AI产业链连载③｜大模型、知识库、智能体，到底谁在给你干活？

一位做小家电的老板上周发来一段会议录音，供应商刚给他做完AI方案演示。二十分钟里对方讲了九个名词，大模型、智能体、知识库、向量数据库、工作流、插件、工具、微调、私有化部署。他说，每个字都认识，连起来就是天书。他问我一句实在话，这些东西里，哪些真给企业干活，哪些是用来抬价的。

这个问题比录音本身值钱。钱怎么流动的事，前面拆过；这一篇往上一层，讲AI的能力。我把用得最乱的五个词掰开，大模型、知识库、工具、Skill、智能体。掰开之后你会发现，这五样凑在一起，就是给企业招一个不用睡觉的新员工。

一五个词，一套班子

招一个靠谱的新员工，要看四样，脑子好、懂公司、有权限、守流程。AI落地完全对得上。

大模型是脑子，通识任务上强过不少刚入职的新人；知识库是资料柜，把公司的制度、产品手册、客户资料放在它手边；工具是系统权限，让它能查库存、发邮件、开单；Skill是操作手册，把老员工的经验写成固定步骤，照着做不走样；智能体，就是把这几样拼起来、正式上岗的那个人。

顺带把录音里另外几个词也归归类。向量数据库是资料柜背后的检索引擎，插件是工具的别称，微调是给脑子做专项培训，私有化部署是把整套班子搬回自己家。九个词归成五样，天书就翻译完了。

下面四节，每样东西讲清三件事：它是啥，市面上谁在做，在你的企业里管什么活。

二大模型：脑子好，就是不认识你

大模型能干的事已经不少，写文案、做翻译、答常识都不在话下。但它一进你的公司就成了外人，不知道你的价格政策，不认识你的经销商，更不知道ERP密码。答不上来的时候它会现编，行话叫幻觉。企业里AI胡说八道，毛病多数出在料上，脑子再好，也得喂它你公司的料。

翻车的情形不外乎两种。做合同初审，AI把对方报来的账期数字编了个新数，业务员没细看直接往下走了；做客服问答，客户问促销价，AI照着去年的活动规则答，今年规则早改了。两件事的根子都在料上，料没喂对、料没更新。把这一点想明白，后面两节的分工就看得清楚了。

选型上有个容易踩的坑，把宝押在单一模型上。模型能力月月在变，今年领先的不代表明年还领先。国际上这一层的领跑者是OpenAI、Anthropic、谷歌，国内是千问、豆包、DeepSeek、智谱这一批。

第三方统计显示，2026年上半年国内企业级大模型调用量份额里，阿里千问以32.1%排第一，DeepSeek靠开源路线让企业能低成本私有部署。所以看供应商方案时多问一句，你们绑的是哪家的模型，以后想换，成本谁担。这一问能省下后面的锁定费。

私有化还是调云端接口，这笔账在模型层同样成立。用量小、场景简单，直接调接口按量付钱；数据敏感、用量大，才考虑把开源模型搬回自己机房，代价是硬件加运维自己扛。

三知识库：先整理资料柜，再谈智能

让AI懂你公司的事，靠知识库。技术名字叫RAG，检索增强生成，说人话就是先查资料再回答。你的产品手册、合同模板、报价规则整理好放进资料柜，AI回答前先翻柜子，答出来的就是你的话，不是它编的。

这一层的成败，多半取决于资料整理的质量。见过最典型的失败，一家企业把十几万份历史文档一股脑倒进去，指望AI自己理清楚，结果答非所问，最后得出AI不好用的结论。这笔账要算在资料上。供应商如果只报知识库软件的钱，不问你的文档长什么样、谁来做数据治理，这个方案可以先放一放。

资料柜怎么整理，给个能落地的顺序。第一步筛，只放业务真会问的料，作废的旧制度先清出去。第二步洗，格式统一，一份文件讲一件事，标题写清楚。第三步定更新规则，价格政策改版当天，资料柜同步换新。知识库和机器一样要保养，谁负责保养，得在企业里点名到人，不然三个月后就变成一柜子过期料。

做知识库的产品不少，国内扣子、腾讯ima、钉钉都带这个能力，开源阵营的Dify可以私有化部署，适合数据敏感的企业。

国际上这一层的标杆是Glean。它不生产内容，只做一件事，把企业里散落在各个系统里的信息接起来，做成一张带权限的知识图谱，再用它回答问题，客户里有Reddit、Pinterest、Databricks。2026年5月它的年化收入约3亿美元，估值72亿美元，是这一层增长最快的公司。

微软的Microsoft365Copilot走的是另一条路，靠Office和Graph的天然位置，把知识库塞进企业天天在用的办公软件里，按坐席收费；谷歌把它打包进GeminiEnterprise，主攻已经在谷歌云上的大客户。

一个中立跨系统，一个绑定自家生态，还有一个就站在你已有的办公桌上。企业选型时第一件要看清的事，就是自己愿意被谁绑定。

验收知识库还有个笨办法，但最管用。带上你们自己的真实文档去测，拿三个业务里真会问的问题现场提问，别看供应商准备好的演示数据。答得准，再谈下一步；答得含糊，前面说得再天花乱坠也先放一放。

