不唯大模型论 企业级 AI Agent 落地的关键到底是什么？
小微
（原标题：不唯大模型论 企业级 AI Agent 落地的关键到底是什么？）
图片来源于网络，如有侵权，请联系删除
12月9日，中关村科金与甲子光年联合主办的“超级连接・智见未来”EVOLVE 2025大模型与智能体产业创新峰会在北京举行。峰会聚焦AI Agent在企业级场景中的价值落地与产业演进路径，来自科技企业、投资机构及垂直行业的代表共同探讨了智能体如何成为企业数字化转型的新引擎。
图片来源于网络，如有侵权，请联系删除
甲子光年创始人兼CEO张一甲在会上发布《2025AI Agent行业价值及应用分析》报告（以下简称“《报告》”），指出AI Agent的本质是“大模型的超级大脑+自动化的敏捷双手”，其核心能力在于工具调用、任务规划与自主执行。她强调，2025年AI Agent的崛起并非偶然，而是大模型成熟、算力供给、开源生态与真实产业需求同步共振的结果。
图片来源于网络，如有侵权，请联系删除
当前，企业对AI的期待已从“展示性样板间”转向“可投产的工厂”。AI Agent不再满足于回答问题或辅助操作，而是要完成端到端的工作流，从识别发票到自动走完报销、审批、付款全流程。这一转变标志着AI正从“对话伙伴”升级为“共事同事”，而企业级部署则对其稳定性、集成性与安全性提出了严苛要求。
大模型只是发动机，不是整车
在当前的大模型热潮中，一个普遍误区正在蔓延：认为只要接入强大的通用大模型，就能实现企业智能化。但现实恰恰相反。张一甲在演讲中明确表示：“我们不唯大模型论。”大模型固然提供了强大的语言理解与生成能力，但它只是“发动机”；要造出一辆能上路、能载货、能适应复杂路况的“车”，还需要车身、底盘和一张清晰的地图。
这张“地图”就是企业自身的业务场景。真正的落地公式应为：场景×（数据+流程+算法）。其中，场景是关键的乘数因子，没有对行业痛点、客户逻辑和业务流程的深刻理解，再强的模型也难以发挥价值，这正是行业实施AI的关键――Know-How（专业知识）。例如，在交通基建领域，通用大模型虽能生成通顺文本，却无法准确引用《公路工程标准施工招标文件》中的技术条款。这正是宁夏交建选择与中关村科金合作打造垂类智能体“灵筑智工”的原因。
该案例显示，只有将大模型“做垂、做实”，嵌入行业知识体系，才能解决高门槛、高风险任务，如标书编写、工艺调优或合规审查。因此，企业级AI Agent的起点不是模型选型，而是场景定义。
从通用助手到总工程师
AI Agent的落地形态并非千篇一律。根据行业知识深度与业务流程复杂度两个维度，甲子光年提出“四象限数字员工”模型，为企业提供可操作的实施路径。
在左下象限，“通用助手”处理高频、低复杂度任务，如会议纪要生成或IT工单分派，适用于快速验证价值；右下象限的“执行助理”则面向销售、采购等长链条流程，需打通多个系统实现自动化闭环；左上象限的“专家顾问”聚焦高知识密度场景，如金融风控或法律咨询，依赖专业规则库与推理能力；而右上象限的“总工程师”级Agent，如工业预测性维护系统，必须同时掌握设备机理模型与实时控制逻辑。
宁夏交建的实践印证了这一分层策略。其部署的四位数字员工分别覆盖工程技术文档撰写、核算报表生成、无代码数据分析和投标全流程自动化。结果是：投标文件生成时间降低70%，知识查找效率提升50%。关键在于，这些Agent并非基于通用模型微调，而是通过上万份行业规范、历史标书和内部制度训练而成，真正内化了企业Know-How。
信任基石与数据飞轮
《报告》认为，即便具备强大功能，AI Agent要进入大型企业核心业务，仍需通过六项“硬性大考”：稳定性、可扩展性、易用性、系统集成能力、安全合规与行为可控。这六点构成企业信任的基石。Agent必须像水电一样7×24小时可用，能与ERP（企业资源计划）、CRM（客户关系管理）等系统打通，不可以成为新的信息孤岛，并确保所有操作可审计、权限可管控。
更深层的价值在于“AI 数据飞轮”的形成。每一次Agent与客户、系统或知识库的连接，都会产生带有真实业务语境的交互数据；这些数据经清洗、标注与反馈后，反哺模型迭代，使Agent更懂业务、更精准执行。这一正向循环意味着：AI Agent不是静态工具，而是随使用不断进化的“活资产”。
张一甲提出一个关键判断：AI Agent将会是企业中“越用越值钱”的唯一资产。今日部署的Agent与一年后历经千次任务锤炼的版本，将是两个物种。这种共生式成长，不仅提升效率，更可能重塑组织管理逻辑，当团队核心成员由确定性的智能体构成，管理将从应对“人的不确定性”转向工程化优化“群体智能”，从而打开企业效率与价值的新天花板。
AI Agent的兴起，标志着企业智能化从“辅助人类”进入“与人类协作”乃至“自主执行”的新阶段。其价值不仅在于降本增效，更在于重构连接、优化流程、激活数据，并最终提升组织管理的科学性与系统性。
然而，技术落地仍需克服场景适配、系统集成、安全合规与成本控制等多重挑战。企业需以务实态度，从真实需求出发，以渐进路径推动智能体融合业务。“连接”不是Agent的终点，而是它智能进化的起点。这便是“企业AI数据飞轮”的运转逻辑：Agent每一次连接，无论是连接客户、系统还是知识都在产生新的交互数据，成为企业数据优化的来源；这些数据经过处理和定制，反过来迭代模型本身；最终使Agent这一“超级连接器”变得更聪明、更懂业务。这一闭环形成了强大的正向循环，诠释了“越连接，越智能”的本质。越是深入、广泛、密集的连接，越能激发智能体的潜力，也越能揭示数据与协作在现代企业中的根本价值。AI Agent不仅是一项技术变革，更是一场关于组织形态、工作方式与管理哲学的整体演进。
