高峰對(duì)話：Agent能走多快，取決于公司一號(hào)位

要讓Agent成為工作助手，需要破解哪些環(huán)節(jié)？

文｜《中國(guó)企業(yè)家》記者 閆俊文

編輯｜何伊凡見(jiàn)習(xí)編輯｜李原

圖片來(lái)源｜中企圖庫(kù)

12月6~7日，由《中國(guó)企業(yè)家》雜志社主辦的2025（第二十三屆）影響力企業(yè)家年會(huì)（原中國(guó)企業(yè)領(lǐng)袖年會(huì)）在北京召開(kāi)。在7日進(jìn)行的高峰對(duì)話環(huán)節(jié)，釘釘副總裁賈偉作為主理人，與中國(guó)信息通信研究院人工智能研究所所長(zhǎng)魏凱、昆侖萬(wàn)維董事長(zhǎng)兼CEO方漢、愛(ài)詩(shī)科技創(chuàng)始人兼CEO王長(zhǎng)虎、劑泰科技聯(lián)合創(chuàng)始人兼首席執(zhí)行官賴(lài)才達(dá)圍繞Agent（智能體）興起與應(yīng)用做了討論和分享。

以下為精彩觀點(diǎn)：

1.未來(lái)，治病會(huì)像編代碼一樣，直接把38億個(gè)細(xì)胞里面真正“錯(cuò)掉”的幾萬(wàn)個(gè)細(xì)胞，從疾病“編寫(xiě)”回健康。

2.對(duì)企業(yè)來(lái)說(shuō)，最關(guān)鍵的是過(guò)程數(shù)據(jù)能否被學(xué)習(xí)，一旦做到，那用Agent就能快速增效。

3.不管是增強(qiáng)型還是自動(dòng)化Agent，要強(qiáng)調(diào)Agent是人的代理，人還是要對(duì)它負(fù)責(zé)，定義它的目標(biāo)。

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

5.如果公司一號(hào)位特別有意愿發(fā)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(zhí)行、設(shè)計(jì)、調(diào)試的人，以及最后有能力集中部署Agent的人。

以下為高峰對(duì)話環(huán)節(jié)分享全文（有刪減）：

未來(lái)，治病像編代碼一樣

賈偉：今年是釘釘?shù)牡?0年，我們已經(jīng)服務(wù)了7億用戶、2600萬(wàn)組織。但今年特別不一樣，之前我們也提到了All in AI的戰(zhàn)略，很多企業(yè)從不用AI到用AI，從沒(méi)有創(chuàng)建企業(yè)級(jí)的Agent到有了Agent，再到在各個(gè)業(yè)務(wù)領(lǐng)域協(xié)同辦公，跨端的應(yīng)用越來(lái)越多。我們先請(qǐng)大家談下，在當(dāng)前AI領(lǐng)域的合作點(diǎn)上，哪個(gè)領(lǐng)域是重點(diǎn)關(guān)注的板塊？

魏凱：我來(lái)自中國(guó)信息通信研究院，我們單位有兩個(gè)角色，一個(gè)是國(guó)家的智庫(kù)，參與人工智能頂層設(shè)計(jì)，包括今年8月出臺(tái)的《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見(jiàn)》，我們也參與了起草。

中國(guó)信息通信研究院人工智能研究所所長(zhǎng)魏凱

另外一個(gè)是產(chǎn)業(yè)平臺(tái)的角色，我們跟很多企業(yè)一起研究國(guó)家人工智能的技術(shù)怎么往上攀高，怎么用人工智能改造傳統(tǒng)產(chǎn)業(yè)，做落地應(yīng)用，這個(gè)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(lái)的熱潮，非常有沖擊力，帶我們進(jìn)入了一個(gè)新的紀(jì)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(chǔ)模型能力進(jìn)化到一定程度，轉(zhuǎn)化成現(xiàn)實(shí)生產(chǎn)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(shuō)話的能力轉(zhuǎn)化成干活的能力。

