2026 年中，一家中等以上规模且较早探索 Agent 的企业，内部有多少 Agent 在跑？平均值约为三百个。
厘清 Agent 的数量都是一个难以统计的答案，若继续追问，这些 Agent 具体是哪些人在用、烧了多少钱，效果具体如何，几乎没有企业能说清楚。这不是个例，而是现阶段的企业，并没有建立一个以 Agent 为核心的系统和组织。
换而言之，以前企业更多是单点的开发、使用 Agent，随着 Agent 数量和质量的提升，企业越是深入使用 Agent，就会越早发现另一重难题——Agent 在企业的规模化落地，比预想中的复杂且繁琐。
火山引擎副总裁张鑫表示，Agent 的效果绝对不是仅仅由开发态决定的，而是需要一个全域的、不断滚动的过程。「这些 Agent 烧了多少的 Token，每天的绩效怎么样，哪些绩效不好该 『开除』，哪些绩效很好要 『升职』，企业需要一个统一管理的平台。」
这也是张鑫观察到的整个市场的根本性改变，多数人还在盯着怎么造 Agent 时，真正的战场已经转移了，Agent 从一种尝鲜性质的创新产品，演变成深度融入企业所有核心生产和中长尾场景的数字员工，Agent 平台的核心竞争力也随之变化。
今年以来，扣子 3.0、TRAE 企业版、HiAgent 3.0、AgentSphere 四款产品的迭代和商业化落地明显提速，本质上就是为了应对这种趋势，火山引擎将如何回答企业 Agent 规模化落地的系统命题，时隔一年之后，钛媒体 App 和张鑫做了一次对话。
当造 Agent 不再是问题
过去一年，Agent 开发平台的技术迭代速度超出所有人预期。工作流、Skills、Agentic Loop、Vibe Coding，新的构建方式层出不穷，零代码工具让搭建智能体变得越来越简单。
「企业里构建 Agent 已经不是门槛了，大家谁都能构建。」 张鑫说，但 「能造」 和 「造好」 之间，隔着一道巨大的鸿沟。
张鑫走访大量企业后发现，企业的焦虑非但没有减少，反而加剧了。去年企业以为找到了路径，通过低代码、工作流去构建 Agent，2026 年春节开始，新的技术不断在推翻前面的范式，选择多了，企业反而更困惑，以前买的产品是不是过时，这是企业问得最多的问题。
焦虑的根源在于，企业发现真正的卡点不在 「造」，而在 「用」。大部分企业已经能做到局部提效，代码生成环节接一个 TRAE 或 Claude Code，从一小时降到 5 分钟。但企业的端对端流程里，可能有十余个步骤，上下游的测试、发布、运维还是人工处理。
「如果你只解决其中一个 AI 步骤，上游下游还是卡着，中间缩短的那 1 小时没有任何意义，」 张鑫说。这些端对端的系统集成，看起来是脏活累活，跟底层模型迭代相比没那么令人兴奋，但这确实就是真正做到大企业深水区，Agent 落地绕不过的门槛。
更棘手的是，Agent 造出来之后，没有一个清晰的管理工具。张鑫总结了三个具象的痛点：家底不清，企业到底有多少个 Agent 在跑，都是谁在用，回答不清楚；成本黑洞，每天烧了多少 Token、产生了多少成本，很多企业内部没有统计；缺乏度量，怎么评估 Agent 的绩效，哪些该下架，哪些该加大投入。
这个判断直接影响了火山引擎的产品策略。去年提出的 「1+N+X」 体系里，「1」 是想做统一交互入口，今年张鑫发现，每个产品都能部分承担 AI 工作台的入口角色，企业管理者依旧需要一个统一的管理入口，所以火山引擎对于 「1」 的定位，从统一交互入口变成了统一管理入口。
围绕 「1」 从统一交互入口变成统一管理入口的判断，可以看出，企业需要的从来不是几个孤立的 Agent，而是一套面向不同角色和部门、彼此联动的产品矩阵。通过 「1」 的数字员工统一管理入口，将所有数字员工纳入统一体系经营与度量；「N」 是多个开箱即用的智能化应用，承接企业通用需求；「X」 是无限多个持续进化的业务智能应用，企业可基于 TRAE、扣子、HiAgent 持续创建、运行、观测、优化专属数字员工。
Agent 开发之后的主战场
既然开发不再是壁垒，壁垒到底在哪？
张鑫把 Agent 的全生命周期拆成四个域：开发域搭建 Agent；运行域通过 Harness 让 Agent 跑得更好，包括记忆管理、知识融合、上下文管理、Multi-Agent 编排、意图识别；消费域通过好的交互和人机协同方式让员工使用 Agent；管理域像管理数字员工一样管理 Agent，做绩效考评、度量价值。
「Agent 的效果绝对不仅仅由开发域决定，」 他说，「在运行域，你的 Harness 做得够不够好，在消费域，人机协同的机制设计得好不好，Agent 需设计好人在关键节点介入的机制，让最终效果达到 100 分。在管理域，能不能像管人一样管数字员工。」
