智能体编排：企业AI团队面临的是部署问题，而非平台问题——大多数所谓的“智能体”只是聊天机器人
智能体编排：企业AI团队面临的是部署问题，而非平台问题——大多数所谓的“智能体”只是聊天机器人
在对101家企业的调研中，智能体编排正在向模型提供商平台集中——Anthropic的Claude遥遥领先——这些平台因底层模型的“引力”而被选中，判断标准则是能否可靠执行多步骤任务。但现实远未达到企业的雄心：大多数已部署的“智能体”仍然只是聊天机器人包装；企业期望的控制面板是刻意混合型的，以避免锁定；而实时控制token消耗预算仍是例外。本期VentureBeat Pulse Research深入探讨了企业智能体编排：企业使用哪些平台、选择原因、优化目标、对智能体控制结构的期望，以及——最值得关注的是——他们已部署的“智能体”到底有多强的编排能力，对运行成本又有多严密的控制。
核心发现是编排的雄心与现实之间存在鸿沟。企业正在快速向主要模型平台集中：40%的企业将Anthropic的Claude作为主平台，是第二名微软（18%）的两倍多，OpenAI以13%位列第三。选择平台的主要驱动力是“模型引力”——即与最先进的基座模型原生匹配（占21%），而判断成功与否的标准是可靠的多步骤执行（任务完成可靠性占32%，多步骤工作流管理占28%）。然而，当被要求如实评估自己的智能体组合时，71%的企业表示，他们已部署的“智能体”中，真正能执行多步骤编排工作流的不到四分之一，大部分只是单次提示词的聊天机器人包装；仅有10%的企业，其真正的编排式智能体超过了半数。
编排层的建设速度远远领先于它要协调的编排组合。这种差距决定了企业当前搭建的架构。到2026年底，绝大多数（51%）企业预计会采用混合控制平面——即提供商原生加外部编排——只有6%的企业打算把控制权交给提供商托管服务，因为如果控制权落在模型提供商手里，它们最担心的风险就是供应商锁定（35%）。投入跟着建设走：智能体工作流工具的支出最高（34%），安全与权限执行紧随其后（25%）。而财务控制始终滞后——超过四分之一（27%）的企业在账单到来之前，没有实时手段来阻止一个失控的智能体。
方法论
VentureBeat 作为其 Pulse Research 系列的一部分发起了本次调查，该问卷聚焦于企业智能体编排。受访者筛选自员工规模在100人及以上的组织（n=101），数据来自2026年6月的一个单轮调查；由于是单轮而非多月的汇总样本，本报告以截面视角呈现，不推断月度趋势。按组织规模看，样本在企业各区间分布均匀：100–499人、2,500–9,999人和50,000人以上各占21%，10,000–49,999人和500–2,499人各占19%。按职位看，受访者均为高级别且具备采购决策可信度：产品与项目经理占15%，CIO/CTO/CISO占13%，顾问与咨询师占13%，数据、AI和工程总监/副总裁也有分布，另有18%归类为“其他”。在采购方面，81%的受访者是AI解决方案的推荐者、影响者或最终决策者（66%为推荐者/影响者，15%为最终决策者）。科技/软件行业占比最大（44%），其次是金融服务（17%）和医疗/生命科学（8%）。101位受访者的样本量足以进行方向性解读并具有合理置信度，但该样本仍属自选，并非概率抽样。
发现1：编排运行在模型提供商的平台上
Anthropic 的 Claude 领先；开放框架则处于边缘。
智能体编排：企业AI组织面临的是部署问题，而非平台问题——多数人把聊天机器人当成了智能体
我们询问了企业目前主要使用哪种智能体编排平台。答案集中在主要的模型提供商身上——尤其是其中一家。
解读这些份额时需注意：如方法论部分所述，受访者是自选参与，且该问题要求他们只选择一个主要平台——因此这些数字衡量的是，在自选参与、且正积极使用AI的技术决策者群体中，每个企业主要部署了哪个平台。按这种方式构建的样本可能与按支出加权的市场衡量指标存在较大差异，而且每次VB Pulse调查都有自己的样本和公司规模组合，因此不同调查之间的厂商数据不可相互比较。可以将这些份额视为该群体目前将主要编排押注在哪个平台上的写照，而非市场份额。
模型平台占据主导地位。Anthropic、Microsoft、OpenAI、Google和Amazon合计约占部署量的80%（101家企业中有81家），而工程讨论中常提到的开放框架（LangChain/LangGraph）和自研平台则只有个位数。Anthropic以40%的份额领先——是第二名平台的两倍多——这呼应了调查发现2中的"模型引力"选择逻辑：企业在选择编排层时，通常直接选择与想要使用的模型捆绑在一起的平台。
与之前智能体安全浪潮中的安全厂商类似，技术圈内定义该类别的主流工具，目前还不是企业部署集中的地方。还有3%的企业根本没有使用任何编排工具。
