作者 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

企業級 Agent 這件事，已經越來越不像前兩年的那種熱鬧了。

那時候大家比的是模型，誰更聰明，誰參數更大，誰在 benchmark 上跑得更高。到了今年，問題突然往下沉了一層。模型好不好當然還是重要，但企業真正開始掏預算時，盯著看的已經不是那張成績單了，而是另一套更硬的東西，這個系統能不能接進業務，能不能接進組織，能不能被審計，能不能過安全和合規，出了錯誰來兜底，跑起來之后成本怎么控。

4 月 16 日，瀾舟科技 2026 春季媒體閉門溝通會在北京中關村公司總部舉行。新智元、騰訊科技、第一財經、鈦媒體、甲子光年、網易科技、創業邦、創業黑馬、財聯社、CSDN、新浪財經、搜狐、智能紀元 AGI、TechWeb、DoNews 等近 20 家媒體機構參會。創始人周明博士在這場溝通會上圍繞一個主題展開分享，從智能體到數字員工的演進，可信 AI 技術如何重塑企業服務軟件。

這場溝通會里，瀾舟一次擺出來的東西不少，可信 AI 全棧技術體系，自研企業智能體 OSLangClaw，升級后的「三智」產品矩陣，以及一整套圍繞企業級落地展開的方法、客戶和商業路徑。把這些內容放在一起看，會更容易理解這家公司這次真正想搶的是什么，不只是某個 Agent 產品位，而是企業把智能體真正接進業務系統之后，底下那套運行底座、治理框架和交付邏輯。

從模型競賽走到 AI 原生，企業級市場的問題開始變了

周明博士在會上先把行業背景重新擺了一遍。按照他的判斷，人工智能已經從前一階段的大模型技術競賽，進入 AI 原生應用落地的新階段。政策層面，國家「人工智能 +」行動與「十五五」規劃，繼續把 AI 放在新質生產力的核心位置上。會上援引的一個判斷是，到 2027 年，智能體普及率預計將超過 70%，到 2030 年達到 90%。

市場側的數據也被放進了這套判斷里。IDC 預計，到 2029 年，中國生成式 AI 市場規模將達到 450 億美元，五年復合增長率為 48.0%。其中，金融智能體市場的年復合增長率將達到 82.6%。

這些數據背后對應的，其實不是一輪單純的模型紅利，而是企業服務軟件正在被重新組織的可能。瀾舟在會上反復區分了傳統「AI+」和 AI 原生。前者更多是在既有軟件外面疊加一層能力，和業務流程之間仍然容易出現脫節。后者則是以 LLM 和智能體作為底層架構，從設計、開發到運營重構整個系統，讓 AI 真正進入自主決策、流程自動化和業務深度協同。

這也直接對應到企業級 AI 在 2026 年之后最現實的門檻。

2024 到 2025 年，行業還在更集中地比較模型參數和通用能力。到了 2026 年，模型是否能落到真實業務場景、是否能穩定運行、是否能被管控、是否能滿足合規和安全要求，開始變成企業客戶更直接的判斷標準。

也正因為這樣，可信 AI 和智能體工程成了瀾舟整場溝通會里最重要的兩個關鍵詞。

可信 AI 對應的是一套企業級標準，在組織、業務、合規和安全邊界內，讓系統做到行為可預測、結果可解釋、風險可控。智能體工程則被瀾舟總結為把 AI 能力轉成業務價值的工程方法，并拆成三部分，提示詞工程、上下文工程、駕馭工程。前兩部分解決的是意圖理解和信息補充，第三部分「駕馭工程」（Harness Engineering）則被單獨提到臺前。

周明博士認為，駕馭工程更像智能體的控制中樞，圍繞感知控制、能力邊界、行為規則、錯誤恢復四個機制展開，處理的是企業在長程任務、多智能體協同和行為管控場景里最關心的可靠性問題。瀾舟希望用這部分能力，把 AI 從「聰明」繼續往「靠譜」推進。

