Agent交卷時刻：企業(yè)如何跨越“一把手工程”信任關(guān)？｜甲子引力

五位AI企業(yè)負(fù)責(zé)人直面核心矛盾。

在AI加速滲透各行各業(yè)的今天，AI Agent已從炙手可熱的概念，邁向價值驗證的關(guān)鍵十字路口。它究竟是企業(yè)降本增效的利器，還是驅(qū)動增長的新引擎？在落地過程中，又面臨哪些信任、成本與習(xí)慣的深層阻力？

12月3日下午，在2025甲子引力年終盛典中，甲子光年智庫院長宋濤作為主持人，對話卓世科技創(chuàng)始合伙人&COO李偉偉、紅熊AICEO溫德亮、深度原理COO張露陽、螞蟻數(shù)科AI原生科技總經(jīng)理王磊、零一萬物企業(yè)解決方案技術(shù)負(fù)責(zé)人王猛，圍繞《智能體社會：人與AI共創(chuàng)的產(chǎn)業(yè)秩序》這一主題展開了深入探討。

在這場對話中，零一萬物王猛直言，智能體經(jīng)濟時代，Al Agent是推動企業(yè)轉(zhuǎn)型的關(guān)鍵執(zhí)行者，正在重塑以結(jié)果為導(dǎo)向的新質(zhì)生產(chǎn)力：從降本到核心應(yīng)用增效。同時，AI必須深入核心業(yè)務(wù)場景，才能成為驅(qū)動實際增長的關(guān)鍵引擎；螞蟻數(shù)科王磊則強調(diào)金融場景的“風(fēng)險可控下的價值創(chuàng)造”，嚴(yán)守嚴(yán)謹(jǐn)、專業(yè)、遵從的底線；深度原理張露陽從科學(xué)研發(fā)視角出發(fā)，強調(diào)AI的長期價值在于提升“創(chuàng)新斜率”，而不僅是優(yōu)化效率；紅熊AI溫德亮分享了在客服與營銷場景中實現(xiàn)商業(yè)化閉環(huán)的實戰(zhàn)經(jīng)驗，其關(guān)鍵在于通過“記憶”機制解決個性化與準(zhǔn)確率難題；卓世科技李偉偉則點明Agent落地需跨越“信任、習(xí)慣、費用”三重障礙。

這些觀點共同揭示了一個趨勢：AI Agent的價值正從技術(shù)能力轉(zhuǎn)向真實的商業(yè)產(chǎn)出——它必須深入業(yè)務(wù)，解決問題，并交出可衡量的價值答卷。

以下為本場圓桌的文字實錄，經(jīng)「甲子光年」編輯，在不改變原意的基礎(chǔ)上略有刪改。

宋濤（主持人）：感謝各位嘉賓的到來，先請各位嘉賓簡單的用一句話做自我介紹，介紹一下個人和你們的公司。

王猛（零一萬物企業(yè)解決方案技術(shù)負(fù)責(zé)人）：我在大模型獨角獸公司零一萬物在負(fù)責(zé)打造萬智企業(yè)大模型一站式平臺，這是一款端到端的平臺型產(chǎn)品，覆蓋從模型訓(xùn)練、工具鏈構(gòu)建到應(yīng)用開發(fā)的全鏈條。核心目標(biāo)是推動大模型深入企業(yè)核心生產(chǎn)場景，在核心業(yè)務(wù)系統(tǒng)中創(chuàng)造真正價值。

王磊（螞蟻數(shù)科AI原生科技總經(jīng)理）：大家好我是王磊，來自螞蟻數(shù)科，螞蟻集團科技商業(yè)化的獨立載體，去年四月開始獨立運營。我們會把螞蟻集團多年沉淀的科技產(chǎn)品及解決方案（包括底層的智算調(diào)度以及金融大模型、金融智能體、金融知識工程等）面向產(chǎn)業(yè)進行輸出。

金融領(lǐng)域是我們的錨點，而非終點。我們也將這些能力拓展至其他注重嚴(yán)謹(jǐn)性的行業(yè)，比如能源、電力、工業(yè)制造、出行與交通等，與各行業(yè)共同打造解決方案，共享數(shù)字化與AI智能化帶來的紅利。

張露陽（深度原理COO）：我是張露陽，來自深度原理，我們是2024年成立于杭州的AI For Science公司，主要運用AI模型和智能體去解鎖新材料和科學(xué)發(fā)現(xiàn)。

