腾讯云 ADP 产品分析：企业级智能体平台从搭 Agent 转向管 Agent

企业级智能体平台竞争已从「搭 Agent」转向「管 Agent」。腾讯云 ADP 以 AgentOps 串联构建、评测、治理与优化，在私有化市场位居第二，传媒与医疗子市场居首。本文深度拆解其产品定位、竞争格局与商业化挑战，揭示企业级 Agent 平台「工程+交付」的真正壁垒。

企业级 Service Agent 平台：从「搭 Agent」到「管 Agent」

分析对象：腾讯云智能体开发平台（Tencent Cloud ADP）

对比竞品：火山引擎 HiAgent、阿里云百炼

核心结论：

ADP 的战略重心已从「帮企业搭一个 Agent」转向「帮企业把 Agent 管起来」：0 版以 AgentOps 串起构建、评测、集成、分发、治理、观测、优化，Claw 模式与云端 Agent Harness 是这一定位的技术支点。[1][2]
按 IDC 口径，2025 年中国智能体开发平台市场约 20 亿元，ADP 私有化市场第二、公有云市场第三；在传媒（1%）与医疗及生命科学（9.4%）两个子市场均居首。领先是结构性的，不是压倒性的。[3][4][5]
真正难复制的是「工程 + 交付」的组合：企业级 RAG、复合意图解析、Agent 与 Workflow 双向互调、三级权限与审计，叠加 FDE 五阶段与 25 个场景包。模型只是入场券。[1][6][7]
客户价值已被量化，但集中在数字基建成熟的头部企业：华住 73% 高频需求自动处理、伊利销售订单提升 26%、华润信托拆单准确率 98%。样板成立，复制边界也在这里。[8][9]
最大风险不在竞争，而在商业模式：FDE 仍是人力密集型交付，可观测性与权限配置是体验短板，PU 套餐的价格透明度不足会抬高中小客户的决策成本。[7][10][11]

一、行业分析

1.1 产品价值：企业买的不是 Agent，是「可控的生产力」

智能体开发平台处在模型能力与企业业务系统之间。它的价值不取决于模型多强，而取决于能否把「理解需求—检索知识—调用系统—执行流程—评估效果」这条链路稳定地跑在生产环境里。这决定了它的买家不是个人开发者，而是同时背负效率指标与合规责任的中大型组织。[3][6]

客户群体：金融、零售、制造、传媒、医疗、酒店、政务等中大型企业。采购方通常有两条线：IT/AI 平台团队负责选型、集成与治理，业务部门负责定义场景与验收结果。[6][7]
核心痛点：不是「搭不出 Demo」，而是 Demo 进不了生产。跨系统接入、身份与数据权限、效果评测、成本核算、运行审计、断线续跑，任何一项缺失都会让项目停在试点。[1][9]
解决方案：以低代码或自然语言构建 Agent，配合知识库、连接器、Skills、MCP 接入企业资产，再用评测、灰度、观测与权限体系把 Agent 纳入现有 IT 治理。[1][6]
付费意愿：企业更愿意为「可控」而非「能用」付费。2025 年私有化市场 5 亿元，公有云市场仅 2.5 亿元，前者约为后者的七倍。[3]

这组数字解释了一个常见误判：行业讨论热度集中在公有云的「注册量、Agent 数量、Token 消耗」，但真正付费的主战场在私有化与专有云。企业买的是数据不出域、权限可管、出问题能追溯的确定性，而不是一个更聪明的对话框。[3][12]

洞察：平台最直接的竞争对手往往不是另一家平台，而是「企业自研 + 开源框架 + 系统集成商」的组合。ADP 这类产品的核心任务，是把这套组合的边际成本压到低于自研，而不是在功能清单上赢过开源。[10]

1.2 市场规模：20 亿元的窄口径，与百亿元级的想象

IDC 首次发布的《中国智能体开发平台市场份额，2025》给出了一个克制但可核对的口径：2025 年中国市场平台软件产品收入约 20 亿元，其中私有化 17.5 亿元、公有云 2.5 亿元，且不含实施服务与 MaaS 收入。这个口径只统计「平台软件」，因此显著小于媒体常引用的智能体应用市场。[3][12]

表 1 三套市场口径的差异与用法[3][13][14]

趋势一：能力重心从「构建」移向「治理」。平台不再只解决编排，而要承接测试评估、运行监控、权限边界、内容安全、Token 消耗治理与异构 Agent 纳管。[3]

趋势二：私有化长期主导，混合部署成为默认形态。数据主权与行业合规决定了本地化部署不会因公有云降价而消失。[3][14]

趋势三：自然语言成为第一构建入口。业务人员参与创建、调整与验证，减少对专业开发资源的依赖，是平台降低交付成本的关键。[1][3]

