TALK

当前，人工智能（885728）正深度重构企业运行范式。在AI的驱动下，企业逐渐从人的集合走向“人智协同”的智能原生新形态，组织、人员、商业模式等发生根本性变化。企业软件架构也迎来根本性重塑，智能体将从辅助工具进化为“数字同事”，与人共同构成下一代企业的核心组织单元，实现从被动响应迈向主动执行、从对话交互迈向自主作业的全新工作模式。

浪潮数字企业（HK0596）副总经理兼CTO郑伟波对话新华网（603888），结合行业前沿趋势，系统阐述企业AI进入智能体时代，如何打造新质生产力，助力企业智能原生转型。

对话访谈实录

记 者

现在有一种说法，AI正在从工具变成同事，浪潮数字企业（HK0596）提出了“数字员工团队”这个概念，这是不是意味着未来企业里会出现人类经理加数字员工的混编团队？管理上会有什么本质变化？

郑伟波

AI从“工具”变成“同事”，从根本上代表了AI能力和形态的变化——AI能够作为一个靠谱的同事，独立自主地完成任务，但依然需要人来操作。

一方面，模型的能力在持续增强，另一方面，智能体技术也在持续进步。现在的自主智能体配合大模型，在某些领域已经具备从“工具”变成“同事”的能力。浪潮数字企业（HK0596）提出“数字员工”，也是因为这样的变化，未来企业中的人机协同将会是常态，现在也有一人组织或者一人团队的概念，麦肯锡也提出了智能体组织的概念，所以，在未来人机协同将会是一种新的组织范式。

数字员工的管理目前还处于发展阶段，数字员工在辅助性工作中已能发挥作用，但是，我们曾经设想让数字员工去承担评标员的工作，但目前还缺少相应的法律法规支撑，技术也尚未达到该阶段。预计未来随着数字员工管理的普及，相关的法律法规与制度将逐步健全完善。

记 者

人类员工与数字员工的交互逻辑是怎样的，会对企业软件带来哪方面的变化？

郑伟波

现在在新的智能体模式下，人机交互的模式变成了人类员工与数字助理基于自然语言对话式的多模态交互模式。数字助理接收任务后，将任务转化成对软件的操作。软件变成了后台系统，对软件的开发也就转变为面向智能体的开发。

智能体操作软件的方式不再是通过以往的图形化的界面，这对于智能体来说并不是最高效的，API、MCP、CLI这些命令行的方式更适合智能体操作。因此，软件的开发方式也在发生变化，更多聚焦于开发工具和技能，通过软件的工具化技能化，被智能体调用。

记 者

现在大家都在谈智能原生，而不是“AI+软件”，这个转变背后的驱动力是什么？

郑伟波

如果说“智能原生”像新能源（850101）电车，而“AI+软件”就像混合动力的模式，它与智能原生在设计理念上有很大差异。

智能原生的软件是按照智能原生的架构去重新设计的，最底层是模型，模型不断产生TOKEN，也就是是智力，类比于CPU产出算力；上层是资源层，核心包含“数据与知识”和“工具与技能”，“数据与知识”用于增强AI的认知能力与确定性能力，而“工具与技能”提供执行的能力；再往上是智能体平台，它变成了一个新的操作系统，使用底层的数据资源与技能资源去完成上层的功能；最上层是智能原生应用层，包括数字员工，负责价值释放。

新的智能原生应用都是按此架构全新设计，特点就是以智能体为中心，调用底层的技能和数据资源；整体更开放，能够独立完成开放的任务，随着自主智能体的能力越来越强，可以独立完成长时间的复杂任务。

记 者

企业的智能体一般会从哪里切入，会不会一上来就进行全自主，结果失控了？

郑伟波

现在企业落地智能体和消费（883434）领域所使用的智能体不太一样，因为企业特别重视合规性与确定性，而企业里面的流程也是非常严谨的。

企业落地智能体的时候也要分场景：对于确定性的场景，要采用确定性的智能体逻辑去支撑。我们发布的智能体平台，就分了四级，其中第一级是链式的，有明确的流程执行的管道，所有的步骤基本上都是确定的；第二级是流程性的，它具有一定的编排，但是总体是在流程编排的大框架下运行；再往上是半自主，再到全自主。不同的层级有不同适用的场景，比如说，全自主场景用于做调研报告或者研究是没有问题的，但是真正嵌入到企业的核心流程，前面的链式和流程性层级的智能体还是会发挥它的作用。

