插插综合APP

插插综合APP

要让Agent成为工作助手，需要破解哪些环节？

文｜《中国企业家》记者 闫俊文

编辑｜何伊凡见习编辑｜李原

图片来源｜中企图库

12月6~7日，由《中国企业家》杂志社主办的2025（第二十三届）影响力企业家年会（原中国企业领袖年会）在北京召开。在7日进行的高峰对话环节，钉钉副总裁贾伟作为主理人，与中国信息通信研究院人工智能研究所所长魏凯、昆仑万维董事长兼CEO方汉、爱诗科技创始人兼CEO王长虎、剂泰科技联合创始人兼首席执行官赖才达围绕Agent（智能体）兴起与应用做了讨论和分享。

以下为精彩观点：

1.未来，治病会像编代码一样，直接把38亿个细胞里面真正“错掉”的几万个细胞，从疾病“编写”回健康。

2.对企业来说，最关键的是过程数据能否被学习，一旦做到，那用Agent就能快速增效。

3.不管是增强型还是自动化Agent，要强调Agent是人的代理，人还是要对它负责，定义它的目标。

4.基于Agent目前的能力限制，我们要选择一些非主要的业务以及对于成功率不要求100%的业务，容易先落地的。

5.如果公司一号位特别有意愿发展Agent，做降本增效的人是不是有同样的判断力？我们需要找到合适的执行、设计、调试的人，以及最后有能力集中部署Agent的人。

以下为高峰对话环节分享全文（有删减）：

未来，治病像编代码一样

贾伟：今年是钉钉的第10年，我们已经服务了7亿用户、2600万组织。但今年特别不一样，之前我们也提到了All in AI的战略，很多企业从不用AI到用AI，从没有创建企业级的Agent到有了Agent，再到在各个业务领域协同办公，跨端的应用越来越多。我们先请大家谈下，在当前AI领域的合作点上，哪个领域是重点关注的板块？

魏凯：我来自中国信息通信研究院，我们单位有两个角色，一个是国家的智库，参与人工智能顶层设计，包括今年8月出台的《关于深入实施“人工智能+”行动的意见》，我们也参与了起草。

中国信息通信研究院人工智能研究所所长魏凯

另外一个是产业平台的角色，我们跟很多企业一起研究国家人工智能的技术怎么往上攀高，怎么用人工智能改造传统产业，做落地应用，这个路上可能有很多的障碍需要去破解。

最近几年，人工智能让我们感受到了扑面而来的热潮，非常有冲击力，带我们进入了一个新的纪元。我也在思考如何去概括2025年的人工智能？这是非常重要的、承前启后的一年。我们的基础模型能力进化到一定程度，转化成现实生产力的可能性大大增加了。所以大家今年更多在谈，怎么把人工智能说话的能力转化成干活的能力。

方汉：昆仑万维是一家在A股的上市公司，主要做互联网出海。我们95%的收入来自海外，从2020年开始做AI方面的研发投入。到目前为止，我们在AI音乐、AI视频、AI Office、AI社交、AI游戏等方面都有长期投入和具体的产品落地。AI也给我们带来了收入规模上的高速增长。去年，我们的全年收入是58亿元。今年前三季度，我们已经做到了56亿元。在海外，我们的AI音乐产品、AI社交、AI Office都已经产生了实际的收入。我们在基座大模型上做得也比较多，目前最出彩的是音乐生成大模型，稳居全球前两名的位置。

我们最看好AIGC赛道，因为AIGC赛道能极大地降低所有人创作内容的成本和门槛，这样会导致整个内容产业产生巨大的变化。举个例子，像《哪吒2》的拍摄成本是3亿元。我们预计，在3～5年内可能会降到不到10万元，这对全球的内容生成产业都是一个巨大的变化。

王长虎：爱诗科技成立于2023年初，那个时候大模型刚刚兴起。我们是做视频生成大模型、视频大模型以及应用的，比Sora早一年做视频生成。过去两年多时间，我们的模型一直在全球第一梯队。我们的PixVerse V5模型登顶了Artificial Analysis全球图生视频排行榜的第一名，我们的产品发展很快，在a16z发布的全球50大AI App里面排名第25名。我们的用户数已经超过1个亿，每月的访问用户数超过千万。所以无论从模型、产品、用户，我们保持了较强的竞争力。

未来我们希望每天玩抖音、TikTok的几十亿普通人，能够轻而易举地用一句话、一张照片创作出一段视频，去分享、交流和交互。现在越来越多的行业已经受益于我们的产品和视频生成技术，包括短剧、漫剧、电影、广告视频生成、电商行业等等。