趋势四：协议标准化抬高了「连接」的下限。MCP、A2A 让工具接入趋于通用，平台差异化被迫上移到治理、评测与行业资产。[1][14]

趋势五：计费从 Token 转向订阅与结果。订阅制让企业成本可预测，也把平台的收入与「持续运营」绑定，而非一次性项目验收。[11][15]

判断：短期天花板由企业的「项目预算」决定，而不是「Token 消耗」决定。谁能把项目预算转化为可续订的平台订阅，谁才真正拥有这门生意；这也是 ADP 推 FDE、推场景包的根本原因。[7]

1.3 竞争格局：三种出身，三种打法

IDC 的排名把一个市场切成了两个平行战场：私有化市场前五为火山引擎 HiAgent、腾讯云 ADP、阿里云百炼专属版、蚂蚁数科 Agentar、电信 AI 公司；公有云市场由火山引擎领跑，腾讯云 ADP 位列第三。两个榜单的头部高度重合，说明竞争本质是综合云厂商之间的平台化竞争。[3]

表 2 主要玩家的出身、打法与约束[3][12][10][15]

ADP 的位置可以概括为「宽度不足、深度领先」：整体软件收入不是第一，但在传媒子市场以 19.1% 份额居首，在医疗与生命科学子市场以 9.4% 份额同样居首。这说明它在内容生产、专业知识服务这类「知识密集 + 流程复杂」的场景里，已经形成了可复用的行业适配能力。[5]

洞察：竞争的关键变量已经从「模型能力」转向「治理与交付」。模型能力会随供应链扩散而商品化，而权限体系、审计链路、行业模板、伙伴网络这些「脏活」不会。ADP 把资源押在这一侧，方向是对的，代价是增长更慢、更依赖组织能力。[3][7]

1.4 环境与标准化：政策先行，标准滞后

2026 年，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，从技术底座、工具链、标准协议，到决策权限、行为管控、内生安全、分类分级治理，给出了系统性路线图。文件对「智能体注册、数字身份、能力声明、非合规行为发现与阻断」的要求，恰好对应平台正在补的治理能力。[3]

合规成为准入门槛：信通院 AI 智能体评估五级认证、SOC 2、ISO 27001，以及金融、政务的行业合规，正在从加分项变成投标资格。[14]
部署形态被迫求全：公有云、私有化、混合云、专有云四态并存，是应对数据主权与行业监管的现实选择。[1]
标准化程度仍然很低：行业普遍停留在项目制交付，ADP 目标的「70% 可复制、30% 按需定制」，是行业标准化不足下的务实路径。[7]

标准滞后的真正原因不是厂商不愿推进，而是不同企业的流程本身非标。同一句「查一下这个客户的授信」，在不同银行对应不同的系统、口径与权限。平台能标准化的是「构建方式」和「治理框架」，很难标准化「业务语义」。这决定了未来几年行业仍会是「平台 + 伙伴」的混合交付结构。[7][16]

二、产品拆解：腾讯云 ADP

2.1 定位

核心定位：Service Agent 的操作系统

ADP 的官方定义是「面向企业的 AI 应用开发平台」，但这句话不足以区分它与低代码、RPA、MaaS。更准确的定位是：面向企业业务场景的 Service Agent 构建与运营平台。它服务的不是员工个人的写作与查资料，而是客服、营销、运营、风控、质检这类「由业务事件驱动、7×24 运行、对经营指标负责」的智能体。[6][7]

这一定位带来两个产品后果。其一，能力必须覆盖「构建之后的漫长运营」，于是有了评测、观测、灰度、版本回滚、成本核算。其二，平台必须与业务系统深度耦合，于是有了连接器、MCP、Skills、私网直连与三级权限。个人 Agent 产品可以只做好「对话体验」，Service Agent 平台不行。[1][9]

定位演变：从知识引擎到 AgentOps

表 3 ADP 的产品形态演变[1][2][6][17][18][19][20]

这条演进线有一个清晰的方向：不断把「平台之外的工作」收进平台之内。早期只负责回答，后来负责编排，再后来负责评测与治理，现在开始负责页面、数据状态与交付方法。每一次扩张都在提高单客户的替代成本，也都在扩大竞争面——这是理解 ADP 后续所有取舍的前提。[1][2]