方漢：昆侖萬(wàn)維是一家在A股的上市公司，主要做互聯(lián)網(wǎng)出海。我們95%的收入來(lái)自海外，從2020年開(kāi)始做AI方面的研發(fā)投入。到目前為止，我們?cè)贏I音樂(lè)、AI視頻、AI Office、AI社交、AI游戲等方面都有長(zhǎng)期投入和具體的產(chǎn)品落地。AI也給我們帶來(lái)了收入規(guī)模上的高速增長(zhǎng)。去年，我們的全年收入是58億元。今年前三季度，我們已經(jīng)做到了56億元。在海外，我們的AI音樂(lè)產(chǎn)品、AI社交、AI Office都已經(jīng)產(chǎn)生了實(shí)際的收入。我們?cè)诨竽Ｐ蜕献龅靡脖容^多，目前最出彩的是音樂(lè)生成大模型，穩(wěn)居全球前兩名的位置。

我們最看好AIGC賽道，因?yàn)锳IGC賽道能極大地降低所有人創(chuàng)作內(nèi)容的成本和門(mén)檻，這樣會(huì)導(dǎo)致整個(gè)內(nèi)容產(chǎn)業(yè)產(chǎn)生巨大的變化。舉個(gè)例子，像《哪吒2》的拍攝成本是3億元。我們預(yù)計(jì)，在3～5年內(nèi)可能會(huì)降到不到10萬(wàn)元，這對(duì)全球的內(nèi)容生成產(chǎn)業(yè)都是一個(gè)巨大的變化。

王長(zhǎng)虎：愛(ài)詩(shī)科技成立于2023年初，那個(gè)時(shí)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(yīng)用的，比Sora早一年做視頻生成。過(guò)去兩年多時(shí)間，我們的模型一直在全球第一梯隊(duì)。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(chǎn)品發(fā)展很快，在a16z發(fā)布的全球50大AI App里面排名第25名。我們的用戶數(shù)已經(jīng)超過(guò)1個(gè)億，每月的訪問(wèn)用戶數(shù)超過(guò)千萬(wàn)。所以無(wú)論從模型、產(chǎn)品、用戶，我們保持了較強(qiáng)的競(jìng)爭(zhēng)力。

未來(lái)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(chuàng)作出一段視頻，去分享、交流和交互。現(xiàn)在越來(lái)越多的行業(yè)已經(jīng)受益于我們的產(chǎn)品和視頻生成技術(shù)，包括短劇、漫劇、電影、廣告視頻生成、電商行業(yè)等等。

賴(lài)才達(dá)：劑泰科技專(zhuān)注用AI去做納米材料的開(kāi)發(fā)，是一個(gè)AI for Neuro（人工智能用于神經(jīng)科學(xué)）的平臺(tái)。我們?cè)谧龅氖前l(fā)現(xiàn)新的一些納米“小火箭”，有點(diǎn)像制藥界的SpaceX。在人體體內(nèi)，這些納米材料可以導(dǎo)航到不同的器官，像肝、肺、心臟、腫瘤、免疫器官等等，精準(zhǔn)地把藥物在病灶釋放出來(lái)。我們希望有一天，治病能像編代碼一樣，直接把38億個(gè)細(xì)胞里面真正“錯(cuò)掉”的幾萬(wàn)個(gè)細(xì)胞，從疾病“編寫(xiě)”回健康。

Agent能力泛化，降本增效

賈偉：Agent的本質(zhì)是什么，為什么在這個(gè)時(shí)刻到達(dá)一個(gè)拐點(diǎn)，它會(huì)帶來(lái)怎樣的增長(zhǎng)和變化？

賴(lài)才達(dá)：我們花了多年時(shí)間建造了一些預(yù)測(cè)或者生成的模型，去了解復(fù)雜人體內(nèi)如何實(shí)現(xiàn)GPS導(dǎo)航，怎么設(shè)計(jì)納米材料，讓它跟蛋白結(jié)合，去解析不同的化學(xué)訊號(hào)，到達(dá)正確的器官組織上釋放。所以前些年，我們開(kāi)發(fā)了非常多小的算法或模型，用大量干濕實(shí)驗(yàn)數(shù)據(jù)支持底層建設(shè)。我們一年要做2萬(wàn)到3萬(wàn)只小鼠（實(shí)驗(yàn)），去支持這樣的平臺(tái)開(kāi)發(fā)。

