要讓Agent成為工作助手，需要破解哪些環節？

文｜《中國企業家》記者 閆俊文

編輯｜何伊凡見習編輯｜李原

圖片來源｜中企圖庫

12月6~7日，由《中國企業家》雜志社主辦的2025（第二十三屆）影響力企業家年會（原中國企業領袖年會）在北京召開。在7日進行的高峰對話環節，釘釘副總裁賈偉作為主理人，與中國信息通信研究院人工智能研究所所長魏凱、昆侖萬維董事長兼CEO方漢、愛詩科技創始人兼CEO王長虎、劑泰科技聯合創始人兼首席執行官賴才達圍繞Agent（智能體）興起與應用做了討論和分享。

以下為精彩觀點：

1.未來，治病會像編代碼一樣，直接把38億個細胞里面真正“錯掉”的幾萬個細胞，從疾病“編寫”回健康。

2.對企業來說，最關鍵的是過程數據能否被學習，一旦做到，那用Agent就能快速增效。

3.不管是增強型還是自動化Agent，要強調Agent是人的代理，人還是要對它負責，定義它的目標。

4.基于Agent目前的能力限制，我們要選擇一些非主要的業務以及對于成功率不要求100%的業務，容易先落地的。

5.如果公司一號位特別有意愿發展Agent，做降本增效的人是不是有同樣的判斷力？我們需要找到合適的執行、設計、調試的人，以及最后有能力集中部署Agent的人。

以下為高峰對話環節分享全文（有刪減）：

未來，治病像編代碼一樣

賈偉：今年是釘釘的第10年，我們已經服務了7億用戶、2600萬組織。但今年特別不一樣，之前我們也提到了All in AI的戰略，很多企業從不用AI到用AI，從沒有創建企業級的Agent到有了Agent，再到在各個業務領域協同辦公，跨端的應用越來越多。我們先請大家談下，在當前AI領域的合作點上，哪個領域是重點關注的板塊？

魏凱：我來自中國信息通信研究院，我們單位有兩個角色，一個是國家的智庫，參與人工智能頂層設計，包括今年8月出臺的《關于深入實施“人工智能+”行動的意見》，我們也參與了起草。

中國信息通信研究院人工智能研究所所長魏凱

另外一個是產業平臺的角色，我們跟很多企業一起研究國家人工智能的技術怎么往上攀高，怎么用人工智能改造傳統產業，做落地應用，這個路上可能有很多的障礙需要去破解。

最近幾年，人工智能讓我們感受到了撲面而來的熱潮，非常有沖擊力，帶我們進入了一個新的紀元。我也在思考如何去概括2025年的人工智能？這是非常重要的、承前啟后的一年。我們的基礎模型能力進化到一定程度，轉化成現實生產力的可能性大大增加了。所以大家今年更多在談，怎么把人工智能說話的能力轉化成干活的能力。

方漢：昆侖萬維是一家在A股的上市公司，主要做互聯網出海。我們95%的收入來自海外，從2020年開始做AI方面的研發投入。到目前為止，我們在AI音樂、AI視頻、AI Office、AI社交、AI游戲等方面都有長期投入和具體的產品落地。AI也給我們帶來了收入規模上的高速增長。去年，我們的全年收入是58億元。今年前三季度，我們已經做到了56億元。在海外，我們的AI音樂產品、AI社交、AI Office都已經產生了實際的收入。我們在基座大模型上做得也比較多，目前最出彩的是音樂生成大模型，穩居全球前兩名的位置。

我們最看好AIGC賽道，因為AIGC賽道能極大地降低所有人創作內容的成本和門檻，這樣會導致整個內容產業產生巨大的變化。舉個例子，像《哪吒2》的拍攝成本是3億元。我們預計，在3～5年內可能會降到不到10萬元，這對全球的內容生成產業都是一個巨大的變化。

王長虎：愛詩科技成立于2023年初，那個時候大模型剛剛興起。我們是做視頻生成大模型、視頻大模型以及應用的，比Sora早一年做視頻生成。過去兩年多時間，我們的模型一直在全球第一梯隊。我們的PixVerse V5模型登頂了Artificial Analysis全球圖生視頻排行榜的第一名，我們的產品發展很快，在a16z發布的全球50大AI App里面排名第25名。我們的用戶數已經超過1個億，每月的訪問用戶數超過千萬。所以無論從模型、產品、用戶，我們保持了較強的競爭力。

未來我們希望每天玩抖音、TikTok的幾十億普通人，能夠輕而易舉地用一句話、一張照片創作出一段視頻，去分享、交流和交互。現在越來越多的行業已經受益于我們的產品和視頻生成技術，包括短劇、漫劇、電影、廣告視頻生成、電商行業等等。

