能否上崗，企業Agent的檢驗標準

文 | 謝浩kiki

DeepSeek「掀桌」三個月以來，一場擺在臺面上的大模型生態重構正在進行時。

一面是DeepSeek帶動大模型走入公眾視野，加速了開源模型的迭代，也客觀上促進了部分閉源模型轉向開源；另一面，隨著模型輕量化與壓縮技術突破，MoE架構成新寵，算法革新和模型優化下，全球大模型掀起了卷成本的新浪潮。

除此以外，從單模態到多模態，多模態大模型的技術突破，加速AI應用從工具向生產力轉化，大模型正進入「深度應用」的下半場。

據OpenAI研究員姚順雨的定義，上半場AI的發展主要是找到有效訓練模型的方法，而下半場則需要找到可行的方案，讓模型解決人們生活和工作中更實際的問題。

無獨有偶，在近期刷屏的紅杉AI峰會中，Pat Grady也預測，AI目前可以服務的市場規模已達到了萬億美元，而如何通往這個萬億美元世界，他在白板上寫下的共識是：

“下一輪AI，賣的不是工具，而是收益。”

近期的京東云上海城市大會上，京東集團技術委員會主席、京東云事業部總裁曹鵬也認為，大模型已全面走向深度應用，他表示，數字員工的上崗率成為衡量一個企業先進性的標準。

國內外科技大廠的一致共識下，一場AI原生企業浪潮正在中國企業內部悄然發生。

一、CEO們的新KPI，成為一家AI原生企業

隨著大模型競逐邁入第三年，DeepSeek引發大模型新一輪重構后，AI落地顯然已從企業的估值故事，轉化為了滲透實際經營環節提質增效的關鍵抓手。

當前，國內企業已基本實現了「用上大模型」階段指標，而隨著模型使用的深入，能否「用好大模型」，成為AI原生企業，則成為了這場AI軍備競賽中，下一階段的勝負手。

不止一位企業管理者曾向「硅基研究室」提到，AI已成為企業向外尋求增長，對內提升效能的關鍵引擎。今年4月，一位軟件廠商CEO向「硅基研究室」指出，他們今年的目標是成為一家AI原生企業，實現從員工到供應商的全員AI化。

不少CEO眼中，企業AI滲透率也已直接影響企業收益，不久前，電子商務巨頭Shopify CEO Tobias Lütke就在一封內部信宣布全員必須掌握AI技能，將AI納入績效考核，在項目原型階段就強制使用。

這和京東云的觀察類似，盡管從行業來看大模型的新型企業還未出現，但在領先企業中的部分領域，AI已有了深入使用，微軟首席執行官薩蒂亞·納德拉也透露，微軟內部代碼中有大約20%到30%是由AI生成的。

京東云給出的判斷是：“數字員工上崗率將成為衡量未來企業先進性的標準”。換言之，有多少工作是AI完成的，這將決定了企業未來能跑多快、走多遠。

“AI原生”的迫切和焦慮背后，圍繞如何用好AI，企業也面臨不少挑戰和困難——

據「硅基研究室」觀察，成為一家AI原生企業，還存在兩個需求鴻溝：

一是在短期需求上，企業端加速AI規模化需要借勢「深度應用」，實現小馬拉大車。高質量的應用落地不僅能迅速解決企業實際場景問題，帶來看得見的利潤收益，還能成為開啟企業AI轉型時代的鑰匙。

二是在長期需求上，隨著企業應用深入，勢必對計算資源的需求有指數級增加，企業需要更可信賴、可持續和更具性價比的計算資源，這也意味著AI基礎設施將走向優化重構。

這些痛點如何解決？誰能來解決？京東云給出了自己的答案。

二、AI的深度應用，才是硬通貨

想要成為一家AI原生企業，關鍵的一步還是找到能驗證和實現AI價值落地的真實場景。

過去，大模型之于企業，無疑提供了一份通用的「標準答案」，但不同企業實際業務場景、行業know how也不同，大模型落地企業就像是用「瑞士軍刀切牛排」，規模化部署復雜，場景選擇難、技術門檻高，不僅無法降低AI的使用門檻，也阻礙了企業內部AI使用率的提升。

