陳慶春/文

技術進步不可逆，恐懼與抵制無法阻止AI融入社會。

Scaling Law（預訓練縮放定律）以及Test-time Scaling（推理階段縮放定律）的相互疊加，正使得AI能力每三個月就翻一番。

技術在通往AGI的道路上狂奔。2025年，生成式AI技術進入L3智能體階段已是既定事實。不僅能思考、能規劃，還能采取行動的智能體，將給企業智能帶來巨大的重構力量。

3月31日，聯想集團董事長兼CEO楊元慶在描繪聯想集團未來10年的“第五次創業”時，用“企業智能雙胞胎”作為企業智能路線圖的終點，這可以理解為AGI的終點：企業自身變成AI，完成所有自主決策，甚至超越人類的能力。

當日，聯想集團發布了全球首個“超級智能體”——聯想樂享。在麥肯錫報告引用的《超級智能體：我們的人工智能未來可能會怎樣》一書中這樣定義“超級智能體”：智力遠超最聰明、最有天賦的人類思想，它不僅在認知表現上超越人類，還能夠在幾乎所有領域展現出卓越的能力。

聯想集團正試圖幫助企業實現超級智能體的能力，為企業構建智能體提供了“混合式人工智能優勢集”，包括：混合式基礎設施、企業數據和知識庫、模型工廠、智能體平臺、人工智能服務等等。在實踐中，超級智能體像大腦一樣，可以調用企業內部任一垂直領域智能體，完成智能體與智能體之間的協同工作。

聯想集團董事長、CEO楊元慶介紹聯想混合式人工智能優勢集

楊元慶希望，即使那些沒有直接接觸人工智能的人，也能從人工智能對知識、效率和創新的廣泛影響中受益。智能體，讓AI有了“智能雙胞胎”的雛形。

根據Gartner 的預測，未來3年內，80%的數字化項目將圍繞智能體展開。與聯想集團一樣，微軟、SAP、甲骨文、SalesForce、阿里、百度等等一線技術大廠，都在奔赴這場大潮。他們以智能體為入口，重構AI系統架構，最終形成破壁之勢，推動企業智能跨越式升級，引爆新產業革命。

企業智能的“三座大山”

生成式AI雖然已經發展了3個年頭，但過去一年真正完成部署的企業依然很少。

根據安永最新發布的《重塑行業未來2025研究報告》顯示，盡管企業在技術投資上持續增長，但從試點項目到廣泛部署的過渡卻遇到了重重困難。47%的企業正在投資生成式AI，比去年增加了4%，僅有1%的企業實現了實際部署，即將AI融入工作流。

其中，60%的受訪者認為他們的組織擁有過多的“單點解決方案”，這些解決方案通常是針對某個特定業務場景的短期應急方案。這種解決方案的泛濫，也可以說是場景過于碎片化，不僅加大了整合的復雜性，還阻礙了組織范圍內的全面部署。因此導致，企業智能面臨技術兼容性問題和系統整合難度。

該報告顯示，48%的企業認為現有系統整合是最大障礙。企業會經常面臨兩個整合難點：一是，生成式AI技術融入現有系統時，遇到的兼容性問題，尤其是遺留系統會大大限制生成式AI技術的能力發揮；二是，不同場景智能調用的大模型API接口不同，導致多個大模型之間的整合、協同存在問題。

此外，數據是智能化的基礎，但企業常常面臨兩種數據窘態：一是，數據質量差、不一致、冗余等問題，影響數據分析的準確性和決策的可靠性；二是，數據孤島、數據獲取受限等問題，影響AI模型的訓練效果和應用價值。

圖片由chatGPT4o生產

當然，企業還會面臨GPU算力成本以及大模型API接入成本問題，但DeepSeek R1開源發布之后，企業將大幅減少對高端GPU算力的依賴。故而，之前實現企業智能的成本限制問題，今年或將不復存在。