溫德亮（紅熊AICEO） ：大家好，我是紅熊AI的創(chuàng)始人兼CEO溫德亮，我們這家公司是通過AI+原生應(yīng)用的方式，通過Agent重構(gòu)客服、營銷、教育整個商業(yè)板塊。

李偉偉（卓世科技創(chuàng)始合伙人&COO）：我是卓世科技的創(chuàng)始合伙人李偉偉，卓世科技一共做三件事：

第一件事，在做行業(yè)垂類模型。

第二件事，給學(xué)校或者有能力搭A(yù)gent的企業(yè)，提供Agent和MaaS工具。

第三件事，在工業(yè)、企業(yè)，包括大健康方向，會提供人工智能的應(yīng)用超市，他們沒有辦法自己做技術(shù)，我們會提供應(yīng)用。

1.AI Agent的價值共識與落地之困

宋濤（主持人）：第一個問題，Agent在服務(wù)企業(yè)的時候，到底給企業(yè)解決什么問題，幫助他們降本增效、提高人力的生產(chǎn)效率、還是解決怎樣樣的實際問題？

李偉偉：“降本增效”四個字涵蓋廣泛，但它背后其實藏著很多元素：

第一，涉及人員崗位的調(diào)整。在Agent應(yīng)用過程中，部分崗位可能被替代，比如助理、法務(wù)崗等等；

第二，推動流程優(yōu)化。尤其在國資、央企包括政府機構(gòu)中，存在非常繁瑣的工作流程。人工智能的介入可以有效優(yōu)化這些流程。比如要出差，就這一件事背后，會藏著你要去哪里、天氣怎樣、酒店訂什么、機場在哪里、審批報告是什么、預(yù)算多少等等，Agent會幫你做所有要做的事。

第三，時間會被優(yōu)化，大大提升工作效率。所以總結(jié)了看似四個字，其實背后藏了1萬件事。

溫德亮：因為我見過董事長級別的人比較多，大概問過他們很多降本增效最關(guān)注什么問題，統(tǒng)一的反饋結(jié)論是不太喜歡降本，只喜歡增效，只有公司不行的情況下，才會考慮降本這件事。

因此，在總結(jié)“增效”的過程中，我們也總結(jié)了一套方法論：

第一，原有的業(yè)務(wù)流程AI化，AI重構(gòu)整個業(yè)務(wù)流程，這并不是每一家企業(yè)都能做到的。

第二個邏輯，是強化AI的集成能力，以往的AI+軟件、軟件+AI的概念是不一樣的。但是怎么通過現(xiàn)有的數(shù)字化系統(tǒng)，與AI更好地融合、提升原本的業(yè)務(wù)效率，比如經(jīng)營效率、決策效率。

第三個邏輯，激活企業(yè)的核心數(shù)據(jù)資產(chǎn)。每家企業(yè)在經(jīng)營中都會沉淀獨特的資質(zhì)與數(shù)據(jù)，這是很好的數(shù)字資產(chǎn)。

所以我們在整個過程當(dāng)中，其實按照三段式的方法論，來跟客戶做完整的交付，從而量變出來整個AI營銷和AI客服等產(chǎn)品。

張露陽：我們行業(yè)有兩個關(guān)鍵點：

第一，客戶既想讓我們實現(xiàn)降本增效，解決原來人力做起來比較繁瑣、效率較低的工作，但是長期來看，更希望我們能解決的是，解決一些原來解決不了的問題。

第二，如果說的抽象一點，客戶長期需要在戰(zhàn)略層面看到AI能夠提升創(chuàng)新斜率，而不僅僅是提升效率。效率是從A到B點速度更快，斜率更多是加速創(chuàng)新進度。

王磊：降本增效是人類發(fā)展史中科技進步的代名詞，也不是只有AI時代才出現(xiàn)。AI本身也并不是新詞。在過去十幾年，深度學(xué)習(xí)發(fā)展比較快速，簡單來說有三個階段：

第一階段是2012年，AlexNet在競賽中憑借卷積神經(jīng)網(wǎng)絡(luò)大幅領(lǐng)先，極大提升了圖像識別的速度與準(zhǔn)確率，并由此引發(fā)了一系列產(chǎn)業(yè)變革。如今各類攝像頭技術(shù)及以視頻為核心的科技公司（如海康威視）的興起，都源于該技術(shù)帶來的降本增效，但影響還不是很大。

