首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >北京经开区信产局指导、爱分析联合主办,问学极客行走进亦庄

北京经开区信产局指导、爱分析联合主办,问学极客行走进亦庄

原创
作者头像
爱分析ifenxi1
发布2026-09-22 17:46:45
发布2026-09-22 17:46:45
170
举报

9 月 16 日,神州问学发起的城市巡回技术沙龙"问学极客行"走进北京亦庄·模数 OPC 社区。本次活动由北京经济技术开发区信息技术产业局指导,神州问学主办,爱分析、WaytoAGI 模数 OPC 社区联合主办,神州数码通明湖研究院提供智库支持。本次活动聚焦"Agent 如何接进企业系统、跑通真实任务"这一核心命题,以主题分享与圆桌对话两种形式展开。

活动现场
活动现场

当前,北京亦庄正在推进全域人工智能之城建设,着力聚集汽车、集成电路、生物医药、智能制造等多样化产业集群。本次活动参会单位覆盖科研、能源、通信、信创、金融、制造等多个领域。现场围绕Agent如何接进企业系统、跑通真实任务展开讨论。

AI落地的起点在业务线,不在蓝图

现场分享从一家制造企业的真实处境开始。晶澳太阳能科技股份有限公司数字化总监张毅柱在《AI跑通企业真实任务的落地路径》分享中提到,在光伏行业产品同质化、成本趋同的背景下,企业之间的差距更多来自运营效率。

晶澳太阳能科技股份有限公司数字化总监张毅柱
晶澳太阳能科技股份有限公司数字化总监张毅柱

晶澳的做法是,把AI落到营销服务这一条业务线上,把客户管理、技术方案与销售运营拆成可执行的任务,让AI依次接住,而不是先铺开一套覆盖全公司的蓝图。

企业不缺单点尝试,缺的是把点连成线

一条业务线如何跑通,已有答案;新的命题随之而来:单个场景的经验,如何扩散至整个组织?神州数码AIBG资深AI产品经理石磊在《神州问学驱动行业由点-线-面的智能化跃迁》分享中,把这条路概括为点、线、面三个阶段:点解决的是让一个人做事更快,线解决的是让一件事跑得更快,面则是把多个流程串联起来,推动组织形态的重构。

神州数码AIBG资深AI产品经理石磊
神州数码AIBG资深AI产品经理石磊

石磊认为,企业在AI落地中普遍面临知识分散、流程割裂、结果难追溯、经验难沉淀四类问题,AI的价值不在于生成,而在于能不能把知识、流程与规则沉淀下来,被持续调用。

沿着这条路径再往深一层,就落到Agent本身的能力构成上。神州数码AIBG行业BU专家解决方案架构师张彤在《从“会聊天”到“会干活”:Agent真正落地的四个关键能力》分享中指出,企业并不缺模型,也不缺数据,缺的是把知识和流程转化为AI可以理解、可以执行的能力,这包括场景识别与流程梳理、上下文与知识治理、可执行的任务调度、结果的验证与评测。他认为,市面上不少产品解决的是入口问题,而企业真正的入口是自身的流程。

神州数码AIBG行业BU专家解决方案架构师张彤
神州数码AIBG行业BU专家解决方案架构师张彤

Agent要接住复杂任务,先补齐规划、上下文与记忆

当Agent被要求接住长链路任务、连续工作数小时甚至数天,能力短板就暴露出来。神州数码通明湖研究院资深AI研究员王垂宇在《面向复杂任务与持续工作的企业级Agent》分享中,从技术视角分析了Agent产品正在发生的变化:它正从管理对话转向管理任务,工作范围扩展到本地文件系统,执行过程也变得更加透明。

神州数码通明湖研究院资深AI研究员王垂宇
神州数码通明湖研究院资深AI研究员王垂宇

王垂宇提出,要让Agent在真实流程中持续运作,规划、上下文与记忆三项能力需要补齐,同时还要打通Agent的执行状态与业务流程状态,让Agent由业务状态的变化主动触发任务,而不是等待人的指令。

算力靠近工作现场,AI落地多了一条路径

神州数码AEG苹果BU专家软件开发工程师李庆飞以《当Mac算力遇到问学》为题,分享了端侧算力加入之后企业AI部署方式的变化。

神州数码AEG苹果BU专家软件开发工程师李庆飞
神州数码AEG苹果BU专家软件开发工程师李庆飞

李庆飞提到,云端算力扩展性好、模型选择多,但对于财务、研发等数据安全要求高、明确规定数据不得上云的场景,本地部署成为必要选择;端侧算力给企业提供了另一种更贴近个人工作现场的落地可能。

卡住的不是模型,是流程有没有被打开

主题分享之后,航旅纵横智能助手业务产品负责人刘若思、神州数码AIBG医药BU大模型解决方案架构师梁山、神州数码通明湖研究院资深AI研究员王垂宇共同参与圆桌对话,爱分析合伙人张扬主持。

圆桌对话环节
圆桌对话环节

本场对话承接前述主题分享,围绕两个核心问题展开:一是Agent如何接入企业既有业务系统,并组织真正可用的上下文;二是面向企业的智能体平台与面向个人的效率工具之间是何种关系。

刘若思认为,我们需要将业务上下文产品化:上下文不能只是文档、历史记录的简单堆砌,而是交付给模型一套结构化、可动态更新的信息体系。让智能体能够在合适时机精准调用对应信息,并遵循明确的规则与约束执行。

随后,讨论转向FDE。多位嘉宾认为,FDE更像是对交付体系的一次重塑,而非简单新增一个岗位。梁山表示,FDE“不是一个人的事情”,需要产品、技术及需求侧角色协同支撑。

在谈及Agent落地的最大障碍时,与会嘉宾的判断趋于一致:企业级AI须先实现可信,进而可验证、可落地,模型输出的逻辑链需要被约束与审查。

讨论最后落在Agent与人的关系上。嘉宾认为,未来可能不再是人主动寻找Agent,而是Agent主动触达人,这要求企业首先清晰定义自身流程状态。Agent能否跑通真实任务,在很大程度上并不取决于模型是否足够智能,而取决于是否有人愿意深入业务现场,推动流程、系统与数据真正向Agent开放。

张扬在主持中提到,从2024年的知识库与ChatBI场景,到2026年更贴近核心业务的场景,企业侧AI落地需求正加速向业务深水区移动。

9月16日,“问学极客行·走进亦庄模数OPC社区”活动圆满落幕。“问学极客行”是神州问学发起并主办的城市巡回技术沙龙,此前已先后走进多个产业聚集区。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • AI落地的起点在业务线,不在蓝图
  • 企业不缺单点尝试,缺的是把点连成线
  • Agent要接住复杂任务,先补齐规划、上下文与记忆
  • 算力靠近工作现场,AI落地多了一条路径
  • 卡住的不是模型,是流程有没有被打开
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档