從“參數炫技”到“生產力落地”，智能體如何深度挖掘產業潛力？

當AI和智能體真正成為生產力工具的那一刻，智能體時代的“星辰大海”才算真正到來。

大部分人可能沒有想到，從實驗室里的“參數怪物”，到產業應用的“提效引擎”，AI Agent只花了不到1年時間。

關于這一點，包括360在內的諸多AI廠商，實則不會感到過多意外。因為AI誕生之初，它的使命也絕不止在實驗室里“跑參數”，即便大模型迭代日新月異，但行業的焦點不應僅停留在參數本身——

它的真正價值，最終必須體現在降本增效、業務增長與模式創新這些切實的商業成果之中。

如今的AI領域，風向標的有效期被壓縮到以月為單位，也因此，對于大部分企業來說，已從“是否擁有AI”的入場券之爭，極速轉變為“如何建設好AI、如何用好AI”的生存力大考。

某種意義上，這也是360集團在AI時代的“一以貫之”——以納米AI為錨，360的L1-L4多智能體蜂群體系，已從理論走向廣泛的產業實踐，特別是其近日發布的“AI先進生產力TOP10”精品案例，充分證明了其在復雜場景中的協同價值與可靠性。

隨著AI生產力落地的時代大幕緩緩拉開，這已經不再是關于算力與參數的“虛火”，而是關于生產力落地的星辰大海。

01 從“會說話”到“能干活”，智能體的行業專家“進化論”

僅僅在一年前，AI行業對AI大模型的期待，僅僅滿足于它的長文本能力和深度推理能力。但在2025年末的當下，行業的風向標已然發生巨變——企業不再滿足于一個能陪聊、寫詩的“高知網友”，而是迫切需要一位能下場干活、解決具體業務難題的“超級員工”。

這里的能力范圍，早已超出了多模態生成和深度推理的范疇，其對應的需求也已經極端“落地”。

這正是360集團創始人周鴻祎，在“All In Agent”戰略中反復強調的代際跨越：當前，產業應用正處于向L3（推理型智能體）和L4（多智能體蜂群）突破的關鍵窗口期。

在這個發展階段，智能體的定義也隨之被重塑——它不再是僅僅停留在對話框里的輔助工具，而是能夠調用工具、規劃任務、甚至獨立決策，從而創造高價值商業成果的生產力引擎。

這種從“炫技”到“務實”的轉變，并非空穴來風，而是源于企業數字化轉型中的真實痛點。

以數字政府領域為例，長久以來，政務數據治理面臨著典型的“孤島效應”。在傳統的數據庫建設模式下，網絡安全、數據安全與業務運營之間，往往會因為主動或者被動的原因，存在割裂的情況。系統之間，形成軟件或者硬件層面的“隔離墻”。

數據流轉不暢是一方面，更為重要的安全防護，往往停留在被動補救的層面——出了事再堵漏洞，不僅效率低下，更造成了大量的重復建設與資源冗余。

作為全國數字政府建設的排頭兵，深圳市迫切需要構建一套“外防網絡攻擊、內防數據泄漏”的全方位智能化防護體系。但這并非易事，面對海量的政務數據和復雜的委辦局架構，靠堆人、堆設備的老路子已經走不通了。360給出的解法則是——“深治慧”安全智能體運營平臺。

具體而言，在數字化的政務組織架構中，智能體扮演了“虛擬專家”的角色。它不再需要人類運維人員去逐個系統查詢日志、手動關聯線索，而是能夠像一個經驗豐富的指揮官，自動拉通網絡側的流量數據、數據側的資產信息以及模型側的算法能力。

這里的能力也有兩個維度，首先是資源調配的智能化。過去，面對突發威脅，往往需要跨部門協調，流程冗長。

如今L4級別的蜂群智能體，則能夠實現安全資源的統一管控與威脅的全局感知，一旦發現異常，即刻調度全網資源進行協同響應。

其次是業務流程的自動化。“深治慧”平臺將原本依賴人工的高頻、低效工作，轉化為智能體自動執行的標準動作。這不僅提升了運營效率，管理成本和人力投入也得以降低。

以“深治慧”為樣本，L3/L4級別的智能體得以深度嵌入業務流程，以往傳統IT手段無法根治的“頑疾”，在智能體深入組織業務肌理的幫助下，也得以順利解決。

某種意義上講，智能體對組織業務流程的深度改造，已經身體力行地告別了“參數至上”主義。當所有的AI業務開始“講落地”的時候，模型參數多大，已經不再具備以往的參考價值，當它與“降本增效”深度掛鉤時，AI才算真正走出了實驗室，真正變成“能干活”的虛擬專家。

02 以智能體，對抗智能體

時至今日，L3/L4級別智能體，已經開始深入企業核心業務，AI帶來“降本增效”的另一個側面是，企業面臨的安全問題也發生了質變。

以往的傳統網絡安全防御體系，建立在“規則”與“邊界”之上。依靠靜態的特征庫匹配攻擊，依靠防火墻劃定內外網邊界，依靠安全運維人員盯著屏幕分析日志。

進入AI時代，攻擊者開始利用大模型生成變種病毒、自動化撰寫釣魚郵件，甚至發起智能化的APT攻擊。面對這種毫秒級的智能化攻勢，過往的傳統手段，無疑顯得笨重而遲緩。

一言以蔽之，傳統的規則是靜態的，AI加持攻擊是動態的；安全日志是孤立的，而AI時代的威脅是鏈式的；最致命的是，人是會疲憊的，而AI永不眠。

但這并不意味著網安戰爭的態勢，就此攻守逆轉。早在兩三年前，360已經提出了“以模制模”，即用更強大的安全大模型和智能體蜂群，去對抗惡意的AI攻擊 。這標志著網絡安全的形態，正在發生“人海戰術”到“人機協同”戰略戰術迭代。