四工具与Skill：权限和操作手册

光有脑子有资料，AI还干不了活，它得有手。让AI能查ERP、能下单、能发邮件，靠的是工具接入。这一层过去最大的麻烦是每接一个系统都要单独开发，各家做各家的，重复花钱。

Anthropic在2024年11月发布了MCP协议，给AI接工具定了通用标准，行话把它比作AI的USB-C接口。OpenAI和谷歌随后跟进，2025年12月这个协议捐给了Linux基金会旗下的智能体AI基金会，成了行业公共标准。到2026年7月第五版规范发布时，SDK月下载量已经超过4亿次。

巨头们一起认一个标准，这在软件行业不多见，背后是同一个判断，AI要干活，先要接得上企业的系统。海外的Salesforce、SAP、ServiceNow、微软和谷歌，都发布了官方的MCP服务器，等于把自家系统的门开了一条标准化的缝。

企业也要留个心眼，AI能动口也就能动手，工具权限要一个个审，能动钱、能动客户数据的口子先关紧。接入顺序也有讲究，先给只读权限，让它查库存、查订单；跑稳了再放开写权限，让它开单、改状态，每放开一步都留操作日志。这些事看着是技术，落下去全是管理，花的都是管理者的心思。

Skill和工具的分工，一句话说清。工具是能力，Skill是流程。每月一号的报销审核、每天早上的日报推送，这种固定动作写成工作流，照章办事，稳定优先。场景天天变的，比如客服应对五花八门的投诉，才交给智能体现场判断。供应商把什么都说成智能体的时候，你要反问一句，这个场景是固定的还是变化的。固定的用工作流，开发量小得多，也不容易出错。

五智能体：员工上岗，从小事开始

四样东西凑齐，智能体才立得住。它是当下的热词，也是供应商报价里弹性最大的部分。供应商爱把所有东西都装进智能体这个筐，因为筐越大报价越高。拆开看，多数智能体方案里，大模型是调用的，知识库是现成的，真正新做的只有流程编排和几个工具接口。知道自己买的哪部分是新活，砍价才有依据。

看市场格局，字节旗下的扣子是目前国内企业搭智能体的第一平台，Web端月活1500万，开发者超300万，企业客户8万多家。IDC2026年3月的统计里，字节系排国内第一，百度、阿里、腾讯紧随其后。

选平台的时候，几家各有各的地盘，腾讯系平台强在微信生态，做私域的企业顺手；百度千帆强在政企市场；阿里云百炼强在云和电商的打通。

海外这一层起步更早，路子也不一样。Salesforce把智能体直接长在自己的CRM里，客户数据在哪，智能体就在哪；微软的CopilotStudio绑Office那套账号体系，部署快、门槛低；谷歌把Agentspace并进GeminiEnterprise，主攻已经上了谷歌云的大客户。

三家打法不同，共同点是都从自己最有优势的地方切进去，谁也没打算做一个中立平台。有研究按绑定程度给这些平台排过序，绑得最紧的正是微软和Salesforce，最松的是开源框架，代价是安全、治理、记忆这些都得自己搭。采购时问一句你们绑的是哪家生态，比问功能清单有用。

除了看名气，再问三个问题。生态厚不厚，现成插件多不多，能省不少开发费；搬走难不难，智能体搭在人家平台上，配置和数据能不能导出；账号怎么管，员工离职后他建的智能体归谁。三个问题问完，平台靠不靠谱心里就有数了。

这里还有一组数字值得记住。Gartner预计到2027年底，超过四成的智能体项目会被取消，理由是成本超支、价值说不清、治理跟不上；号称用上智能体的企业接近八成，真正大规模跑起来的不到百分之二。

落地建议就一条，从小事开始。会议纪要、客服常见问答、周报汇总，一个场景跑稳三个月，再上下一个。先跑出一个小胜利，比写十页规划书都管用。一开口就要全面智能化的项目，多半成全的是供应商的案例库，填不上你企业的坑。

还有一道边界要划在前面，出了错谁担。智能体初审的合同，签字的还是人；客服答错的价格，赔钱的还是企业。现阶段把智能体当助理用，把关权留在人手里，等跑出信任度再逐步放权，这个次序别倒过来。

回到钱。企业上一套AI，供应商的报价单通常就这么几行，一次性部署费、软件年费、算力费、Token费。把这五样东西对上去，每一行的钱花在哪就有数了：模型调用走Token费，知识库和工具的实施是部署费的大头，Skill和工作流按开发量算，智能体按平台年费或项目打包。

往后拿到报价单，每一行都能反问一句，这笔钱对应的是哪样东西，逐行审价就有了抓手。报价单怎么审、水分怎么挤，我把常见条款整理成了一份《AI供应商选型对照清单》，第四篇专门讲这个。

风险提示：本文为产业观察，不构成任何投资建议；涉及的企业与数据均来自公开报道，以官方披露为准。