劑泰科技聯(lián)合創(chuàng)始人兼首席執(zhí)行官賴(lài)才達(dá)

積累了這么多（數(shù)據(jù)）之后，行業(yè)里有了非常多的蛋白模型、小分子模型。現(xiàn)在我們?cè)谧龅木褪怯肁gent模式，把它們串在一起。不是簡(jiǎn)單的問(wèn)與答，而是可以把做哪些實(shí)驗(yàn)、怎么設(shè)計(jì)實(shí)驗(yàn)、怎么自動(dòng)化做好實(shí)驗(yàn)，串成全流通的用Agent調(diào)度干濕實(shí)驗(yàn)的平臺(tái)。我們希望有一天，我不用雇100多個(gè)博士去做這些工作，而是大量使用Agent的方式，讓1個(gè)博士做相當(dāng)于10個(gè)博士做到的事情。

我們已經(jīng)發(fā)現(xiàn)，通過(guò)串聯(lián)Agent，現(xiàn)在從立項(xiàng)到PCC（臨床前候選化合物）階段大概11個(gè)月就可以完成，以前這個(gè)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(shí)現(xiàn)AI賦能的藥物完成臨床三期的企業(yè)，打通了從立項(xiàng)概念到真正在人體上驗(yàn)證藥效安全性，解決患者的痛點(diǎn)。我們第一款藥可以解決1300萬(wàn)個(gè)患者臨床痛點(diǎn)，打開(kāi)了非常大的增量機(jī)會(huì)。

我們希望能把它大規(guī)模復(fù)制，用到更多產(chǎn)品管線中，用到各個(gè)適應(yīng)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(chǎn)品的布局。

王長(zhǎng)虎：Agent到底是什么意思，為什么會(huì)演進(jìn)到智能體這個(gè)名字？我去了解了一下，它最早可以追溯到古羅馬時(shí)代。那個(gè)時(shí)代Agent代表著行動(dòng)者、執(zhí)行者，幫助別人做事情。中世紀(jì)之后，分工越來(lái)越細(xì)，Agent又變成了更垂類(lèi)的執(zhí)行者、代理人，比如法律、商業(yè)的代理人。近幾十年，AI、計(jì)算機(jī)的發(fā)展中，Agent叫作智能體，其實(shí)更強(qiáng)調(diào)智能。它的一大特點(diǎn)是要有主動(dòng)性，有規(guī)劃能力、推理能力，要具備智能。此外，它也要是個(gè)執(zhí)行者，能幫我們解決任務(wù)。Agent的核心是能夠自主完成一個(gè)完整任務(wù)流程。

對(duì)于企業(yè)來(lái)說(shuō)，要想利用好Agent，主要是有兩個(gè)方面。一是如何利用AI時(shí)代新的產(chǎn)物來(lái)創(chuàng)造新的價(jià)值，我們的產(chǎn)品叫“拍我AI”，里面也有視頻Agent，可以幫助用戶創(chuàng)造出更高級(jí)的視頻內(nèi)容，實(shí)現(xiàn)更強(qiáng)的創(chuàng)作能力。

另一方面，如何利用Agent來(lái)幫原有流程降本增效，如何找到最適合的Agent來(lái)升級(jí)環(huán)節(jié)；找什么樣的人來(lái)解決問(wèn)題；如何評(píng)估這個(gè)環(huán)節(jié)被Agent替換之后，真正產(chǎn)生價(jià)值，還是浮于表面追熱點(diǎn)；如何讓我們的整個(gè)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(yè)的效率提升定義合適的場(chǎng)景。如果我們把Agent當(dāng)作業(yè)務(wù)模式，昆侖萬(wàn)維有沒(méi)有在業(yè)務(wù)落地環(huán)節(jié)的經(jīng)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(shè)（外部設(shè)備）。為什么Agent到今天才突然爆發(fā)？本質(zhì)上是大模型本身的演進(jìn)，從ChatGPT的背答案到GPT4o的給過(guò)程，各種各樣的大模型都開(kāi)始泛化過(guò)程。