核心竞争策略

以治理为锚：用 AgentOps 把构建、评测、集成、分发、治理、观测、优化串成一条链，把「能不能用」的竞争换成「敢不敢上线」的竞争。[1]
以交付为矛：FDE 五阶段方法论 + 五大行业 25 个场景包 + 12 家共建伙伴，把一次项目的经验转成可复制的交付资产。[2][9][16][21]
以入口为网：AgentPortal 做企业统一门户，向外接企业微信、微信、小程序、钉钉，向内与 WorkBuddy 双向打通，形成「企业中台 + 个人工作台」的双入口。[2][7]
以部署换信任：公有云、私有化、混合云、专有云四态并存，用部署灵活性换取金融、政务等强监管客户的准入。[1]
以开放换规模：模型侧兼容混元、DeepSeek、Qwen、Kimi、MiniMax 等，工具侧支持 MCP、Connector 与自定义 Skills，避免被单一模型或工具链锁死。[6][14]

优势与挑战

优势一：治理完整度。企业/空间/应用三级权限、RBAC 角色矩阵、Skills 代码扫描、依赖白名单、多级审批、全链路审计、版本回滚，这套组合在同类平台中相对完整。[1]
优势二：腾讯的入口组合。企业微信、微信、小程序、腾讯会议、腾讯文档与乐享知识库，构成了其他云厂商难以复制的分发面。[2][7]
优势三：交付方法论先行。ADP 是国内较早推出 FDE 认证与场景包的平台，把「怎么落地」显性化为五阶段、25 个场景包与验收标准。[16][21]
挑战一：定位漂移。加入站点服务后，ADP 从 Agent 平台变成应用开发平台，竞争对象从云厂商扩展到低代码厂商、ISV 与行业软件公司。[2]
挑战二：项目制惯性。FDE 仍是人力密集交付，25 个场景包能否真正做到「70% 复制」尚未被规模验证。[7]
挑战三：中小客户心智弱。产品叙事、定价与文档体系都更偏企业 IT，个人开发者与中小团队的获取效率低于 Dify 等以自助为主的平台。[10][22]

与同等竞对的差异化

表 4 三家平台的定位差异[1][3][11][13][15][23][24]

差异化的本质不是功能多少，而是「谁承担最后一公里」。HiAgent 把最后一公里交给项目和伙伴，百炼交给云生态与开发者——其平台已服务 500 万用户、1.5 万多家付费企业；ADP 选择自己下场做方法论、做样板间、做认证。这条路更重，但一旦跑通，客户迁移成本也更高。[25]

2.2 能力与资源

能力一：企业级 RAG 与知识工程

这是 ADP 最容易被低估的能力。它不只是「向量检索 + 大模型」，而是一条从文档解析到答案归因的完整链路：优图实验室的 OCR 支持 10 余种文档类型、单文档 200MB，能处理图文混排、表格与公式；自研 2B 级 Embedding 模型在 C-MTEB 基准达到 SOTA；配合支持 8k 以上长文本的 LLM Reranker，再做 Agentic RAG 的多轮检索与跨文档推理。[6]

更关键的是「问文档、问表格、问数据库」被放进同一个应用：Text-to-SQL 支持对上万行表格或数据库做条件筛选与聚合问答，技术上已从传统 RAG 升级为 Agentic RAG，支持多轮检索与跨文档推理。这让它在制度问答、投研分析、医疗售后这类知识密集场景中，具备了比通用聊天机器人更稳定的下限。[6][14]

不足同样明显，而且不在链路本身：整个行业的知识治理仍处工程化早期——复杂版面与扫描件的解析损耗、跨源口径不一致、知识更新依赖人工运营，都会直接反映到答案质量上。ADP 提供的是工具，不是「知识治理的结果」。[10]

建议：把知识治理从「客户自己做」变成「可售卖的服务 + 可复用的工具」：提供知识体检、切片策略模板、问答对挖掘、失效知识预警。这既能提升交付毛利，也能把 RAG 的技术优势转化为可感知的业务指标。[10]

能力二：长链路编排与云端运行时

ADP 4.0 的技术核心是「云端 Agent Harness」：把 Agentic Loop、Memory、Sandbox、Tools、权限、日志与资源调度解耦。Session 与 Memory 独立持久化，与 Sandbox 算力分离，任务可凭 SessionId 读取历史继续执行；执行框架异步化，基于 AGUI 事件协议回传状态，支持流式反馈、断线重连与过程恢复。[1]

在编排层，ADP 做了两件对生产环境很关键的事。一是 Agent 与 Workflow 双向互调：确定环节走 Workflow，降低 Token 消耗且全链路可追踪；不确定环节唤起 Agent，保留开放意图的处理能力。二是复合意图解析与多系统并发编排，把一句自然语言拆成多个子任务并行执行，再聚合结果。华住的「送牙刷 + 调空调 + 问退房」就是这条能力的典型验证。[1][8]