赖才达：剂泰科技专注用AI去做纳米材料的开发，是一个AI for Neuro（人工智能用于神经科学）的平台。我们在做的是发现新的一些纳米“小火箭”，有点像制药界的SpaceX。在人体体内，这些纳米材料可以导航到不同的器官，像肝、肺、心脏、肿瘤、免疫器官等等，精准地把药物在病灶释放出来。我们希望有一天，治病能像编代码一样，直接把38亿个细胞里面真正“错掉”的几万个细胞，从疾病“编写”回健康。

Agent能力泛化，降本增效

贾伟：Agent的本质是什么，为什么在这个时刻到达一个拐点，它会带来怎样的增长和变化？

赖才达：我们花了多年时间建造了一些预测或者生成的模型，去了解复杂人体内如何实现GPS导航，怎么设计纳米材料，让它跟蛋白结合，去解析不同的化学讯号，到达正确的器官组织上释放。所以前些年，我们开发了非常多小的算法或模型，用大量干湿实验数据支持底层建设。我们一年要做2万到3万只小鼠（实验），去支持这样的平台开发。

剂泰科技联合创始人兼首席执行官赖才达

积累了这么多（数据）之后，行业里有了非常多的蛋白模型、小分子模型。现在我们在做的就是用Agent模式，把它们串在一起。不是简单的问与答，而是可以把做哪些实验、怎么设计实验、怎么自动化做好实验，串成全流通的用Agent调度干湿实验的平台。我们希望有一天，我不用雇100多个博士去做这些工作，而是大量使用Agent的方式，让1个博士做相当于10个博士做到的事情。

我们已经发现，通过串联Agent，现在从立项到PCC（临床前候选化合物）阶段大概11个月就可以完成，以前这个流程可能要花5年以上。这也大幅提高了制药的效能。

我们是第一家实现AI赋能的药物完成临床三期的企业，打通了从立项概念到真正在人体上验证药效安全性，解决患者的痛点。我们第一款药可以解决1300万个患者临床痛点，打开了非常大的增量机会。

我们希望能把它大规模复制，用到更多产品管线中，用到各个适应症，肿瘤、心血管疾病、代谢、减肥、致敏疾病中。这一定要用Agent的方式，才有可能完成这么多产品的布局。

王长虎：Agent到底是什么意思，为什么会演进到智能体这个名字？我去了解了一下，它最早可以追溯到古罗马时代。那个时代Agent代表着行动者、执行者，帮助别人做事情。中世纪之后，分工越来越细，Agent又变成了更垂类的执行者、代理人，比如法律、商业的代理人。近几十年，AI、计算机的发展中，Agent叫作智能体，其实更强调智能。它的一大特点是要有主动性，有规划能力、推理能力，要具备智能。此外，它也要是个执行者，能帮我们解决任务。Agent的核心是能够自主完成一个完整任务流程。

对于企业来说，要想利用好Agent，主要是有两个方面。一是如何利用AI时代新的产物来创造新的价值，我们的产品叫“拍我AI”，里面也有视频Agent，可以帮助用户创造出更高级的视频内容，实现更强的创作能力。

另一方面，如何利用Agent来帮原有流程降本增效，如何找到最适合的Agent来升级环节；找什么样的人来解决问题；如何评估这个环节被Agent替换之后，真正产生价值，还是浮于表面追热点；如何让我们的整个链条更智能化。

贾伟：AI也好，Agent也好，不是目的，是手段。最根本的还是要围绕企业的效率提升定义合适的场景。如果我们把Agent当作业务模式，昆仑万维有没有在业务落地环节的经历或者案例分享？

方汉：首先如果把大模型看作CPU的话，Agent就好像外设（外部设备）。为什么Agent到今天才突然爆发？本质上是大模型本身的演进，从ChatGPT的背答案到GPT4o的给过程，各种各样的大模型都开始泛化过程。

本质上，Agent是过程、可以学习这件事情可以被大规模工业化，最好的过程数据是在数学和编程领域。现在所有的大模型评测，都以数学和编程作为评测标准。对企业来说，最关键的是你的过程数据能否被学习，一旦做到，那用Agent就能快速增效。

大家都爱讲通用Agent和垂直Agent，我们认为通用Agent只有一个赛道，就是Office（办公软件），所有的企业都会用Office。除了Office以外，没有一个通用Agent可以解决各行各业的问题，大家更需要垂直Agent。垂直Agent依赖于行业的过程数据，否则Agent没有办法完成自动化的过程。

