7月4日，字节跳动旗下豆包与阿里巴巴旗下千问几乎同步推送通知，宣布将于 2026年7月15日正式下线智能体功能。

这不是孤立事件。两家头部大模型平台在同一天做出同样的决定，说明一个趋势正在形成：大厂正在收缩C端智能体，将资源重新聚焦回基础模型和核心应用。

对普通用户来说，可能只是少了一个功能。但对正在用豆包、千问搭建智能体的企业和开发者来说，这件事的影响要深得多。

依赖平台智能体，企业面临哪些风险？

很多企业过去两年已经习惯了在大模型平台上搭建智能体。

用豆包做一个内部知识问答助手，用千问搭一个客服机器人，用提示词配置一下，几分钟就能跑起来。这种方式门槛低、上手快，适合验证和试用。

但问题是，平台的智能体从来就不是为企业级场景设计的。

第一，数据不可控。

企业智能体要接入的，往往是内部知识库、客户资料、业务数据、财务信息。这些数据一旦上传到平台智能体，数据存储在哪、谁有权访问、会不会被用于模型训练，企业很难说清楚。

第二，功能不可定制。

平台智能体的能力边界由平台决定。它不能随意接入企业内部的ERP、CRM、OA、工单系统，也不能按照企业自己的流程规则执行复杂任务。当业务需求超出平台预设范围时，只能等官方更新，或者干脆做不了。

第三，服务随时可能下线。

这次豆包、千问的智能体下线就是一个活生生的例子。平台功能调整不需要和企业商量，下线通知一发，企业辛苦搭建的智能体、积累的历史对话、配置好的提示词，都要在缓冲期内迁移或放弃。

第四，无法私有化部署。

对金融、医疗、制造、政务等对数据安全要求高的行业来说，智能体必须跑在企业自己的环境里，数据不出域、模型可调优、权限可审计。平台智能体天然无法满足这一点。

所以，当大厂集体收缩智能体时，暴露出来的核心问题是：企业不能把AI落地的关键能力，建立在随时可能变化的平台功能上。

企业级智能体，到底需要什么？

智能体不是聊天机器人，也不是一个更聪明的问答界面。

从技术架构看，企业级智能体是一个连接模型、数据、系统和流程的执行单元。 它需要完成的工作通常包括：

• 理解用户意图，拆解任务步骤
• 检索企业内部知识库和业务数据
• 调用内部系统接口（ERP、CRM、OA、数据库）
• 按照企业规则执行多步骤流程
• 生成结果并同步到指定系统
• 记录日志、接受审计、接受权限管控

这意味着，企业级智能体至少需要三层能力支撑。

第一层：模型接入与治理层。

企业不会只用一个模型。不同场景可能需要不同的模型能力，有的需要文本生成，有的需要代码理解，有的需要私有化部署。关键是，这些模型必须被统一接入、统一管理、统一计量，而不是每个部门各自为政。

第二层：能力编排与中台层。

模型本身只会生成文本。企业真正需要的是把模型能力、知识库检索、数据库查询、API调用、流程规则组合起来，形成可复用的能力模块。这一步通常涉及RAG、工具调用、工作流编排、Prompt管理等技术。

第三层：智能体应用层。

业务人员最终接触到的不是底层模型，而是面向具体场景的智能体应用。比如客服问答助手、采购成本分析智能体、设备故障诊断助手、销售话术生成助手。

只有这三层都搭建起来，企业的智能体才能真正从"Demo"走向"生产环境"。

自建智能体，门槛真的很高吗？

说到自建智能体，很多企业技术负责人的第一反应是：是不是要招一个算法团队？是不是要从零写代码？是不是要维护一堆基础设施？

如果回到两年前，答案可能是"是的"。但现在，企业级智能体开发平台已经越来越成熟。

RaaS100 社区平台上线的 KyDI 超级智能体，就是面向企业自建需求的产品。它支持企业通过可视化方式配置智能体的角色、知识来源、工具能力和执行流程，不需要写代码就能搭建出客服问答、采购分析、设备诊断、销售辅助等业务智能体。

目前 RaaS100 社区平台正在推进开发者招募计划，进群即可享受专属技术陪跑和场景搭建指导。同时，平台底层的 魔芋 AI 提供多模型统一接入和成本治理能力，新用户注册即赠百万 Token 包，降低企业接入大模型的门槛。魔芋AI大模型网关I全球大模型一站式调用及服务平台魔芋AI大模型聚合平台（大模型网关平台）专注于提供高效能、低成本的多品类 AI 模型服务，助力开发者和企业聚焦产品创新。https://www.moyu.info/register?aff=zFsq

这种产品化路径的好处是，企业不需要一次性建设所有能力，而是可以逐步推进：先接入模型、统一管理；再围绕高频场景搭建智能体应用。

从平台依赖到自主可控，企业智能体的迁移思路

对于已经在豆包、千问上搭建了智能体的企业，这次下线其实也是一个重新审视架构的契机。

迁移思路可以分三步走：

第一步：盘点现有智能体。

梳理目前在平台上运行了多少个智能体，每个智能体的功能是什么，接入了哪些知识库，调用了哪些数据，服务了哪些部门和用户。这是迁移的基础。

第二步：评估数据安全与业务重要性。

哪些智能体处理的是公开信息，哪些处理的是内部敏感数据？哪些只是试用性质，哪些已经进入了日常业务流程？涉及敏感数据和核心业务的智能体，应该优先迁移到企业可控的环境。

第三步：选择自建或私有化方案。

对于重要场景，可以考虑基于 KyDI 等企业级智能体平台重新搭建。这样不仅能解决数据安全问题，还能实现更深度的系统集成和流程自动化。

以制造业常见的 设备故障诊断智能体 为例：

在平台智能体上，可能只能做到"输入故障现象，输出可能原因和维修建议"。 但在企业级智能体平台上，它可以连接设备传感器数据、历史维修记录、备件库存系统，自动查询相关工单，生成包含维修步骤、所需备件、预计工时的完整报告，并同步到维修管理系统。

这就是从"问答工具"到"业务执行单元"的区别。

最后

豆包、千问下线智能体，不是智能体技术出了问题，而是平台级智能体和企业级需求之间的错配，终于暴露了出来。

对大厂来说，收缩C端智能体是为了聚焦更有价值的方向。 对企业来说，这意味着一个明确的信号：真正重要的智能体能力，必须掌握在自己手里。

模型可以采购，平台可以切换，但企业的知识库、业务流程、数据资产和AI应用逻辑，不能随着平台功能的调整而频繁迁移。

企业级智能体自建，不是未来选项，而是正在成为必选项。