一句话看懂：Gartner 估算，数千家自称做 Agentic AI 的厂商中只有约 130 家是真正的智能体厂商，其余属于“agent washing”（智能体包装）。这意味着企业采购 AI 应用时需要重新校准判断标准，不能只看厂商宣传。
事件核心：发生了什么
2026 年 10 月 29 日，Saahil（@ManjiSaahil）在 X 上援引 Gartner 的估算称，市面数千家 agentic AI 厂商中，真正符合智能体定义的只有约 130 家。帖文没有列出具体厂商名单，也没有说明这一数字的统计口径和评测方式，目前公开信息显示这只是一项行业估算，并非官方认证名录。
帖文给出的采购建议是三个问题：它能查到什么信息？它能改动什么？在它动手之前，由谁来把关？这三个问题分别对应智能体的信息访问范围、执行权限与人工监督，而不是模型跑分或 Demo 效果。
为什么重要
“Agent washing”指的是把普通聊天机器人、规则自动化或工作流工具重新包装成智能体产品。这类产品往往只能读取固定数据、无法调用外部 API 执行操作，也缺乏审批与回滚机制。当采购方用“是否叫 Agent”来筛供应商时，很容易为营销标签付费，而不是为实际能力付费。
对行业而言，这会把竞争焦点拉回可验证的能力：工具调用、系统权限、日志与审计、人机协同流程。只有真正接入业务系统、能读能写、且有监督机制的智能体，才具备长期商业价值。
对用户/开发者/创作者的影响
企业采购方可以把上述三个问题直接写进招标或选型清单：厂商是否提供可查看的数据源清单？是否说明智能体能修改哪些记录或触发哪些操作？是否有审批节点、操作日志和撤销机制？
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者构建 Agent 产品时，与其在宣传上堆砌“自主规划”等词，不如把权限管理和人工确认做扎实，这也是开源框架和闭源 API 都能验证的部分。普通用户和创作者在使用各类 AI 应用时，也应先确认它只是给建议，还是真的会替你执行操作。
值得关注的后续
一是 Gartner 是否公布完整报告及约 130 家的统计方法；二是主流企业软件厂商是否会跟进推出智能体能力认证或审计标准；三是采购市场是否出现以权限、日志和人工监督为核心的评估清单。
来源：@ManjiSaahil