本質(zhì)上，Agent是過(guò)程、可以學(xué)習(xí)這件事情可以被大規(guī)模工業(yè)化，最好的過(guò)程數(shù)據(jù)是在數(shù)學(xué)和編程領(lǐng)域。現(xiàn)在所有的大模型評(píng)測(cè)，都以數(shù)學(xué)和編程作為評(píng)測(cè)標(biāo)準(zhǔn)。對(duì)企業(yè)來(lái)說(shuō)，最關(guān)鍵的是你的過(guò)程數(shù)據(jù)能否被學(xué)習(xí)，一旦做到，那用Agent就能快速增效。

大家都愛(ài)講通用Agent和垂直Agent，我們認(rèn)為通用Agent只有一個(gè)賽道，就是Office（辦公軟件），所有的企業(yè)都會(huì)用Office。除了Office以外，沒(méi)有一個(gè)通用Agent可以解決各行各業(yè)的問(wèn)題，大家更需要垂直Agent。垂直Agent依賴(lài)于行業(yè)的過(guò)程數(shù)據(jù)，否則Agent沒(méi)有辦法完成自動(dòng)化的過(guò)程。

昆侖萬(wàn)維董事長(zhǎng)兼CEO方漢

以我們企業(yè)為例，我們?cè)诤Ｍ庾龆虅I(yè)務(wù)，一部短劇需要同時(shí)翻譯為十幾種語(yǔ)言。首先你要有Agent提取字幕，另外一個(gè)Agent進(jìn)行翻譯。翻譯完以后，還有一個(gè)Agent配音，配音又要和人物的口型匹配。我們是把整個(gè)工作流的過(guò)程數(shù)據(jù)收集起來(lái)以后，才能讓大模型學(xué)會(huì)怎么高速自動(dòng)化這件事情。企業(yè)一定要反思業(yè)務(wù)流里的過(guò)程數(shù)據(jù)能否清晰地被大模型學(xué)會(huì)，如果學(xué)不會(huì)，你的Agent工作流也跑不起來(lái)。

賈偉：原來(lái)的工作流是靠人來(lái)定義的，有了Agent以后，Agent學(xué)會(huì)了每個(gè)工作流背后的技能，形成了Agent快速調(diào)度以及一站式協(xié)同的能力。無(wú)論在企業(yè)級(jí)市場(chǎng)還是做更多業(yè)務(wù)集成的創(chuàng)新當(dāng)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(wù)業(yè)務(wù)或者做企業(yè)級(jí)平臺(tái)，都一定會(huì)看得到的未來(lái)局面。

魏凱：我從兩個(gè)角度理解Agent，一個(gè)是技術(shù)角度，一個(gè)是業(yè)務(wù)角度。技術(shù)角度看，Agent就是大模型上的App，大家用大模型都是問(wèn)它問(wèn)題，它給你輸出一大段答案，大家覺(jué)得這個(gè)很不解渴。

在今年年初曾經(jīng)出現(xiàn)過(guò)一輪熱潮，企業(yè)接入DeepSeek、千問(wèn)等開(kāi)源模型，買(mǎi)了很多一體機(jī)，過(guò)了一段時(shí)間以后，很多流量又下來(lái)了。“只能說(shuō)不會(huì)干”的形態(tài)，解決不了企業(yè)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(shí)庫(kù)、工作流這些功能，使得它成為封裝起來(lái)的軟件。這是從技術(shù)上理解Agent為什么今年火熱？因?yàn)榛Ｐ徒o它提供了非常好的操作系統(tǒng)。

