豆包、千问下线智能体背后：AI转向B端，企查查等数据厂商加速卡位

近日，豆包与千问几乎同时发布公告：智能体功能将于7月15日正式下线。届时，用户将无法新建智能体，已创建的智能体也将停止调用和运行。这一日期，刚好与《人工智能拟人化互动服务管理暂行办法》的正式施行节点重合。

消息一出，行业内关于“AI智能体是否遭遇政策寒流”的讨论迅速升温。但在业内人士看来，这次调整更像一场由监管驱动的赛道切换——情感陪伴类C端应用承压，而工具型、任务型的B端企业智能体则迎来制度性红利。

“现在说智能体凉了，是混淆了两种完全不同的东西。”有行业分析师对媒体表示，本次集中下线并非智能体赛道整体退场，而是通用大模型平台切割高风险情感类自定义交互业务，行业正式告别低门槛UGC智能体（用户自建智能体）野蛮生长阶段，任务型、企业合规化智能体成为下一阶段产业核心发展主线。

监管落地：C端“情感陪伴”踩刹车，B端“工具型”智能体未受影响

根据《人工智能拟人化互动服务管理暂行办法》，该办法将“模拟人类人格特质、思维模式和交流方式，并提供持续情感交互”的服务纳入严格规范。虚拟恋人、虚拟亲属、情感陪伴类智能体被划入监管红线。

与此同时，办法明确排除了商业信息查询、知识问答工具、职场智能助手以及教育科研类工具。这也意味着，以数据查询、专业分析、任务执行为核心功能的工具型智能体，不在受限范围之内。

多家大模型厂商在接受采访时透露，2026年下半年将明显加大企业智能体的研发投入，重点方向包括工业质检、金融数据分析、政务文书整理、企业私有知识库专属智能体等。

数据厂商的卡位逻辑：当AI Agent成了查询主体

企查查创始人陈德强在今年早些时候的一次内部交流中曾提过一个判断：“十年前做企查查，是把分散的市场主体信息结构化，让人人可查。但现在发生了变化，查询者正在变成AI Agent，未来调用数据的可能不再是‘人’。”

这个判断正在被落地为具体产品。2025年底，企查查正式推出MCP（Model Context Protocol）服务，旨在为AI智能体提供标准化的企业数据调用接口。截至目前，企查查MCP已累计开放185项原子能力，覆盖工商查询、风控大脑、知识产权、经营数据、历史存档、董高监画像六个server模块。

在数据更新层面，企查查MCP服务已实现T+0/T+1级实时同步，即市场主体信息发生变更的当日即可被智能体调用。这对于依赖大模型训练数据（通常存在数月至半年的滞后期）的通用AI而言，构成了数据时效性上的差异。

公开信息显示，腾讯ima的MCP广场已于今年6月正式上线企查查MCP服务。用户在腾讯ima的copilot中询问一家公司的基本情况时，企查查MCP会返回工商登记、经营状态、关联关系等结构化数据。同样，阿里智能体工作台QoderWork也在同期将企查查MCP接入内置Connector，用户可实现一键开启调用。

“大模型厂商自己不做商业数据库，这是成本效益决定的。”上述分析师指出，“腾讯和阿里都接企查查，不是因为它特别便宜，而是因为这个领域能打的不多。覆盖面、更新速度、结构化能力，这几个维度同时做到顶尖的供应商，市面上掰着手指能数出来。”

Token消耗与幻觉问题：MCP提供的另一种解法

在真实的B端AI应用体验中，企查查MCP带来的变化更多体现在成本控制层面。

一位参与过企业风控智能体开发的工程师算了一笔账：过去用RAG（检索增强生成）方式做企业信息查询，需要将大段网页文本塞进上下文窗口，Token消耗量大，且输出内容包含大量无关噪声。相比之下，企查查MCP以结构化JSON格式返回关键字段，剔除网页噪音，推理成本出现较为明显的下降。

“模型幻觉在企业服务场景里是红线。”上述工程师补充道，“你让大模型总结一家公司的诉讼记录，它可能把同名不同公司的案子混在一起。MCP直接给结构化数据，相当于让AI从猜变成了查。”

在具体业务场景中，企查查MCP已经在部分企业的风控流程中嵌入。以供应商准入审核为例，以往核查多家候选供应商的工商状态、行政处罚、失信记录等信息，人工操作通常需要数小时。接入Agent自动调用后，可在数分钟内输出结构化核验记录，人工仅需完成最终确认。

投资尽调场景则更依赖股权穿透和关联关系识别，这部分目前仍需要人工复核，“AI做搬运工，人做签字人”是较为普遍的操作方式。

行业变局中的定位

从数据来看，企查查目前覆盖全球约7.3亿市场主体的数据库，涵盖400余个数据维度、日更新超3000万。这种高频、海量的数据吞吐能力，构成了其作为AI基础设施的核心壁垒。对于大模型厂商而言，自建如此规模且实时更新的数据库，不仅意味着天文数字般的算力与存储投入，更面临数据合规与清洗的长期挑战。因此，与其重复造轮子，通过MCP协议接入成熟的数据服务，成为更具性价比的理性选择。

“这次行业调整，本质上是把AI产业的注意力从‘拟人’拉回到‘干活’。”前述分析师认为，“能不能让智能体干好活，取决于两样东西：模型的推理能力和它调用的数据质量。前者大家都在卷，后者是需要时间垒的护城河。”

新时空声明：本内容为新时空原创内容，复制、转载或以其他任何方式使用本内容，须注明来源“新时空”或“NewTimeSpace”。新时空及授权的第三方信息提供者竭力确保数据准确可靠，但不保证数据绝对正确。本內容仅供参考，不构成任何投资建议，交易风险自担。