作者： qinbafrank
这两天把美股和A股里Agent的公司财报扒了一圈，感受很强烈： Agent开始从发布会走进财务报表了。
过去一年市场看Agent，主要盯着模型能不能调用工具，能不能连续完成多步任务，一家公司又发布了多少个Agent。
到了这次财报季，观察指标明显变了。 现在开始看Agent贡献了多少ARR、多少ACV，带来了多少新增订单，有多少客户进入生产环境，每个季度实际完成了多少工作量。
这个变化很重要。
产品能跑通，只能说明技术方向成立。收入、合同、回款和利润开始出现，才说明企业愿意持续为这项能力付钱。
所以更倾向于把2026年定义为企业级Agent的“财务验证起点和元年”。 这里说的是验证元年，距离产业成熟还有很长一段路，但至少已经出现了第一批能够放进财务模型里的真实数据。
一、美股已经给出了第一轮答案
目前看得最清楚的几家公司，基本都掌握着企业内部的数据、权限和工作流。
1、ServiceNow 二季度订阅收入达到38.77亿美元，同比增长24.5%；AI业务ACV突破10亿美元，Agent部署量在九个月内增长了9倍。
以前很多人把ServiceNow看成IT工单和工作流软件，现在它越来越像企业Agent的控制中心。
企业内部未来可能同时运行Claude、Gemini、OpenAI以及各种垂直模型。到底哪个Agent可以访问哪些数据，能代表谁执行任务，哪些动作需要审批，出错以后怎么回滚，这些问题都需要一个统一的治理层。
ServiceNow已经站在了这个位置上。它卖的逐渐从工作流软件，延伸到Agent的身份、权限、监控和执行体系。
2、Salesforce的验证也很直接
Agentforce ARR已经超过15亿美元，同比增长超过240%；Agentforce和Data 360合计ARR接近39亿美元。二季度Agentforce和Slack完成了32亿个Agentic Work Units，环比增长97%。
过去市场讨论Salesforce，担心通用大模型会绕开CRM，直接接管销售和客服。现在看下来，大模型想真正完成企业任务，依然需要客户资料、历史订单、合同状态、销售线索和权限体系。
Claude可以负责理解意图，Salesforce掌握着业务上下文和执行轨道。
当然，240%的同比增速需要稍微打一点折扣。Salesforce从本季度开始扩大了Agentforce ARR的统计范围，加入了其他AI产品、Slackbot和Headless 360。方向已经很明确，具体增速仍然要结合口径变化判断。
3、Workday的财报也很有代表性
AI已经贡献了超过25%的新增ACV，超过5500家客户正在使用至少一个Workday自研Agent。
这组数据说明，企业在HR、财务和审计这些敏感场景里，并没有简单绕开原有软件平台。员工数据、薪酬规则、财务制度、组织权限都沉淀在Workday内部，Agent需要沿着这些确定性的轨道工作。
对很多传统SaaS公司来说，AI确实会压缩一部分页面、按钮和低价值席位。但拥有核心数据和业务规则的平台，反而可能因为Agent获得新的增购机会。
4、Palantir则代表了另外一种形态
二季度收入同比增长93%，美国商业收入增长149%。Palantir的强项一直在于，把企业数据、业务对象、权限和实际生产流程连接起来，然后用软件完成决策与执行。
很多Agent产品停留在“帮你生成一个答案”，Palantir更接近“帮企业完成一个结果”。
制造企业关心设备停机减少了多少，供应链企业关心库存周转改善了多少，销售团队关心转化率提高了多少。企业最终愿意支付高价的，通常是这些能够被量化的经营结果。
把这几家公司放在一起看，会发现一个很明显的趋势：
最先吃到Agent红利的，普遍是原来就处在企业核心业务系统里的公司。
模型能力当然重要，但企业部署Agent还需要数据、权限、流程、审计和客户入口。单纯接一个模型、做一层聊天界面，门槛很快会下降 。这也是之前在AI采用进入工程化时代的长文里聊到的： 真正拥有工作流和核心独家数据的SaaS掌握 工作入口、业务对象、业务语义、用户权限、历史操作数据、系统记录、行业规则、最终动作执行、客户结果反馈。
二、这次财报最重要的变化，其实是衡量方法变了
过去判断AI产品，市场经常看注册用户、试用客户、Token调用量。这些指标可以证明大家有兴趣，却很难证明商业模式成立。
现在越来越多公司开始披露： AI贡献了多少新增ACV，Agent产生了多少ARR，有多少客户从试用进入生产环境，实际完成了多少任务 。
Salesforce开始用Agentic Work Units衡量工作量，就是一个很重要的信号。
过去SaaS主要按照席位收费：一个企业有一万名员工，购买一万个账号。未来Agent替企业完成大量任务，收费方式可能逐渐变成：
基础席位费＋AI使用量＋任务完成量；
再往后，部分高价值场景甚至可能按结果收费 。
比如客服Agent解决了多少工单，销售Agent完成了多少线索筛选，财税Agent处理了多少张票据，安全Agent关闭了多少风险事件。
一旦计费单位从“有多少人在使用软件”转向“软件完成了多少工作”，SaaS的收入上限也会发生变化。
它开始切入企业的人工成本、外包费用和运营预算，而不是只在IT预算内部重新分配。
三、为什么模型智力提升，会让Agent成为一个长期行业
Agent这条线有一个很明显的能力阈值：假设一个Agent执行单步任务的成功率是95%，连续执行十步以后，整个任务完整成功的概率只剩六成左右。