第二階段是2016年、2017年左右，那個時候大家一定聽到一個詞叫Alphago下圍棋，人類的競技是棋類競技的掌上明珠，也被AI攻克了。這說明了AI的決策模型已經(jīng)比人更精準(zhǔn)、更有效。此類決策模型隨后被廣泛應(yīng)用于風(fēng)控、營銷等領(lǐng)域。螞蟻集團的互聯(lián)網(wǎng)金融產(chǎn)品，比如余額寶、花唄、借唄、網(wǎng)商貸等，之所以能服務(wù)這么多用戶，不是靠人來服務(wù)，正是依靠這些決策模型進行授信決策。

自那2016年場對弈后，人類已不再尋求與機器進行棋類競賽，這本身也是一種效率的躍升。

當(dāng)前ChatGPT所代表的大模型階段，它降本增效的意義在于極大降低了交互門檻。從計算機領(lǐng)域的GUI、API，到如今的LUI（基于語言的交互界面），每一次交互門檻的大幅降低都引發(fā)了巨大的產(chǎn)業(yè)革命。比如大家都經(jīng)歷過像鼠標(biāo)、iphone，這些東西的出現(xiàn)，讓一些科技巨頭倒下，又誕生一批新的科技巨頭，所以大模型帶來的交互變革已不再是量變，而是質(zhì)變的過程。

王猛：相信大部分中國企業(yè)和CEO最關(guān)注的始終是兩件事：省錢和賺錢。在我們與企業(yè)客戶的實際溝通中，降本增效往往得到認(rèn)可，但真正令客戶興奮的，是實現(xiàn)規(guī)模化增長與營收提升——說到底，企業(yè)渴望的是真金白銀的收益。

2025年，隨著推理AI Agent元年的到來，能夠自主規(guī)劃與智能決策的AI Agent正成為企業(yè)的真實生產(chǎn)力。為此，零一萬物正式推出萬智企業(yè)Agent——“超級員工”，讓Agent進入客戶的核心業(yè)務(wù)系統(tǒng)，其重點從單純的“降本”轉(zhuǎn)向更根本的“增效”，幫助企業(yè)真正邁向價值增長。

海外的情況也是如此，我們在海外服務(wù)的一些大型企業(yè)客戶中，推動增效尤其具有吸引力。

例如，我們合作的一家全球前三的礦業(yè)公司，通過引入強化學(xué)習(xí)技術(shù)，我們能夠?qū)ζ溟_采流程、設(shè)備調(diào)度與資源分配進行動態(tài)優(yōu)化與自主決策，從而在確保安全的前提下大幅提升產(chǎn)能與資源利用率。

因此，無論境內(nèi)還是海外，從“節(jié)約成本”到“創(chuàng)造增長”，AI Agent 正成為驅(qū)動企業(yè)核心生產(chǎn)力的關(guān)鍵。而“超級員工”的使命，正是深入業(yè)務(wù)場景，將智能轉(zhuǎn)化為每一分真實的收益。

宋濤（主持人）：在日常觀察中，我們注意到一個現(xiàn)象：許多企業(yè)認(rèn)可數(shù)字化轉(zhuǎn)型的價值，但為什么他們不愿意數(shù)字化轉(zhuǎn)型？同樣，在人工智能領(lǐng)域，很多企業(yè)都認(rèn)可人工智能帶來的好處，為什么很多企業(yè)他們在實際落地的時候還是不太愿意去用，他們不用的原因是什么？我們來聽聽各位嘉賓的分享。

李偉偉：我的理解用幾個關(guān)鍵詞來總結(jié)一下：

第一，信任。企業(yè)主在考慮要不要上人工智能應(yīng)用時，他其實會考慮我們是不是信任這個應(yīng)用體、智能體，它是不是真的可以幫我解決我想要解決的繁瑣的流程、工作、智能化，所以我覺得它背后藏的是數(shù)據(jù)和數(shù)據(jù)安全性。

第二，習(xí)慣。企業(yè)經(jīng)營者通常依賴固有的安全慣性推進公司發(fā)展。當(dāng)具有一定規(guī)模的企業(yè)面臨變革甚至革命時，需要投入大量精力去推動、培訓(xùn)與說服，讓大家來跟著一起看，但能干成嗎？不知道。

第三，費用。因為新的改革一定是有新的投入，無論企業(yè)規(guī)模大小，決策者需要有明確的意識與預(yù)算批準(zhǔn)，才能形成推動變革的完整閉環(huán)。