賴才達：劑泰科技專注用AI去做納米材料的開發，是一個AI for Neuro（人工智能用于神經科學）的平臺。我們在做的是發現新的一些納米“小火箭”，有點像制藥界的SpaceX。在人體體內，這些納米材料可以導航到不同的器官，像肝、肺、心臟、腫瘤、免疫器官等等，精準地把藥物在病灶釋放出來。我們希望有一天，治病能像編代碼一樣，直接把38億個細胞里面真正“錯掉”的幾萬個細胞，從疾病“編寫”回健康。

Agent能力泛化，降本增效

賈偉：Agent的本質是什么，為什么在這個時刻到達一個拐點，它會帶來怎樣的增長和變化？

賴才達：我們花了多年時間建造了一些預測或者生成的模型，去了解復雜人體內如何實現GPS導航，怎么設計納米材料，讓它跟蛋白結合，去解析不同的化學訊號，到達正確的器官組織上釋放。所以前些年，我們開發了非常多小的算法或模型，用大量干濕實驗數據支持底層建設。我們一年要做2萬到3萬只小鼠（實驗），去支持這樣的平臺開發。

劑泰科技聯合創始人兼首席執行官賴才達

積累了這么多（數據）之后，行業里有了非常多的蛋白模型、小分子模型?，F在我們在做的就是用Agent模式，把它們串在一起。不是簡單的問與答，而是可以把做哪些實驗、怎么設計實驗、怎么自動化做好實驗，串成全流通的用Agent調度干濕實驗的平臺。我們希望有一天，我不用雇100多個博士去做這些工作，而是大量使用Agent的方式，讓1個博士做相當于10個博士做到的事情。

我們已經發現，通過串聯Agent，現在從立項到PCC（臨床前候選化合物）階段大概11個月就可以完成，以前這個流程可能要花5年以上。這也大幅提高了制藥的效能。

我們是第一家實現AI賦能的藥物完成臨床三期的企業，打通了從立項概念到真正在人體上驗證藥效安全性，解決患者的痛點。我們第一款藥可以解決1300萬個患者臨床痛點，打開了非常大的增量機會。

我們希望能把它大規模復制，用到更多產品管線中，用到各個適應癥，腫瘤、心血管疾病、代謝、減肥、致敏疾病中。這一定要用Agent的方式，才有可能完成這么多產品的布局。

王長虎：Agent到底是什么意思，為什么會演進到智能體這個名字？我去了解了一下，它最早可以追溯到古羅馬時代。那個時代Agent代表著行動者、執行者，幫助別人做事情。中世紀之后，分工越來越細，Agent又變成了更垂類的執行者、代理人，比如法律、商業的代理人。近幾十年，AI、計算機的發展中，Agent叫作智能體，其實更強調智能。它的一大特點是要有主動性，有規劃能力、推理能力，要具備智能。此外，它也要是個執行者，能幫我們解決任務。Agent的核心是能夠自主完成一個完整任務流程。

對于企業來說，要想利用好Agent，主要是有兩個方面。一是如何利用AI時代新的產物來創造新的價值，我們的產品叫“拍我AI”，里面也有視頻Agent，可以幫助用戶創造出更高級的視頻內容，實現更強的創作能力。

另一方面，如何利用Agent來幫原有流程降本增效，如何找到最適合的Agent來升級環節；找什么樣的人來解決問題；如何評估這個環節被Agent替換之后，真正產生價值，還是浮于表面追熱點；如何讓我們的整個鏈條更智能化。

賈偉：AI也好，Agent也好，不是目的，是手段。最根本的還是要圍繞企業的效率提升定義合適的場景。如果我們把Agent當作業務模式，昆侖萬維有沒有在業務落地環節的經歷或者案例分享？

方漢：首先如果把大模型看作CPU的話，Agent就好像外設（外部設備）。為什么Agent到今天才突然爆發？本質上是大模型本身的演進，從ChatGPT的背答案到GPT4o的給過程，各種各樣的大模型都開始泛化過程。

本質上，Agent是過程、可以學習這件事情可以被大規模工業化，最好的過程數據是在數學和編程領域?，F在所有的大模型評測，都以數學和編程作為評測標準。對企業來說，最關鍵的是你的過程數據能否被學習，一旦做到，那用Agent就能快速增效。

大家都愛講通用Agent和垂直Agent，我們認為通用Agent只有一個賽道，就是Office（辦公軟件），所有的企業都會用Office。除了Office以外，沒有一個通用Agent可以解決各行各業的問題，大家更需要垂直Agent。垂直Agent依賴于行業的過程數據，否則Agent沒有辦法完成自動化的過程。

