峰会核心观点 - 峰会聚焦AI Agent在企业级场景中的价值落地与产业演进路径，探讨智能体如何成为企业数字化转型的新引擎 [1] - AI Agent的本质是“大模型的超级大脑+自动化的敏捷双手”，核心能力在于工具调用、任务规划与自主执行 [1] - 2025年AI Agent的崛起是大模型成熟、算力供给、开源生态与真实产业需求同步共振的结果 [1] AI Agent在企业中的角色演进 - 企业对AI的期待已从“展示性样板间”转向“可投产的工厂”，AI正从“对话伙伴”升级为“共事同事” [3] - AI Agent需要完成端到端的工作流，例如从识别发票到自动走完报销、审批、付款全流程 [3] - 企业级部署对AI Agent的稳定性、集成性与安全性提出了严苛要求 [3] 企业级AI落地的关键：场景与Know-How - 大模型只是“发动机”，企业智能化落地需要结合业务场景、数据、流程和算法，场景是关键乘数因子 [4] - 真正的落地公式为：场景×（数据+流程+算法），缺乏对行业痛点和业务流程的深刻理解，再强的模型也难以发挥价值 [4] - 企业级AI Agent的起点不是模型选型，而是场景定义，需要将大模型“做垂、做实”，嵌入行业知识体系 [4] - 以交通基建领域为例，通用大模型无法准确引用专业条款，需打造垂类智能体解决高门槛、高风险任务 [4] AI Agent的实施路径：“四象限数字员工”模型 - 根据行业知识深度与业务流程复杂度两个维度，将AI Agent落地形态分为四类 [5] - “通用助手”处理高频、低复杂度任务，如会议纪要生成或IT工单分派，适用于快速验证价值 [6] - “执行助理”面向销售、采购等长链条流程，需打通多个系统实现自动化闭环 [6] - “专家顾问”聚焦高知识密度场景，如金融风控或法律咨询，依赖专业规则库与推理能力 [6] - “总工程师”级Agent需同时掌握设备机理模型与实时控制逻辑，如工业预测性维护系统 [6] 企业实践案例与成效 - 宁夏交建部署了四位数字员工，分别覆盖工程技术文档撰写、核算报表生成、无代码数据分析和投标全流程自动化 [6] - 实践结果是：投标文件生成时间降低70%，知识查找效率提升50% [6] - 这些Agent基于上万份行业规范、历史标书和内部制度训练而成，内化了企业Know-How，而非基于通用模型微调 [6] 企业部署AI Agent的信任基石与核心要求 - AI Agent进入大型企业核心业务需通过六项“硬性大考”：稳定性、可扩展性、易用性、系统集成能力、安全合规与行为可控 [7] - Agent必须7×24小时可用，能与ERP、CRM等系统打通，避免成为信息孤岛，并确保所有操作可审计、权限可管控 [7] AI Agent的深层价值：数据飞轮与资产进化 - AI Agent的部署会形成“AI数据飞轮”，其与业务系统交互产生的数据经处理后，可反哺模型迭代，使Agent更懂业务 [7] - AI Agent是企业中“越用越值钱”的唯一资产，历经任务锤炼的版本将不断进化，与初始版本差异显著 [7] - 这种共生式成长可能重塑组织管理逻辑，管理将从应对“人的不确定性”转向工程化优化“群体智能” [7] AI Agent的宏观影响与未来展望 - AI Agent标志着企业智能化从“辅助人类”进入“与人类协作”乃至“自主执行”的新阶段 [8] - 其价值不仅在于降本增效，更在于重构连接、优化流程、激活数据，并最终提升组织管理的科学性与系统性 [8] - 技术落地仍需克服场景适配、系统集成、安全合规与成本控制等多重挑战 [8] - “连接”是AI Agent智能进化的起点，“越连接，越智能”，密集的连接能激发智能体潜力并揭示数据与协作的根本价值 [8] - AI Agent不仅是一项技术变革，更是一场关于组织形态、工作方式与管理哲学的整体演进 [8]

文章核心观点 - AI Agent的本质是“大模型的超级大脑+自动化的敏捷双手”，其核心能力在于工具调用、任务规划与自主执行，其崛起是大模型成熟、算力供给、开源生态与真实产业需求同步共振的结果 [1] - 企业级AI Agent的落地关键并非单纯依赖大模型，而是需要深刻理解业务场景，将大模型与行业知识、数据、流程深度融合，其起点是场景定义而非模型选型 [3] - AI Agent正从“对话伙伴”升级为“共事同事”，其价值在于完成端到端的工作流，标志着企业智能化进入“与人类协作”乃至“自主执行”的新阶段，最终目标是重构连接、优化流程、激活数据并提升组织管理的科学性与系统性 [2][6] AI Agent的行业定位与价值 - 企业对AI的期待已从“展示性样板间”转向“可投产的工厂”，AI