所以企业在落地智能体的时候，还是要根据实际智能体所应用的场景来判断，是一个渐进的过程。

记 者

您提到了本体孪生这个概念，能不能解释一下，为什么现在的AI光靠大模型还不够，还要做本体孪生？

郑伟波

人工智能（885728）在企业应用的过程中，其实最核心的问题就是现在AI的能力在确定性输出上仍有不足。

与我们用它去做写作的场景不同，企业要求所有的输出要有确定性、是可靠的，但大模型是有幻觉的。另一方面，大模型训练的时候往往是让大模型掌握公共知识，但是企业里很多的知识都是内部的，这些知识是大模型所不具备的。

所以，大模型去理解企业的业务规则、经验和流程，实际上存在一定的短板。解决这个问题的核心就是通过数据。一方面要把数据提炼成知识并构建知识库，挂载到大模型上，大模型才能够更好地去理解企业的知识和业务；另外，知识可以进一步提炼出具备明确关系的图谱，大模型的理解力会更强；而本体，实际上是在图谱的基础之上更进一层——通过建模技术将企业的业务活动、实体对象及上下游关系构建为“业务孪生体”，当孪生体和底层的数据进行映射，那AI就可以通过这个孪生体更好地理解企业的业务活动和底层的数据。

所以说，大模型输出的确定性、可靠性会更强，它的输出也更贴合企业的业务，因此在企业落地大模型是非常重要的能力。

记 者

企业AI产品体系与客户自建的系统、大模型与智能体平台如何有机融合？

郑伟波

浪潮数字企业（HK0596）发布的海岳企业AI智能原生产品体系，也是基于这个关系做了充分的思考，采用了开放的策略。

首先从大的角度来讲，企业的智能体平台是在操作系统层面，企业原有的这些系统都会下沉到工具层，通过MCP、Skill等协议封装之后，给智能体调用，这是我们认为的智能体、智能体平台和软件之间的关系。

客户的技能，一方面是基于现有的软件，另一方面也可以自主开发和封装新的技能和工具。而客户和模型的关系也是分层的，在我们现有的垂域模型海岳大模型基础之上，我们还提供了MaaS平台，帮助客户在垂域模型的基础上进一步的定制私有化模型，涵盖从数据集管理、到微调、再到测试发布的全流程解决方案。

但是整体的大方向还是开放的架构：模型和智能体平台是解耦的，海岳企业AI智能原生产品既支持自有智能体，也支持第三方智能体，同样支持客户自己开发的软，核心是通过开放的架构，以开放集成的方式满足不同客户的差异化需求，既能让每一个模块都能去嵌入不同的客户系统，也能提供完整的整体解决方案。

记 者

现在很多场景提到多智能体协同，比如智能报账里，从行程规划到企业报销，好几个智能体一起干活，这跟以前一个机器人干，有什么区别？

郑伟波

多智能体协同的核心在于智能体之间存在明确分工。如果由单一智能体承担过多工作，会导致其体量过于庞大，运行效率难以保障，这本质上是专业化分工的思路。以浪潮海岳报账智能体为例，一方面通过自主智能体依据用户偏好与记忆识别结果提供自主规划，完成行程规划、酒店预订、价格比对等工作；另一方面，在报账环节完成电子发票等多模态单据的识别解析、费用分摊、补助计算等专业操作。每个环节复杂度高、专业性强，因此将其抽象为作用于不同环节的专业化智能体，按需调用，提升使用效率。同时由专业团队持续打磨，强化各智能体的专业能力，以处理更复杂的业务。通过分解与分工实现复杂流程的高效处理，提升整体流程的可靠性。