所以有障礙還是需要去清除的，但是好在DeepSeek已經(jīng)橫掃了一批，無論是G端還是B端的領(lǐng)導(dǎo)們，他的意識已經(jīng)被洗的七七八八了，不用再告訴他什么是應(yīng)用場景、什么是Agent、什么是基模，他已經(jīng)很清楚了，只是說他剛才那三個方面是不是做好了準(zhǔn)備，做好了準(zhǔn)備先行先試，我吃好了第一口蛋糕后面就會有發(fā)展。

溫德亮：因為我最早在集團里面做CTO，大部分的采購預(yù)算是經(jīng)過我手的，這個我可以直截了當(dāng)代表一個主流群體的觀念，這個觀念是什么樣的呢？

第一，過往的數(shù)字化投入已經(jīng)花了很多錢，花了2000、3000萬，但主要成果更多依賴人力運營和業(yè)務(wù)方的推動，技術(shù)實際處于相對弱勢和從屬地位，企業(yè)內(nèi)仍以業(yè)務(wù)方為主導(dǎo)。

在實際應(yīng)用的時候你怎么在數(shù)字化基礎(chǔ)之上結(jié)合AI產(chǎn)生新的效果，你需要跟業(yè)務(wù)和技術(shù)同時證明一件事，這個事是可行的、可做的。

特別是今年，現(xiàn)在的軟件應(yīng)用包括Agent應(yīng)用出現(xiàn)的時候，還要通過運營、看老板用的好不好、看這個事做的明不明白、底層的數(shù)據(jù)清不清楚。這個事對于老板來講，會引發(fā)他不好的聯(lián)想，又回到了當(dāng)年數(shù)字化時代的事，我要先把信息化搞定才能搞數(shù)字化，是不是同樣的道理？所以對于老板來講，他怎么會強調(diào)一件事？就是你怎么能通過AI能重構(gòu)我的生產(chǎn)力，直接給我交付結(jié)果，這個是我在整個市場上面臨最大的一個需求來源。

從結(jié)論上來講，我覺得數(shù)字化其實已經(jīng)構(gòu)成了對現(xiàn)在AI智能有一定的阻礙，不是升級它，也不是幫助它，是阻礙的。同時中國一窩蜂的數(shù)字化、互聯(lián)網(wǎng)化、各種化，對于老板來講，你給我結(jié)論和結(jié)果就好了。

張露陽：在我們這個行業(yè)中，主要問題在于客戶對產(chǎn)品的期望值存在差異：購買者（如管理者）與使用者（如工程師）的目標(biāo)往往不同。使用者更關(guān)注解決具體工程化問題，而購買者則期望實現(xiàn)突破性成果（例如研發(fā)超導(dǎo)材料）。這是我們需要明確定義AI產(chǎn)品與每個階段對于客戶之間的關(guān)系。

其次，在從事這個行業(yè)之前，我長期從事自動駕駛與AI安全研究，發(fā)現(xiàn)各方對“安全可信”的要求不一樣：監(jiān)管機構(gòu)側(cè)重對工程化實踐的安全能力證明，政府部門需要實際路測結(jié)果，而最終用戶更重視人機交互的透明、可控與可預(yù)測性，對于背后可審計、可驗證的冷計算過程反而關(guān)注有限。這一差異構(gòu)成了現(xiàn)實挑戰(zhàn)，需要行業(yè)對安全可信建立共識性標(biāo)準(zhǔn)。

第三，大模型應(yīng)用于科學(xué)發(fā)現(xiàn)是比較嚴(yán)肅的一件事，拋開它的可解釋性以外，我們是希望不斷地逼近物理世界的真相。大模型有的時候有討好型的人格，你不停地給它加壓，說你算的不對，你再算一下，它可能就屈服了，這時候就讓一些決策者認(rèn)為它是否能夠給出啟發(fā)式的Idea，或者是給出反共識的Insight，我朝著那個方向做下去，因為現(xiàn)在實際上的使用體驗是它有可能屈服。

王磊：面向AI的方向，中國乃至全球已形成戰(zhàn)略共識，一定會去做，我覺得不會有人懷疑我們在這個方向是不是值得投資，或者是不是要做一些取舍。作為一個企業(yè)主更多是考量兩件事情：