Agent需完成从识别发票到自动走完报销、审批、付款的全流程 [2] - AI Agent的兴起标志着企业智能化从“辅助人类”进入“与人类协作”乃至“自主执行”的新阶段 [6] - AI Agent的价值不仅在于降本增效，更在于重构连接、优化流程、激活数据，并最终提升组织管理的科学性与系统性 [6] 企业级落地的关键路径 - 不唯大模型论，大模型只是“发动机”，真正的落地公式为：场景×（数据+流程+算法），其中场景是关键的乘数因子 [3] - 企业级AI Agent的起点不是模型选型，而是场景定义，需要深刻理解行业痛点、客户逻辑和业务流程 [3] - 必须将大模型“做垂、做实”，嵌入行业知识体系，才能解决高门槛、高风险任务，例如宁夏交建的案例中，通过上万份行业规范、历史标书和内部制度训练垂类智能体，实现了投标文件生成时间降低70%，知识查找效率提升50% [3][4] AI Agent的落地形态与分层策略 - 根据行业知识深度与业务流程复杂度两个维度，可将AI Agent分为四类：“通用助手”、“执行助理”、“专家顾问”和“总工程师” [4] - “通用助手”处理高频、低复杂度任务，如会议纪要生成或IT工单分派 [4] - “执行助理”面向销售、采购等长链条流程，需打通多个系统实现自动化闭环 [4] - “专家顾问”聚焦高知识密度场景，如金融风控或法律咨询，依赖专业规则库与推理能力 [4] - “总工程师”级Agent必须同时掌握设备机理模型与实时控制逻辑，如工业预测性维护系统 [4] 企业部署的信任基石与核心要求 - AI Agent要进入大型企业核心业务，需通过六项“硬性大考”：稳定性、可扩展性、易用性、系统集成能力、安全合规与行为可控 [5] - Agent必须像水电一样7×24小时可用，能与ERP、CRM等系统打通，避免成为新的信息孤岛，并确保所有操作可审计、权限可管控 [6] AI Agent的进化逻辑与长期价值 - AI Agent的深层价值在于形成“AI数据飞轮”，每一次连接产生的交互数据经处理后反哺模型迭代，使Agent更懂业务、更精准执行 [6][7] - AI Agent将会是企业中“越用越值钱”的唯一资产，随使用不断进化，今日部署的Agent与一年后历经千次任务锤炼的版本将是两个物种 [6] - 这种共生式成长可能重塑组织管理逻辑，管理将从应对“人的不确定性”转向工程化优化“群体智能”，从而打开企业效率与价值的新天花板 [6] - “连接”是Agent智能进化的起点，“越连接，越智能”，越是深入、广泛、密集的连接，越能激发智能体的潜力 [7]

AI产业用量与回报悖论 - 2025年上半年中国企业级市场大模型日均总消耗量达10.2万亿Tokens 相当于46亿篇2000字文章体量[1] - 95%生成式AI投资项目未带来预期财务回报 半数项目直接失败 仅5%实现商业化落地[1] - 高消耗与低回报矛盾凸显产业核心命题 技术炫技时代落幕 垂直领域价值落地成为智能化转型唯一出路[1] 中关村科金市场地位 - 连续五年入选全球独角兽榜单 2025年《财富》中国科技50强企业[1] - 服务覆盖超2000家各行业头部企业 包括半数中国Top10新能源车企和超50%中国百强银行[3] - 在IDC《中国智能客服市场份额》报告中排名第四 大模型公司中位列第一[5] 战略选择与业务布局 - 2014年逆向布局智能音视频技术 放弃主流计算机视觉赛道[4] - 2018年聚焦企业级智能交互场景 深耕智能客服领域[4] - 智能客服成为大模型落地关键入口 客户连接属性使其成为数据与知识富矿[4] 垂类大模型解决方案 - 提出平台+应用+服务三级引擎战略 解决企业大模型用不上、用不好、用不久难题[13] - 自研得助大模型平台通过算力、数据、模型、智能体四大工厂能力提供一站式解决方案[13] - 在IDC《中国大模型开发平台2025年厂商评估》中位列领导者阵营[13] 行业应用案例 - 与中信建投证券合作大模型智能陪练平台 将金融产品信息获取与合规培训效率提升70%[18] - 助力中国电建财务公司打造财神大模型 员工业务知识获取效率提升70% 报告生成时间从8小时减至2小时 人工工作量减少50%[19] - 与中国船舶集团合作船舶行业大模型百舸 情报分析效率提升60%[21] - 与南方有色金属公司合作构建冶炼工艺优化多智能体体系 实现全流程能耗精细管理[21] - 与岚图汽车合作大模型洞察质检平台 销售接待SOP执行度提升70% 试驾到签约转化率显著提升[21] - 与宁夏交建打造全国首个交通基建垂类大模型灵筑智工 专业知识回答准确率较通用模型提升40% 五大智能体平均提效超60%[22][23] - 通过Instadesk为Imou乐橙打造全球客户联络中心 客服效率提升50% 客户满意度达95%[25] 核心竞争优势 - 将大模型技术与行业Know-how和业务流程深度嫁接的系统性能力[26] - 应用层智能体体系对接企业降本、增收、提效、创新核心指标[15] - 服务层全流程陪跑体系保障智能能力与企业发屐同频[15]

