一、这张地图到底给了企业什么?给了三样东西
第一样是全景:18 大行业、15 个职能域、223 个细分场景、1263 个智能体条目,一次铺开。企业第一次能在同一张图上,看到智能体在千行百业里”已经长成了什么样”。
第二样是颗粒度:每个智能体都标注了它”替人做哪件事、解决什么难题、落在什么场景、适配什么行业、属于哪一类角色”。它不是概念名词的堆砌,而是可对照的具体能力描述。
第三样是可检索的结构:从行业点进去,能看到这一行的场景构成和智能体清单;也可以从职能域进入,横向看”财务””人力””供应链”这些通用职能被哪些智能体重做。两条路径,一套数据。

结论先放在这里:企业读这张地图,目的不是”看完”,而是”定位”——找到自己所在行业/职能的坐标,再看别人把哪件事交给了智能体。
二、四个高频问题,四个读图动作
问:我们行业有没有人在做?做到什么程度了?
从”行业”入口下钻。18 个行业的收录量并不平均:政务 59 个、金融 54 个、制造 54 个处于第一梯队;法律 32 个、餐饮酒店 34 个、环保与双碳 34 个、房地产 34 个处于后段。收录密度不是行业大小的排名,而是智能体在该行业被梳理得有多细的信号。
问:同一个能力,换个行业还能不能用?
从”职能域”入口横着看。15 个职能域里,财务与税务(47 个)、人力资源(44 个)、供应链与物流(40 个)收录最多。像”数据采集智能体””合同审查智能体””文书生成智能体”这类能力,会同时出现在行业视角和职能域视角——这说明它们具备跨行业复用的潜质。
问:智能体是来”做决策”的,还是来”干活”的?
看”角色类型”标签。在 18 个行业视角收录的 747 个智能体中,业务执行型 367 个(约 49%)、数据分析型 71 个、客服运营型 54 个、客户服务型 39 个、合规审查型 25 个。当前落地的主体是”执行工具”,不是”决策主体”。 这个判断,直接决定了企业第一批智能体该往哪里投。
问:我自己要建一个,该照着什么标准写需求?
照地图给每个智能体配的字段写:一句话职责(brief)、价值(value)、痛点(pain)、能力定义(is)、应用场景(scene)、能解决什么(solves)、适配行业(fit)、角色类型(type)。把这八项填出来,一份智能体需求说明就有了骨架。
三、企业用图四步法(可带走)
| 步骤 | 动作 | 产出 |
| 1. 定位 | 在行业或职能域里找到自己的坐标 | 一张”同行智能体清单” |
| 2. 对照 | 逐条比对痛点与场景,圈出自己也有的问题 | 一张”高匹配场景表” |
| 3. 选型 | 按角色类型分清是执行、分析还是审核类,决定自建/采购 | 一份”首批候选清单” |
| 4. 立项 | 用八字段模板补齐价值、场景、解决标准 | 一页”智能体立项卡” |
四、一句提醒
这张地图是截至 2026 年的一张快照,收录的是”正在落地”的智能体,不是对这个赛道下结论:它不承诺某个智能体在你的组织里一定能跑通,也不等于行业完整名录。 把它当作起点而不是答案——用它发现问题,再用自己的数据验证——才是正确的打开方式。