從業(yè)務(wù)角度理解，Agent就像數(shù)字員工。這也是得益于模型能力能聽(tīng)懂人話、規(guī)劃任務(wù)，知道它要調(diào)用什么樣的工具，跟其他Agent怎么交互。今年也出現(xiàn)了包括MCP、A2A在內(nèi)的很多協(xié)議，它們極大擴(kuò)展了模型和可干工作的范圍。

Agent這個(gè)詞跟中文翻譯過(guò)來(lái)的“智能體”還不太一樣，Agent是代理，人在背后是負(fù)主要責(zé)任的。業(yè)界把人工智能、大模型包括Agent的應(yīng)用分為兩大類(lèi)，一類(lèi)是增強(qiáng)型作用，增強(qiáng)人的能力；第二類(lèi)是自動(dòng)化，流程不用人干預(yù)，從頭到尾就能給你干完。不管是增強(qiáng)型還是自動(dòng)化，要強(qiáng)調(diào)Agent是人的代理，最后是人對(duì)Agent負(fù)責(zé)，定義它的目標(biāo)。

現(xiàn)在Agent可以接入更多的知識(shí)庫(kù)，調(diào)用企業(yè)里的OA、API，越來(lái)越像你的合作伙伴，工作隊(duì)友，怎么讓這個(gè)隊(duì)友持續(xù)得到進(jìn)化能力？飛輪能轉(zhuǎn)起來(lái)，Agent在你的企業(yè)里才有土壤，才有扎根的可能性。

企業(yè)落地：找真場(chǎng)景，找人與找數(shù)據(jù)

賈偉：如果面向一家企業(yè)去做AI或者Agent部署，我們有什么樣的建議？第一種，企業(yè)購(gòu)買(mǎi)一體機(jī)，把模型部署到本地。第二，選擇SaaS方式做一些簡(jiǎn)單的部署、輕量級(jí)的應(yīng)用。當(dāng)然也可以用類(lèi)似的企業(yè)級(jí)平臺(tái)，釘釘也有圍繞企業(yè)側(cè)快速創(chuàng)建Agent全鏈路的能力，除了阿里巴巴、字節(jié)、騰訊也開(kāi)發(fā)了不同的AI搭建和AI部署。在真正的企業(yè)級(jí)部署AI過(guò)程中，要讓Agent真正來(lái)發(fā)揮效率，我們應(yīng)該怎么部署？

魏凱：最重要的、最難的事是怎么定義真場(chǎng)景，而不是一種偽場(chǎng)景。對(duì)機(jī)構(gòu)來(lái)說(shuō)，第一步，要篩選適合的Agent，無(wú)論是增強(qiáng)還是自動(dòng)化場(chǎng)景。如果這個(gè)看不準(zhǔn)，很多領(lǐng)導(dǎo)的期待會(huì)離最終投資收益差得很遠(yuǎn)。

第二步，需要本地的知識(shí)庫(kù)和本地?cái)?shù)據(jù)做好治理。如果沒(méi)有需求，企業(yè)老板不太愿意往“下水道”工程里投太多錢(qián)。但如果不去做數(shù)據(jù)治理、知識(shí)整理、加工，Agent到你的企業(yè)里也干不了什么事，因?yàn)樗恢滥愕牧鞒蹋恢览蠋煾档慕?jīng)驗(yàn)是什么。這個(gè)要補(bǔ)課，要投“下水道”工程和數(shù)據(jù)治理底層的建設(shè)。

第三，企業(yè)引入Agent和我們?cè)谂笥讶锟吹降耐ㄓ肁gent跟公有云上的Agent有一定的鴻溝。這個(gè)鴻溝來(lái)自很多企業(yè)部署不起滿血版的模型，我們也很難有非常好的infrastructure（基礎(chǔ)設(shè)施）支持Agent的可觀測(cè)性、持續(xù)改進(jìn)等。這是技術(shù)擴(kuò)散的過(guò)程，慢慢地把企業(yè)內(nèi)部Agent開(kāi)發(fā)運(yùn)行環(huán)境要建起來(lái)。由于各種安全要求的限制，沒(méi)法用公有云時(shí)，也要在內(nèi)部加快Agent平臺(tái)的開(kāi)發(fā)。要跑起來(lái)，從小到大擴(kuò)展，就有可能了。

