能否上岗，企业Agent的检验标准

文 | 谢浩kiki

DeepSeek「掀桌」三个月以来，一场摆在台面上的大模型生态重构正在进行时。

一面是DeepSeek带动大模型走入公众视野，加速了开源模型的迭代，也客观上促进了部分闭源模型转向开源；另一面，随着模型轻量化与压缩技术突破，MoE架构成新宠，算法革新和模型优化下，全球大模型掀起了卷成本的新浪潮。

除此以外，从单模态到多模态，多模态大模型的技术突破，加速AI应用从工具向生产力转化，大模型正进入「深度应用」的下半场。

据OpenAI研究员姚顺雨的定义，上半场AI的发展主要是找到有效训练模型的方法，而下半场则需要找到可行的方案，让模型解决人们生活和工作中更实际的问题。

无独有偶，在近期刷屏的红杉AI峰会中，Pat Grady也预测，AI目前可以服务的市场规模已达到了万亿美元，而如何通往这个万亿美元世界，他在白板上写下的共识是：

“下一轮AI，卖的不是工具，而是收益。”

近期的京东云上海城市大会上，京东集团技术委员会主席、京东云事业部总裁曹鹏也认为，大模型已全面走向深度应用，他表示，数字员工的上岗率成为衡量一个企业先进性的标准。

国内外科技大厂的一致共识下，一场AI原生企业浪潮正在中国企业内部悄然发生。

一、CEO们的新KPI，成为一家AI原生企业

随着大模型竞逐迈入第三年，DeepSeek引发大模型新一轮重构后，AI落地显然已从企业的估值故事，转化为了渗透实际经营环节提质增效的关键抓手。

当前，国内企业已基本实现了「用上大模型」阶段指标，而随着模型使用的深入，能否「用好大模型」，成为AI原生企业，则成为了这场AI军备竞赛中，下一阶段的胜负手。

不止一位企业管理者曾向「硅基研究室」提到，AI已成为企业向外寻求增长，对内提升效能的关键引擎。今年4月，一位软件厂商CEO向「硅基研究室」指出，他们今年的目标是成为一家AI原生企业，实现从员工到供应商的全员AI化。

不少CEO眼中，企业AI渗透率也已直接影响企业收益，不久前，电子商务巨头Shopify CEO Tobias Lütke就在一封内部信宣布全员必须掌握AI技能，将AI纳入绩效考核，在项目原型阶段就强制使用。

这和京东云的观察类似，尽管从行业来看大模型的新型企业还未出现，但在领先企业中的部分领域，AI已有了深入使用，微软首席执行官萨蒂亚·纳德拉也透露，微软内部代码中有大约20%到30%是由AI生成的。

京东云给出的判断是：“数字员工上岗率将成为衡量未来企业先进性的标准”。换言之，有多少工作是AI完成的，这将决定了企业未来能跑多快、走多远。

“AI原生”的迫切和焦虑背后，围绕如何用好AI，企业也面临不少挑战和困难——

据「硅基研究室」观察，成为一家AI原生企业，还存在两个需求鸿沟：

一是在短期需求上，企业端加速AI规模化需要借势「深度应用」，实现小马拉大车。高质量的应用落地不仅能迅速解决企业实际场景问题，带来看得见的利润收益，还能成为开启企业AI转型时代的钥匙。

二是在长期需求上，随着企业应用深入，势必对计算资源的需求有指数级增加，企业需要更可信赖、可持续和更具性价比的计算资源，这也意味着AI基础设施将走向优化重构。

这些痛点如何解决？谁能来解决？京东云给出了自己的答案。

二、AI的深度应用，才是硬通货

想要成为一家AI原生企业，关键的一步还是找到能验证和实现AI价值落地的真实场景。

过去，大模型之于企业，无疑提供了一份通用的「标准答案」，但不同企业实际业务场景、行业know how也不同，大模型落地企业就像是用「瑞士军刀切牛排」，规模化部署复杂，场景选择难、技术门槛高，不仅无法降低AI的使用门槛，也阻碍了企业内部AI使用率的提升。

换言之，企业落地和挖掘大模型价值更需要的是一把「牛排刀」，这把「牛排刀」需要具备三个特点——

一是通用化，能理解和满足企业业务场景的主要通用需求；

二是轻量化，部署和落地成本低，操作和使用门槛低；

三是可用性，真正能赋能业务场景，带来看得见的业务收益；

更关键的是，这把「牛排刀」最好还能成为企业高频使用AI的「深度应用」，能带动企业后续AI的持续渗透和规模化落地。

从全球科技大厂的实践来看，智能体，正是深度应用方面最具代表性的方向，包括OpenAI、谷歌等玩家都在推动智能体深入企业服务、协同办公等诸多垂直领域。IDC也曾发布预测称，到2026年将有50%的中国500强数据团队使用AI Agent来实现数据准备和分析，并成为重要组织者和协调者。

京东集团技术委员会主席、京东云事业部总裁曹鹏也在演讲中提到：“随着大模型的全面升级，智能体也出现了一个新的技术性飞跃，从过去被动响应需求进化为能主动聚焦问题、精准运算、深度分析和智能决策、精准执行。

