提效之路遭遇“实战大考”

　　2025年底，开源智能体项目OpenClaw（业内称“龙虾”）的爆火，让AI智能体从“对话工具”进化为“自主执行”的数字员工。进入2026年，中国企业的问题不再是“大模型有多强”，而是“智能体怎么用”。在5月7日举行的2026全球AI智能体产业生态论坛上，记者在采访中发现，多家公司围绕选场景、建架构、促落地等话题，分享了各自的实战经验。一个共识逐渐清晰：技术门槛正在降低，真正考验企业的是如何让智能体在真实业务中“跑起来、出效益”。

　　文/广州日报全媒体记者 陈庆辉

　　选场景比堆技术更重要

　　在2026全球AI智能体产业生态论坛上，腾讯云东区AI解决方案负责人周钮冬介绍，目前腾讯内部已有超过700个业务场景接入了AI Agent智能体，每天真实运行。以大数据平台为例，过去数据开发需求需要人工解析、编写代码、验证配置，现在通过多智能体协同，平均每个需求节省超过三分之一的时间。

　　但并非所有业务都适合AI。周钮冬总结了一套选场景的标准：高频、标准化、容错率高、效果可量化。“有些老旧项目技术架构落后，AI介入的收益明显偏低。”他认为，选对场景比堆砌技术更重要，企业应该从“自上而下的推动”转向“自下而上的自发行为”。

　　优刻得首席架构师郭李华则以OpenClaw为例，分析了智能体技术架构的演进方向。他指出，很多企业在开发智能体时仍然沿用传统软件工程思维——搭一个精密框架，把大模型塞进去作为一个环节，“那样遏制了模型的决策能力，价值极低。”他建议让AI自己循环决策，业务部门必须亲自参与智能体的构建和调优，而不能全部丢给IT部门。

　　每日互动总裁刘宇介绍了杭州通过AI智能体自动调节红绿灯网络的案例。过去优化一个路口的红绿灯带，动辄数十万元，现在成本降至几万元。杭州亚运会期间，系统动态配置专用车道，平均车速在不限行的情况下提升了20%以上。

　　治理层面的挑战凸显

　　在智能体加速跑进企业的同时，治理层面的挑战日益凸显。联合国大学全球人工智能网络理事会联席主席季卫东教授认为，尽管可以通过算法审计等技术手段进行监管，但机器和大模型有其根本局限。“概率的世界不可能通往意义的世界”，大模型本质是在海量数据里计算概率，猜出最有可能的答案。但机器没有人的感情和意志，价值判断不是概率能算出来的。

　　对于智能体间数据互认的问题，季卫东承认，智能体的跨系统特性使得数据调动更加自动化，也带来了新的痛点。“智能体之间需要通过模型上下文协议、数据协议等方式来互认，因为涉及不同标准，确实有一定难度。”他建议，以上海在长三角的数据合作机制、与中国香港和新加坡的数字身份认证试点为基础，逐步延伸，有望与更多国家和地区达成共识。

　　如今，AI智能体正在走出实验室，接受业务一线的检验。但技术跑得再快，也绕不开价值判断和规则互认这些“人的问题”。正如季卫东所说，AI治理是场马拉松，急不得。