一套可信 AI 技術體系，被拆成四層企業能力

圍繞這套方法，瀾舟把自己的可信 AI 技術體系拆成了四層。

第一層是企業智能體 OS，也就是LangClaw。它被定義為數字員工的統一運行底座，支持自然語言轉任務、跨系統操作、多數字員工協同、安全沙箱執行和全鏈路審計。

第二層是企業數字員工，對應 7×24 小時自主執行業務職責，形成「人 + 數字員工」協同的新模式。

第三層是企業大腦，核心放在知識管理、任務編排、記憶進化和安全管控上，用來支撐企業智能決策。

第四層是底層可信能力，覆蓋數據全生命周期治理、低幻覺生成、四級量化評測和全鏈路安全架構，用來滿足金融、央國企等高合規行業的要求。

在這四層結構里，LangClaw 是整場溝通會里被反復提到的核心產品。瀾舟對它的定義不是一個泛化的 Agent 平臺，而是企業智能體 OS，也就是企業內部數字員工的運行底座。它要解決的不是單個助手能不能回答問題，而是數字員工怎么被創建、怎么運行、怎么協同、怎么被審計，以及怎么在組織內部持續積累上下文和經驗。

圍繞這一層，瀾舟在現場給出了比較完整的能力清單。

先是創建門檻。按照其表述，3 秒就可以生成一個專屬數字員工，不需要安裝，也不需要單獨申請云容器，盡量降低企業開始使用時的動作成本。

再是運行形態。LangClaw 支持云端 7×24 小時穩定運行，也可以無縫接入飛書、釘釘、企業微信等主流辦公平臺，讓數字員工直接進入企業已有的工作入口。

協同能力也是這套系統的重點之一。它支持從個人助手到團隊協同的全場景賦能，也支持自動創建子智能體，通過自然語言調度多個智能體拆解并執行復雜任務。

記憶體系被設計成四層，平臺層、員工層、任務層、用戶層。瀾舟想用這套結構解決的是數字員工如何在組織中持續進化，而不是每一次執行任務都重新開始。

安全和治理則是 LangClaw 另一條很重的線。現場提到的能力包括云端沙箱運行、密碼泄漏防護機制、專屬密碼代理服務，以及細粒度執行審計。對于用戶、渠道、任務、執行，全鏈路 Token 消耗統計和運行詳情都可以被可視化。

技能（Skill）層面，LangClaw 預置了私有知識庫、數據庫查詢、瀏覽器抓取等全鏈路能力，希望把企業內部數據、外部網頁環境和實際任務流程連到一起。

「三智」矩陣，會議、知識和搭建三條線鋪開

除了 LangClaw，瀾舟這次也把「三智」產品矩陣重新擺到了臺前，分別是智會、智庫和智搭。

瀾舟智會這條線，這次和影石 Insta360 聯合推出了基于影石 AI 錄音會議全向麥克風 Wave 的軟硬一體化方案，覆蓋從高保真拾音、錄音到智能分析的完整流程。按照現場披露的數據，升級后的 ASR 平均準確率達到 97% 以上，聲紋識別平均準確率達到 95% 以上，發言人識別也被作為賣點之一放在現場展示。圍繞 AI 會議紀要，智會支持規范格式、要點提煉、邏輯重構和發言人總結。處理長音頻時，1 小時會議文件大約 5 分鐘可以完成。部署上，智會支持全流程私有化，后續規劃里還包括專業詞庫管理和開放 skill。

瀾舟智庫對應的是企業知識管理。瀾舟在會上把它描述為一套覆蓋知識采集、知識治理、知識應用、知識運營全生命周期的能力，用來支撐低幻覺企業知識中臺和企業個性化智能體應用。這次升級首先落在多源數據接入，覆蓋文檔、問答對、數據庫、知識圖譜和多模態數據。其次是知識標簽能力，自動標簽會覆蓋業務類型、合規等級、風險類別、數據來源等維度，用來輔助更精準的知識分類。再往下是知識理解能力升級，圍繞文本、復雜表格、圖片、語音等多類型數據做深度解析和融合。圍繞智能問數，智庫支持 Excel 表格和結構化數據庫的多表精準查詢，現場給出的數據是金融理財測試集準確率達到 95.3%。圍繞這條產品線，瀾舟后續還提到開放智庫 skill、智能校對、智能審核等規劃。