第一，成本。 企業(yè)投入AI的實際成本往往難以估量，許多決策者對此缺乏清晰感知。過去幾年，不少企業(yè)（包括大型國央企和銀行）選擇通過預(yù)訓(xùn)練構(gòu)建自有行業(yè)大模型，但這條路徑成本高昂、迭代緩慢（模型更新周期長達(dá)3-6個月），且成效有限。這種高投入、慢回報的模式實際上制約了一把手對AI的認(rèn)知與決心。

今年這一局面因DeepSeek等開源模型的成熟而發(fā)生轉(zhuǎn)折。企業(yè)發(fā)現(xiàn)，基于開源模型（如螞蟻開源的百靈模型）進行后續(xù)精調(diào)，效果已超過自研訓(xùn)練多年的模型，且成本大幅降低。這意味著行業(yè)已經(jīng)從大模型的戰(zhàn)爭收斂到更上層應(yīng)用的戰(zhàn)爭，關(guān)鍵在于后訓(xùn)練投入與業(yè)務(wù)價值產(chǎn)出是否匹配。

第二，價值。 企業(yè)需要判斷AI是否值得作為未來十年的戰(zhàn)略方向進行投入。當(dāng)前，由于開源模型顯著降低了基礎(chǔ)成本，企業(yè)能夠更聚焦于應(yīng)用層，以可承受的投入實現(xiàn)業(yè)務(wù)價值閉環(huán)。這也解釋了為什么今年成為Agent爆發(fā)的元年——成本結(jié)構(gòu)的優(yōu)化使得價值創(chuàng)造具備了現(xiàn)實可行性，企業(yè)能夠在可控投入下獲得可衡量的業(yè)務(wù)回報。

王猛：我回應(yīng)一下零一萬物獨具特色的“一把手工程”，這一直是我們向公眾積極傳達(dá)的理念：企業(yè)AI數(shù)智化轉(zhuǎn)型必須是一把手驅(qū)動的 “一把手工程”。事實上，大模型已經(jīng)進入到技術(shù)拐點，已經(jīng)變得更加可用、有用、好用，但當(dāng)前大模型在企業(yè)中的滲透率不高，這在很大程度上受限于各行各業(yè)企業(yè)家的認(rèn)知與決心。

我們一直想要去推動的是讓大模型在企業(yè)的核心業(yè)務(wù)里產(chǎn)生作用，一旦真正產(chǎn)生了作用，大家的體感會馬上就不一樣，而不再是說大模型只能幫我們做個PPT，這個大家永遠(yuǎn)感覺不到滲透的。

所以我們的核心目標(biāo)是怎么建立一把手工程的信任？這個要求是挺高的，需要企業(yè)真正有決心把自己的業(yè)務(wù)流程打開。現(xiàn)在有個問題是企業(yè)不懂模型，大模型公司不懂企業(yè)自身的核心業(yè)務(wù)流，所以兩方要合作共創(chuàng)。

合作就要求大模型公司提供無論是咨詢還是整套的方案，在這個基礎(chǔ)上是企業(yè)要把自己所有的數(shù)據(jù)和流程都跟我們分享，這其實是一個比較大的信任門檻。但一旦企業(yè)從上到下決定擁抱AI，以“一把手工程”戰(zhàn)略驅(qū)動，和我們一起定戰(zhàn)略、找場景、調(diào)模型、搭應(yīng)用，雙方共創(chuàng)重塑價值生產(chǎn)鏈條，讓企業(yè)找到增長的新引擎，創(chuàng)造的價值無疑也會是非常可觀的。

總之，“一把手工程”是AI公司與傳統(tǒng)企業(yè)共創(chuàng)新質(zhì)生產(chǎn)力的最佳路徑。

2.嘉賓拆解：AI Agent如何真正“用起來”？

宋濤（主持人）：零一萬物是在大模型領(lǐng)域的明星企業(yè)，你們?nèi)绾纹胶馔ㄓ么竽Ｐ湍芰εc企業(yè)具體業(yè)務(wù)場景中專用Agent的落地需求？在推動企業(yè)落地過程中，您提到“一把手工程”的重要性。其中通常存在哪些實際卡點或堵點？針對這些挑戰(zhàn)，零一萬物有哪些可行的解決方案或?qū)嵺`可供分享？

王猛：我們實際上接觸了非常多客戶，發(fā)現(xiàn)難以總結(jié)出普適規(guī)律，將模型應(yīng)用到企業(yè)核心業(yè)務(wù)系統(tǒng)的過程可分解為多個步驟，但其中具體挑戰(zhàn)因客戶差異極大。

