頭圖 | 視覺中國

(資料圖)

在AGI浪潮的推動下，AI智能體被視為重塑企業運營效率和組織形態的核心驅動力，是下一代企業級應用的關鍵。

然而，光環之下，也帶來不少疑問：Agent的紅利最終將流向何方？那些看似酷炫的對話、生成與決策能力，怎樣才能轉化為可量化、可持續的商業價值？

在上周三（11月19日）虎嗅智庫舉辦的最新一期502線上研討會，邀請了三位在各自領域率先實現Agent商業化和規模化應用的重磅嘉賓——洋蔥學園聯合創始人兼董事長楊臨風、龍湖千丁數科數智企業部負責人張鐵安，以及峰瑞資本合伙人李豐，從價值、落地、實戰三個維度，為我們提供了一張AI智能體在企業中“從0到1”及“從1到n”的清晰路線圖。以下是精彩內容回顧：

大模型能力持續提升，為AI功能帶來核心變革

洋蔥學園聯合創始人兼董事長楊臨風，首先帶來了《AI智能體重塑教育的實踐與思考》。楊臨風特別提到，大模型技術的引入為教育領域帶來了顯著變化。尤其是從2025年開始，大模型能力的提升，讓AI的功能不再僅僅局限于內容生成（如AIGC），而是能主動參與學習規劃，包括——

策略規劃：識別用戶的意圖。

內容拆解：根據用戶意圖進行千人千面的內部拆解。

任務生成：重新生成適合學生的個性化學習任務。

這相當于用AI來輔助和執行決策。以前積累的內容資產，不僅沒有被顛覆，反而成為了大模型能夠施展其規劃能力、實現“一加一大于二”效果的底層基石。

楊臨風認為，這種轉變使得教育不再是簡單的“流量變現”模式，而是轉向更深層次的“價值創造”過程。與主要關注既定知識傳遞和效率提升的“AI輔助學習”不同，“AI自主學習”以能力培育為核心，更加注重激發學生學習的內在目標感，幫助他們系統性的構建判斷力與可遷移能力，并享受自主學習。通過精準切入學生的學習痛點，并培養其高階認知能力，企業與用戶之間的價值連接更為深入，從而打開了新的商業價值空間。

為此，洋蔥學園將所有學習場景（作業、預習、答疑）視為“自主學習的培育場景”而非簡單的“履約場景”。并開發了一整套“智能學伴”體系，涵蓋多個智能體（如下圖）：

其中，AI私人助教近一個月互動次數已達2591萬。楊臨風談到，教育行業的容錯率低，AI的成功應用取決于行業的深度積累。通過對5000億條數據資產進行專有模型訓練，讓AI深度理解洋蔥積累的上萬節動畫課程知識點、思維標簽和知識圖譜，為AI系統的完善和優化提供了強有力的支持。

從效率工具到智慧中樞，智能體落地的三階段戰略

隨后，龍湖千丁數科負責人張鐵安先生分享了龍湖集團在AI智能體落地方面的實戰經驗與戰略布局。總結了大型企業內部AI落地的清晰路線圖，分為三個關鍵階段：

AI Ready（認知與準備）：核心是回答“企業是否準備好駕馭AI？”這一問題。重點在于“人”的認知（管理層和員工對AI能力邊界的理解與培訓），數據質量（高質量數據是AI的基石），以及基礎設施（技術平臺的搭建）。

AI Byside（場景與協同）：強調AI的快速落地和人機協同。通過智能體平臺快速構建大量高頻使用的AI Agent，幫助員工實現更有效、更高效地工作。目前龍湖內部上線的智能體已超過180個。

AI Inside（核心管理）：這是最高階目標，將AI能力嫁接到企業核心管理邏輯中，例如價格定價策略、風險自動預判和關鍵業務決策。AI不再是工具，而是成為企業的“智慧中樞”，替代特定員工的部分工作。

同時，張鐵安通過具體案例，展示了AI Agent如何在復雜企業中從“生產線”滲透到“決策鏈”：流程自動化提效、合同審核平臺、多模態巡檢與審計、業主報修、能源運營優化等場景。

AI大模型企業級落地依賴于結構化的方法論（如上圖），張鐵安特別強調了知識庫建設的系統性，需要對結構化與半結構化數據進行組織、建模和技術加工（如向量化），并嚴格管理權限和安全。

什么樣的企業能用好AI智能體？

作為對產業趨勢有著敏銳洞察的投資人，峰瑞資本合伙人李豐從宏觀視角對Agent的未來發展趨勢和投資機會進行了總結，為在場的企業決策者提供了寶貴的戰略指引。

李豐認為，Agent 技術的應用前景非常廣泛，但紅利未必都屬于新創公司。在他看來，AI Agent 的規模化落地更可能發生在滿足兩個條件的行業：一是已建立高質量的數字化閉環，二是服務流程高度依賴自然語言交互（如教育、醫療、金融咨詢等）。

在這些行業，存量企業可能擁有高質量的數據資產，也積累了對場景的理解，因而更容易獲得競爭優勢。這與大數據時代“技術供應商難盈利，而數據擁有者受益”的規律相似。

李豐還特別強調，在大部分的場景中，Agent的應用可能跟自動駕駛類似，需經歷從“L2 到 L4”的漸進過程，初期需要保留human-in-the-loop，也就是得有人來監督和參與。

他總結道，由于技術本身可能難以構筑長期壁壘，這對獨立創業的 AI Agent公司和早期投資人而言，都構成了不小的挑戰。但就像其他創新領域一樣，新的機會始終存在。

在最后的討論環節中，三位嘉賓圍繞觀眾提到最為關心的“Agent落地中的最大障礙”和“如何衡量ROI”兩大問題，展開了深入的思辨。

嘉賓們一致認為，目前Agent在處理高度標準化、規則明確的業務（如財務審核、代碼生成、數據清洗）方面已成熟，但對于涉及“經驗”、“直覺”和“風險偏好”的主觀決策，AI仍處于爬坡階段。

關于投資回報率ROI，嘉賓們提供了務實的視角：短期ROI需要聚焦效率提升，即替代人力、減少錯誤、縮短流程時間。長期ROI則要錨定業務增長，例如通過Agent優化的客戶體驗帶來客戶留存率的提升、銷售轉化率的提高（GMV）。

綜上，AI智能體不是一個孤立的技術，它是企業數字化能力的集大成者。它既考驗數據厚度，也倒逼組織與流程再造；既重塑成本結構，也重塑決策權力鏈。當Agent完成從“生產線執行者”到“決策鏈輔助者”的躍遷，企業的新形態才真正被激活。

下一步，AI還能在哪些場景繼續深挖？如何讓運營更聰明、ROI看得見？虎嗅智庫12月19日北京線下研討會《AI如何讓企業運營更聰明》，席位有限，掃碼鎖定，一起把“聰明”做成可復制的商業模式。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4810037.html?f=wyxwapp

關鍵詞： 真愛 智能體 roi 知識庫 大模型 agent sectiontitle