上下文工程是另一条容易被忽略的暗线。ADP 把记忆拆成三层：知识库承载企业静态知识，会话记忆承载单次任务的过程状态，长期记忆承载跨会话的偏好与事实。这个拆分是对的，但工程难度在于「什么该记、什么该忘、冲突时听谁」。一旦记忆写入缺乏治理，Agent 会带着过时或错误的前提继续执行，且很难被用户察觉。平台目前提供了记忆能力，但尚未提供成熟的记忆治理机制。[14]

短板在「可观测」。面对多步复杂任务，ADP 对执行路径、工具调用细节与异常断点的呈现仍然偏弱：能看到「跑了什么」，却不易看清「在哪一步失败、为什么失败」。对于一个主打治理的平台，这是结构性短板——客户能管住权限，却未必看得懂一次失败。[10]

建议：把调用链追踪做成三件默认可见的事：任务级 Trace、节点级耗时与失败原因、Token 与工具成本的逐节点归因。这不只是体验优化，而是「治理」能否自证的关键证据。[1][10]

能力三：AgentOps 治理与 FDE 交付

治理侧，ADP 把安全管控前置到开发阶段：企业/空间/应用三级权限、RBAC 角色矩阵、Skills 代码扫描、外网访问校验、依赖白名单、多级审批、全链路运行观测，并开放 100 多个接口与官方 CLI，保证界面调用与接口调用的安全、权限、审计标准一致。[1][9]

交付侧，FDE 方法论把项目拆成接入、建设、验证、推广、治理五个阶段，每阶段有任务、交付物与验收标准；配套五大行业 25 个场景包，按「70% 复制、30% 定制」推进。[21]

这套体系的稀缺性在于「把隐性经验显性化」，但它同时暴露了商业模式的软肋：FDE 本质是咨询与实施，收入随人头增长，毛利随项目复杂度下降。[7]

建议：把 FDE 的产出物产品化：场景包做成可安装的「行业应用模板」，评测用例做成可复用的「验收资产」，交付过程做成可观测的「项目看板」。伙伴卖的是配置与变革管理，平台收的是订阅与算力，才有可能摆脱人头计费。[7][16]

资源：入口、模型与客户资产

ADP 最难被复制的是入口，而不是模型。企业微信、微信、小程序、腾讯会议、腾讯文档与乐享知识库，覆盖了客户服务、营销触达、内部协同与知识管理四类高频场景；AgentPortal 负责「企业内部怎么找到对的 Agent」，WorkBuddy 负责「员工个人怎么用起来」。[2][7]

WorkBuddy 的分量在上升。腾讯 2026 年一季度财报称，以日活账户计，WorkBuddy 已成为中国最受欢迎的效率 AI 智能体服务；二季度财报提到企业服务收入增长主要由云服务带动，其中包含 AI 相关需求。ADP 与 WorkBuddy 双向打通后，「企业能力服务个人、个人经验反哺企业」的循环才有了落点。[26][27]

但这套入口有边界。对非腾讯系、尤其是深度使用钉钉或飞书的企业，入口优势会打折扣；海外市场则要面对 Teams、Slack 与 AWS、Google 的生态。ADP 已服务富途、沃尔玛、斯凯奇等国际化客户，并计划向港澳、东南亚、欧洲扩展，但入口能力能否随之复制，仍是问号。[2][21]

建议：入口优势应尽快转化为「可迁移的产品能力」：把 AgentPortal 的岗位分发、WorkBuddy 的技能回沉做成标准组件，让非腾讯生态的客户也能获得同样的使用体验。[2][7]

模型与算力：ADP 采取「自研 + 开放」：混元系列提供底座，优图提供 OCR 与文档理解，DeepSeek 等第三方模型可内置或接入，企业也能导入自建模型。算力侧，腾讯 2026 年二季度资本开支 528 亿元、同比增长 176%，研发投入 273 亿元、同比增长 35%，为 Agent 的规模化运行提供了基础设施。[5][27]

客户侧，ADP 已经跨过「有没有案例」的阶段：华住、伊利、迈瑞医疗、华润信托、中国新闻社、广东广播电视台、东吴人寿、一汽丰田、深圳宝安、尚美数智等，覆盖酒店、零售、医疗、金融、传媒、汽车、政务。2025 年上半年新增 1,615 家企业客户，占付费客户总数的 85%，月活用户超过 7,000。[8][14]

资质侧，ADP 入围 Gartner「AI 应用开发平台」魔力象限，据腾讯云披露，其在 IDC 多份报告中被评为领导者，获信通院 AI 智能体评估五级认证、SOC 2 与 ISO 27001，并在 Omdia 2026 年亚太 Agentic AI 平台评估中位列 Market Leader。这些资质对 To B 采购的意义，往往大于一项功能更新。[7][14]