大模型行业发展趋势 - 行业焦点从参数比拼转向开源生态争夺，头部企业开放核心模型代码和数据以加速技术迭代与场景落地 [1] - 2025年参数规模不再是行业关注重点，商业价值挖掘成为新阶段核心目标 [1] - 通用大模型企业加速向垂直行业渗透，如钢铁冶炼、医疗、矿山等领域 [2] 垂类大模型应用案例 - 华为云通过钢材成分大数据分析提升产品性能合格率 [2] - 科大讯飞医疗大模型提升基层医疗诊断效率 [2] - 阿里云通义大模型应用于矿山风险辨识，提升告警预警及处置流程效率 [2] - 中关村科金得助大模型平台3.0集成100+行业智能体和200+AI能力组件 [3] 交通基建行业转型 - 宁夏交建引入垂类大模型"灵筑智工"，专业问题准确率比通用模型高40% [5] - 施工方案生成时间从3-4天缩短至半小时，工程量核算效率提升至20分钟完成 [7] - 目标三年综合效率提升20%，聚焦业务痛点解决 [6] 金融行业效率提升 - 50%中国百强银行选择中关村科金合作大模型落地 [7] - 邮储银行营销活动策划效率提升200% [7] - 华瑞银行智能客服实现7*24小时服务，中信建投证券员工知识获取效率提升70% [7] 工业制造与政务应用 - 中国船舶集团"百舸"大模型融合百万级专业知识库，推动船舶行业"数智大脑"建设 [8] - 有色金属工业大模型实现全流程能源优化分析，助力降本减排 [8] - 杭州医保小智覆盖超1亿参保人，群众满意度显著提升 [8] 行业挑战与战略方向 - 数据安全与合规是核心关切，中小企事业单位私有化部署成本高 [9] - 中关村科金"平台+应用+服务"三级引擎战略推动垂类大模型落地 [9] - 垂类大模型推动交通基建从"经验驱动"向"数据+AI驱动"转型 [9] 产业智能化未来展望 - 垂类大模型渗透千行百业，重塑产业DNA [10] - 智能化成为实体经济核心引擎，推动高端化、绿色化发展 [11]

宏观经济与行业背景 - 2025年5月中国规模以上工业增加值同比增长5.8%，累计增速达6.3%，高技术制造业表现亮眼，设备工器具购置投资显著增长 [1] - 麦肯锡预测生成式AI将为全球经济贡献7万亿美元价值，中国占比近三分之一 [1] - 中国备案和登记的生成式人工智能服务已超500个 [2] 垂类大模型的发展趋势与价值 - 2025年将迎来企业大模型应用元年，90%企业接入大模型技术，垂类大模型的价值在于吃透行业的“苦活累活” [2] - 垂类大模型正成为破解通用大模型在专业场景“失灵”问题的关键，其竞争力源自对行业“隐性知识”的消化能力 [1][4] - 通用模型解决不了行业积累十年的“硬骨头”，需要垂类大模型来解决 [7] 垂类大模型的应用案例与成效 - 在金融领域，为华福证券部署的智能质检系统实现每日5万条会话全量质检，多模态防伪模型将对抗样本攻击拦截率从92%提升至99% [5] - 在交通基建领域，与宁夏交建联合打造的“灵筑智工”大模型行业推理准确性较通用大模型提升40%以上，相关智能体平均实现场景提效60%以上 [5][7] - 为中信证券打造的智能投顾智能体加速投顾服务，助力中国长安四川分公司的差旅助手智能体提升集团财务工作效率20%，助力中国船舶集团的情报分析智能体使研报和情报分析处理效率提升200% [3] 大模型产业落地面临的挑战 - 企业核心诉求是清晰的“增收、降本、提效”，但许多初期探索项目实际效果与预期存在差距，存在准确率下降等问题 [10] - 场景复杂度高，以智能外呼为例需同时满足多项严苛条件，目前尚无通用方案，需结合特定场景深度优化 [10] - 孤立部署的大模型系统难以深入业务流程，产生孤岛效应，必须与企业数字化基础设施紧密结合 [10] - 如果缺乏持续的服务、运营和迭代，大模型落地效果会随场景叠加而衰减 [11] 解决方案与发展路径 - 解题思路是“平台+应用+服务”的深度协同，通过得助大模型平台3.0集成超100个行业智能体和200余种AI组件，支持快速构建各类型大模型应用 [12] - To B垂类大模型应用是技术赋能千行百业、实现产业智能化升级的关键路径，需要选择扎实的“苦活累活”之路 [12] - 大模型技术正从科技巨头专属逐步向中小企业渗透，展现出巨大的商业价值和社会效益，标志着人工智能技术进入规模化应用的新阶段 [4]