这基础上，京东云也顺势将多年积累的智能体能力，沉淀至全新升级的JoyAgent智能体2.0中，面向不同行业开放能力，支持更多企业进行深度探索。

相比通用智能体，京东云JoyAgent智能体2.0的进化逻辑更为复合。

一方面是在企业应用场景方面「化被动为主动」，更能干事。

除了能深度分析市场数据，生成全面精准的市场分析报告；JoyAgent还能进一步辅助业务人员执行专业的工作，某些场景甚至可以完全进行全流程的闭环运行。

当前，京东内部已部署超1.4万个智能体，承担了企业超过18%的工作内容，覆盖了外卖员招聘、财务管理等多个业务环节。

另一方面，针对单智能体难以开展的工作，JoyAgent也可以凭借自研的多智能体协同引擎，高效协作，通过共识算法快速达成决策，合力解决难题。

在GAIA Benchmark的Level 1-3测试中，JoyAgent表现卓越，尤其在复杂任务处理上优势明显，超越众多竞争对手，展现出了复杂、严肃商业场景下的商用价值。

上述能力，也由更多企业场景的具体落地案例为我们所揭示。比如在味全食品，京东云搭建的一套会议管理智能体系统，可以自动生成会议纪要，并分类归档，提升组织运转的效率；在中国飞机租赁，面对高专业度、高复杂性的知识查询需求，京东云以智能问答系统大幅提高员工的决策和响应速度。

在融资火热的AI编程领域，「硅基研究室」也观察到，当前AI编程也从「能写代码」转向「能交付特定业务价值」，以JoyCode智能编码助手为例，其不仅帮开发者预测代码、生成注释、进行智能评审，代码采纳率超过40%，开发周期缩短30%，还在上万名研发人员的高频使用中不断产生业务价值。

以高性价比、高转化特点广泛应用于直播领域的数字人也是如此。截至目前，京东数字人已在9000+商家开播，成为靠谱的「赛博打工人」。凭借高保真低成本的人体建模技术、多模态自然化行为生成等数字人全栈自研能力，京东云数字人也已实现大规模的商用落地，今年618京东云数字人还宣布向京东商家免费开放，破局更多商家的直播转化难题。

不难看出，AI深度应用，才是推动大模型深入千行百业的硬通货，越来越多的企业也早已对模型的参数祛魅，取而代之的是关注部署模型的性价比，以及与自身业务的融合。

这也倒逼模型厂商作出更多的改变，比如在医疗、金融等领域，普遍关注数据安全和可控性，京东云顺势推出的大模型一体机过去三个月已部署超500台，成为企业灵活本地化部署、深度应用AI的轻量化入口。

Gartner曾在报告中预测，到2026年，超过80%的企业将在生产环境中采用生成式AI的API、模型，并部署启用生成式AI的应用，从包括京东云在内的大厂实践来看，企业的这一梦想，正在变为现实。

三、一场智算底座重塑，如何帮企业“赢在后天”？

应用场景侧取得的成效背后，对于很多中型和大型企业来说，随着未来AI应用越来越深入广泛，如何更高效的获取可信赖、可持续和更具性价比的计算资源，也随之成为了长期考题。

经过修缮和改造，跑绿皮火车的铁轨可以跑时速160公里的「和谐号」，但是面对时速300公里的「复兴号」，底层的轨道必须要围绕新技术重建。

AI智算的故事也是一样，随着大模型应用的深入，以CPU为中心的传统架构，在支持AI原生应用时已经左支右绌，行业迫切需要以GPU为中心重塑基础设施。

与此同时，面对激增的推理需求，企业也迫切需要更多高质价比的计算资源。

这基础上，如果说为一家企业输入高质量计算资源，只是交易问题，那么为一百家、一千家乃至一万家企业稳定供给计算资源，则势必牵动一场涉及产业架构重塑的供给改革。

在这场改革的前端，行业需要不断优化算力集群互联互通，锚定计算、存储、网络的「黄金三角」，助推大模型高效使用，而在改革的后端，行业则需要在硬件侧以GPU为中心重塑基础设施，并解决GPU本身型号多样带来的异构问题。

计算转向AI Native（AI原生）基础设施，这恰好也是京东云一直在思考的核心命题。

此次京东云上海城市大会上，他们就为行业带来了好消息。

一方面，在AI的基础设施层，京东云发布了以GPU为核心，高效异构计算的全新JoyScale AI算力平台。

相较于传统算力平台，JoyScale既能在宏观算力层面支持单集群万卡调度、全局超10万卡调度，并通过软硬件协同优化，将大模型算力利用率MFU从45%提升至75%；在具体应用层面，JoyScale适配十余家国产GPU产品，支持异构算力统一纳管、精细化运维，通过集群算力池化调度，提升集群利用率70%。

这一算力层居中调度的「指挥中枢」，配合基于京东全自研的云海AI存储，单集群支持TB级超大带宽，提供原生KV Cache特性，显著提升推理性能的存力「高速公路」运转效率，无疑让大模型的高效使用成为可能。

另一方面，在大模型开发应用层，全新推出的JoyBuild大模型开发计算平台，基于收录于Nature论文库中的大模型开发计算技术，首次系统性解决开放环境下大模型开发效率难题，不仅在实践中内置20余种开源模型和丰富的数据集，提供100余种算法和工具链，支持多类模型的调优开发，还可以帮助客户根据自身业务特征，用自有数据进行大模型的蒸馏，快速开发专属大模型。

此外，JoyBuild推理引擎还基于大规模专家并行推理集群技术，提升高并发下并行度，实现单Token推理成本降低80%，以实际行动输出普惠资源，助推千行百业的智能化转型。

从这个角度来说，在这个AI「深度应用」的时代，京东云不仅在产品和应用侧「授行业以鱼」，还在不断依托极致性能、极致性价比的技术与工具「授行业以渔」。

谋全局者，方可谋一域，汹涌澎湃的大模型浪潮中，没有企业能独善其身。而京东云所坚持的，就是以更开放、更协同的生态，助力更多企业重塑AI生产力，从而「赢在后天」。