不足在于模型并非 ADP 的差异化来源。混元提供底座，但平台同时内置 DeepSeek 并兼容 Qwen、Kimi、MiniMax 等第三方模型，这本身就是对「单一模型难以覆盖全部场景」的承认；代价是客户在模型选型、成本核算与合规审查上承担了更多决策负担。[6][11][14]

建议：模型策略需要更明确的「选择题」：什么场景用混元、什么场景用第三方、什么场景允许客户自带模型，应给出默认答案与成本区间。把选择权完全交给客户，等于把决策成本也交给了客户。[11][14]

2.3 场景与体验

场景一：住中服务与智能客服

场景与痛点：酒店住客的一句话往往包含多个诉求，涉及知识查询、物品配送、设备控制等不同系统；传统客服只能回答，不能办事，复杂需求仍需转人工。[8]
方案与功能：华住用 ADP 把住中服务拆成 38 条工作流、152 个子场景，通过复合意图解析把一句话拆成四个并发子任务，分别对接知识库、配送机器人、房态工单与 IoT 网关，再聚合为一条回复。[8]
差异化：多数平台擅长「问答 + 单工具调用」，ADP 的差异在于「多系统并发 + 结果聚合」，把问询与办理收拢到同一条会话流。[8]
客户价值：首 Token 响应控制在 5 秒内，常见客需准确率 95% 以上，73% 以上高频需求自动处理，已在超过 1 万家门店上线。[8]
可复用性：ADP 客服智能体已落地 200 多家标杆客户，平均问题解决率超过 85%，并计划在 2026 年四季度正式对外发布。[21]

不足与建议：长尾需求的覆盖率仍依赖知识运营与流程补齐，门店越多、业务越复杂，边际成本越高。建议把「未命中问题」自动聚类为待建流程，形成「服务—发现—补流程」的闭环，而不是靠项目期的人工盘点。[8]

场景二：专业知识服务

场景与痛点：医疗售后、债券交易、财富管理等场景对准确性与权限极度敏感，通用大模型的幻觉与越权回答不可接受。[8][9]
方案与功能：迈瑞医疗把技术文档与临床资料转成主动式知识库，用 RAG 加工程化调优抑制幻觉，并把问答嵌入 PC、微信、呼叫中心与工单四个渠道；华润信托把债券助手放进交易群，自动拆单、查持仓、走询价，关键节点保留人工确认。[8]
差异化：不是「更会聊」，而是「更敢用」——标签式权限分级、无权限内容自动过滤、全链路可追溯，这些能力决定了它能否进入交易与诊疗环节。[8][9]
客户价值：迈瑞回答准确率 85% 以上，覆盖 200 多个国家和地区，语种自适应；华润信托智能拆单准确率从初期的 80% 以上优化至 98%。[8][9]

不足与建议：这类场景的价值高度依赖「知识治理 + 权限设计」，而这两件事目前都要靠项目团队完成。建议把行业知识库与权限治理做成可复用的标准化模板配置，否则每个客户都要重新走一遍同样的路。[8][10]

场景三：经营分析与一线导购

场景与痛点：零售企业的数据分散在 POS、CRM、电商与门店系统，一线导购既看不懂报表，也没有时间为每个客户定制话术。[8]
方案与功能：伊利同时使用 WorkBuddy、ADP 与企业微信——WorkBuddy 汇聚数据、生成经营策略并下发给上千名导购，ADP 的导购智能体实时生成商品推荐与沟通话术，企业微信承接日常工作入口。[8][21]
差异化：这是「企业中台 + 个人工作台」双入口的典型用法，单卖 ADP 或单卖 WorkBuddy 都难以复现同样效果。[7]
客户价值：伊利基于 ADP 自建自管 70 多个生产级 Agent，日均千万级请求稳定运行，营销文案通过率 95%；A/B 测试显示销售订单提升 26%，整体运营提效超过 50%。[8]
组织价值：尚美数智用一套平台支撑集团、区域、门店三级角色化 Agent 矩阵，覆盖 5,000 多家门店，说明平台可以承载组织层级的差异化，而不只是单点场景。[8]

不足与建议：这类场景的天花板由企业数据底座决定，而非平台能力。建议在售前增加「数据就绪度评估」，把数据治理、指标口径、系统接口纳入项目范围，避免把数据问题误判为模型问题。[7][8]

体验：做得好的三处

自然语言贯穿全流程。描述需求后，平台生成 Claw Agent、Workflow 或两者组合，配置、预览、调试、评测在同一工作区完成，「边聊边改」显著缩短了从想法到可运行的时间。[1][2]
模板与场景包降低了上手的门槛。平台提供 70 多个应用模板、140 多个插件，0 又新增 50 多个行业模板，覆盖金融、文旅、交通、教育、传媒、零售。[4][14]
内容安全是内置能力，不是外挂。敏感词管理、安全策略、应用安全设置、风险识别统计组合在一起，对金融、政务客户是实打实的减负。[10]