由此可以看出，火山引擎已经不只在开发域和其他平台竞争，而是通过四个域的全生命周期管理形成差异化，这个判断的背后，是三个层面的竞争壁垒。
第一层壁垒是 Harness。模型能力越来越强，会吃掉多少中间层，是一个被反复讨论的话题。
张鑫的判断是，Harness 不会被吃掉。「Harness 解决六个维度的问题：可控、可靠、可审计、可规模化、全生命周期管理、价值可度量。以当前 Next Token Prediction 的技术架构，总需要外部的交叉验证和行业知识。」
有些部分会被模型吸收，比如一步步控制 Agent 怎么走的机制，随着模型能力增强，会从 Control 转向 「Context Not Control」，但那六个维度不会被替代。模型决定了智力的天花板，Harness 决定了这个智力能不能在生产环境里安全、可控、可度量地发挥出来。
第二层壁垒是对运行范式的理解。很多人判断 Workflow 将被淘汰，Agentic Loop 会成为主流。张鑫认为，两者需要共存，因其本质上都是对工作流流程的表达，只是载体不同。
企业内部里有 「敏态」 和 「稳态」 之分，强管控的任务需要 Workflow 保证可靠性，更发散的场景适合通过 Agentic Loop 探索，两者可以相互转化，一开始通过 Agentic Loop 探索，跑出最佳路径后沉淀为 Workflow，效率更高、Token 消耗更少。
第三层壁垒是对软件生态的重构，「软件日抛论有点脱离实际，」 张鑫说，「企业 Token 成本在不断飙升，已有工具不去利用还要重新搞一套，非常不现实。」
譬如，CLI 化不会吃掉软件，但会改变软件的交互入口，从给人用变成给 Agent 用，而软件背后的逻辑和数据不变，只是调用方式变了。
这三层壁垒加在一起，构成了开发域之外的竞争空间。与此同时，火山引擎也在探索前沿部署工程师 （Forward Deployed Engineer，简称 FDE） 的实践，企业需要有人把 Agent 落地到具体业务之中。
张鑫表示，「FDE 和传统交付有本质区别，传统交付追求一次性项目验收，FDE 更追求可持续的 Token 消耗，打造 AI Native 产品，同时反哺产品。」
FDE 最难的是把业务中的隐性知识提取出来，工程能力的门槛反而因 AI Coding 而降低，为此，火山引擎将离业务近的、有咨询能力的人员，转型为 FDE，离实际业务场景效果比较近，FDE 的价值才能更显性。
千亿市场，亟待爆发
对于 AI 软件市场，行业存在两种观点，一种是，大模型是如同互联网一般的基础设施，其上会长出繁荣的应用，另一种观点是，大模型本身会越来越多地 「吃掉」 软件本身。
按照 IDC 给出的数据来看，2024 年 Agent 开发平台市场大约四五亿，2025 年大约 20 亿，每年三四倍增速。火山引擎凭借 HiAgent 和扣子，分别以 17.8% 和 19.3% 的份额，位居 2025 年中国智能体开发平台私有化、公有云市场第一。
张鑫认为，Agent 平台整体市场测算在 500 亿到千亿规模，真正爆发期可能在 2026 年底到 2027 年。
客观上，模型能力依旧有待突破，而且企业的组织没准备好、流程没打通、门槛尚不够低。
技术供应一侧不断降低门槛，企业的技术认知却没有同步跟上，零代码工具不等于实现零认知。以 HiAgent 为例，客户数是大几百家量级，和中国企业总量相比差得非常远。真正能搭建复杂业务场景工作流的企业还是少数。
张鑫表示，突破方向有三条，足够好的 Baseline，让用户不必从零搭建；提供开箱即用的模板和 Skills；通过 Coding 能力解决更复杂的任务，从大模型使用已有工具，变成大模型能按需创造新工具。
而一旦市场真正爆发，商业模式也会有所变化，第一层按资源收费 （GPU 卡时），第二层按 Token 收费，第三层按业务效果收费。目前行业主要还在第二层，但按 Token 收费存在一个 「盲区」，同样 100 万 Token，用来做纯聊天和用来做芯片设计，业务价值天差地别，目前按 Token 收费体现不出这种差别。
「到了第三层，看实际产出了多少可用代码、多少可用视频时长，就不需要纯看底层烧了多少 Token，因为很多可能是无用 Token。」 张鑫说。
此外，一部分领先企业，开始将 Agent 从软件预算转向人力预算。衡量数字员工价值，最直观的是人力成本节省，更高维度是业务效果增值，审核从人工几小时变成秒级上线，客服质量标准化统一，这些维度共同构成了更高的 Agent 市场想象空间。
对于火山引擎的智能体平台产品和商业化目标，张鑫直言，「大原则不变，每一个产品都要做到市场占有率第一。但最终，大家还是会以拉动了多少 Token 来衡量产品是不是真正产生了价值。」（本文首发于钛媒体 App，作者｜张帅）