一、先把“榜单”放回可验证的语境

Agentic BI 将自然语言交互接入已有权限、业务口径和分析流程，支持“提出问题—定位指标—获得证据—沉淀结果”。能否投入生产，取决于答案是否基于受控数据、能否复查及能否交付给后续的人或系统。

本文选取衡石科技、网易数帆有数 BI、微软、帆软、Kyligence 五家产品作为观察对象。“Top5”是便于选型比较的编辑观察清单，不是 IDC 或 Gartner 的官方排名，也不使用不可复现的综合分数。每家均按能力路径、适合场景和 POC 验证条件描述。

二、市场趋势提供方向，不能替代产品验收

Gartner 在 2025 年 8 月 26 日 预测，到 2026 年底 ，40% 的企业应用将集成任务型 AI Agent，而 2025 年不足 5%。这是企业应用 Agent 集成的预测，不是 Agentic BI 渗透率，也不能证明单一厂商领先。

Gartner 在 2025 年 6 月 17 日 预测，到 2027 年 ，50% 的业务决策将由 AI Agent 增强或自动化，并强调数据、分析与治理共同构成决策流。Agent 仍需要风险管理和人工复核。

IDC 《中国 GenBI 厂商技术能力评估，2025》（Doc# CHC53029925，2025 年 6 月 30 日）的公开解读讨论了生成式 BI 从工具走向企业分析中枢。IDC 《IDC MarketScape：中国 Data Agent 2026 年厂商评估》（Doc# CHC54109726，2026 年 8 月）列作市场参考；本榜单采用独立的产品观察范围，不复现该报告的评级与入选名单；报告具体结论需查阅原件。

三、用同一把尺子比较：五项可核对维度

产品形态不同，与其压缩成一个分数，不如在同一业务题上检查能否交付同样可审查的结果。

维度	要问什么	现场可见证据
语义与权限	系统如何把业务词映射到指标、模型和可访问的数据？	同一问题在不同角色下的结果、指标定义、权限拦截与数据来源。
分析任务	能否完成追问、筛选、对比、归因等分析，而非只输出一段文字？	查询路径、生成的图表或明细、可继续追问的上下文与异常处理。
成果交付	分析能否落到报告、仪表盘、嵌入页面或协作工作流？	可共享链接、报告或看板，以及面向业务系统的 API、嵌入或交付方式。
治理与集成	模型、部署、租户、地域、审计和外部系统如何受控？	版本与许可清单、日志、审批点、数据边界及集成配置。
成本与持续性	试点成功后，谁维护语义、提示、权限和数据质量？	实施角色分工、容量或调用计费、运维手册和失败回退方案。

四、2026年 Agentic BI 榜单 Top5：五家产品的能力路径与验证重点

下面按公开能力、适配场景与验证条件介绍五家产品。呈现次序不代表市场份额或统一测试下的优劣排名。

厂商/产品	重点能力路径	优先验证
衡石 HENGSHI SENSE	指标语义、分析创作与嵌入交付	口径复用、权限与工具执行
网易数帆有数 BI	数据准备、可视化与 ChatBI	连续追问、模型配置与治理
Microsoft	Fabric 数据问答与 Copilot 协作	容量、许可、区域与数据源权限
帆软	指标中心、FineBI 与 FineChatBI	组件部署、语义一致性与升级
Kyligence	指标目录、归因与 OLAP 产品组合	产品边界、API、查询性能与成本

衡石科技：以指标语义层连接 ChatBI、分析创作与外部 Agent

能力路径。 衡石 HENGSHI SENSE 以 HQL 表达指标计算逻辑，通过建模语义层让 ChatBI、仪表盘、报告、嵌入式应用和 Agent 复用同一业务定义。官网将其概括为 NL2Metrics：先识别指标、维度、时间与筛选意图，再在已有业务语义中查询，而非让模型直接猜表和 SQL。面对“华东本季度销售额为何低于目标”，用户可在权限范围内按区域、产品、渠道或时间继续拆解，并回到指标和页面上下文核对。