換言之，企業落地和挖掘大模型價值更需要的是一把「牛排刀」，這把「牛排刀」需要具備三個特點——

一是通用化，能理解和滿足企業業務場景的主要通用需求；

二是輕量化，部署和落地成本低，操作和使用門檻低；

三是可用性，真正能賦能業務場景，帶來看得見的業務收益；

更關鍵的是，這把「牛排刀」最好還能成為企業高頻使用AI的「深度應用」，能帶動企業后續AI的持續滲透和規模化落地。

從全球科技大廠的實踐來看，智能體，正是深度應用方面最具代表性的方向，包括OpenAI、谷歌等玩家都在推動智能體深入企業服務、協同辦公等諸多垂直領域。IDC也曾發布預測稱，到2026年將有50%的中國500強數據團隊使用AI Agent來實現數據準備和分析，并成為重要組織者和協調者。

京東集團技術委員會主席、京東云事業部總裁曹鵬也在演講中提到：“隨著大模型的全面升級，智能體也出現了一個新的技術性飛躍，從過去被動響應需求進化為能主動聚焦問題、精準運算、深度分析和智能決策、精準執行。

這基礎上，京東云也順勢將多年積累的智能體能力，沉淀至全新升級的JoyAgent智能體2.0中，面向不同行業開放能力，支持更多企業進行深度探索。

相比通用智能體，京東云JoyAgent智能體2.0的進化邏輯更為復合。

一方面是在企業應用場景方面「化被動為主動」，更能干事。

除了能深度分析市場數據，生成全面精準的市場分析報告；JoyAgent還能進一步輔助業務人員執行專業的工作，某些場景甚至可以完全進行全流程的閉環運行。

當前，京東內部已部署超1.4萬個智能體，承擔了企業超過18%的工作內容，覆蓋了外賣員招聘、財務管理等多個業務環節。

另一方面，針對單智能體難以開展的工作，JoyAgent也可以憑借自研的多智能體協同引擎，高效協作，通過共識算法快速達成決策，合力解決難題。

在GAIA Benchmark的Level 1-3測試中，JoyAgent表現卓越，尤其在復雜任務處理上優勢明顯，超越眾多競爭對手，展現出了復雜、嚴肅商業場景下的商用價值。

上述能力，也由更多企業場景的具體落地案例為我們所揭示。比如在味全食品，京東云搭建的一套會議管理智能體系統，可以自動生成會議紀要，并分類歸檔，提升組織運轉的效率；在中國飛機租賃，面對高專業度、高復雜性的知識查詢需求，京東云以智能問答系統大幅提高員工的決策和響應速度。

在融資火熱的AI編程領域，「硅基研究室」也觀察到，當前AI編程也從「能寫代碼」轉向「能交付特定業務價值」，以JoyCode智能編碼助手為例，其不僅幫開發者預測代碼、生成注釋、進行智能評審，代碼采納率超過40%，開發周期縮短30%，還在上萬名研發人員的高頻使用中不斷產生業務價值。

以高性價比、高轉化特點廣泛應用于直播領域的數字人也是如此。截至目前，京東數字人已在9000+商家開播，成為靠譜的「賽博打工人」。憑借高保真低成本的人體建模技術、多模態自然化行為生成等數字人全棧自研能力，京東云數字人也已實現大規模的商用落地，今年618京東云數字人還宣布向京東商家免費開放，破局更多商家的直播轉化難題。