昆侖萬維董事長兼CEO方漢

以我們企業為例，我們在海外做短劇業務，一部短劇需要同時翻譯為十幾種語言。首先你要有Agent提取字幕，另外一個Agent進行翻譯。翻譯完以后，還有一個Agent配音，配音又要和人物的口型匹配。我們是把整個工作流的過程數據收集起來以后，才能讓大模型學會怎么高速自動化這件事情。企業一定要反思業務流里的過程數據能否清晰地被大模型學會，如果學不會，你的Agent工作流也跑不起來。

賈偉：原來的工作流是靠人來定義的，有了Agent以后，Agent學會了每個工作流背后的技能，形成了Agent快速調度以及一站式協同的能力。無論在企業級市場還是做更多業務集成的創新當中，完全可以把更多老匠人、老師傅的手藝，交給Agent完成效率提升，這也是做服務業務或者做企業級平臺，都一定會看得到的未來局面。

魏凱：我從兩個角度理解Agent，一個是技術角度，一個是業務角度。技術角度看，Agent就是大模型上的App，大家用大模型都是問它問題，它給你輸出一大段答案，大家覺得這個很不解渴。

在今年年初曾經出現過一輪熱潮，企業接入DeepSeek、千問等開源模型，買了很多一體機，過了一段時間以后，很多流量又下來了。“只能說不會干”的形態，解決不了企業真正的需求。

Agent在大模型的基座上疊加軟件的功能，再加上知識庫、工作流這些功能，使得它成為封裝起來的軟件。這是從技術上理解Agent為什么今年火熱？因為基座模型給它提供了非常好的操作系統。

從業務角度理解，Agent就像數字員工。這也是得益于模型能力能聽懂人話、規劃任務，知道它要調用什么樣的工具，跟其他Agent怎么交互。今年也出現了包括MCP、A2A在內的很多協議，它們極大擴展了模型和可干工作的范圍。

Agent這個詞跟中文翻譯過來的“智能體”還不太一樣，Agent是代理，人在背后是負主要責任的。業界把人工智能、大模型包括Agent的應用分為兩大類，一類是增強型作用，增強人的能力；第二類是自動化，流程不用人干預，從頭到尾就能給你干完。不管是增強型還是自動化，要強調Agent是人的代理，最后是人對Agent負責，定義它的目標。

現在Agent可以接入更多的知識庫，調用企業里的OA、API，越來越像你的合作伙伴，工作隊友，怎么讓這個隊友持續得到進化能力？飛輪能轉起來，Agent在你的企業里才有土壤，才有扎根的可能性。

企業落地：找真場景，找人與找數據

賈偉：如果面向一家企業去做AI或者Agent部署，我們有什么樣的建議？第一種，企業購買一體機，把模型部署到本地。第二，選擇SaaS方式做一些簡單的部署、輕量級的應用。當然也可以用類似的企業級平臺，釘釘也有圍繞企業側快速創建Agent全鏈路的能力，除了阿里巴巴、字節、騰訊也開發了不同的AI搭建和AI部署。在真正的企業級部署AI過程中，要讓Agent真正來發揮效率，我們應該怎么部署？

魏凱：最重要的、最難的事是怎么定義真場景，而不是一種偽場景。對機構來說，第一步，要篩選適合的Agent，無論是增強還是自動化場景。如果這個看不準，很多領導的期待會離最終投資收益差得很遠。

第二步，需要本地的知識庫和本地數據做好治理。如果沒有需求，企業老板不太愿意往“下水道”工程里投太多錢。但如果不去做數據治理、知識整理、加工，Agent到你的企業里也干不了什么事，因為它不知道你的流程，不知道老師傅的經驗是什么。這個要補課，要投“下水道”工程和數據治理底層的建設。

第三，企業引入Agent和我們在朋友圈里看到的通用Agent跟公有云上的Agent有一定的鴻溝。這個鴻溝來自很多企業部署不起滿血版的模型，我們也很難有非常好的infrastructure（基礎設施）支持Agent的可觀測性、持續改進等。這是技術擴散的過程，慢慢地把企業內部Agent開發運行環境要建起來。由于各種安全要求的限制，沒法用公有云時，也要在內部加快Agent平臺的開發。要跑起來，從小到大擴展，就有可能了。

最重要的一點是持續進化的能力。要有小切口場景，有沉淀的觀測數據，有改進的方向，形成持續迭代的閉環。

方漢：評估Agent能否在企業落地有一個最簡單的判斷標準，這個企業有很多道工序，如果你的某一道工序可以全部在電腦上完成，你的Agent落地才有可能性。

中國很多企業連信息化這一步都沒完成，Agent能不能落地，先看你的工序能不能完整地在電腦里運行，這是第一步。

第二步，你能不能把在電腦運行的過程數據完整地記錄下來，這才是企業在垂直行業的護城河以及長期的積累。這些數據交給大模型訓練以后，讓大模型學會這個過程，才能調用Agent，把過程完整地自動化。

