连续几周，在上海和广州的智能体研讨会上，弯弓研究院和CGMO俱乐部的40多家品牌专家发布了品牌侧和服务商侧的智能体应用渗透图并进行详细解读。
我们围绕「私域运营与销售转化」「数据洞察与问数决策」「内容生成与创意」「数字员工与办公协同」、「AI视频与图像设计」、「企业知识库」等多个高频场景（热力图色度最深处）展开唇枪舌战。
可以说，这些图表背后藏着密集的行业信号，本文将结合地图和案例数据，从大盘、行业与场景、供给几个层面一一拆解。
过去几年，智能体集体狂欢。我们对弯弓研究院十年累积的近3000家服务商案例库交叉整理，发现2365个品牌有智能体应用记录，累计3726次场景覆盖，分布在21个行业、14类应用场景。
品牌侧单点试水是主流，平均每个品牌用到1.6个场景，但73.9%的品牌目前只在1个场景中试水。服务商侧供给高度也集中于单一技能，90.6%的服务商只做1个场景，平均每家覆盖1.14个场景。
供给端整体水位方面，近3000家服务商中有923家有落地案例，应用率约31%，但仍有近七成未能发现有落地案例。
这意味着智能体已经从讲故事进入交付期，但案例门槛又把大部分公司挡在了外面。
从品牌侧看，14类场景按覆盖次数分成三档：
第一档是转化链，吃掉一半预算。数据洞察与问数决策、私域运营与销售转化、电商与零售运营三个场景排在最前，合计占50.7%。这也是供需唯一对齐的共振区。
第二档是效率与内容。数字员工与办公协同、搜索可见度与GEO、营销内容生成与创意、AI视频与图像设计、企业知识库，五个场景大致均匀分布，各占5%到10%。
其中，GEO场景较为特殊，其他场景在图谱里都已存在很多年，只有搜索可见度与GEO是近两三年才崛起的，一出现就冲进前五，体现出品牌对AI搜索入口的抢滩势头。
第三档是长尾场景，包括智能获客与客户洞察、AI数字人、智能营销与广告投放等，合计不足15%。它们不是没需求，而是要么效果难量化、要么嵌入业务流程太深，品牌暂不考虑做大投入。
行业排序逻辑是“数字化成熟度”。头部五个行业金融、医疗健康、家电与3C、文旅与餐饮、食品饮料与酒，合计占去42.6%。
中部行业如零售、汽车、服饰鞋包、互联网与科技平台、地产家居等，单行业占比在5%—7%之间。
尾部五个行业加起来才7.1%，包括生活服务、企业与服务软件、政务服务与公共服务等。
那钱到底往哪些行业流？
从排序图看来，品牌买单靠前的，并不是技术能力最强的互联网行业，也不是对AI最熟悉的行业，而是数字化基础成熟、预算充足、流程相对标准，同时人力缺口较为具体的行业。
高渗透行业的名单印证了这个顺序，它们在上一轮数字化里把数据底座打好了，现在用AI补上最后一公里，而数字化没做完的行业，智能体的渗透极为有限。
把21个行业逐个拆开，差异比大盘更大，每个行业排在第一的场景都不一样，钱跟着各自行业的核心痛点走，没有一个万能场景。
分野背后有共同逻辑。数据洞察和私域采购最多的前三个行业一模一样，都是健康、金融、食品饮料与酒。这些行业用户资产重、复购和生命周期价值高，智能体预算先流向的还是“看清用户”和“够得着用户”这两件传统业务。
但游戏行业是例外，第一需求不是转化场景而是智能化内容生成，因为内容就是产品本身，AI直接进了生产环节。家电与3C大比重投入在私域上，高客单、重服务的生意，最终还是要靠私域把用户维护起来。
集中度也不一样。多数行业前三大场景的合计覆盖超过一半，服饰鞋包76.6%、零售68.6%最集中；互联网与科技平台最分散，前三加起来才36.1%。
另外，覆盖行业最多的私域和GEO，是21个行业都有人用，但它们在多数行业里并不是第一选择，可见通用的是覆盖广度，而不是优先级。
