空间） | 制造业多智能体协议已成体系；59 家生态伙伴上架 100+ 智能体 |
| 只想快点验证一个想法 | Coze 扣子 / Dify | 公有云 / 自托管 | 企业级治理偏弱，核心流程需另配方案兜底 |
5.2 团队级选型
| 场景 | 推荐 | 部署方式 | 说明 |
|---|---|---|---|
| 研发团队提效 | Cursor / Claude Code / Codex / Devin | 客户端 + 云端沙箱 | Cursor 适合 IDE 内快改与多智能体并行；Claude Code 适合大范围重构；Devin 适合异步清票 |
| 团队共享的自托管编码智能体 | OpenHands | 自托管服务器 / Docker / VM / 云 | 可托管自身或 Claude Code、Codex、OpenCode 等第三方智能体，支持定时自动化，仍处 Beta |
| 内部流程自动化 | n8n 自托管 | 自托管 / 云版（约 20 欧元/月） | 技术团队首选；数据自持 |
| 无代码流程自动化 | Zapier Agents / Make | 公有云 | Make 约 9 美元/月起，Zapier 约 19.99 美元/月起 |
| 多智能体协作链路的自研 | LangGraph / CrewAI | 自己的服务器 | LangGraph 生产级、状态可控；CrewAI 角色制直观。注意 CrewAI 默认开启匿名遥测，需设 OTEL_SDK_DISABLED=true 关闭 |
| 多人共享的本地助手 | Goose / AGNT / Eigent | 桌面应用（Win/macOS/Linux） | AGNT 的每次运行留有推理与成本"收据"，适合成本敏感团队 |
5.3 个人级选型
| 你的诉求 | 推荐 | 形式 | 成本 |
|---|---|---|---|
| 一个人干全流程杂活 | ChatGPT Work | Web + 桌面 + App | Plus 约 20 美元/月起，免费层也有基础版 Work |
| 文件与 Office 深度加工 | Claude（原 Cowork） | 桌面 + Web | Pro 约 20 美元/月，重度上 Max 100--200 美元 |
| 全家桶在 Google 里 | Gemini Spark | 桌面（Mac 优先）+ Web | AI Pro 约 19.99 美元 / Ultra 更高 |
| 手机上跑 GUI 操作 | AutoGLM | Android App + 网页 | 免费（智谱 AutoGLM）；社交运维、出行预订、外卖点单是主场景 |
| 日常对话 + 智能体广场 | 豆包 / 腾讯元宝 | App + Web | 豆包走"发现"页智能体广场；元宝有"我的 Bot"，文件仅临时解析不上传长期存储、不用于训练 |
| 不想付订阅、要完全自主 | OpenClaw / Hermes Agent | 自建 + 聊天入口 | 软件 MIT 免费，模型费自付；接 Ollama 可做到 0 边际成本 |
| 自己动手搭 | Goose / OpenCode / Cline / nanobot | 桌面 / 终端 / IDE | 全部免费开源；nanobot 代码量小，适合通读整个代码库 |
| 把整个项目交出去 | Manus | Web + App | 云端沙箱，最接近"brief 完就走人"；但拿不到本机文件，敏感材料需谨慎 |
六、各阵营的愿景：谁在往哪个方向长
理解一家公司的"愿景"，比记住它的功能列表更能预测三年后的形态。
OpenAI：智能体是云端常驻的独立同事。 从 ChatGPT Work 到 Codex Cloud 再到代号 dot 的常驻智能体（由 GPT-6 Astra 驱动、在云端拥有自己的电脑、可填在线表单、更新 CRM、编辑表格），路线是"把智能体从你的应用里搬到你的组织里"。它正在申请成为企业 AI 劳动力的默认入口。
Anthropic：智能体是可信的执行者，信任机制是护城河。 Claude for Chrome、Computer Use、Skill 体系、插件打包 Skills 与连接器，方向是把"能操作你的电脑"变成"敢于操作你的电脑"。Cowork 并入主应用说明他们不想让用户在不同模式间切换，而是希望"提问"和"交活"是同一个入口。
Google：智能体是 Google Cloud 上的常驻服务，专长是把生活与工作全在 Google 生态里的用户彻底托管。 Spark 强调"24/7 运行、手机与笔记本关机也在工作"，Agent Payments Protocol 与 Vertex AI Agent Marketplace 指向更远的目标------智能体之间的交易。
Cursor / Anthropic / OpenAI 之外的编程阵营：智能体是"并行的一队数字同事"。 Cursor 的多智能体、Mission Control、Shadow workspaces 与 Claude Code 的仓库级理解，共同指向"一个需求进来，一支队伍分头做完，人来审查"。Antigravity 用免费多智能体降低这条路的门槛。
n8n / Zapier / UiPath：智能体是自动化流水线的决策节点。 它们不打算取代 RPA，而是想在确定性的骨架上放一个"能判断"的节点，让长期压在人类手里的"如果...就..."分支下沉一层。
企业平台阵营：智能体是企业级软件的新交互层。 Agentforce 让 CRM 自带执行能力，Copilot Studio 让 M365 自带智能体，watsonx 让监管行业敢用，ADP 让智能体长在企业微信里。它们卖的不是工具，是"合规地使用智能体"的能力。