最重要的一點(diǎn)是持續(xù)進(jìn)化的能力。要有小切口場(chǎng)景，有沉淀的觀測(cè)數(shù)據(jù)，有改進(jìn)的方向，形成持續(xù)迭代的閉環(huán)。

方漢：評(píng)估Agent能否在企業(yè)落地有一個(gè)最簡(jiǎn)單的判斷標(biāo)準(zhǔn)，這個(gè)企業(yè)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(guó)很多企業(yè)連信息化這一步都沒(méi)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(yùn)行，這是第一步。

第二步，你能不能把在電腦運(yùn)行的過(guò)程數(shù)據(jù)完整地記錄下來(lái)，這才是企業(yè)在垂直行業(yè)的護(hù)城河以及長(zhǎng)期的積累。這些數(shù)據(jù)交給大模型訓(xùn)練以后，讓大模型學(xué)會(huì)這個(gè)過(guò)程，才能調(diào)用Agent，把過(guò)程完整地自動(dòng)化。

最后，Agent的調(diào)用業(yè)內(nèi)有一個(gè)成功率的問(wèn)題。現(xiàn)在沒(méi)有哪個(gè)Agent敢說(shuō)自己的成功率是100%，這時(shí)候你要選擇什么樣的流程，去用Agent落地比較關(guān)鍵。比如財(cái)務(wù)用Agent，少算一個(gè)小數(shù)點(diǎn)是要命的；但有一些賽道比如配音，我們對(duì)錯(cuò)誤還是可以容忍的，就可以大膽地采用。

簡(jiǎn)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(yè)務(wù)以及對(duì)于成功率不要求100%的業(yè)務(wù)先做落地。對(duì)重要的、關(guān)鍵性業(yè)務(wù)，一定要慎重以及積累更多的過(guò)程數(shù)據(jù)。

王長(zhǎng)虎：部署Agent首先要確定好目標(biāo)，一定不只是把“錘子”用好的問(wèn)題。不僅是技術(shù)層面的問(wèn)題，還是業(yè)務(wù)層面的問(wèn)題。在業(yè)務(wù)價(jià)值導(dǎo)向上，我們需要判斷哪些事情是需要用Agent替代并且?guī)椭髽I(yè)發(fā)展的。

愛(ài)詩(shī)科技創(chuàng)始人兼CEO王長(zhǎng)虎

只有業(yè)務(wù)視角是不夠的，先要看基礎(chǔ)設(shè)施是不是足夠ready（準(zhǔn)備好）。Agent不僅依賴(lài)于大模型的能力，它可以自由地根據(jù)判斷以及目標(biāo)要求，調(diào)動(dòng)API能力。企業(yè)里面的數(shù)字化建設(shè)是不是能夠支撐某個(gè)局部Agent的運(yùn)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(tǒng)化。

另外對(duì)基礎(chǔ)模型要有選擇。選哪類(lèi)模型、哪個(gè)大腦可以幫助Agent快速發(fā)展，都是要從技術(shù)側(cè)做思考的。更重要的是，除了業(yè)務(wù)視角、技術(shù)基礎(chǔ)之外，還有人、組織的匹配。在很多行業(yè)特別是偏傳統(tǒng)的行業(yè)里，現(xiàn)有人才是不是能夠支撐Agent在企業(yè)里快速落地和發(fā)展，這也很重要。

我們要有判斷，找到最合適的點(diǎn)去突破。誰(shuí)能做這個(gè)事情？如果公司一號(hào)位特別有意愿發(fā)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(zhí)行者、設(shè)計(jì)和調(diào)試的人，以及最后有能力集中部署Agent的人。這些人要靠?jī)?nèi)部培養(yǎng)還是對(duì)外招聘？企業(yè)里是不是能搭建出這樣的小團(tuán)隊(duì)，幫助我們?cè)谛碌臅r(shí)代更好地應(yīng)對(duì)AI、大模型、Agent？業(yè)務(wù)視角、技術(shù)基礎(chǔ)、人才儲(chǔ)備這三者缺一不可，只有同時(shí)到位，Agent 才可能真正為企業(yè)創(chuàng)造價(jià)值。