瀾舟智搭則是一套低代碼智能體搭建平臺，用來幫助企業更快定制行業智能體，降低 AI 應用落地門檻。

三條產品線一起，基本把會議、知識、智能體搭建這些企業最容易率先出現剛需的場景都鋪了進去。與此同時，瀾舟在部署形態上反復強調，所有產品都支持云端 SaaS 與私有化靈活部署，數據不出域、權限可管控、全流程可審計，用來適配金融、運營商、央國企等對數據安全和合規要求更嚴的大中型企業。

在行業解決方案部分，瀾舟給出的落地范圍包括金融、運營商、物流、科技制造等行業，并列舉了幾家已經合作的企業。

• 北京銀行，對應的是「京信妙筆」智能會議工具，用來實現會議全流程智能化分析。

• 中移在線，對應的是智能客服體系重構。

• 中國外運，對應的是招投標智能體平臺。現場給出的數據是，文件解析效率提升了 70%，初稿生成時間從小時級壓縮到分鐘級。

• 聯想集團，對應的是智能問數系統，用來實現設備兼容性信息精準查詢，并降低跨部門溝通成本。

技術端是 AI 原生、智能體工程和可信 AI，產品端是 LangClaw OS 加上「三智」產品矩陣，交付端包括私有化部署、定制化開發和全周期運維，銷售端則繼續聚焦大中型企業和腰部成長型企業，重點行業落在金融、運營商、央國企等高價值市場。

企業級 AI 最現實的幾道題

到了媒體問答環節，現場的問題開始更直接地碰到企業級 AI 這門生意的現實部分。

資本期待和客戶需求之間怎么平衡，是被先拋出來的一道題。周明的回答是，資本關注估值和壁壘，客戶關注場景適配和 ROI。瀾舟會繼續走「技術 + 應用」的雙螺旋迭代路徑，用解決實際問題的方式反哺技術發展。

另一個問題是，Agent 從單輪問答走向更完整的自主執行之后，Token 消耗會不會明顯抬高。周明在現場的判斷是，趨勢會繼續從單輪問答走向全鏈路自主 Agent，Token 消耗上升是客觀結果，但可以通過大小模型混合編排，以及云邊端配合，去壓縮整體成本。

圍繞國內企業級 AI 市場，現場也問到了更難的一面。周明提到的現實約束包括需求碎片化、大廠競爭壓力、技術和業務脫節，以及人才短缺。與此同時，大模型能力提升和成本下降，也在給這類公司帶來新的窗口。

問到 OPC，也就是一人公司創業潮時，周明的回答并不浪漫。他直接說，OPC 創業成功率低本來就是常態。瀾舟想提供的支持方式，是銷售、營銷、招聘等數字員工 skill，幫助創業者把非核心業務接出去，把精力留給核心業務。

Skill 生態也是現場被反復追問的一塊。周明的判斷是，行業 know-how 會逐步沉淀成通用 skill，并朝開源和生態化方向演化。企業在實際使用 skill 時，除了功能本身，還要同時看安全、Token 消耗和能力等級。至于 Skill 的評測，瀾舟給出的口徑包括功能完整性、安全掃描、防供應鏈攻擊、Token 消耗和水平等級，并通過場景化測試與安全檢測去驗證質量。

往回看這場溝通會，瀾舟這次真正想推進的，不只是幾個產品名，而是一整套企業級 AI 的組織方式。

模型之外，企業真正開始掂量的是另一套東西，系統能不能接流程，能不能進組織，能不能穩定跑，能不能被治理，能不能交付，能不能長期算得過賬。圍繞這一層，瀾舟把可信 AI 技術體系、LangClaw 這套企業智能體 OS、「三智」產品矩陣、行業解決方案和私有化部署能力串成了一條線。

如果數字員工這套敘事接下來還要繼續往前走，企業級 Agent 最終爭的也不會只是前臺那個入口，而是后臺整套底座。

（投稿或尋求報道：zhanghy@csdn.net）