我们在之前的文章《一文了解AI Agent落地流程》中提到，企业用户当前落地AI Agent仍然面临着诸多挑战，供应商选型是其中的一个重要环节。那么，AI Agent厂商是如何分类的？应当具备怎样的核心能力？行业里有哪些具有代表性的AI Agent厂商？以上内容都是企业在厂商选型中需要深入了解、全面考虑的。
报告
Al Agent厂商分类
Al Agent 作为新兴智能化应用，当前市场尚未出现产品服务成熟的厂商。按照 Al Agent厂商自身资源禀赋和产品服务模式可以分成三大类、六小类厂商。
按照不同厂商的资源禀赋，可以分成大模型厂商、Al Agent 应用厂商和垂直应用厂商。
大模型厂商主要提供大模型技术产品服务，基于自身大模型产品之上，提供 Al Agent平台工具和AI Agent应用搭建服务，可以细分成百度、阿里、科大讯飞、火山引擎等互联网大厂和智谱、百川、Minimax 等大模型创业公司。
Al Agent 应用厂商基本都是 Al Agent 原生厂商，多数是2022年后成立的厂商，提供 Al Agent平台工具和 Al Agent 应用搭建，底层对于大模型不存在依赖，可以适配多款大模型产品，可以细分成Al Agent 工具厂商（如Dify）和Al Agent方案厂商（如澜码科技），Al Agent方案厂商一般都有自己的 Al Agent 工具平台。
垂直应用厂商是在垂直行业有比较深的产品方案积累和客户资源积累的厂商，熟悉垂直行业的场景问题和业务关注点，大模型技术积累相对薄弱，可以接入多家大模型产品，有些厂商会基于开源工具封装一个 Al Agent 工具平台，分成无自研产品的集成方案厂商和有自研产品的应用产品厂商。
AI Agent厂商核心能力要求
根据企业用户落地 AI Agent 诉求，Al Agent厂商核心能力要素主要是技术能力、方案设计能力和专家知识沉淀和运营服务能力。
技术能力包括大模型训练&微调能力、AI 算法开发能力和 AI Agent 开发能力。Al Agent落地时，必须接入大模型，厂商需要熟悉大模型技术能力，有些情况需要根据场景需求进行微调。当前很多企业用户内部各类算法工具并不齐全，需要厂商具备一定AI算法开发能力。 方案设计能力包括需求理解能力、场景梳理能力、Al Agent设计能力等。当前大部分Al Agent应用都是企业用户和厂商共创成果，很少情况能够直接复制其他企业用户的经验，这需要厂商能够理解企业用户的业务场景，并具备包括工作流在内的AI Agent设计能力。 专家知识包括专家知识构建方法、行业领域内显性知识和意会知识等。AI Agent 落地效果受到专家知识的影响，当前很多企业用户并未建立完整的专家知识体系，需要厂商具备一定能力，帮助企业用户梳理知识。
运营服务能力包括交付能力、项目管理能力、运营能力等，Al Agent需要持续迭代升级，Al Agent运营非常关键，如果企业用户自身不具备运营能力，厂商最好具备一定运营能力和运营经验。
Al Agent 代表厂商：澜码科技
厂商介绍
澜码科技是一家基于大语言模型的企业级 Al Agent 平台及应用厂商，核心团队成员来自 Google、IBM、腾讯、字节、阿里、依图等国内外知名互联网和AI公司，已完成来自 IDG资本、联新资本、Atom Capital 参与的数干万A轮投资。目前，澜码科技已在金融、能源、政务、制造、零售、教育等多个行业落地应用，并与多家上市公司和独角兽企业达成战略合作。
产品服务介绍
澜码科技主要产品包含一款企业级 Al Agent 平台 AskXBOT，一款软硬件一体化产品澜码智能体一体本机和部分 Agent 应用产品，包括尽调报告 Agent、数据查询 Agent、知识检索 Agent、组卷判卷助手、智能招聘助手等。
ASkXBOT 平台是澜码科技自主研发的基于大语言模型的企业级 Al Agent 平台。平台集 Agent 与工作流设计、开发、使用、管理，与知识沉淀于一体。在AskXBOT 平台上，企业用户可以用对话的方式提出需求，设计、创建和管理 Agent，快速定制企业级 Al Agent 来完成各类任务，提升工作质量的同时降低成本。
厂商评估
澜码科技的技术能力和方案设计能力比较突出，具备较强专家知识构建能力，在金融&企业服务领域有丰富的行业落地经验。
技术团队来自于 Google、腾讯、字节、阿里、依图科技等互联网大厂和 AI头部厂商，具备较强算法开发能力。AskXBOT 平台覆盖 Agent与工作流设计、开发、管理、运维等全流程场景，可帮助企业用户快速定制企业级Al Agent。
在国有银行、头部城商行和头部能源公司已有落地案例，技术能力、平台功能和方案设计能力得到认可。从2023年开始服务金融和企业服务行业客户，持续沉淀专家知识，面向 Al Agent 场景的专家知识具备构建经验和案例沉淀。