受访者对他们当前使用的编排平台总体评分为 3.94 分（满分 5 分，109 人作答），其中“性价比”得分为 3.94，“实施便捷性”得分最低，为 3.85——这使编排在我们追踪的五个满意度指标中排在倒数第二位，仅高于评估工具。接近 4 分但未满 5 分，而 96% 的用户计划在一年内改变他们的编排方式，这读起来像是暂时的认可：这些平台目前运行得足够好，但还没好到让人放弃寻找更好的替代品。评分与几乎全体打算改变的意愿并存；这一层是企业容忍多于喜爱。
Finding 2：模型引力主导平台选择
基础模型决定平台，而非工具。
我们询问了什么因素对编排平台选择影响最大。最大的单一因素是底层模型的拉力——尽管灵活性和开发便利性紧随其后。模型引力成为首要选择因素，也解释了 Anthropic 平台领先的原因：企业会选择最接近其标准化前沿模型的编排环境。但下一梯队因素使情况更复杂——跨模型和工具的灵活性（17%）以及开发便利性（17%）表明，企业也希望避免被这个选择所束缚，这预示了 Finding 6 中提到的锁定恐惧。安全与权限（14%）和总拥有成本（11%）构成了务实的采购逻辑。性能（延迟/内存）排在最后，仅占 4%，这提醒我们：在当前采用阶段，约束条件是模型适配性和可选择性，而非原始速度。
Finding 3：关键是可靠的多步骤执行
企业评判编排的唯一标准是能否完成工作。我们询问了企业重点优化什么——他们衡量编排成功的主要指标。可靠性和多步骤工作流管理占据主导地位；面向开发者和用户侧的指标则落后。
智能体编排：企业AI组织面临的是部署问题，而非平台问题——大多数所谓的“智能体”其实只是聊天机器人
任务完成可靠性（32%）和多步骤工作流管理（28%）合计占据59%的回应（101人中60人）：在企业看来，编排成功的关键在于能可靠地将任务历经多个步骤执行到底。开发者生产效率（17%）也很重要，但属于次要因素——这与它在框架讨论中的突出地位形成反差——而最终用户体验（9%）的关注度较低，这与编排本质上属于内部执行问题而非用户体验问题一致。
正是这种可靠性优先的标准，让“聊天机器人陷阱”的发现显得格外尖锐：企业将成功定义为可靠的多步骤执行，但大多数已部署的“智能体”实际上根本不执行多步骤工作。这个陷阱并非均匀分布。按企业规模拆分样本后，77%的小型企业表示其智能体中仅有四分之一或更少能真正完成多步骤工作，而大型企业的这一比例为62%。大型企业在真正的多步骤部署上明显走得更远；从趋势上看，聊天机器人陷阱更常见于中型市场。
发现4：整合、投产、自建
未来一年有三种战略举措几乎并驾齐驱。我们询问企业预计在未来12个月内对其编排策略做出的重大调整。三种举措在顶部聚集，几乎平分秋色。
排名前三的选项——自建控制权（25%）、统一到一个框架（24%）、将智能体从沙盒推向生产环境（23%）——在统计上无法区分，它们共同讲述了一个故事：企业正从实验阶段转向运营整合。他们希望减少框架数量、增加生产环境曝光、加强对控制层的自主掌控；只有4%的企业预计不会发生变化。对定制化自建控制平面的需求，与发现1中平台集中化的趋势形成了鲜明对比——企业在标准化使用模型提供商平台的同时，也计划将这些平台包裹在自己掌控的控制逻辑中，这正是发现6明确指出的混合姿态。
发现5：投资流向工作流工具
企业在大规模投入工具与权限管理，而监控则排在后面。我们询问了明年哪些编排相关投资增长最快。结果显示，智能体工作流工具位居榜首，其次是安全与权限执行。
工作流工具（34%）的领先，从预算角度印证了发现3中企业对可靠性和多步骤流程的优先考虑——资金正流向那些能可靠地串联多个步骤的机制。紧随其后的是安全与权限执行（25%）和扩展基础设施（20%），这些是将智能体从沙箱推向生产环境所必需的投资，也是发现4中提到的战略举措。监控与调试仅占11%，另有11%的企业表示预算持平。资金大量涌入工具、权限和扩展，而非单纯的观测性，这表明企业正在花钱构建和加固编排体系，而不是仅仅看着它运行。
发现6：控制平面将是混合模式——原因在于供应商锁定
企业希望将控制权分散在供应商和自己搭建的层之间。我们询问了企业预计到2026年底智能体的主要控制平面会放在哪里，以及如果控制权完全落在模型供应商的平台上，他们最担心什么。绝大多数企业预期会是混合模式——原因正是害怕被供应商锁定。
混合控制是主流预期，占比高达51%，只有6%的企业打算将控制权完全交给供应商托管服务。如果把混合、自建和外部抽象这三种选项加起来——即所有让控制权至少部分脱离供应商的架构——比例达到88%（101家企业中有89家）。
