编辑部 整理自 凹非寺
量子位 | 公众号 QbitAI

从移动互联网的“人机连接”走向AI时代的“智能连接”，企业正在经历一场深层重构。

在大模型与智能体快速普及的当下，中关村科金总裁喻友平给出了一个贯穿技术与业务本质的判断：AI时代的核心，不是工具更强，而是连接更强。

智能体正在成为新时代的超级连接器，把人、数据、知识与智能编织进企业的全流程运行体系中，进而形成新的数字人力体系。

企业智能化不再是一次性项目，而是由场景选择、数据与知识治理、模型构建三元素持续迭代驱动的长期工程。

在量子位MEET2026智能未来大会上，喻友平进一步提出，真正让智能体规模化落地的，是底座平台能力的重构。

大模型平台提供认知中枢，AI能力平台补齐感知细节，AI数据平台沉淀企业级记忆。

在三者之上，打造一个数百上千个数字员工协同工作的“智能体集市”，成为企业营销、运营、生产等环节的组织新单元。

为了准确呈现喻友平的完整思考，以下内容基于演讲实录进行整理编辑，希望能提供新的视角与洞察。

MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下参会观众近1500人，线上直播观众350万+，获得了主流媒体的广泛关注与报道。

核心观点梳理

从互联网时代到AI时代，本质上是连接的进化，即智能体作为超级连接器实现人与数据、知识、智能的更强连接。企业要实现智能体落地，主要优化集中在场景的选择和评估、企业内部数据和知识的整理、模型的选择和构建三个环节上，这三个要素需要循环迭代、持续进化。企业用好智能体的关键在于三个平台：连接算力、容纳各种开源模型的大模型平台，提供感知能力的AI能力平台，把企业的经验和记忆沉淀下来的AI数据平台。企业级智能体落地与ToC智能体最大的不同，在于对“规模化、成本效率和精度”的极致要求。

以下为喻友平演讲全文：

智能体目前还像一个懵懂的少年

非常高兴来到量子位的会议做分享。

中关村科金是一家专注于垂类大模型的企业，核心是将大模型与智能体技术应用于企业场景，助力企业实现增收、降本、提效、合规等目标。

AI时代与之前的互联网时代有什么本质区别？我们认为，AI时代的本质，是通过智能体这一超级链接器，实现人与数据、知识、智能的更强连接。

相比互联网和移动互联网时代，这种连接提供了更高效的通道。

对企业而言，内部层面，不少客户反馈，他们的企业中已有数十个智能体在发挥作用。

本质上，这是为企业新增了一类“数字人力”，能够连接内部各类资源，让员工之间的协同更密集、更高效；外部层面，智能体对客户连接的助力也十分显著，比如基于智能体的营销、客服、销售赋能，都能创造不少价值，这是我们看到的重要机会。

正如前面嘉宾提到的，智能体目前还像一个懵懂的少年，我们在实践中也有同样的感受。

因此，企业要做好智能体的落地应用，需要在三个环节持续循环迭代：场景的选择与评估、企业内部数据与知识的整理、模型的训练与构建。

这和过去信息化、数字化项目不同，不是实施完成后就固定不变，而是一个持续变化、不断演进的过程。

三个核心平台与构建在其之上的智能体集市

作为专注于大模型与智能体企业落地的服务商，中关村科金认为，企业要用好这些技术，需要分几个层次。

首先在算力基础层面，有三个核心平台至关重要：

第一个是大模型平台。

它连接算力资源，兼容各类开源开放模型，可实现从数据标注、模型训练、实施部署到上线运营的全流程覆盖，同时提供Workflow、Auto Agent等智能体构建工具，以及大量模板，是企业的认知能力中枢。

但仅靠大模型平台还不够，还需要AI能力平台和AI数据平台这两大翼侧支撑。

为什么这两个平台不可或缺？

AI能力平台相当于感知系统。OCR、ASR、TTS等技术虽然发展多年，但要结合企业严肃场景的实际需求，要求依然极高。

举个简单的例子，在营销外呼场景中，准确识别客户提及的地址、电话号码等信息至关重要，一旦听错就可能导致后续工作白费。

因此，每个细节都需要专门调优，比如这类关键信息的ASR识别准确率要达到99%以上。

智能体在企业落地的“最后一公里”，需要在这些细节上做足功夫。

另一个是AI数据平台，它是企业的记忆与经验沉淀系统。

唯有将“感知、认知、记忆”统一起来，才能真正实现大模型与智能体在企业的有效落地。

在这三个平台之上，我们会构建“智能体集市”。

企业中可能有数百个甚至上千个智能体，它们需要在一个人机协作平台上协同工作，这一点至关重要。

因为在多数企业场景中，智能体并非要立刻替代人类，而是与人类形成多样化的协作关系：有时是赋能人类，比如帮助快速查资料、辅助写作；有时是在复杂业务流程中与人协同；有时是数字员工自主完成工作，由人类进行监督，甚至存在机器人监督人类的反向情况。