作為一所“雙一流”高校，重慶大學的“安全剪刀差”情況尤為突出。一方面，隨著智慧校園建設，網絡規模極速擴張，數據量呈指數級激增，面臨的安全挑戰前所未有；另一方面，高校的安全運維人員編制極其有限，往往多為兼職或多人共用，且缺乏具備高階對抗能力的復合型人才。

這里導致的安全漏洞，一是告警疲勞，面對海量告警日志，人工根本看不過來，極易漏過真實威脅；二是響應滯后，從發現異常到定位問題再到修復，往往需要數小時甚至數天。

在迫切的安全鴻溝面前，國內首家安全智能體平臺應運而生。

相較以往的人工“數據過濾”，安全智能體的核心，在于讓智能體成為第一道防線。平臺實現了7x24小時的實時在線監測，基于360在網安領域的長期積累，智能體同時也對這些數據，擁有了深度研判能力。

一方面，安全智能體可以從海量日志中抽絲剝繭，自動輸出完整的攻擊鏈路圖，將攻擊者的入侵路徑、手段、影響范圍直觀地呈現在大屏之上。結合人工監測，系統對安全威脅的研判準確率達到了90%。

另一方面，在“人工網安”時代，安全運維人員每天要處理大量的重復性咨詢，如策略配置、漏洞修復等等，但在智能體時代，這些基礎層面的問題可交由“安全數字專家”自動解答，這帶來了直接的效率提升——運維人員的日均咨詢量減少了70%，而問題解決的時效從平均2小時大幅縮短至15分鐘。

這里固然有360近20年積累的“安全底蘊”使然，但不具備深厚的攻防實戰經驗，大模型就無法理解復雜的攻擊手法；如果不具備完備的“抗攻擊能力評估體系”，智能體就無法在全年無休的攻防實戰中，經受住考驗。

一如“只有魔法才能打敗魔法”，到了AI時代，也只有智能體才能對抗智能體。360通過構建具備攻防能力的蜂群智能體，一方面解決了降本增效時代的人力不足問題，同時也實現了“外防攻擊、內防泄露”的核心戰略目標。在如今的網安形勢下，已經形成了質的飛躍。

03 破除產業化的“成本魔咒”

如果不計成本，智能體的“好用”，是可以通過“不設上限”做到的，但到涉及千行百業的落地環節，“算的過賬”變成了一條極其現實的硬標準。

直白來講，各行各業不缺頂尖人才，更不缺想象力，但居高不下的算力成本、兼具業務能力和安全視野的復合型人才、通用模型與垂類業務適配難度的“三座大山”，往往不以人和企業的意志為轉移。

這也是大量企業，站在智能體時代的十字路口“踟躕不前”的直接原因——大企業怕算不過賬，小企業達不到“入坑門檻”，這也是智能體“飛入尋常企業家”所要解決的第一個問題。

360給出的解法，則更為務實一些。通過“平臺化工具+聯合共創”的模式，將AI的門檻“打下來”，以此為企業提供一份可復制的低門檻實踐指南。

對于惠豐科技這樣的醫療行業合作伙伴而言，其底層“基因代碼”與科技公司截然不同。他們固然擁有深厚的行業Know-how和精準的數據沉淀，但往往缺乏大規模的算力儲備和專業的AI算法團隊。對于這樣的公司，從零搭建AI團隊，無論是技術難度，還是商業成本，都跟“劃算”二字毫無關聯。

有基于此，360并沒有選擇部署硬件，而是通過“360企業級智能體構建平臺”，提供了一套低代碼甚至無代碼的工具鏈。這相當于給醫生和醫療行業從業者配備了一套“圖形化操作界面”，讓他們無需精通復雜的編程語言，就能像搭積木一樣構建符合自身業務邏輯的智能體。

這種模式極大地降低了技術門檻與試錯成本，讓不具備深厚IT背景的機構也能快速組建起自己的AI團隊，真正實現了讓懂業務的人來訓練AI 。

算力和工具的問題，可以通過輕資產的模式解決，人力層面則要從更源頭的校園入手。

在清華大學和重慶大學，360引入了深度“校企合作”模式。這并非簡單的掛牌實驗室，而是實打實的“產教融合” 。360通過提供專項訓練和本地化支撐，協助高校培養既懂網絡安全又懂大模型技術的復合型人才。這些人才走出校園后，直接流入各行各業，成為了企業內部能夠自主維護、優化智能體的生力軍。

從生態層面講，這是典型的“授人以漁”。以往的360，還是那個在網絡世界背后默默清除威脅的“隱形守護者”，如今從幕后走向臺前，已經逐步升維成AI“最后一公里”的鋪路人。

但從底層邏輯來看，360的安全底色仍然未變，它仍然站在AI時代的安全第一線，致力于構建一個成本可控、人才充足、技術自主的AI安全產業生態。

只有在最核心的安全問題得到保障之后，AI才能走出“奢侈品”和“玩具”的定位，變成隨處可見的“水與電”。當AI和智能體真正成為生產力工具的那一刻，智能體時代的“星辰大海”才算真正到來。