昆仑万维董事长兼CEO方汉

以我们企业为例，我们在海外做短剧业务，一部短剧需要同时翻译为十几种语言。首先你要有Agent提取字幕，另外一个Agent进行翻译。翻译完以后，还有一个Agent配音，配音又要和人物的口型匹配。我们是把整个工作流的过程数据收集起来以后，才能让大模型学会怎么高速自动化这件事情。企业一定要反思业务流里的过程数据能否清晰地被大模型学会，如果学不会，你的Agent工作流也跑不起来。

贾伟：原来的工作流是靠人来定义的，有了Agent以后，Agent学会了每个工作流背后的技能，形成了Agent快速调度以及一站式协同的能力。无论在企业级市场还是做更多业务集成的创新当中，完全可以把更多老匠人、老师傅的手艺，交给Agent完成效率提升，这也是做服务业务或者做企业级平台，都一定会看得到的未来局面。

魏凯：我从两个角度理解Agent，一个是技术角度，一个是业务角度。技术角度看，Agent就是大模型上的App，大家用大模型都是问它问题，它给你输出一大段答案，大家觉得这个很不解渴。

在今年年初曾经出现过一轮热潮，企业接入DeepSeek、千问等开源模型，买了很多一体机，过了一段时间以后，很多流量又下来了。“只能说不会干”的形态，解决不了企业真正的需求。

Agent在大模型的基座上叠加软件的功能，再加上知识库、工作流这些功能，使得它成为封装起来的软件。这是从技术上理解Agent为什么今年火热？因为基座模型给它提供了非常好的操作系统。

从业务角度理解，Agent就像数字员工。这也是得益于模型能力能听懂人话、规划任务，知道它要调用什么样的工具，跟其他Agent怎么交互。今年也出现了包括MCP、A2A在内的很多协议，它们极大扩展了模型和可干工作的范围。

Agent这个词跟中文翻译过来的“智能体”还不太一样，Agent是代理，人在背后是负主要责任的。业界把人工智能、大模型包括Agent的应用分为两大类，一类是增强型作用，增强人的能力；第二类是自动化，流程不用人干预，从头到尾就能给你干完。不管是增强型还是自动化，要强调Agent是人的代理，最后是人对Agent负责，定义它的目标。

现在Agent可以接入更多的知识库，调用企业里的OA、API，越来越像你的合作伙伴，工作队友，怎么让这个队友持续得到进化能力？飞轮能转起来，Agent在你的企业里才有土壤，才有扎根的可能性。

企业落地：找真场景，找人与找数据

贾伟：如果面向一家企业去做AI或者Agent部署，我们有什么样的建议？第一种，企业购买一体机，把模型部署到本地。第二，选择SaaS方式做一些简单的部署、轻量级的应用。当然也可以用类似的企业级平台，钉钉也有围绕企业侧快速创建Agent全链路的能力，除了阿里巴巴、字节、腾讯也开发了不同的AI搭建和AI部署。在真正的企业级部署AI过程中，要让Agent真正来发挥效率，我们应该怎么部署？

魏凯：最重要的、最难的事是怎么定义真场景，而不是一种伪场景。对机构来说，第一步，要筛选适合的Agent，无论是增强还是自动化场景。如果这个看不准，很多领导的期待会离最终投资收益差得很远。

第二步，需要本地的知识库和本地数据做好治理。如果没有需求，企业老板不太愿意往“下水道”工程里投太多钱。但如果不去做数据治理、知识整理、加工，Agent到你的企业里也干不了什么事，因为它不知道你的流程，不知道老师傅的经验是什么。这个要补课，要投“下水道”工程和数据治理底层的建设。

第三，企业引入Agent和我们在朋友圈里看到的通用Agent跟公有云上的Agent有一定的鸿沟。这个鸿沟来自很多企业部署不起满血版的模型，我们也很难有非常好的infrastructure（基础设施）支持Agent的可观测性、持续改进等。这是技术扩散的过程，慢慢地把企业内部Agent开发运行环境要建起来。由于各种安全要求的限制，没法用公有云时，也要在内部加快Agent平台的开发。要跑起来，从小到大扩展，就有可能了。

最重要的一点是持续进化的能力。要有小切口场景，有沉淀的观测数据，有改进的方向，形成持续迭代的闭环。

方汉：评估Agent能否在企业落地有一个最简单的判断标准，这个企业有很多道工序，如果你的某一道工序可以全部在电脑上完成，你的Agent落地才有可能性。

中国很多企业连信息化这一步都没完成，Agent能不能落地，先看你的工序能不能完整地在电脑里运行，这是第一步。

第二步，你能不能把在电脑运行的过程数据完整地记录下来，这才是企业在垂直行业的护城河以及长期的积累。这些数据交给大模型训练以后，让大模型学会这个过程，才能调用Agent，把过程完整地自动化。

