編輯｜冷貓

短短幾個月，大模型行業的風向已然發生了巨變。

在傳統的認知里，大模型的進化邏輯是「更大、更強、更通用」。幾個月前，大模型的進化方向變成了「更猛的編碼能力」。2026 年甚至才過了一半，大模型行業似乎心照不宣地轉向了一個新的關鍵詞：Harness。

什么是 Harness？簡單說，就是把一個強大的 AI 模型「套上韁繩」，讓它能在真實的企業環境中穩定、高效地完成工作的整套工程體系。模型本身是引擎，Harness 是讓引擎跑在路上的整車。一切向實用和落地服務。

真的不禁感慨，大模型的發展真是日新月異。行業的焦點恨不得一天一變，接下來的創新和落地該往哪走？

就在這個節點上，AIEC 2026 人工智能 + 生態大會在北京召開

AIEC 人工智能 + 生態大會（AI+ Eco Conference）是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，圍繞「人工智能 +」如何從戰略部署走向產業實踐展開系統討論，聚焦重點行業的真實場景和轉型需求，探索 AI 技術進入千行百業的落地路徑。

本屆大會匯聚了來自國家信息中心、IDC、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、百川智能等知名機構和領先企業的專家代表，以及 Dify、中關村 AI 北緯社區、DataWhale 等生態社區的開發者。

一場集合了全行業多領域方向的大會，為我們揭開了清晰而又系統的行業新趨勢。

參數賽落幕，落地競賽全面開啟

2023 到 2025 年，所有 AI 公司的核心邏輯高度統一，誰在評測排行榜上領先，誰就是市場的寵兒。進入 2026 年，這套邏輯開始松動。

6 月初，摩根大通首席數據與分析官在紐約科技周上提到，公司里有些員工使用 AI 產生的 Token 費用，已經超過了他們自己的工資。

這時候，所有人都明白，大模型已經處于走向落地，走進企業組織架構的關鍵時刻。

AIEC 大會主論壇上，Kimi 大模型相關負責人的演講指出：

編程場景今天占了整個模型 Token 消耗量的 90% 以上，而全球程序員只有 3000 萬，而知識工作者超過 10 億。隨著編程能力擴展到更廣泛的工作場景，整個范式會在接下來兩三年迎來重大突破。

一切的關鍵在于效率。「大模型本質上是把能源更高效地轉化為智能。規模化的關鍵在于從數據利用、任務處理、協同模式等多個維度系統性地提升效率。」

更深遠的變化在于，AI 正在越來越多地參與到下一代 AI 模型的開發中，包括任務環境生成、架構設計和參數優化，這意味著整個行業的智能提升加速度本身在加速。

未來，讓 AI 成為正式員工

不可避免地，大模型很快就將走進企業，成為企業員工的一部分，這讓大多數企業面臨著挑戰。

浪潮信息董事長彭震，在這一點上的判斷就很犀利：「AI 帶來的產業變革和前三次產業革命有本質區別。前三次革命改變的是工具，而 AI 改變的是人，是勞動者本身。工具的改變重塑了生產關系，AI 也會重新構建一種全新的生產關系。」

他引用陶哲軒的觀點：「AI 擅長廣度，人類擅長深度，兩者高度互補。」人機協作可能會在未來很長時間里一直存在。基于這個判斷，彭震提出，智能體時代的 AI 原生企業，組織從管理 Human 進化到管理 Humagent（Human+Agent）。

「我們發現 AI 就像企業里精力充沛的年輕人，執行力出色。而一個組織能健康運行，靠的是讓每個人的能力在規則和方向上各歸其位。今天的 AI 也一樣，我們需要用組織管理這種不確定性，讓它真正成為生產力。」

這場變革不是一家企業能獨自完成的，需要產業生態的協同：上游硬件廠商提供多元算力，模型公司提供多種模型，還需要 AI 服務公司做轉型咨詢、智能體開發商做外包開發、自動化工作室做新業務模式。浪潮信息為此推出了元腦生態合作計劃，包括能力共建、經驗共享和聯合市場基金。

這可能是 AIEC 大會上最值得咀嚼的洞察：如果組織能力跟不上，就會成為最大的摩擦。

集體下場做工具，智能體就是生產力

幾乎所有大模型公司都在自己開發 Coding 工具和 Agent 框架，沒有人愿意把這個環節交給第三方。

今年年初，馬斯克 xAI 的工程師被發現通過第三方工具 Cursor，大量使用競爭對手 Anthropic 的 Claude 來寫代碼。消息曝出后，Anthropic 迅速切斷了競對的訪問。

模型公司為什么要親自做工具？

第一，純模型已經很難撐起企業價值。當模型能力越來越接近，真正能夠實現價值創造的是能直接完成任務的 Agent 產品，如果只做底層模型，最難的技術自己做了，最大的商業價值卻可能被工具層拿走。

第二，Agent 的效果高度依賴模型和工具的深度適配。智能體不只是回答問題，還要管理上下文、調用工具、執行任務、出錯恢復、校驗結果，甚至讓多個智能體協作。

這正是騰訊資深產品技術專家汪晟杰提到的方向：企業智能體規模化落地的關鍵，是依托 Agent OS 統一技術底座和合理調度策略，把智能體變成能夠管理、執行、校驗、記憶、協作的「超級團隊」。