这里要说明一下，我们所定义的“数字员工”，是能够相对完整完成独立任务的强大智能体，而这类智能体或数字员工，都需要在人机协作平台上开展工作。

做好这些基础建设后，才能在企业的营销服、办公运营、研发生产等核心环节创造价值。

企业中应用Agent的两个关键场景

作为企业级智能体开发平台提供商，我们的“得助大模型平台”近期发布了5.0版本。

与To C端相比，企业级智能体落地的核心差异在于如何实现规模化、经济高效的AI创新落地。

这不仅要求训推一体的高性价比和极致的精度调优，还需要强大的企业级管理能力。

更重要的是，我们依托服务2000+各行业头部企业的经验，沉淀了大量经过场景验证的“样板间”和智能体资产，这也是很多客户选择与我们合作的重要原因。

除了平台建设，企业中还有两个关键应用场景：

第一个是营销服场景，这是目前最典型、落地效果最好的场景。

除了前面提到的平台支撑，全媒体、全渠道的联络中心是核心基础，它就像企业与客户对接的高速公路，所有智能体都应运行在这个通道上，实现对客户的全媒体、全渠道统一管理和接入。

在营销服全流程中，我们拆解出了多个数字员工应用：比如线索抓取、识别与打标，过去线上有大量对产品感兴趣的潜在客户未能得到有效服务，而智能体无需休息、始终敬业，能够高效捕获这些线索并开展互动；此外还有外呼、客服、陪练、质检等多个销售智能场景。

可以说，没有智能体，企业很难与数亿用户进行充分沟通互动并取得良好效果，这也是我们从服务过的客户身上得到的验证。

第二个是办公与运营提效场景。

服务众多客户后我们发现，做好问答、写作、审核、问数四件事就能覆盖80%-90%的价值。这四件事的底层支撑，是完整的智能知识库。

在企业场景中，简单搭建的系统基本行不通，企业对容错率、准确性、专业性的要求都极高。

比如我们与中国电建财务公司合作时，就协助其梳理了数百个专业指标，精准解决相关办公运营需求，这也是我们在大量客户服务中积累的经验。

在垂直行业，智能体也有广泛应用

除了营销和运营，智能体在垂直行业也有广泛应用。其中，我们重点关注金融和工业两大领域。

在金融领域，中关村科金过去十几年已服务超200家银行、500余家各类金融机构。

除了营销服场景，我们在风控、消保、信贷等场景也积累了大量智能体解决方案，凭借深厚的行业Know-How，助力银行在各个环节实现智能体的有效落地。

在工业领域，工业人工智能常与传统人工智能概念混淆，其实两者有明确区别。

过往的机理模型、视觉技术、自动化方案已能解决不少工业场景的优化问题，但目前很多企业在这方面仍有较大提升空间。

而大语言模型，以及未来的视觉模型、多模态模型，将推动工业智能化从局部向全局演进。

我们已在这一领域积累了多个案例，比如与中控技术、中南大学、广西产研院等单位合作，为南方有色金属打造了有色金属行业垂直大模型，效果良好。

该模型不仅构建了行业与企业的完整知识库，还结合了能耗节约、设备预测性维护、冶炼工艺优化三个核心场景的能力。

工业智能领域潜力巨大，未来我们期待与更多工业智能化、信息化、数字化服务商展开合作。

中关村科金的定位是全球领先的企业级大模型技术与应用服务商，目前除了在国内提供服务，也在积极拓展海外市场，我们在中国香港、新加坡、马来西亚、泰国、印尼等地区和国家布局，将智能产品推向海外，既服务海外直客，也助力中企出海。

中企走向全球时，不仅需要提供优质产品，更需要配套智能化服务，这一领域的市场空间十分广阔，我们期待与更多出海企业携手合作。

最后总结一下——

大模型与智能体在企业的落地，不像ToC场景那样容易显现效果，其对行业Know-How、准确度、规则遵循等方面的要求更高。

如果说人工智能是一个新时代，那么唯有在企业落地中创造足够价值，才能真正称得上进入了人工智能时代。

期待未来能与更多朋友深入交流，我的演讲到此结束，谢谢大家！

相关攻略

热门推荐