体验：四处摩擦

信息架构偏工程师。权限配置的颗粒度足够细，但操作路径长、概念多，非技术用户的上手门槛高；这与「让懂业务的人自己搭」的产品主张存在张力。[10]
可观测性不足。复杂任务的执行路径、工具调用细节与异常定位可视化不够，排障仍依赖日志与经验。[10]
国际化体验粗糙。海外用户的公开评价里，英文文档的措辞与语法、界面细节的毛边被反复提及；这不影响可用性，却会拖慢信任的建立。[22]
价格透明度不够。定价页上，进阶版与企业标准版只给「约 6 元/天」「约 161 元/天」的折算价，月费直接显示「–/月」；PU 算力增购包四档、Youtu 三个模型并发包同样为「–」，只有 DeepSeek 并发包标出 ¥9,600/月起。总成本取决于调用量与并发组合，仍需销售测算，对自助型客户不友好。[11]

体验建议：可以做2件事：增加评测、调用链追踪与异常诊断的可视化；公开价格计算器与 PU 消耗估算。前一件解决「可不可控」，后一件解决「敢不敢试」。[10][11]

2.4 AI 产品视角的四个取舍

平台还是项目：FDE 是「服务产品化」的过渡态，不是终局。判断标准很简单——场景包的复用率能否逐年上升、单项目的人天投入能否逐年下降。若两者都不动，FDE 就退化为高级外包。[7][16]
Agent 还是应用：加入站点服务后，ADP 覆盖了页面、业务逻辑与数据状态，能力边界从 Agent 扩展到业务系统。好处是客单价与粘性上升，风险是与低代码平台、行业软件正面相撞，且产品复杂度陡增。[2]
开放还是闭环：模型开放、协议开放（MCP）、工具开放，但入口闭环于腾讯生态。这种「半开放」在获客上高效，在客户信任上需要额外解释——尤其是非腾讯系企业。[1][7]
套餐还是用量：PU 套餐让成本可预测，适合预算制企业；但 PU 是抽象单位，客户难以把「一次客服对话」换算成「多少 PU」，决策成本反而上升。云部署标准版按年订阅、80 万元起，又把决策推回年度预算与商务谈判。按用量计费更直观，却让成本不可控。这是企业级 AI 产品尚未解出的定价方程。[11][15][28]

把成本拆开看会更清楚。按官方公开算例，一次输入 1,000 tokens、输出 300 tokens 的 DeepSeek-V3 运行，企业版 120 万 Credits 约可支撑 17.2 万次/月，折合单次约 0.007 美元；其中模型调用占大头，平台运行费只占很小一部分。这解释了为什么「按席位收费」在高频场景里会被客户质疑，也解释了为什么平台必须把价值锚定在治理与交付，而不是转售 Token。[29]

2.5 竞品对比矩阵

表 5 企业级智能体开发平台八维对比[3][10][11][13][14][15][23][24]

把三家放在一起看，会发现一个共同趋势：所有平台都在从「构建工具」向「治理中枢」迁移，差别只在迁移的速度与路径。ADP 走得最早、最重，也因此最早遇到「项目制 vs 产品化」的组织难题；HiAgent 与百炼则用生态和算力对冲治理投入。[1][3]

2.6 被忽略的竞争：企业自建中台与 WorkBuddy 的边界

ADP 真正的替代品有两种，都不在竞品名单里。第一种是「开源框架 + 自研中台 + 系统集成商」：头部企业的 IT 团队用 Dify、LangGraph 一类框架自建，把 Agent 能力直接嵌进自己的中台。这条路径前期便宜、可控性高，但隐性成本在运维、评测与合规，且难以跨部门复用。ADP 的胜算不在功能更强，而在「总拥有成本更低」。[7][10]

第二种是腾讯内部的 WorkBuddy。它以日活计已是国内最受欢迎的效率 AI 智能体服务，企业版也在推进。当员工用 WorkBuddy 就能完成轻量任务时，企业采购 ADP 的理由必须更硬：跨系统连接、权限隔离、运行审计、统一分发。两者若边界模糊，销售会在同一客户内部相互挤压；若边界清晰，则形成「个人入口验证、企业平台沉淀」的正循环。[7][26][27]

判断：对 ADP 而言，最需要防守的不是 HiAgent 或百炼，而是客户心里那句「我们自己也能搭」。这句话一旦成立，平台就被降级为「可选的工具」，而不是「必须的基础设施」。[7][10]