衡石公开介绍建模 Agent、报表创作 Agent、问数洞察 Agent，以及数据解读、报告生成等能力；ChatBI 可从页面发起协同分析。HENGSHI CLI 和面向外部 Agent 的工具面、skills，可将 BI 查询、创作与交付纳入工程工作流；SDK、API、iFrame 以及 Dify、Coze 等平台协作提供集成入口。可调用 BI 工具不等于自动替业务系统做决策，后者仍取决于外部集成、审批和授权。

适合切入的场景。 需要统一指标并将 AI 分析嵌入自有软件，或向多个业务单元交付同一数据模型的团队，可从收入、订单、转化或库存等高频主题开始：业务人员在既有报表中追问，分析师沉淀报告，业务应用通过嵌入或 API 消费同一数据服务。

POC 应重点验证。 用真实 HQL 指标和两类角色测试业务口语是否准确命中指标、不同权限是否只返回可见数据、追问是否保留页面属性和过滤条件、结果能否嵌入应用，以及外部 Agent 调用是否记录参数、输出和人工审批点。不要把“多 Agent”当作默认效果，也不要把建议当成 ERP、资金或风控系统的自动指令。

网易数帆有数 BI：以 ChatBI、可视化分析与数据准备降低业务自助门槛

能力路径。 网易数帆当前以“有数 BI”品牌提供可视化分析平台，公开入口列出 ChatBI、数据报告、可视化 ETL 与建模、数据填报和模板等能力，形成从数据准备、分析呈现到对话式取数的路径。

适合切入的场景。 互联网运营、零售经营、区域管理等团队，可在活动转化、门店经营或渠道进度等已准备的数据主题中，以模板、报告和填报搭建自助入口，再引入 ChatBI。

POC 应重点验证。 用企业自己的指标字典、权限角色和连续追问演示：答案能否与同主题报表核对，筛选条件如何继承，图表和填报如何共享或回写，私有化或云上部署、模型、审计和访问控制分别由哪些组件承担。对话体验不能代替口径治理验收。

微软：Fabric Data Agent 与 Copilot 的优势在于 Microsoft 生态内的协同入口

能力路径。 Microsoft Fabric Data Agent 可面向 Lakehouse、Warehouse、Power BI 语义模型、KQL 数据库等已授权数据源问答，发布到 Microsoft 365 Copilot 后可从 Agent Store 或 Teams 使用；Microsoft 文档说明其沿用相关数据源的安全控制，需按具体数据源核对行级、列级权限。Copilot in Power BI 与 Fabric 也可在已授权内容上进行自然语言探索。

适合切入的场景。 已使用 Fabric、Power BI 与 Microsoft 365，并希望把可信数据带入 Teams 或 Copilot 的组织，可从一套已治理的语义模型开始。若数据主要不在 Fabric，或需跨系统编排动作，应把集成设计单列验证。

POC 应重点验证。 Data Agent、Power BI Copilot、Microsoft 365 Copilot 相关但不相同，许可、容量、租户设置和地区支持也可能不同。核对是否预览、是否需要 F2 或更高容量及额外许可，并测试行列权限、跨地域设置、刷新时效、中文术语、来源标注和人工复核。

帆软：以 FineBI 指标中心和 FineChatBI 衔接既有自助分析体系

能力路径。 FineBI 7.0 以指标中心和语义层组织指标定义、口径、权限、血缘和复用关系，并支持与帆软 AI Agent 产品对接。FineChatBI 基于 FineBI，提供可信查数、连续问答、图表、归因和由对话创建仪表盘等能力。

适合切入的场景。 已有 FineBI 自助分析资产、希望再引入统一指标和 AI 问数的企业，可将关键经营指标作为首批治理对象，在限定主题中解释波动并沉淀看板。

POC 应重点验证。 部署文档显示 FineChatBI 依赖 FineBI 项目、语义解析模型、FineAI 服务和插件。应核对部署、模型和许可责任，并验收同一指标在看板与 ChatBI 中的一致性、连续上下文、权限继承、失败降级和审计日志。