阿里云 Qoder 解決方案總監韓紅娜在 AIEC 大會主論壇上的分享，恰好呈現了這種「模型 + 工具一體化」的完整圖景。

她把 AI 編程工具的進化描述為三個階段：從代碼補全，到自主開發工作臺，再到智能體專家團承接端到端任務。

她進一步提出：行業正在從 Vibe Coding 走向 Vibe Working，并對 AI Native 組織給出了四個要素：決策鏈路縮短、人才建設、協作成本集中管控、自動化閉環驗證。

當模型、工具、記憶、調度、驗證和協作被整合到同一個技術體系里，Agent 才不再只是一個聊天入口，而會變成真正嵌入組織流程的生產力單元。

從 Coding 到 Working，從單點助手到智能體團隊，大模型公司的下一步是提供一套能持續執行任務、沉淀經驗、優化流程的下一代工作系統。

Agent 落地的兩塊拼圖

在主論壇以外，本次 AIEC 大會還設置了5 場分論壇，包含了近 60 場專題報告。五大分論壇分別聚焦AI Coding、企業級 Agent 落地、大模型產業化、OPC 超級個體與智算中心 Token 服務，幾乎覆蓋了 AI 行業發展和生態落地的方方面面。

受限于文章的篇幅，在這里就以智能體時代讓 Agent 落地為主線，深入兩個關鍵細節：Agent 在生產環境中如何跑得高效？如何讓 Agent 從「一次性工具」成長為「老員工」？

階躍星辰模型 GTM 負責人龔關在分論壇演講中，把問題聚焦到了生產環境中最現實的三個瓶頸上。

第一是延遲，直接影響用戶留存，Agent 是長程任務，用戶能感受到每一秒的等待；第二是成本，一個 Agent 通常需要長程推理和多輪會話，Token 消耗遠超普通對話場景；第三是可靠性，長鏈路任務容易跑偏、卡住、中斷。

「一個很聰明但很貴的模型，或者一個很便宜但不可靠的模型，或者一個在單輪任務里表現很好但進入長程任務就崩的模型，都不是我們需要的。我們真正需要的是高效智能。」

模型競爭的下一個前沿，已經不在「極致智能」，而在「可規模化的高效智能」。

如果把企業級 Agent 比作一個新員工，那么「記憶」就是它從新手變成老手的關鍵。

記憶張量 MemTensor 解決方案架構師陳玉濤在分論壇中，討論的正是這個容易被忽視的問題：業務變化之后，Agent 是不是每次都要重新編排？它能不能自己學習、自己進化？

他把 Agent Memory 拆成五個能力：記憶抽取、記憶組織、記憶檢索、記憶更新和記憶共享。

他還提出了「Memory Skill」的概念：把優秀員工或優秀 Agent 的經驗自動提取成可復用的 Skill，再遷移給其他 Agent 或用于員工培訓。這實際上是在解決企業長期以來的知識管理難題，把個人經驗變成組織能力。

先讓 Agent 跑得起、跑得快、跑得穩，再讓 Agent 記得住、學得會、能成長。只有這兩件事結合起來，Agent 才可能從一個每次從零開始的臨時工具，變成真正有崗位、有經驗、能持續進化的數字員工。

展望：人與 AI

這次大會的一條主線是：企業 AI 轉型的核心戰場，在組織。把這些觀點拼在一起，一條清晰的行業脈絡浮現出來：

2023 到 2025 年，競爭在模型層。誰的參數多、得分高，誰就是贏家。

2026 年上半年，競爭轉到工具層。模型公司集體下場做 Agent 框架和編程工具，從「賣模型」轉向「賣 Agent 能力」。

2026 年下半年開始，競爭將進入組織層。誰能幫助企業完成 AI 原生的組織重構，讓 Agent 真正作為數字員工跑進生產環境，誰就占據了下一個階段的制高點。

但在這里，應當更進一步，展望更遠的可能性。在本次 AIEC 大會的議程安排中，有一個頗為特別的角色：清華大學全球產業研究院院長彭凱平，一位心理學家。

他說，「AI 提升的是效率，但效率本身從來不是人類的目的。」

彭凱平教授提了一個在座所有人都需要面對的問題：當機器越來越像能干的人，人到底還有什么不能替代的比較優勢？

他的回答是：人的競爭優勢在于心理能力。同理心、道德判斷、對未來的創造性想象、在模糊情境中的直覺決策，這些是機器用線性邏輯推算不出來的。

「人類的智能優勢是想象未來。」

他引用馬丁?塞利格曼的研究指出，人類真正的特質是「前瞻性」，大腦的默認神經網絡在不停地下意識處理未來。他進一步提出了「心主權」的概念：在 AI 時代，人類不能讓價值觀被機器取代，不能讓深度思考能力被數據控制，不能讓情感被 AI 操作，更不能讓人格和隱私完全被人工智能支配。

本質上是在為 AI 原生組織中「人的位置」提供一個錨點。

大模型行業的競爭，已經換了一張牌桌。但最后，都將回到「人」的本質。