不過，智能場景碎片化、系統整合障礙、數據問題，依然是壓在企業智能頭頂的“三座大山”。如果不能將這三座大山推翻，企業智能的結論必然是：“舊組織+新技術=昂貴的舊組織”。

中歐國際工商學院、AI與管理創新研究中心主任認為，中國不少企業曾是互聯網時代的顛覆者，但AI正在重構互聯網時代形成的商業模式和競爭邏輯。若無法跟上AI引發的結構性變化，這些企業可能在未來幾年淪為“傳統企業”。

AI究竟引發了什么樣的結構性變化呢？

2024年，智能體這一概念初露鋒芒。智能體被看作是一種能夠自主執行任務、進行復雜決策并適應多種環境的高級人工智能系統。能夠響應用戶指令，主動規劃和執行任務而無需頻繁的人類干預。這種系統通常基于多個大型語言模型（LLM）和其他獨立運行的軟件組件，以實現更廣泛的任務處理能力。

智能體能力得以實現的前提便是一個新架構的形成：多個AI系統統一調度，統一的數據庫/知識庫，垂直領域的多場景保持一致智能。這就完全鏟除了企業智能的“三座大山”。

基于全新的企業智能化架構，智能體還在不斷進步。

智能體重構企業智能

宜昌市政府可能從未想到，一個“城市超級智能體”就能助其一步跨入智慧城市4.0階段。

宜昌市采用了聯想集團提供的"1×N智能體方案"，即以一個超級智能體為核心中樞，協同多個領域智能體執行單元。“超級智能體”通過宏觀層面的計算與資源調度能力，統籌管理政務、交通、能源等領域的智能體運作；“領域智能體”則專注于垂直場景的任務執行，二者形成“全局統籌+專業執行”的協作體系。

以城市交通與商業領域為例，交通領域智能體負責實時監測道路擁堵狀況、公共交通的運行動態等信息。商業領域智能體則聚焦于商場、店鋪的客流量、銷售數據以及消費者偏好等。通過超級智能體的協調，交通與商業領域智能體協同運作，不僅保障了活動期間交通的順暢，還提升了商業運營的效率與效益，為城市居民和游客提供了更加便捷、優質的服務體驗。

宜昌市城市超級智能體，充分展現了生成式AI技術及智能體的又一次突破。它所表現出來的整合與統籌能力，同樣體現在企業運營中。

企業運營中，超級智能體實時收集、分析來自供應鏈、采購、營銷、產品設計等各個智能體的數據信息，將分散的信息孤島整合成全面、系統的企業運營全景圖。在面對復雜的企業決策時，超級智能體能綜合考慮各方面因素，協調各智能體的行動，制定出最優決策方案。

2025年超級智能體的出現，將企業智能水平直接推向了L3水平，而不論此前是L0還是L1。

聯想集團執行副總裁、中國區總裁劉軍，將智能體比喻成“硅基戰隊”，并表示，聯想的“硅基戰隊”今年在中國將快速升級到，碳基和硅基協作自治的L3水平。智能體可自主拆解及分配任務，閉環執行。

據凱捷公司報告，目前僅約10%的企業使用智能體，但82%的企業計劃在未來三年內將其整合進工作流。SAP預測，智能體未來可以支持企業中高達 80%的常規任務。

智能體為何得以迎來突破式進步？正如前文所言，智能體基于新的技術架構形成了新的能力效果，而這一架構實際上內含了四個關鍵因素：

第一， 大語言模型尤其是推理大模型的突破式發展，帶動了智能體推理、規劃、執行能力的跨越式提升，解決了“做不到的能做了”的行業難題。

第二， Manus的橫空出世，徹底點燃各方開發智能體的工程架構靈感。很多開發者利用開源大模型+MCP架構，做出了類似Manus的智能體。無論是Manus自身的多智能體系統（規劃和執行分離，讓AI自己寫代碼走工作流），還是Anthropic的MCP協議，都在證明智能體能干的事情與日俱進。