最后，Agent的调用业内有一个成功率的问题。现在没有哪个Agent敢说自己的成功率是100%，这时候你要选择什么样的流程，去用Agent落地比较关键。比如财务用Agent，少算一个小数点是要命的；但有一些赛道比如配音，我们对错误还是可以容忍的，就可以大胆地采用。

简而言之，基于Agent目前的能力限制，我们要选择一些非主要的业务以及对于成功率不要求100%的业务先做落地。对重要的、关键性业务，一定要慎重以及积累更多的过程数据。

王长虎：部署Agent首先要确定好目标，一定不只是把“锤子”用好的问题。不仅是技术层面的问题，还是业务层面的问题。在业务价值导向上，我们需要判断哪些事情是需要用Agent替代并且帮助企业发展的。

爱诗科技创始人兼CEO王长虎

只有业务视角是不够的，先要看基础设施是不是足够ready（准备好）。Agent不仅依赖于大模型的能力，它可以自由地根据判断以及目标要求，调动API能力。企业里面的数字化建设是不是能够支撑某个局部Agent的运行，是特别重要的。如果做不到，我们首先要先让很多线下的东西线上化、系统化。

另外对基础模型要有选择。选哪类模型、哪个大脑可以帮助Agent快速发展，都是要从技术侧做思考的。更重要的是，除了业务视角、技术基础之外，还有人、组织的匹配。在很多行业特别是偏传统的行业里，现有人才是不是能够支撑Agent在企业里快速落地和发展，这也很重要。

我们要有判断，找到最合适的点去突破。谁能做这个事情？如果公司一号位特别有意愿发展Agent，做降本增效的人是不是有这样的判断力？我们需要找到合适的执行者、设计和调试的人，以及最后有能力集中部署Agent的人。这些人要靠内部培养还是对外招聘？企业里是不是能搭建出这样的小团队，帮助我们在新的时代更好地应对AI、大模型、Agent？业务视角、技术基础、人才储备这三者缺一不可，只有同时到位，Agent 才可能真正为企业创造价值。

组织变化：谁用的token数少，谁有问题

贾伟：企业级的模型部署带来的另外一个变化是，AI快速增长后，对于整个组织和人才的重塑。数字化是一号位工程、智能化是一号位工程，组织和人才其实也是一号位工程。大家如何看待AI对组织人才带来的变化？

钉钉副总裁贾伟

赖才达：我们公司创业第一天，就想做一个AI tech-bio（AI科技生物公司），我们找了很多不完全是纯粹制药背景的人。有integrated（集成者）跟translator（翻译者），比如做AI纳米材料、AI药物的人。同时他们要懂怎么把药化、化学、生物的问题变成计算机的问题，要做translate（翻译）工作。

大部分做PM（项目管理）的人，能把各种工具整合在一起，手头有大量的传统知识文本。这些文本通过AI可以找到很多insight（洞察力）跟hypotheses（假说）。这些假说怎么通过高通量的实验、机器人去做验证，再通过传统方式去做人体实验。

制药的验证周期比较长，对integrated（集成）的要求特别高。既要有二三十年经验的老兵，又要他们懂得怎么用新时代的工具去产生最好的结果。老兵也要能跟年轻的科学家沟通，通过AI做到最极致，解决行业几十年做不到的问题。

方汉：编程是目前AI应用效率最高的领域。我们统计过，用AI来辅助编程提升程序员产出30%以上。这时，你要想考核大家，一个很重要的指标是我们不能看谁用的token数多，因为这个可以很轻松刷上去。但谁用的token数少，这一定是有问题的。

现在，大模型的能力已经超过普通员工能够掌握的程度。所有人只有拼命地学习、适应，才能把公司的业务知识融进去，让大模型更好地为你服务。

企业家也要成为大模型忠实的使用者，你只有使用了大模型或者Agent，才能知道它的能力边界在哪儿。我不仅这样要求我的下属，我对自己也要求一个月得用两亿token以上，才不容易被大潮流甩下去。我才能够感知AI前沿的边界，保证自己的企业在竞争中不落后。

贾伟：我每天用的AI还有贴在手机背后的AI助手（钉钉A1录音卡），助手可以把我每天的会议记录下来。而且每场会议结束那一刻，AI会自动完成会议总结。过了一两个月，我突然发现，我可以写一本书，题目叫“我的2025”。这本书不是我写的，是我的AI Agent写的。今天，钉钉上已经有大量的客户用AI做办公协同的提效，也有更多领导需要做会议管理、面试管理、员工管理、组织管理的时候已经不通过秘书了，而是通过Agent助理。

（本文由钉钉AI会议纪要协助整理）