智東西
作者 王涵
編輯 漠影

Agent走進企業，已勢不可擋。

麥肯錫2025年AI報告基于對全球105個國家近2000名受訪者的調研顯示，62%的企業已在至少一個業務環節嘗試使用AI Agent，其中23%已進入規模化部署階段，主要集中于IT服務臺管理和知識管理等領域。

JetBrains 2025年對全球194個國家近2.5萬名開發者的調查顯示，85%的開發者定期使用AI工具進行編碼和開發，62%至少依賴一款AI編程助手或智能體工具，AI編程已從“錦上添花”變為行業標配。

企業AI正從“能不能用”走向“好不好用”，但在這條路上，多數企業卡在了從試點到規模化的中間地帶。

為什么試點容易、規模化難？

因為Agent落地不僅僅是選一個模型那么簡單，還需要打贏三場硬仗：

1、算力硬仗：推理成本怎么降？Token供應怎么穩？基礎設施跟得上嗎？

2、工程硬仗：多Agent怎么協同？記憶怎么管？工作流怎么不斷裂？安全怎么控？

3、組織硬仗：企業怎么從“人+工具”變成“人+Agent團隊”？個體怎么成為“超級個體”？

那些最早大規模應用AI編程工具輔助開發的企業，已經在這三場硬仗中率先交出了答卷，他們的經驗正在向更多行業擴散。

6月16日，也就是明天，由清華大學全球產業研究院主辦、中關村科學城管委會支持的“人工智能+生態大會（AIEC 2026）”將在北京中關村展示中心舉行。大會匯聚近60場專題報告，阿里云、騰訊、月之暗面、浪潮信息、美的、上海人工智能實驗室、階躍星辰、百川智能等頭部機構，以及Dify、DataWhale等開發者社區將同臺對話。

大會的核心命題只有一個：Agent規模化落地，企業究竟要怎么打這三場仗？

一、算力底座：如何讓Agent跑得起、跑得穩？

企業部署Agent時遇到的第一個現實問題，往往不是模型不夠聰明，而是錢包燒不起。

一個需要實時響應的客服Agent，如果每次推理都要消耗數秒時間、花費幾毛錢Token費用，根本無法替代人工。

所以，企業部署Agent要打的第一場仗就是“算力硬仗”，核心議題是推理效率如何提升？Token成本如何下降？算力基礎設施如何規劃？

在本次大會上，階躍星辰將帶來他們在Agent效率和Agentic模型方向的最新探索。階躍星辰在端側AI上的深耕，沉淀了一套“高效智能”的方法論，其技術路線沒有盲目追求參數規模，而是圍繞Agent的實際調用場景，優化推理速度、工具調用成功率與長上下文處理能力。

清程極智則會從另一個關鍵維度切入：Token的高效生產與可信流通。對于規模化部署Agent的企業而言，Token不僅是計算單元，更是成本單元和安全邊界。清程極智將給出降低企業Agent運行成本的實戰思路，直接回應了企業對“算力賬”的焦慮。

清華大學將分享對“Vibe Coding”浪潮的觀察與思考。Vibe Coding，從輔助代碼補全進化為向開發者與AI共鳴協作。這一演進對算力底座提出了新的要求：更長的上下文窗口、更快的推理響應、更精準的工具調用，反過來又推動了模型推理效率的提升。

上海人工智能實驗室大模型中心則將聚焦模型基座與全鏈路工具的迭代探索。作為國內領先的AI科研機構，上海人工智能實驗室長期投入基礎模型與開源工具鏈的研發。他們將在大會上分享：模型基座如何適配Agent化的應用需求？全鏈路工具鏈（從數據預處理、模型訓練到推理部署）如何協同優化？

Datawhale、清程極智、OpenBMB開源社區、上海人工智能實驗室大模型中心、心言集團等將圍爐談話，共同探討大模型生態。這場對話的特殊之處在于，參與者既有開源社區的代表，也有模型廠商和科研機構。他們將從不同立場出發，碰撞出關于未來一年半大模型演進方向的共識、分歧與行動方案。

二、工程能力：Agent Infra如何從“手工作坊”走向“流水線”？

算力問題解決之后，企業很快會遇到第二道坎：模型選好了，推理也跑通了，但Agent一上線就亂套。

多個Agent同時工作時互相“搶話”、長任務執行到一半就“失憶”、復雜的工作流稍微一變動就斷裂、安全邊界模糊導致AI作出越權操作……這些工程問題正在成為規模化落地的最大阻力。

所以，工程硬仗的核心議題就是Agent的工程化底座需要哪些核心能力？如何實現多Agent協同、記憶管理、工作流編排與安全治理？

軟安科技的分享將聚焦Agent的可信治理。在代碼審查場景中，Agent不僅要發現潛在問題，還要給出可解釋的理由、可追溯的判斷依據，并在關鍵決策點保留人類的復核權限……可信治理必須內嵌到Agent的架構設計中。