在這一探索過程中，我們深刻認(rèn)識到：要真正解決客戶問題，必須構(gòu)建一個完整、全棧的技術(shù)系統(tǒng)。

如果缺乏數(shù)據(jù)處理能力，很多客戶需求將難以落地；如果沒有模型訓(xùn)練支持，應(yīng)用效果便無法精準(zhǔn)達(dá)標(biāo)；而若不具備Agent架構(gòu)設(shè)計，則既不能充分發(fā)揮模型潛力，也容易使本可簡化的流程變得復(fù)雜；包括強化學(xué)習(xí)在內(nèi)的多項技術(shù)，都必須扎實覆蓋。

因此，我們的核心經(jīng)驗是：唯有構(gòu)建一個全面的全棧解決方案，才能從容、靈活地響應(yīng)各類客戶需求。

事實上，行業(yè)也在朝這一方向演進。OpenAI推出了AgentKit，零一萬物同樣布局于此。基于對行業(yè)趨勢的共識，我們也開源了自己的解決方案——Open AgentKit（簡稱OAK），與業(yè)界同行并肩探索。

我們堅信，只有這樣的系統(tǒng)級方案，才能持續(xù)創(chuàng)造深度價值。

從戰(zhàn)略面上看，零一萬物 “一橫多縱”戰(zhàn)略布局也正是我們探索出的現(xiàn)階段解法：

一橫是指萬智平臺： 打造以萬智2.0為核心的企業(yè)級AI操作系統(tǒng)，將Agent研發(fā)門檻降至“零代碼”，構(gòu)筑技術(shù)護城河。

多縱是指穿透多個垂直領(lǐng)域的政企客戶： 聚焦金融、政務(wù)、工業(yè)（電力/制造）、辦公、銷售等重點行業(yè)群，與燈塔客戶共建場景化解決方案，沉淀行業(yè)Know-how。

“一橫”代表平臺和模型的通用能力，“多縱”則是政務(wù)、金融、工業(yè)、能源、醫(yī)療等領(lǐng)域的行業(yè)解法。與此同時，零一萬物的戰(zhàn)略目標(biāo)也十分明確，那就是讓AI能力可復(fù)制、可規(guī)模化部署，實現(xiàn)企業(yè)級“AI交付閉環(huán)”。

宋濤（主持人）：接下來這個問題想問問我們螞蟻數(shù)科的王磊總，螞蟻數(shù)科其實一直是在業(yè)內(nèi)首推金融Agent的明星企業(yè)。在你看來，金融Agent的第一性原理是什么？這和傳統(tǒng)的數(shù)字化的產(chǎn)品，或者說是辦公助手、AI助手有哪些本質(zhì)性的區(qū)別？

王磊：螞蟻集團本質(zhì)上是一家擁有核心業(yè)務(wù)的公司，而非純粹的科技輸出方。我們的核心扎根于金融行業(yè)，因此我們對AI的關(guān)注首先聚焦于在自身金融場景中的應(yīng)用與實踐。這背后的第一性原理是“風(fēng)險可控下的價值創(chuàng)造”。

這意味著，對我們而言，AI絕非僅是輔助工具，它必須能夠創(chuàng)造實際、可衡量的業(yè)務(wù)收益。同時，風(fēng)險可控是金融行業(yè)不可逾越的底線，我們必須極度重視安全、合規(guī)與系統(tǒng)性風(fēng)險的防范。這一原則構(gòu)成了我們技術(shù)體系的基石，也是我們將內(nèi)部驗證過的技術(shù)、產(chǎn)品與方法論向更廣泛的嚴(yán)謹(jǐn)產(chǎn)業(yè)進行輸出的根本依據(jù)。

基于這一原理，我們在金融領(lǐng)域應(yīng)用AI時，重點關(guān)注價值創(chuàng)造與AI的實時性、事實性、金融價值觀及合規(guī)安全等底層要求。我們將金融行業(yè)對AI的核心訴求抽象為三大特性：嚴(yán)謹(jǐn)性、專業(yè)性與遵從性。