MCP協議，即提供一個“通用接口”，在AI系統與數據源之間架起一座橋梁，允許開發者在數據源和AI工具之間建立雙向連接。有了這個接口，任何智能體都可以從業務工具、軟件、數據庫以及應用開發環境等來源中獲取數據完成任務。

MCP將大大降低智能體接入工具的門檻。越來越多的企業加入MCP協議，連OpenAI也已表示ChatGPT的智能體SDK接受MCP協議，這意味著任一智能體能可自由使用各種工具，想象空間巨大。這就好像一個人18般武藝樣樣精通。

第三， 過去1年，智能體服務廠商如聯想集團、微軟、SAP等，在企業客戶中進行了多次智能體“實驗”，已然積累了豐富的經驗，特別是多個垂直領域里的工作流梳理與創新均頗為深入。

以聯想智慧公文AI一體機為例，便將公文相關的工作流和Know-how做了精準的嵌入。它囊括了：素材查詢、公文輔助寫作、公文輔助審校、公文輔助排版全方位功能，支持15種法定公文種類及多種常見事務文書的寫作與修改，并可根據國家標準的公文格式要求，實現對公文格式的自動排版。還可校對包含6大類35小類的細分錯誤。

Manus首席科學家季逸超曾說，智能體就是在模擬一個能干事的人、一個實習生是怎么工作的。智慧公文AI一體機，儼然就是一個專門寫公文的AI員工。

第四， 也可能是最關鍵的一點，混合式人工智能的逐漸完善，為智能體的生長提供了源源不斷的養分。基于混合式人工智能架構，智能體可以獲取：安全高效穩定的混合算力、企業數據和知識庫、多種大模型能力、智能體編排技術及平臺架構等等。

甲骨文AI集團副總裁Miranda Nash表示，甲骨文已經看到智能體的需求不斷上升，并稱這是他見過的新功能普及速度最快的一次。

因此，與其說是智能體重構了企業智能，不如說智能體內含的這四點因素讓企業智能跨越至全新階段。其中，混合式人工智能，還在不斷加速智能體的升級，將其推向“質變時刻”。

混合式人工智能

引爆智能體“質變”

在《華爾街日報》上個月舉行的首席信息官網絡峰會上，網絡安全和數據隱私成為業內對智能體的主要擔憂，而缺乏可靠性也被認為是一個緊迫的問題。特別是智能體對數據源的隨時調用，以及智能體之間的開放協同，都存在很大的安全隱患。

北京智源人工智能研究院副院長兼總工程師林詠華也表示，開源大模型確實在安全和數據隱私上存在更大的問題。企業在部署開源大模型和智能體時，一定要注意安全和隱私問題。

圖片由chatGPT4o生產

混合式人工智能的用意之一便是，解決網絡安全和數據隱私問題。

楊元慶這樣解釋混合式人工智能：

僅有公共智能，是無法滿足無論是個人還是企業的需求的。只有將基于個人數據和知識，能夠熟悉用戶使用習慣、感知用戶環境和狀態、理解用戶意圖和保護用戶隱私的個人智能，與基于企業的私有數據和知識庫，部署在企業私有云或本地數據中心，與企業的各種數字化系統無縫融合，進行智能化運營和決策的企業智能，與公共智能相結合，共存互補，混合并用，才是人工智能普及普惠的必由之路。

混合式人工智能的前提就是，區分了公共數據與私有數據、公有云與私有云，而且算法也就是智能體或解決方案，在處理公共與私有時也會設有絕對的屏障。這就保證了安全。

回看過去10年，聯想集團在AI布局上確實具有獨到的前瞻性，在每一個關鍵節點，都提前布局半年以上，在技術積淀成熟的時候精準地踏上市場引爆點，智能方案服務如此，AI PC如此，智能體亦如此。