记 者

除了智能报账，还有哪些典型场景适合企业落地？

郑伟波

企业可落地的多智能体协同场景较为丰富，浪潮数字企业（HK0596）发布了海岳商业AI与海岳工业ai智能体（886099）集群。其中，海岳商业AI主要围绕企业经营管理类场景，包括智能合同评审、智能辅助评标、现金流预测、智能财报等，覆盖原有各业务领域的广泛应用场景。

本次大会我们还发布了全新的浪潮海岳本体孪生平台，并基于平台研发了新的集成供应链计划模块，在智能化层面实现大幅增强。针对供应链领域需求波动带来的影响，可通过本体孪生平台预测需求波动并开展推演，评估物料齐套、供应商状态、人力配备、设备负荷等情况，实现提前预警并输出优化建议。针对紧急插单的全局优化问题，传统经验方案仅适用于局部优化，难以实现全局最优。通过本体孪生平台进行推演，可重新规划生产计划、调拨库存、重算MRP，完成物料采购与产量调整，实现全局最优的统筹安排。

记 者

浪潮海岳智能体集群从商业AI扩展到工业AI，是出于什么考量？

郑伟波

浪潮海岳所服务的客户群体中，经营管理是非常重要的一方面，同时在智能制造、矿山、化工（850102）等行业的生产运营层同样存在大量应用场景，这类场景以边缘侧场景为主，依托物联网（885312）采集的时序数据、工业机理与工业知识支撑上层场景应用。这既是客户的实际需求，也是公司重要的发展方向。

因此去年我们发布了海岳商业AI 1.0，今年已全面升级为海岳企业AI，包含海岳商业AI与海岳工业AI两大核心部分，全面支撑并覆盖企业从经营管理到生产运营各层面的数智化转型场景。

记 者

很多企业上了AI项目，结果发现用不起来，最后成了僵尸智能体，您觉得企业AI项目，落地的关键点有哪些？

郑伟波

从我们服务的客户AI项目实践来看，AI项目要真正落地并发挥价值，核心在于以下关键点：第一，知识工程至关重要，企业的数据治理水平、数据质量、知识提炼能力与知识治理水平、知识质量与覆盖范围，均会对ai应用（886108）效果产生显著影响；第二，驾驭工程不可或缺，智能体的治理与管理，对保障AI可靠稳定运行、实现价值最大化起到关键作用；第三，持续运营是关键保障，企业需配备专职人员持续调研使用情况，定期复盘检视用户价值点是否满足，定位问题根源来自数据与知识、模型能力适配性或其他因素，通过持续优化迭代，使AI场景真正发挥价值。

记 者

您刚才提到了持续运营，企业应该怎么让智能体越用越聪明？

郑伟波

智能体“越用越聪明”可以从两个角度来支撑：一方面源于技术自身，当前智能体技术持续发展，尤其在记忆能力层面持续升级。智能体既可在交互过程中自主积累知识，也可以在使用中封装技能——在交互执行任务并确认结果后，智能体会将完整流程提炼并封装为标准化技能。凭借记忆能力、知识提炼能力与技能自主进化能力，智能体可持续提升综合能力与价值产出。

另一方面来自企业自身的数据知识闭环建设。以合同评审为例，在辅助评审过程中，人工介入与纠正会形成新的判定规则与经验，将这些判定记录回灌至模型与智能体体系，实现模型能力与规则能力的持续沉淀。

记 者

未来浪潮数字企业在产品研发上会重点聚焦哪个方向？

郑伟波

未来浪潮数字企业（HK0596）在产品研发上将重点围绕高价值场景展开。以场景为切入点，驱动技术创新，深耕浪潮海岳商业AI与浪潮海岳工业AI中的高价值场景，而场景要以为客户创造价值为核心。

在场景驱动下，技术层面将重点强化两大方向：一是智能体平台，与开源ToC智能体平台相比，我们将重点强化企业级场景所需的安全性、合规性、可靠性、稳定性及输出确定性，全面提升智能体平台能力与驾驭能力；二是本体孪生平台，也是我们研发的重要方向，核心是让AI更深度理解企业业务，实现更优的价值输出效果。