行业决定第一场景，场景决定人机边界。AI能把确定性和可重复的活接走，但要人做判断背责任的地方，它并不能代劳。
回到行业分布看，这条边界在每一个头部场景里都清晰可见。数据洞察场景，AI干的活本质是把数据整理到人能看懂的程度，但是最终企业决策必须得人扛。
私域与销售转化场景，21个行业都在做，也是供给最集中的赛道。AI揽下前段和中段的活，临门一脚的逼单、承诺、异议处理，还是人在做。
营销内容生成分了层次，按内容分量，重要度低的部分AI参与度可以到90%，中间层60%，关键策划只留10%，人定调、人终审。
数字员工、知识库建设与AI视频场景热度很高但边界同样清晰。前二者是AI能让一个人干更多事，释放更多可能收益的增强工具，而不是非此即彼的替代关系。
后者是AI把制作的门槛打了下来，同时把爆款的门槛抬得更高了，竞争从产能上移到创意和判断。
这条边界，成为产品化的分界线。问数、生文、批量出图这类场景，客户密度高、具备规模化空间，但竞争会先转向价格；AI视频、数字人、内容创意类更依赖人力投入，客户密度低，格局会长期分散。
这也解释了为什么供给端大量只做1个场景，大家都在抢能验收、能标准化的前两层，第三层的决策较少先发者。
服务商供给侧的结构，可以拆成几个维度看。
从业务结构看，纯卖铲子的极少，95.5%大多服务商去做业务场景（A层），只做工具层（B层）的占少数。
场景没有做宽，他们选择做深行业。46%的服务商深耕一个行业，19.5%服务2个，服务3个及以上约34%。平均每家服务2.4个行业，过半跨两个以上。
原因在于，多接一个行业靠销售和客户关系，边际成本低，但多做一个场景要重建产品、数据和交付，边际成本高，所以多数人选了前一条路。
从资历看，供给主力是老公司转型。62.7%的服务商成立于2015年及以前，2021年以后入场的原生智能体公司只占9.1%。
也就是，有落地案例的主要是存量营销智能老公司，他们有客户、有交付体系、有行业know-how，做智能体大部分是把AI加装在原有的私域渠道和数据底座上。
这和近几年的观感正好相反，看似大量AI原生公司冒头，实际上5年内成立的服务商只占一成左右；新公司偏爱抢热点，集中在GEO、AI视频与图像设计、基础大模型等新场景抢位。
品牌被争夺的程度同样不均。2365个品牌里，77.8%只被一家服务商点名，被三家及以上同时提及的270家，占11.4%。
回过头来把品牌侧和服务商侧两张热力图对照看，能发现反差——品牌侧的案例在全图分散铺开，服务商侧的深色块全部集中在左上角，往右下角逐格递减，供给几乎全部压在高渗透的行业和场景上，能力面并没有同步变宽。
真正的空档在浅色那些格子。要么需求还没被激发，要么供给还没跟上，无论哪种，先入场的人更容易站住位置。
把需求侧、行业侧、供给侧三张图拼在一起，弯弓认为，未来一两年的机会可以聚焦这三个方向。
第一，把单场景的交付能力做成可复用的模块。供给端不缺案例，缺跨场景复用的能力，谁先产品化，谁就能接住品牌多场景铺开的需求。
第二，客户密度低但需求刚性的场景是价值洼地。企业知识库客户密度高，但供给明显跟不上；GEO冲进场景前五但深耕的服务商寥寥。这些格子处在窗口期，是现在进场成本最低的位置。
第三，行业纵深比场景铺面更容易建立壁垒。入局者可优先挑前三场景集中度高、自己有行业积累的赛道，更容易看到复购。
下半场，竞争壁垒不在于谁更懂AI，工具本身容易被复制，而在于谁更早建立起客户信任。
智能体应用话题井喷，接下来，我们还将继续拆解各类场景应用，每个场景需求和痛点是怎样的、解决方案是怎样的、项目怎么落地、ROI怎么算、品牌怎么遴选服务商等话题，都会以案例的方式逐一呈现。