但羅馬不是一天建成的。楊元慶在多個場合強調，聯想打造企業智能的第一步是構建部署混合式基礎設施，即端-邊-網-云，其中云包括公有云與私有云。混合式基礎設施支持數據的采集、存儲與處理，并將其傳輸至混合云，用于企業人工智能模型的訓練。模型訓練成熟后，即可在邊緣側或個人設備側進行推理運算。

然后，再基于企業數據和知識庫，通過模型工廠和智能體平臺，使用不同的模型和工具來開發通用及垂直行業解決方案，構建人工智能解決方案的應用庫或“圖書館”，從而釋放聯想混合式人工智能優勢集的潛力，最終實現企業智能雙胞胎的愿景。

現在正是混合式人工智能優勢集散發魅力的時候，而遠不止于解決“安全問題”。

聯想集團執行副總裁、方案服務業務集團(SSG)總裁黃建恒稱，聯想混合式人工智能優勢集，涵蓋了企業部署和應用AI所需的一切，可幫助企業模塊化、客制化地打造通用領域和垂直行業解決方案，比如Marketing（市場）、Legal（法務）等領域智能體，智慧物流、智能制造等AI解決方案。

在聯想看來，智能體是一整套的企業智能解決方案。Gartner智能體趨勢研究主筆人 Thomas Heston也認為：“智能體不是工具，而是企業的‘認知操作系統’。”

混合式人工智能的開放生態架構，令企業智能解決方案的可延展性更強，也能始終保持領先。

聯想集團CTO Tolga說：“未來以用戶為中心的AI不會局限于單一模型、芯片，設備，或者形態，而是多種模型和多種智能體的協作——包括端側、云端，邊緣等，它們融為一體，共同為用戶提供無縫絲滑的服務。”

這與當下AI大模型呈現出來的“你方唱罷我登場”整體趨勢，尤其契合。在此起彼伏的AI大模型競爭中，混合式人工智能更易獲取最先進大模型的能力。

SalesForce正在考慮接入更多的大模型。聯想集團則表示已經接入了豆包、DeepSeek，海外則接入了Llama等。微軟更是號稱接入了1000多個大模型，但它在西方卻依然被人嘲笑為“OpenAI的經銷商”。

那些試圖靠單一大模型，為企業客戶建立智能體的服務商或大模型廠商，將會面臨技術發展的不確定性帶來的巨大挑戰。

此外，混合式人工智能建立的企業知識庫，包含：通用大模型的通用知識庫，以及企業私有數據、私有知識庫。知識庫的完整性，直接決定了智能體的準確性。這對于企業智能來說是至關重要的。數據的準確性直接影響決策質量，若使用不準確的數據或知識作為決策依據，可能會導致嚴重偏差，進而帶來巨大的成本和代價，這是企業絕對無法承受的。

安全性、生態開放性、完整知識庫帶來的準確性，這些都預示著，混合式人工智能勢必引爆一場又一場的智能體“質變”，而不只是一個“超級智能體”。它讓一切有關“智能體”美好的設定，都會變成現實。

圖片由chatGPT4o生產

與之相呼應的是，企業智能體正在表現出極強的企業智能效率。

楊元慶稱：聯想集團中國區率先運用AI武裝自己，嘗試營銷智能體和銷售智能體，深化客戶直達模式，大幅提升了銷售人效。據楊元慶介紹，聯想中國區在基本盤PC業務市場年比年下降的逆境中，整體營收和貢獻利潤雙雙取得了年比年20%以上的增長，服務器營業額則達到上一財年的三倍。

比亞迪的供應鏈智能體，通過RPA采集物流、庫存、市場訂單等數據，再用LLM進行需求預測和供需匹配。2023年，憑借這一智能體系統，比亞迪將物流交付周期從30天縮短到21天，庫存周轉效率提升50%。

黃建恒說，聯想的AI快速啟動服務，可在90天或更短時間內，讓客戶快速落地AI，看到業務價值。

智能體在迎接自己的元年，企業智能也在蝶變。