最后，Agent的調用業內有一個成功率的問題?，F在沒有哪個Agent敢說自己的成功率是100%，這時候你要選擇什么樣的流程，去用Agent落地比較關鍵。比如財務用Agent，少算一個小數點是要命的；但有一些賽道比如配音，我們對錯誤還是可以容忍的，就可以大膽地采用。

簡而言之，基于Agent目前的能力限制，我們要選擇一些非主要的業務以及對于成功率不要求100%的業務先做落地。對重要的、關鍵性業務，一定要慎重以及積累更多的過程數據。

王長虎：部署Agent首先要確定好目標，一定不只是把“錘子”用好的問題。不僅是技術層面的問題，還是業務層面的問題。在業務價值導向上，我們需要判斷哪些事情是需要用Agent替代并且幫助企業發展的。

愛詩科技創始人兼CEO王長虎

只有業務視角是不夠的，先要看基礎設施是不是足夠ready（準備好）。Agent不僅依賴于大模型的能力，它可以自由地根據判斷以及目標要求，調動API能力。企業里面的數字化建設是不是能夠支撐某個局部Agent的運行，是特別重要的。如果做不到，我們首先要先讓很多線下的東西線上化、系統化。

另外對基礎模型要有選擇。選哪類模型、哪個大腦可以幫助Agent快速發展，都是要從技術側做思考的。更重要的是，除了業務視角、技術基礎之外，還有人、組織的匹配。在很多行業特別是偏傳統的行業里，現有人才是不是能夠支撐Agent在企業里快速落地和發展，這也很重要。

我們要有判斷，找到最合適的點去突破。誰能做這個事情？如果公司一號位特別有意愿發展Agent，做降本增效的人是不是有這樣的判斷力？我們需要找到合適的執行者、設計和調試的人，以及最后有能力集中部署Agent的人。這些人要靠內部培養還是對外招聘？企業里是不是能搭建出這樣的小團隊，幫助我們在新的時代更好地應對AI、大模型、Agent？業務視角、技術基礎、人才儲備這三者缺一不可，只有同時到位，Agent 才可能真正為企業創造價值。

組織變化：誰用的token數少，誰有問題

賈偉：企業級的模型部署帶來的另外一個變化是，AI快速增長后，對于整個組織和人才的重塑。數字化是一號位工程、智能化是一號位工程，組織和人才其實也是一號位工程。大家如何看待AI對組織人才帶來的變化？

釘釘副總裁賈偉

賴才達：我們公司創業第一天，就想做一個AI tech-bio（AI科技生物公司），我們找了很多不完全是純粹制藥背景的人。有integrated（集成者）跟translator（翻譯者），比如做AI納米材料、AI藥物的人。同時他們要懂怎么把藥化、化學、生物的問題變成計算機的問題，要做translate（翻譯）工作。

大部分做PM（項目管理）的人，能把各種工具整合在一起，手頭有大量的傳統知識文本。這些文本通過AI可以找到很多insight（洞察力）跟hypotheses（假說）。這些假說怎么通過高通量的實驗、機器人去做驗證，再通過傳統方式去做人體實驗。

制藥的驗證周期比較長，對integrated（集成）的要求特別高。既要有二三十年經驗的老兵，又要他們懂得怎么用新時代的工具去產生最好的結果。老兵也要能跟年輕的科學家溝通，通過AI做到最極致，解決行業幾十年做不到的問題。

方漢：編程是目前AI應用效率最高的領域。我們統計過，用AI來輔助編程提升程序員產出30%以上。這時，你要想考核大家，一個很重要的指標是我們不能看誰用的token數多，因為這個可以很輕松刷上去。但誰用的token數少，這一定是有問題的。

現在，大模型的能力已經超過普通員工能夠掌握的程度。所有人只有拼命地學習、適應，才能把公司的業務知識融進去，讓大模型更好地為你服務。

企業家也要成為大模型忠實的使用者，你只有使用了大模型或者Agent，才能知道它的能力邊界在哪兒。我不僅這樣要求我的下屬，我對自己也要求一個月得用兩億token以上，才不容易被大潮流甩下去。我才能夠感知AI前沿的邊界，保證自己的企業在競爭中不落后。

賈偉：我每天用的AI還有貼在手機背后的AI助手（釘釘A1錄音卡），助手可以把我每天的會議記錄下來。而且每場會議結束那一刻，AI會自動完成會議總結。過了一兩個月，我突然發現，我可以寫一本書，題目叫“我的2025”。這本書不是我寫的，是我的AI Agent寫的。今天，釘釘上已經有大量的客戶用AI做辦公協同的提效，也有更多領導需要做會議管理、面試管理、員工管理、組織管理的時候已經不通過秘書了，而是通過Agent助理。

（本文由釘釘AI會議紀要協助整理）