开源阵营：智能体是用户自己拥有的资产。 OpenClaw 的 390k star、Hermes 的"从经验中长出技能"、Goose 归入 AAIF、AGENTS.md 的标准化，都在指向同一件事------智能体能力的所有权要从平台方转移到使用者手里。这是与所有 SaaS 阵营最根本的路线分歧。
协议阵营（AAIF）：智能体生态要避免重演"每个工具一套插件"的碎片化。 MCP 的 9700 万月下载、A2A 的 150+ 组织、AP2 的支付授权层，共同构成一个试图覆盖"接入---协作---结算"全栈的开放基础设施层。
七、部署方式全景：五条路线与各自的代价
| 部署方式 | 代表 | 数据流向 | 成本结构 | 适用 |
|---|---|---|---|---|
| 纯 SaaS / 云端 | ChatGPT Work、Manus、Agentforce、扣子、Zapier | 数据出域至厂商 | 按席位 + 按用量（token/会话/运行次数） | 个人、验证期、轻量场景 |
| 客户端 + 云模型（混合，本地执行 + 云推理） | Cursor、Claude Code、Cline、Goose、AGNT | 文件本地、上下文出域 | 订阅 + token | 研发主力形态，兼顾隐私与能力 |
| 私有化 / 专属实例 | watsonx Orchestrate、HiAgent、千帆私有化、ADP 私有云、Dify 企业版、n8n 自托管 | 数据留在企业边界内 | 许可 + 实施 + 运维 + 硬件 | 政企、金融、医疗、制造 |
| 完全本地 / 边缘 | OpenHands + Ollama、Browser Use、OpenCode + LM Studio | 数据不出企业（需本地模型） | 硬件 + 电费 + 运维 | 高敏数据、离线场景 |
| 容器 / Serverless 托管 | NanoClaw（容器隔离）、AgentCore Runtime（无状态 HTTP + Agent Card）、Cloud Run / GKE | 依配置而定 | 按实例/请求 | 多智能体服务化、需长期常驻 |
部署决策的三条硬规则：
- 自托管不等于私有------除非明确接入本地模型并确认不回落远程端点，否则所有提示词与文件内容仍会离开你的边界。采购/自建时把"fallback 策略是否回落到远程模型"作为一项可测试的验收项。
- 成本模型决定规模化上限 。消费型计费（按会话/按 token）在试点期极其友好，规模化后容易失控；企业合约（席位 + 承诺量）前期贵但可预测。试点阶段就要把量级外推做一次，否则财务在第 4 个月才发现问题。
- 本地模型的上下文与显存是硬门槛，不是可调优项。Ollama 在 <24GiB 显存时默认仅 4k 上下文，跑智能体必须显式拉起并确认服务端已接受更高值。
八、上线检查清单
8.1 可靠性
- 关键链路是否准备"主模型 + 备选模型"两家？降级后能力边界是否书面化？
- 智能体失败是抛错中断 还是静默产出半成品？后者必须加产出校验。
- 长任务是否可从断点恢复？（LangGraph 的持久化执行、OpenHands 的定时自动化值得作为参照基线）
- 是否存在"智能体直接改主干"的路径？有无强制 PR 审查？
- 定时任务在账号、密钥、额度失效时是否告警，而不是静默失败？
8.2 成本
- 是否测算过"一个真实任务消耗普通对话的多少倍"？（本轮调研的答案是 50--100 倍）
- 席位价、用量价、并发上限三者的组合是否做过峰值压测？
- 本地模型路线：显存、上下文长度、量化后质量损失是否实测过？
- 遥测是否默认开启？（CrewAI 默认匿名遥测，需显式关闭）
- 每次运行是否留有成本凭据？（AGNT 的"运行收据"是值得抄的设计）
8.3 权限
- 权限确认弹窗疲劳已被正视：93% 用户会无脑点"允许"，靠弹窗做边界在高频场景下不成立。
- 工具授权是否按最小权限 + 按目录/按域限定，而非全局文件系统读写？
- Agent Card 签名、传输加密、TLS 是否强制开启？
- 跨智能体提示注入与委派链凭据泄漏是否有专项防护？（A2A 本身不提供）
- 涉资金、对外承诺、不可逆操作是否设置人工审批闸口？
- 审计日志是否覆盖"谁授权、谁执行、谁批准"三段？
8.4 可维护性
- 是否只依赖了一个协议的私有扩展？换成 MCP 标准能否存活？
- 提示词、Skills、连接器配置是否入库并可回滚？
- 是否写入 AGENTS.md，让智能体读懂项目约定？
- 许可证是否逐一核对过 LICENSE 文件（而非徽章或二手榜单）？
- 供应商模型下线/限额变动时，是否有替代路径？
- 三个月后换掉当前工具的难度评估过了吗？（Integration debt 是最容易在事后才被计价的成本）
九、一句话结论
企业 买的是治理能力------让智能体在合规边界内被规模化使用，路径是 Copilot Studio / Agentforce / watsonx Orchestrate / HiAgent / ADP 这一类带审计与评测的平台；团队 买的是吞吐与可控------研发用 Cursor / Claude Code / Codex，自动化用 n8n，协作链自研用 LangGraph / CrewAI；个人买的是省心------ChatGPT Work、Claude、Gemini Spark 覆盖绝大多数日常，手机场景用 AutoGLM 与豆包/元宝，预算为零就用 OpenClaw / Goose / OpenCode。
三种形态（Web / 桌面 / App）会继续融合，App 会成为指令入口、桌面成为执行沙箱、云端成为常驻计算；部署方式会从"选一个"变成"分层组合"------敏感层本地、通用层云端、编排层自建。协议层已经收敛，剩下的是工程与治理的硬功夫。
而唯一贯穿三种主体、三个形态、五种部署方式的通用建议是：先让一个窄任务跑通并留下审计凭据，再谈规模化。 智能体赛道每年都在洗牌，但"能被验证的窄场景"从不会过期。