当我们直接询问控制权由供应商掌控的风险时，原因就显现出来了：供应商锁定以35%（101家企业中的35家）居首，其次是安全与权限限制（28%），以及跨模型和工具的灵活性不足（21%）。这个模式与上一波浪潮中“别指望模型自己管自己”的态度如出一辙——企业会在供应商的平台上构建，但拒绝完全受其约束。混合控制平面，正是他们为了抵御最害怕的供应商锁定而设下的架构防线。
代理编排：企业AI组织的困境是部署问题，而非平台问题——多数所谓的“代理”只是聊天机器人
6月份的数据显示，对混合控制平面的偏好较之前有所变化。在4月至5月的调查（样本数n=145）中，仅34%的受访者期望采用混合控制平面，而有12%的受访者倾向于将控制权完全交给供应商托管的服务。这两次快照尚不足以确认长期的纵向趋势——但讨论的方向已经清晰：企业正在向保留控制权靠拢。供应商锁定也首次跻身首要担忧之列。在4月至5月的那轮调查中，首要担忧是安全与权限限制（32%），锁定问题以24%紧随其后；而到了6月，两者的位置发生了互换。对供应商平台的担忧正从“能否保障安全”转向“能否被替换”。
发现7：聊天机器人陷阱——大多数“代理”还不是真正的代理
企业承认，目前多数部署仍只是聊天机器人的外壳。我们要求企业如实评估自己的产品组合：在他们已部署的“代理”中，有多少是真正的多步骤编排工作流，又有多少是简单的单轮提示聊天机器人包装？答案成了本轮调研的核心发现。
这正是本报告的中心鸿沟。合并最低的两个区间后，71%的企业（101家中的72家）表示，他们已部署的“代理”中，仅有四分之一或更少是真正经过编排的——而仅有10%（101家中的10家）跨过了半数门槛。此前调查中记录的那些雄心——模型提供商平台、可靠优先的成功指标、生产环境部署、精心设计的控制架构——远远跑在了现实部署的前面。现实中，绝大多数产品仍然是包装成代理的单轮提示助手。
这与其说是一种矛盾，不如说是一张路线图：正是因为编排产品组合还如此薄弱，企业才正在搭建平台、分配预算、制定策略。对于未来几轮调研而言，悬而未决的问题是：现实能在多快的时间内追上雄心。
发现8：财务控制仍处于被动状态
只有少数企业能在账单到来之前及时叫停失控的AI代理。我们最后询问了企业如何对AI代理的令牌消耗实施财务控制——即自主循环在无人干预前耗尽预算的风险。大多数企业依赖平台自带的限制或事后监控；实时编程式控制仍属例外。
超过四分之一的企业（27%）承认，他们没有实时、可编程的手段在预算超支的账单到来之前阻止AI代理——他们只能事后从日志中得知。另有32%的企业完全依赖其主平台内置的限制和节流功能，但这种控制的有效性受限于提供商自身的工具，并且与发现6中的供应商锁定问题挂钩。而自建定制网关（23%）或利用跨模型路由进行成本套利（19%）的企业，则把令牌消耗视为一个需要确定性控制的工程问题。
与编排成熟度一样，财务控制也是一个运营现实落后于雄心壮志的领域：AI代理正加速进入生产环境，而围绕它们的成本控制层却尚未建好。值得注意的是，按公司规模出现了分化：在员工数少于2500人的企业中，大约三分之一（34%）仅对AI代理支出采用被动控制，而大型企业这一比例为20%——这些数字只是方向性的，但与"聊天机器人陷阱"的分化一致。中型企业正用着最不成熟的预算监控工具运行着最不成熟的AI代理。结论是：这一层是真实存在的；但大多数AI代理尚未成熟。
Agentic orchestration：企业AI组织的问题在于部署，而非平台——大多数公司把聊天机器人称为智能体
拥有100名以上员工的组织所描述的编排策略，正在快速整合但成熟缓慢。它们正标准化于模型提供商平台——Anthropic的Claude以40%的采用率领先——选择依据是底层模型的“引力”，而成功标准则取决于可靠的多步骤执行。投资正向工作流工具和权限控制倾斜，策略是整合框架、把智能体推向生产环境，而它们期望的控制平面刻意采用混合方案——因为供应商锁定是它们最担心的风险。但诚实的自我评估戳破了这份雄心：71%的组织表示，它们部署的“智能体”中只有四分之一或更少是真正经过编排的；只有10%超过了半数；超过四分之一无法实时停止失控的智能体。编排层——平台、预算、控制架构——正在被构建，但它在未来要编排的资产组合却尚未到位。在2026年6月单轮调研的101位受访者中，这更像一个清晰的方向性信号，而非精确的度量：企业早在大多数智能体开始做任何编排层该做的事情之前，就已经决定了它们想如何编排。后续轮次的问题在于：部署的现实会缩小与雄心的差距，还是聊天机器人陷阱比路线图预想的更难摆脱？
基于2026年6月单轮调研中101位合格企业受访者（员工数100+）的回复。由于这是单轮而非多月的合并样本，结果应视为方向性参考而非确认趋势。受访者包括产品与项目管理人员、CIO、CTO、CISO、顾问与咨询师，以及数据、AI和工程领域的总监与副总裁，覆盖技术/软件、金融服务、医疗健康等行业。