三、总结

三条判断

ADP 已经赢下「定位」，但还没赢下「规模」。它把企业级 Agent 的竞争从模型参数拉到治理与交付，这是正确的战场；但 2025 年平台软件市场仅约 20 亿元，ADP 的份额领先还不足以形成壁垒，真正的壁垒要等复购与续订数据说话。[1][3]
它的护城河是「交付资产」，不是「技术专利」。RAG、工作流、Multi-Agent 都可以被追平，25 个场景包、FDE 五阶段、200 多家客服客户与 12 家伙伴网络更难被短期复制。问题在于这些资产目前仍以人力为载体。[7][16][21]
它最大的不确定性来自自身边界。从 Agent 平台扩到业务系统，意味着与低代码、ISV、行业软件争夺同一笔预算；边界越宽，叙事越难，交付越重。克制可能比扩张更重要。[2][7]

四条可借鉴

把「治理」做成产品，而不是项目交付物。权限、审计、评测、观测如果能标准化售卖，就能把一次性收入转为订阅收入。ADP 的 AgentOps 框架值得借鉴，但需要更彻底地产品化。[1][3]
用场景包把隐性经验显性化。25 个场景包的价值不在数量，而在「每包都有任务、交付物与验收标准」，这让伙伴可被培训、质量可被衡量。[16][21]
双入口是 To B AI 的高效结构。企业中台负责治理与集成，个人工作台负责高频使用与反馈，两者双向沉淀，这种结构能把「企业能力」与「个人效率」接起来。[7][8]
先用样板间证明，再让伙伴复制。自研客服与视觉智能体先跑出量化结果，再开放给伙伴做行业适配，比单纯讲平台能力更有说服力。[21]

三个机会窗口

私有化替换窗口：2025 年私有化市场是公有云的七倍，且大量企业仍处于评估与试点阶段，只有少数把智能体纳入核心流程。谁先把「试点到生产」的路径标准化，谁就能承接这波预算。[3][13]
行业子市场的头部效应：传媒子市场仅 99 亿元、医疗与生命科学 1.19 亿元，规模不大但集中度高。ADP 已在传媒与医疗两个子市场居首，继续做深比横向铺开更划算。[3][12]
协议标准化带来的生态位：MCP 与 A2A 降低了工具接入成本，平台可以转向「治理 + 评测 + 分发」的高价值环节，把连接交给生态。这对 ADP 是机会，也是对其封闭入口策略的对冲。[1][14]

四项风险

项目制吞噬毛利：FDE 越成功，定制需求越多；定制越多，复用率越低。若 70/30 长期无法验证，平台会退化为高人力咨询业务。[7][16]
模型商品化削弱平台溢价：当模型能力趋同、MCP 让工具互通，客户会追问「为什么需要这个平台」。答案是治理与行业资产，而不是模型。[3][14]
体验短板阻碍自助增长：可观测性弱、权限配置复杂、价格不透明，会让中小客户在试用阶段流失，增长过度依赖销售与伙伴。[10][11][22]
生态绑定反噬海外与异构客户：入口优势在腾讯生态内最强，出了这个生态就要与钉钉、飞书正面竞争；国际化客户的信任建立需要更长的周期。[7][14]

一句话总结：ADP 是做对了方向的平台——把 Agent 从「演示」推向「生产」，把竞争从模型拉向治理。它现在最需要的不是更多功能，而是证明「交付可以规模化」；这门生意的分水岭，不在技术发布，而在第二个、第十个、第一百个同类项目还能不能复用同一套场景包。[7][16]

参考来源

[1] 【官网】腾讯云 ADP 4.0 全新升级，企业级 AgentOps 平台助力企业 AI 落地，腾讯云 ADP 团队，2026-07-17 https://adp.tencent.com/zh/blog/adp-version-4-agentops-platform

[2] 【媒体】ADP 4.0 最新升级解读：从搭 Agent 到搭业务系统，25 个场景包 + FDE 交付方法论，腾讯云开发者社区，2026-10-30 https://cloud.tencent.com/developer/article/2772736

[3] 【研报】IDC 首发智能体开发平台市场份额报告——私有化初具规模，公有云商业化起步，IDC 中国，2026-06-15 https://www.idc.com/?p=115740

[4] 【媒体】2026 企业智能体平台选型能力榜：以 AgentOps 重塑企业级智能体全生命周期治理，腾讯云开发者社区，2026-09-21 https://cloud.tencent.com/developer/article/2748012

[5] 【媒体】腾讯 Q2 财报：模型与产品「双螺旋」加速形成，云业务增长提速，央广网，2026-08-12 https://www.cnr.cn/tech/techph/20260812/t20260812_527759649.shtml

[6] 【官网】腾讯云智能体开发平台产品概述，腾讯云，2026-06-15 https://cloud.tencent.com/document/product/1759/104193