不難看出，AI深度應用，才是推動大模型深入千行百業的硬通貨，越來越多的企業也早已對模型的參數祛魅，取而代之的是關注部署模型的性價比，以及與自身業務的融合。

這也倒逼模型廠商作出更多的改變，比如在醫療、金融等領域，普遍關注數據安全和可控性，京東云順勢推出的大模型一體機過去三個月已部署超500臺，成為企業靈活本地化部署、深度應用AI的輕量化入口。

Gartner曾在報告中預測，到2026年，超過80%的企業將在生產環境中采用生成式AI的API、模型，并部署啟用生成式AI的應用，從包括京東云在內的大廠實踐來看，企業的這一夢想，正在變為現實。

三、一場智算底座重塑，如何幫企業“贏在后天”？

應用場景側取得的成效背后，對于很多中型和大型企業來說，隨著未來AI應用越來越深入廣泛，如何更高效的獲取可信賴、可持續和更具性價比的計算資源，也隨之成為了長期考題。

經過修繕和改造，跑綠皮火車的鐵軌可以跑時速160公里的「和諧號」，但是面對時速300公里的「復興號」，底層的軌道必須要圍繞新技術重建。

AI智算的故事也是一樣，隨著大模型應用的深入，以CPU為中心的傳統架構，在支持AI原生應用時已經左支右絀，行業迫切需要以GPU為中心重塑基礎設施。

與此同時，面對激增的推理需求，企業也迫切需要更多高質價比的計算資源。

這基礎上，如果說為一家企業輸入高質量計算資源，只是交易問題，那么為一百家、一千家乃至一萬家企業穩定供給計算資源，則勢必牽動一場涉及產業架構重塑的供給改革。

在這場改革的前端，行業需要不斷優化算力集群互聯互通，錨定計算、存儲、網絡的「黃金三角」，助推大模型高效使用，而在改革的后端，行業則需要在硬件側以GPU為中心重塑基礎設施，并解決GPU本身型號多樣帶來的異構問題。

計算轉向AI Native（AI原生）基礎設施，這恰好也是京東云一直在思考的核心命題。

此次京東云上海城市大會上，他們就為行業帶來了好消息。

一方面，在AI的基礎設施層，京東云發布了以GPU為核心，高效異構計算的全新JoyScale AI算力平臺。

相較于傳統算力平臺，JoyScale既能在宏觀算力層面支持單集群萬卡調度、全局超10萬卡調度，并通過軟硬件協同優化，將大模型算力利用率MFU從45%提升至75%；在具體應用層面，JoyScale適配十余家國產GPU產品，支持異構算力統一納管、精細化運維，通過集群算力池化調度，提升集群利用率70%。

這一算力層居中調度的「指揮中樞」，配合基于京東全自研的云海AI存儲，單集群支持TB級超大帶寬，提供原生KV Cache特性，顯著提升推理性能的存力「高速公路」運轉效率，無疑讓大模型的高效使用成為可能。

另一方面，在大模型開發應用層，全新推出的JoyBuild大模型開發計算平臺，基于收錄于Nature論文庫中的大模型開發計算技術，首次系統性解決開放環境下大模型開發效率難題，不僅在實踐中內置20余種開源模型和豐富的數據集，提供100余種算法和工具鏈，支持多類模型的調優開發，還可以幫助客戶根據自身業務特征，用自有數據進行大模型的蒸餾，快速開發專屬大模型。

此外，JoyBuild推理引擎還基于大規模專家并行推理集群技術，提升高并發下并行度，實現單Token推理成本降低80%，以實際行動輸出普惠資源，助推千行百業的智能化轉型。

從這個角度來說，在這個AI「深度應用」的時代，京東云不僅在產品和應用側「授行業以魚」，還在不斷依托極致性能、極致性價比的技術與工具「授行業以漁」。

謀全局者，方可謀一域，洶涌澎湃的大模型浪潮中，沒有企業能獨善其身。而京東云所堅持的，就是以更開放、更協同的生態，助力更多企業重塑AI生產力，從而「贏在后天」。