組織變化：誰(shuí)用的token數(shù)少，誰(shuí)有問(wèn)題

賈偉：企業(yè)級(jí)的模型部署帶來(lái)的另外一個(gè)變化是，AI快速增長(zhǎng)后，對(duì)于整個(gè)組織和人才的重塑。數(shù)字化是一號(hào)位工程、智能化是一號(hào)位工程，組織和人才其實(shí)也是一號(hào)位工程。大家如何看待AI對(duì)組織人才帶來(lái)的變化？

釘釘副總裁賈偉

賴(lài)才達(dá)：我們公司創(chuàng)業(yè)第一天，就想做一個(gè)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(shí)他們要懂怎么把藥化、化學(xué)、生物的問(wèn)題變成計(jì)算機(jī)的問(wèn)題，要做translate（翻譯）工作。

大部分做PM（項(xiàng)目管理）的人，能把各種工具整合在一起，手頭有大量的傳統(tǒng)知識(shí)文本。這些文本通過(guò)AI可以找到很多insight（洞察力）跟hypotheses（假說(shuō)）。這些假說(shuō)怎么通過(guò)高通量的實(shí)驗(yàn)、機(jī)器人去做驗(yàn)證，再通過(guò)傳統(tǒng)方式去做人體實(shí)驗(yàn)。

制藥的驗(yàn)證周期比較長(zhǎng)，對(duì)integrated（集成）的要求特別高。既要有二三十年經(jīng)驗(yàn)的老兵，又要他們懂得怎么用新時(shí)代的工具去產(chǎn)生最好的結(jié)果。老兵也要能跟年輕的科學(xué)家溝通，通過(guò)AI做到最極致，解決行業(yè)幾十年做不到的問(wèn)題。

方漢：編程是目前AI應(yīng)用效率最高的領(lǐng)域。我們統(tǒng)計(jì)過(guò)，用AI來(lái)輔助編程提升程序員產(chǎn)出30%以上。這時(shí)，你要想考核大家，一個(gè)很重要的指標(biāo)是我們不能看誰(shuí)用的token數(shù)多，因?yàn)檫@個(gè)可以很輕松刷上去。但誰(shuí)用的token數(shù)少，這一定是有問(wèn)題的。

現(xiàn)在，大模型的能力已經(jīng)超過(guò)普通員工能夠掌握的程度。所有人只有拼命地學(xué)習(xí)、適應(yīng)，才能把公司的業(yè)務(wù)知識(shí)融進(jìn)去，讓大模型更好地為你服務(wù)。

企業(yè)家也要成為大模型忠實(shí)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(duì)自己也要求一個(gè)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(yè)在競(jìng)爭(zhēng)中不落后。

賈偉：我每天用的AI還有貼在手機(jī)背后的AI助手（釘釘A1錄音卡），助手可以把我每天的會(huì)議記錄下來(lái)。而且每場(chǎng)會(huì)議結(jié)束那一刻，AI會(huì)自動(dòng)完成會(huì)議總結(jié)。過(guò)了一兩個(gè)月，我突然發(fā)現(xiàn)，我可以寫(xiě)一本書(shū)，題目叫“我的2025”。這本書(shū)不是我寫(xiě)的，是我的AI Agent寫(xiě)的。今天，釘釘上已經(jīng)有大量的客戶用AI做辦公協(xié)同的提效，也有更多領(lǐng)導(dǎo)需要做會(huì)議管理、面試管理、員工管理、組織管理的時(shí)候已經(jīng)不通過(guò)秘書(shū)了，而是通過(guò)Agent助理。

（本文由釘釘AI會(huì)議紀(jì)要協(xié)助整理）