所以早期Agent经常出现一个问题：每一步看起来都挺聪明，真正放到长流程里就开始出错。企业还要安排员工检查、纠正和返工，最后节省的时间并不多。
随着模型推理能力、上下文长度、工具调用和记忆能力提升，这个情况会逐渐改善： Agent能够连续完成的步骤越多，需要人工介入的节点越少，原来无法自动化的工作就会跨过商业化门槛 。
这不是一个匀速发展的过程。
模型能力提升一点，可能只是让回答更流畅；当可靠性跨过某个阈值以后，一整条工作流都有机会被自动完成 。
所以Agent收入未来可能会呈现很强的非线性。
今天只能整理资料，下一步可以填写系统，再往后能够提交审批、追踪进度和处理异常。每多完成一个环节，商业价值都会明显提高。
这也是为什么Agent不需要先实现所谓的通用人工智能。
财税、客服、IT运维、销售线索筛选和文档处理，都有大量边界明确、重复频率高、结果可以检查的任务。这也是之前聊到恶Coding之后的第二场景：
只要Agent能够稳定完成其中的大部分，客户ROI就已经成立。
四、A股也开始验证了，但路径和美股不太一样
美股当前率先兑现的，是企业平台和工作流公司，A股更值得关注垂直场景。
1、金山办公 上半年收入33.13亿元，同比增长24.69%，WPS 365已经连续六个季度保持60%以上增长。
金山办公的优势很直观。它拥有文档入口、格式能力、协同关系和企业办公数据。未来的办公Agent可以直接生成、修改、审核和交付文件，这比在文档旁边放一个聊天窗口更有价值。
但金山办公上半年归母净利润增长超过200%，很大一部分来自投资益。看主营业务时，依然要剥离这些一次性项目。
2、税友股份是A股垂直Agent里比较典型的案例
上半年收入10.12亿元，同比增长9.72%；扣非净利润增长44.04%。AI产品及业务回款已经占数智财税业务回款的33%，高于2025年全年的28%。
财税场景非常适合Agent。规则相对清楚，数据结构化程度高，结果可以复核，客户也愿意为降低人工成本和税务风险付费。
这类业务不需要模型包打天下。只要在一个窄场景里做得足够可靠，就能形成真实收入。
3、汉得信息
上半年AI智能化业务收入约2.2亿元，同比增长超过100%，已经占到公司收入的两位数比例。
汉得长期做ERP、供应链、制造和财务系统实施。企业Agent落地最大的难题，经常出现在旧系统连接、非标准数据和复杂审批流程。汉得熟悉这些环节，有机会成为国内企业AI的部署层和集成层。
但 A股这里要特别注意财务质量，所以A股Agent的机会很大，但分析难度可能比美股更高。
很多公司仍然以项目制收入为主，AI业务是否能够标准化，毛利率能否提高，能不能从一次性实施转向订阅和持续用量收费，目前还需要继续观察。
五、Agent产业链可能会形成四层结构
第一层是基础模型和算力，决定Agent的智力上限与推理成本。
第二层是数据、身份、权限和治理。ServiceNow、Salesforce、Workday目前都在争这一层。
第三层是工作流编排和执行。Palantir、UiPath以及部分企业数字化服务商在这里竞争。
第四层是垂直行业Agent，包括财税、办公、法律、医疗、制造、客服和销售
目前财务验证最清晰的是第二层。
企业不敢让一个缺少权限边界、无法审计的Agent直接操作核心系统，所以数据和治理平台拥有很强的卡位优势。
长期空间更有弹性的可能是第四层。垂直Agent可以直接对应具体工作量，ROI容易计算，也更容易进入人工和外包预算。
第三层则决定Agent能不能真正进入生产环境。模型会思考还不够，它还要连接旧系统，调用工具，处理异常，把流程完整跑完。
UiPath会是一个很重要的观察样本。公司计划在美国东部时间2026年9月3日盘后发布二季度财报，届时可以进一步判断传统RPA向Agent执行层升级的速度。
六、接下来怎么看Agent公司
以后看这类公司，我觉得几个指标会越来越重要：
1、先看AI相关ARR、ACV和真实收入，再看生产环境客户数，试用客户的参考价值会越来越低；
2、然后看AI对新增合同的贡献。Workday披露的“AI占新增ACV超过25%”，就比发布了多少个Agent更有意义；
3、还要看任务调用量、完整任务成功率、续约率和客户扩张率；
4、最后回到财务报表，观察扣除推理成本以后的毛利率、实施周期、应收账款和经营现金流。
如果每落地一个Agent，都要投入大量工程师做半年定制，它更接近传统IT服务。
如果Agent能够快速复制，客户使用越多，单位成本越低，软件公司的经营杠杆才会真正释放。
最后，对Agent这条线的理解：
1）模型智力提升，决定Agent能做多少事；
2）企业数据、权限和工作流，决定这份智力能不能安全地进入生产系统；
3）真实的任务结果，决定客户愿意付多少钱。
模型每一次升级，都会把可以自动化的任务边界往外推。
今天是编程、客服和文档，后面会进入财务、销售、供应链、医疗和更多专业场景。可靠性提高以后，人工检查减少，单位经济性会持续改善。
所以Agent很可能是一条能够持续很多年的效率提升型新行业。
不过这轮机会不会平均分配。
第一批赢家大概率是已经控制企业数据和业务流程的平台。第二批是能够把AI部署进生产环境、真正完成任务闭环的执行层公司。A股的弹性更多来自垂直场景，但财务质量和收入标准化需要盯得更紧。
2026年更像Agent的财务验证元年。过去市场讨论模型到底有多聪明，接下来会越来越关心：它究竟完成了多少工作，帮客户省了多少钱，又有多少价值最终进入了上市公司的收入、利润和现金流 。