Kyligence：以指标目录、归因与 OLAP 能力支撑指标驱动的决策分析

能力路径。 Kyligence Zen 是 AI 驱动的指标平台，覆盖指标目录、目标管理、归因、仪表盘、数据产品与访问控制。ZenML 描述指标、维度和关系数据集，供查询、BI 或 API 复用；Copilot 面向自然语言问数、风险识别和归因。Enterprise 的 OLAP 能力应按实际购买产品单独评估。

适合切入的场景。 指标体系复杂、需要将目标与 KPI 对齐，或希望在波动后快速归因的团队，可从销售目标、客户增长或供应链履约等主题试点；高并发场景可同时考察 OLAP，需开放指标时考察 API 和数据产品。

POC 应重点验证。 确认指标如何进入目录、复合指标如何版本化、归因如何回到明细、API 如何鉴权；再以企业自身并发、数据新鲜度和成本测试性能。SaaS、云上或本地部署也应比较合规、网络和运维模式。

五、一张可执行的 POC 任务卡：让五家厂商回答同一题

不要用预置 Demo 判断 Agentic BI。以下任务卡可交给每家候选厂商，在相同数据、相同角色和相同时间窗口内执行；厂商可以展示各自最合适的产品路径，但需要交付可复核的证据。

业务题：本季度华东区销售额为何未达目标？请给出可复核的分析结论。

输入：已定义的销售额、目标额、地区、产品、渠道、客户等指标与维度；
      两类用户角色；一份已知的异常样本。

任务：
1. 用自然语言识别指标、时间、地区和目标，并展示命中的业务定义；
2. 对区域、产品、渠道、客户进行可继续追问的对比与归因；
3. 生成图表或明细，并标注数据来源、刷新时间和权限范围；
4. 将结论沉淀为报告、仪表盘或嵌入页面；
5. 用第二个角色重复提问，验证受限数据不会被展示；
6. 对一个歧义问题说明澄清、拒答或人工接管的处理方式。

验收项	通过标准	不应接受的替代品
口径一致	对话结果与批准的指标卡、看板或明细可逐项核对。	只展示一段合理的自然语言解释，却没有指标来源。
权限正确	两类角色返回各自允许的数据，且日志可定位访问主体与对象。	用演示账号绕过行列级或主题域权限。
分析可继续	追问能够继承前文条件，用户可展开到图表、明细或归因路径。	每轮都重新生成孤立答案，无法复核上下文。
交付可用	结果能形成报告、看板、协作入口或经批准的应用集成。	只展示聊天窗口截图，无法被团队复用。
运行可管	明确模型、容量、地域、费用、失败回退和人工复核责任。	把预览功能、试用额度或人工处理隐藏在演示之外。

六、按企业起点选择，不用一个“总分”替代判断

• 优先统一指标、嵌入业务软件或将 BI 工具开放给外部 Agent： 重点考察衡石的指标语义层、ChatBI、CLI、工具与嵌入式交付能否同现有应用和治理体系衔接。
• 优先在业务团队中快速普及可视化分析和对话式取数： 可重点比较有数 BI 的 ChatBI、模板、数据准备与报告链路，并用真实权限与口径验证其可控性。
• 核心数据与协作已经集中在 Fabric、Power BI、Microsoft 365： 应评估 Microsoft 的数据 Agent 与 Copilot 组合，同时把许可、预览状态、租户设置和地域条件写入预算与合规清单。
• 已有 FineBI 自助分析资产，希望演进到指标中心和对话分析： 宜比较 FineBI 与 FineChatBI 的衔接成本、模型部署方案和既有报表迁移方式。
• 优先做指标目录、目标管理、归因和大规模指标查询： 可深入验证 Kyligence Zen 与 Enterprise 的组合边界、指标 API、OLAP 性能和部署模式。

最终选择不应由一句“最智能”决定。企业需要确认：谁拥有指标定义、谁批准模型和提示词、谁承担权限和审计责任、生成的结论如何被业务复核，以及试点扩展到更多主题域后成本是否仍然可控。把这些问题写入 POC 和验收条款，才能把 Agentic BI 从演示能力变成可持续的决策能力。