豆包、千問下線智能體背後：AI轉向B端，企查查等數據廠商加速卡位

近日，豆包與千問幾乎同時發布公告：智能體功能將於7月15日正式下線。屆時，用戶將無法新建智能體，已創建的智能體也將停止調用和運行。這一日期，剛好與《人工智能擬人化互動服務管理暫行辦法》的正式施行節點重合。

消息一出，行業內關於“AI智能體是否遭遇政策寒流”的討論迅速升溫。但在業內人士看來，這次調整更像一場由監管驅動的賽道切換——情感陪伴類C端應用承壓，而工具型、任務型的B端企業智能體則迎來制度性紅利。

“現在說智能體涼了，是混淆了兩種完全不同的東西。”有行業分析師對媒體表示，本次集中下線並非智能體賽道整體退場，而是通用大模型平臺切割高風險情感類自定義交互業務，行業正式告別低門檻UGC智能體（用戶自建智能體）野蠻生長階段，任務型、企業合規化智能體成爲下一階段產業核心發展主線。

監管落地：C端“情感陪伴”踩剎車，B端“工具型”智能體未受影響

根據《人工智能擬人化互動服務管理暫行辦法》，該辦法將“模擬人類人格特質、思維模式和交流方式，並提供持續情感交互”的服務納入嚴格規範。虛擬戀人、虛擬親屬、情感陪伴類智能體被劃入監管紅線。

與此同時，辦法明確排除了商業信息查詢、知識問答工具、職場智能助手以及教育科研類工具。這也意味着，以數據查詢、專業分析、任務執行爲核心功能的工具型智能體，不在受限範圍之內。

多家大模型廠商在接受採訪時透露，2026年下半年將明顯加大企業智能體的研發投入，重點方向包括工業質檢、金融數據分析、政務文書整理、企業私有知識庫專屬智能體等。

數據廠商的卡位邏輯：當AI Agent成了查詢主體

企查查創始人陳德強在今年早些時候的一次內部交流中曾提過一個判斷：“十年前做企查查，是把分散的市場主體信息結構化，讓人人可查。但現在發生了變化，查詢者正在變成AI Agent，未來調用數據的可能不再是‘人’。”

這個判斷正在被落地爲具體產品。2025年底，企查查正式推出MCP（Model Context Protocol）服務，旨在爲AI智能體提供標準化的企業數據調用接口。截至目前，企查查MCP已累計開放185項原子能力，覆蓋工商查詢、風控大腦、知識產權、經營數據、歷史存檔、董高監畫像六個server模塊。

在數據更新層面，企查查MCP服務已實現T+0/T+1級實時同步，即市場主體信息發生變更的當日即可被智能體調用。這對於依賴大模型訓練數據（通常存在數月至半年的滯後期）的通用AI而言，構成了數據時效性上的差異。

公開信息顯示，騰訊ima的MCP廣場已於今年6月正式上線企查查MCP服務。用戶在騰訊ima的copilot中詢問一家公司的基本情況時，企查查MCP會返回工商登記、經營狀態、關聯關系等結構化數據。同樣，阿裏智能體工作臺QoderWork也在同期將企查查MCP接入內置Connector，用戶可實現一鍵開啓調用。

“大模型廠商自己不做商業數據庫，這是成本效益決定的。”上述分析師指出，“騰訊和阿裏都接企查查，不是因爲它特別便宜，而是因爲這個領域能打的不多。覆蓋面、更新速度、結構化能力，這幾個維度同時做到頂尖的供應商，市面上掰着手指能數出來。”

Token消耗與幻覺問題：MCP提供的另一種解法

在真實的B端AI應用體驗中，企查查MCP帶來的變化更多體現在成本控制層面。

一位參與過企業風控智能體開發的工程師算了一筆賬：過去用RAG（檢索增強生成）方式做企業信息查詢，需要將大段網頁文本塞進上下文窗口，Token消耗量大，且輸出內容包含大量無關噪聲。相比之下，企查查MCP以結構化JSON格式返回關鍵字段，剔除網頁噪音，推理成本出現較爲明顯的下降。

“模型幻覺在企業服務場景裏是紅線。”上述工程師補充道，“你讓大模型總結一家公司的訴訟記錄，它可能把同名不同公司的案子混在一起。MCP直接給結構化數據，相當於讓AI從猜變成了查。”

在具體業務場景中，企查查MCP已經在部分企業的風控流程中嵌入。以供應商準入審核爲例，以往核查多家候選供應商的工商狀態、行政處罰、失信記錄等信息，人工操作通常需要數小時。接入Agent自動調用後，可在數分鍾內輸出結構化核驗記錄，人工僅需完成最終確認。

投資盡調場景則更依賴股權穿透和關聯關系識別，這部分目前仍需要人工復核，“AI做搬運工，人做籤字人”是較爲普遍的操作方式。

行業變局中的定位

從數據來看，企查查目前覆蓋全球約7.3億市場主體的數據庫，涵蓋400餘個數據維度、日更新超3000萬。這種高頻、海量的數據吞吐能力，構成了其作爲AI基礎設施的核心壁壘。對於大模型廠商而言，自建如此規模且實時更新的數據庫，不僅意味着天文數字般的算力與存儲投入，更面臨數據合規與清洗的長期挑戰。因此，與其重復造輪子，通過MCP協議接入成熟的數據服務，成爲更具性價比的理性選擇。

“這次行業調整，本質上是把AI產業的注意力從‘擬人’拉回到‘幹活’。”前述分析師認爲，“能不能讓智能體幹好活，取決於兩樣東西：模型的推理能力和它調用的數據質量。前者大家都在卷，後者是需要時間壘的護城河。”

新時空聲明：本內容爲新時空原創內容，復制、轉載或以其他任何方式使用本內容，須注明來源“新時空”或“NewTimeSpace”。新時空及授權的第三方信息提供者竭力確保數據準確可靠，但不保證數據絕對正確。本內容僅供參考，不構成任何投資建議，交易風險自擔。