記憶管理是另一塊硬骨頭。一個客服Agent如果記不住用戶三分鐘前說過的話，就談不上智能；一個研發Agent如果忘記了上一個任務的上下文，就無法完成長鏈路工作流。記憶張量專門解決Agent的長期記憶問題，將在大會上分享企業級Agent Memory的落地實踐。

此外，龍蜥社區將揭秘他們以KV Cache為中心的云上LLM推理軟件棧——Mooncake。這一技術方案旨在解決大模型推理中最核心的瓶頸：KV Cache的管理與調度。龍蜥社區的分享將為開源社區和企業用戶提供一套可落地的推理優化方案。

三、組織進化：從“人+工具”到“人+Agent團隊”

算力和工程問題解決之后，企業面臨的第三個瓶頸往往是最容易被忽視的：組織與人的轉型。很多企業的AI試點止步于PoC，其實是因為組織沒有準備好。

傳統的部門邊界、匯報關系、KPI考核體系，都是為“人”設計的，當Agent開始自主完成復雜工作時，整個管理體系就出現了空白：誰來給Agent派活？Agent的績效怎么衡量？Agent出錯了誰負責？

所以，第三場仗，組織硬仗的核心議題就是企業如何從“人+工具”過渡到“人+Agent團隊”？AI原生企業的組織形態是怎樣的？個體如何成為“超級個體”？

阿里云將在大會上分享他們在企業級AI Coding解決方案。阿里云認為，AI Coding 的本質變化是把軟件生產過程拆解為可被智能體理解、調用和執行的任務單元。開發者更多轉向定義需求、拆解任務、驗證結果，智能體則承擔實現、調試和迭代工作。

騰訊將在主論壇上分享他們從對話到執行的企業智能體規模化落地經驗。騰訊的思路很清晰：Agent必須真正干活。他們將在大會上展示如何將智能體嵌入到企業的真實業務流程中，并改變這些流程的執行方式。

月之暗面將帶來一線實戰中的落地經驗與Know-How，是踩坑換來的真話。他們會坦誠地討論：哪些場景不適合用Agent？多Agent協同中常見的失敗模式是什么？如何避免Agent“越權”或“罷工”？等等這些來自一線的教訓。

浪潮信息將在大會上分享企業級Agent規模化部署的實踐路徑。針對企業落地過程中的安全隔離、成本管控、批量管理等核心痛點，他們將帶來從算力基礎設施規劃、推理集群設計，到多實例統一運維的端到端解決方案，幫助企業跨越從試點到規模化的關鍵門檻。

無問芯穹則從規模化生產的角度提出了一個新概念：Token工廠與Agent生產線。他們把Agent看作工業品，認為規模化部署Agent需要像工廠一樣建立標準化的生產流程。無問芯穹將分享他們如何把這一理念落地到企業級平臺中。

漢得信息作為企業服務領域的資深玩家，將帶來從概念驗證到真實業務的跨越經驗，他們將分享一整套轉型方法論，直擊企業轉型的痛點。

此外，大會還專門設置了“OPC超級個體生存路書”專題，7個AI原生創業項目輪番登臺，解讀AI時代的”超級個體”如何重構創新范式，以及如何讓超級個體擁有一支隨叫隨到的”產研軍團。

四、落地實踐：制造、醫療、研發的真實戰場

算力、工程、組織——三場硬仗的理論框架最終需要在真實行業中接受檢驗。

當前，Agent應用正在從通用辦公場景走向制造、醫療等高復雜度、高專業度的垂直領域。這些場景對Agent的要求是“零失誤、可審計、能閉環”。如果Agent能在制造業產線中穩定運行、在醫療診斷中輔助決策，就意味著它已經具備了進入核心生產系統的資格。

行業應用的核心議題就是Agent在制造、醫療等關鍵行業的落地實踐，以及這些實踐如何反過來驗證算力、工程、組織的解決方案。

制造業場景的特殊性在于：它涉及物理世界的實時控制、多種設備的協同，以及對安全性和穩定性的極致要求。美的從產線調度到質量檢測，已經部署了多個智能體應用。他們就在這場大會上展示智能體如何驅動制造業全流程重構。

百川智能帶來的是醫療Agent的產品化落地實踐。醫療行業的門檻在于強監管、高專業度和對錯誤的零容忍。百川智能將分享他們如何在一個“不容出錯”的環境中部署Agent，他們的經驗對于金融、法律等其他高監管行業具有重要的參考價值。

結語：全行業開放，是智能體進入生產體系的前提

算力、工程和組織，這三場硬仗，每一場都足以卡住一大批企業的規模化進程，每一場都無法靠單一技術或單一公司打贏。

開源模型打破能力壟斷，開放工具降低開發門檻，產業場景提供應用土壤，組織系統承接執行閉環，開發者與產業網絡推動持續迭代。產業上下游齊心勠力、共同開放，才能乘上東風，讓人工智能+進入千行百業。

由清華大學全球產業研究院主辦、中關村科學城管委會支持，匯聚產業方與開發者社區的AIEC 2026，將為行業描繪出這一開放的“藍圖”。