金融業(yè)常被認(rèn)為與大模型“天生不對付”，因為他們對幻覺與數(shù)據(jù)準(zhǔn)確性的容忍度極低。但我們所強調(diào)的嚴(yán)謹(jǐn)性，并不是要求大模型絕不犯錯（這如同要求人永不犯錯一樣不現(xiàn)實），而是指通過后訓(xùn)練、強化學(xué)習(xí)等技術(shù)手段，系統(tǒng)性地壓制幻覺，將其控制在業(yè)務(wù)可接受的范圍內(nèi)。需要指出，模型的幻覺在某種程度上是其智力水平的雙刃劍——例如，從千問切換到DeepSeek時，幻覺率可能從5%升至15%，但這并不意味智力下降，有時甚至成正比。因此，嚴(yán)謹(jǐn)性的核心是管理而非消除幻覺。

專業(yè)性則要求大模型與垂直領(lǐng)域的專家判斷及專業(yè)語言對齊。比如，評估一只過去一年回撤18%的基金表現(xiàn)，金融專業(yè)人士與非專業(yè)人士的結(jié)論可能截然不同。專業(yè)分析需結(jié)合三年期表現(xiàn)（如累計上漲90%）、市場大盤等因素進行綜合判斷。這類深度專業(yè)知識與數(shù)據(jù)往往無法完全通過預(yù)訓(xùn)練注入模型，必須依靠專業(yè)知識庫來補足。

遵從性超越了一般的技術(shù)性“指令遵循”，特指對監(jiān)管規(guī)則與合規(guī)紅線的嚴(yán)格遵守。這在金融領(lǐng)域是絕對不可觸碰的底線。

基于以上三大特性的考量，我們認(rèn)為，構(gòu)建一個真正的金融智能體，僅有一個強大的模型“大腦”是遠(yuǎn)遠(yuǎn)不夠的。一個智能體應(yīng)如同一個完整的“人”：它不僅需要“大腦”（模型），還需要掌握高辨識度的數(shù)據(jù)、專業(yè)的領(lǐng)域知識與經(jīng)驗，并配備實用的“工具”來真正解決問題，而非僅僅進行對話或情感陪伴。比如，在金融場景中，智能體應(yīng)能協(xié)助生成資產(chǎn)配置報告，完成實質(zhì)性工作。

只有當(dāng)智能體融合了“大腦”、知識經(jīng)驗（高辨識數(shù)據(jù)）與工具（執(zhí)行力），它才能成為一個真正可用的“數(shù)字員工”。這也正是我們認(rèn)為今年將成為智能體爆發(fā)元年的關(guān)鍵原因——智能體真正從原來的助理Copilot，變成數(shù)字員工的躍遷之年。

宋濤（主持人）：下面想問深度原理的張總，你們有化學(xué)材料研發(fā)的專用Agent，這里面客戶愿意付費的原因是什么？核心動機是什么？你們幫助客戶解決了哪些化學(xué)材料研發(fā)方面的業(yè)務(wù)難題？

張露陽：作為一家To B企業(yè)，最重要的還是長期陪伴客戶成長，并針對客戶短期、中期與長期的不同需求提供持續(xù)價值。

短期價值體現(xiàn)在通過智能體幫助客戶解決那些長期存在、繁瑣復(fù)雜且短期內(nèi)難以攻克的問題。例如，利用算法與智能體能力，在數(shù)月內(nèi)協(xié)助客戶完成材料改進、預(yù)測新配方關(guān)鍵性質(zhì)，并實現(xiàn)實驗驗證閉環(huán)。短期合作重點關(guān)注：能否切實解決復(fù)雜問題、是否顯著縮短研發(fā)周期，以及是否提高單個項目的人效比。其核心在于，以更高效、更智能的方式為客戶創(chuàng)造即時、可感知的價值。

中期價值則擴展到多個項目乃至整體管線中。

關(guān)鍵在于評估智能體方案能否持續(xù)提升每個研發(fā)或決策流程的成功率，以及是否具備足夠的魯棒性以抵御突發(fā)風(fēng)險、減少潛在損失。中期階段需要算“整體賬”，衡量智能體帶來的成功概率提升與風(fēng)險控制能力，是否為企業(yè)產(chǎn)生了明確的凈正向收益。

長期價值著眼于根本性的創(chuàng)新效能提升。通過從短期試點到中期擴展，再到全面深化的合作，最終目標(biāo)是幫助客戶提升研發(fā)創(chuàng)新的“斜率”——即加速創(chuàng)新效率、改變價值增長曲線，實現(xiàn)可持續(xù)的、跨越式的能力進階。