[7] 【媒体】对话腾讯云 VP 吴永坚：企业智能体落地的焦虑与解法，腾讯网 / 蓝鲨财经社，2026-11-05 https://new.qq.com/rain/a/20261105A09Q6100

[8] 【官网】2026 腾讯数字生态大会客户案例：ADP 如何走进 8 家企业核心业务流程，腾讯云开发者社区，2026-10-30 https://cloud.tencent.com/developer/article/2772758

[9] 【媒体】办公提效之后，企业级 Agent 开始对经营结果负责，新浪财经，2026-11-05 https://finance.sina.com.cn/tech/roll/2026-11-05/doc-inixtafk8665205.shtml

[10] 【研报】2026 爱分析·企业级智能体开发平台产品测评报告，爱分析（新浪财经转载），2026-04-16 https://finance.sina.cn/2026-04-16/detail-inhuskue2831938.d.html

[11] 【官网】腾讯云 ADP 定价页，腾讯云 https://adp.tencent.com/pricing/home

[12] 【媒体】智能体开发平台正演化为企业智能体的治理中枢，川观新闻，2026-06-24 https://cbgc.scol.com.cn/news/7700234

[13] 【媒体】AI 智能体开发平台有哪些值得选？2026 企业级 AI 协作平台选型推荐，中国经济新闻网，2026-09-11 https://www.cet.com.cn/wzsy/cyzx/10550932.shtml

[14] 【研报】Omdia Market Radar: Agentic AI Development Platform in Asia & Oceania, 2026（转引自腾讯云），腾讯云（转引 Omdia），2026-02 https://adp.intl.cloud.tencent.com/blog/omdia-agentic-ai-platform-leader-2026

[15] 【官网】阿里云百炼产品页（大模型服务平台百炼），阿里云 https://www.aliyun.com/product/bailian

[16] 【媒体】携手腾讯 ADP 共建 FDE 生态，打通 AI 交付「最后一公里」，中国经济新闻网，2026-11-05 https://www.cet.com.cn/zhpd/zxsdv2/10649020.shtml

[17] 【官网】腾讯云智能体开发平台产品动态，腾讯云，2026-10-19 https://cloud.tencent.com/document/product/1759/104191

[18] 【官网】腾讯宣布面向全球推出场景化 AI 能力，加速提升产业效能（ADP 3.0 发布），腾讯控股，2025-09-16 https://www.tencent.com/zh-cn/tencent-announces-global-rollout-of-scenario-based-ai-capabilities-to-accelerate-industrial-efficiency/

[19] 【媒体】智能体落地进程加速！腾讯云面向全球发布智能体开发平台 3.0，中国日报网，2025-09-17 https://ex.chinadaily.com.cn/exchange/partners/82/rss/channel/cn/columns/sz8srm/stories/WS68cb9350a310f0725774917f.html

[20] 【媒体】腾讯云升级全栈企业级 Agent 产品能力（ADP 智能工作台、Agent Portal 上线），央广网，2026-04-28 https://www.cnr.cn/tech/techgd/20260428/t20260428_527603777.shtml

[21] 【媒体】腾讯云 ADP 升级构建平台与垂类应用，推动智能体深入企业业务，腾讯新闻，2026-11-04 https://news.qq.com/rain/a/20261104A06VM800

[22] 【其他】Gartner Peer Insights：Tencent Cloud Agent Development Platform 用户评价，Gartner，2026-07-01 https://www.gartner.com/reviews/market/ai-application-development-platforms/vendor/tencent-cloud

[23] 【官网】百炼模型调用价格（按 Token 按量计费），阿里云，2026-11 https://help.aliyun.com/zh/model-studio/billing-for-model-studio

[24] 【官网】火山引擎 HiAgent 产品页（私有化部署与商务咨询入口），火山引擎 https://www.volcengine.com/product/hiagent

[25] 【官网】阿里云百炼 Agent Studio 产品手册全新发布，阿里云创新中心，2026-10-13 https://startup.aliyun.com/info/1093766.html

[26] 【财报】腾讯公布二零二六年第一季业绩，腾讯控股，2026-05-13 https://static.www.tencent.com/uploads/2026/05/13/518ce924d17adf09f55abbecae640733.pdf

[27] 【财报】腾讯控股 2026 年第二季度及中期业绩，腾讯控股，2026-08-12 https://www.tencent.com/wp-content/uploads/2026/08/E700_IR.pdf

[28] 【官网】计费概述（云部署），腾讯云 https://cloud.tencent.com/document/product/1759/128390

[29] 【官网】Tencent Cloud ADP Pricing（公有云套餐与 Credits 计费说明），Tencent Cloud https://adp.tencentcloud.com/pricing

本文由 @拆个产品原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议