宋濤（主持人）：下面想問紅熊AI的溫總，你們服務(wù)了很多B端企業(yè)，在哪些業(yè)務(wù)場景中實現(xiàn)了商業(yè)化的閉環(huán)？你們?nèi)绾纹胶馄髽I(yè)在通用場景和專業(yè)能力方面的需求？

溫德亮：在服務(wù)B端商業(yè)化場景中，主要涉及客服和營銷兩個方面。以客服為例，客服本身并非標(biāo)準(zhǔn)化產(chǎn)品，因為每家企業(yè)擁有各自的知識體系和業(yè)務(wù)流程。比如，在處理投訴時，不同企業(yè)的關(guān)注重點和低滿意度處理方式都不一樣。

所以，在提升業(yè)務(wù)準(zhǔn)確率和正確率的過程中，我們嘗試了多種解決方案，包括參數(shù)調(diào)優(yōu)、外掛知識庫、業(yè)務(wù)流程優(yōu)化以及工作流控制等，但發(fā)現(xiàn)準(zhǔn)確率、業(yè)務(wù)精準(zhǔn)率以及幻覺率仍難以有效控制。為此，我們研發(fā)并開源了名為“記憶科學(xué)”的產(chǎn)品，即“記憶熊”。

這款產(chǎn)品的主要目的就是讓Agent和模型擁有人一樣的記憶能力，通過這種方式，在服務(wù)場景個性化能力上來講，追逐于每一個人的數(shù)據(jù)記憶，用這種方式處理。

在處理整套方案的時候，我們今年的業(yè)務(wù)營收，一是AI自助解決率大幅度躍升，現(xiàn)在是98.4%左右，應(yīng)該算是行業(yè)里面指標(biāo)比較靠前的；二是幻覺率，通用的是0.2%，如果是垂直環(huán)境下的幻覺率，基本可以壓縮在零或者無限接近零的手段，所以從商業(yè)化進程來講還是比較可觀的。

宋濤（主持人）：李總，今天的主題是構(gòu)建一個智能體的社會，那么我們要想真正實現(xiàn)人與智能體的共創(chuàng)，未來還有多長的路？還有哪些難題需要解決？

李偉偉：有幾個關(guān)鍵詞便于大家的溝通和理解。

第一，懂人。智能體需與人交互，在交互過程中理解人所發(fā)出的指令，才能進行回答。懂人這一點十分重要，無論在中小微企業(yè)還是央資國資，都存在大量應(yīng)用場景和垂類領(lǐng)域，如工業(yè)、大健康、康養(yǎng)、醫(yī)療等。在每個特定場景中，都需要實現(xiàn)人與機器的交互。

第二，懂事。要在行業(yè)或應(yīng)用場景中不斷理解其中的Know-How，需要對行業(yè)具備充分認(rèn)知。擁有這些認(rèn)知、數(shù)據(jù)和語料庫，才能持續(xù)完善智能體。

此外還需具備三種能力：

1.自我學(xué)習(xí)能力，形成類似肌肉記憶的機制。通過ToB、ToC或ToB與ToC結(jié)合的方式，持續(xù)借助數(shù)據(jù)循環(huán)、問答循環(huán)實現(xiàn)能力再造，鞏固自身記憶與反應(yīng)。

2.邏輯推理能力。當(dāng)被提問時，智能體需經(jīng)過一系列邏輯推理得出結(jié)果。這一過程需要充分理解人、事、數(shù)據(jù)以及整個應(yīng)用場景，才能有邏輯地進行數(shù)據(jù)運算，最終輸出合理結(jié)果，避免無根據(jù)的推斷。

3.多模態(tài)能力。能夠接收音頻、視頻、文字、圖片等多種形式輸入并進行處理，同時也可輸出這些模態(tài)的內(nèi)容，因此多模態(tài)能力也十分重要。

宋濤（主持人）：今天幾位嘉賓的分享，從不同的層面給大家去做了解析。

第一，解析Agent能夠幫助企業(yè)解決什么樣的問題。

第二，幫助大家簡單分析了企業(yè)在解決問題的過程中遇到了哪些困難。每位嘉賓也結(jié)合企業(yè)的特點，給大家簡單的分享了一下，企業(yè)在做解決方案落地的成功經(jīng)驗，一些實踐的好方法，希望我們今天的探討，能夠?qū)π袠I(yè)的發(fā)展有一定的幫助。

今天的圓桌論壇到這里結(jié)束，再次感謝五位嘉賓的精彩分享，謝謝大家！

（封面圖及文中配圖來源：2025甲子引力年終盛典）