AI大模型时代下企业智能化转型机遇3：企业向智能生态节点的演进

北大教授指出：“企业层面AI核心竞争力建立在三方面之上，一是企业不断沉淀的数据资产、二是持续迭代的大/小模型的基础能力、三是基于智能体工作流不断创造业务价值，当三者构成相互促进的良性循环，就形成智能飞轮”。但要在竞争中占优，仅仅有智能飞轮还不够，如何让飞轮转的更快？回答这个问题的关键是：Agentic AI组织体系，即在特定组织情景下，整合数据资产、模型（能力）与工作流（价值），并系统性的优化演进。

在企业应用领域，从Manus出发，我们看到了Agentic AI竞争的关键点在于生态和工具的可用性、以及对行业场景的理解与穿透能力，这些都构成了企业智能应用的护城河。在企业智能化领域，未来胜出的可能并不是拥有最强技术的公司，而是那些真正理解了AI与企业场景如何共进化、并能建立持续、稳定的协作机制的公司。AI技术是开源的，如何基于行业know-how将AI与业务场景价值融合在一起，陪伴AI和企业稳定成长，可能构成了当下企业智能化转型的使命。

结合资源禀赋和比较优势，企业基于AI创新的机遇有四个方面：

第一：AI大模型的部署与通用智能体应用。企业部署私域大模型，并建立本地知识库、文案助手等通用能力，保护企业数据安全，构建企业智能数据飞轮。（类似Glean产品提供企业级AI搜索平台，通过AI技术整合企业内部数据，提升员工工作效率）

第二：基于对行业know-how的理解实施AI Agent智能体。将低代码能力和智能体编排能力融合，通过拖拉拽和配置方式编排智能体能力，帮助企业敏捷构建知识助手、合规机器人、智能客服、寻源推荐、招标合规分析等多个智能化场景，辅助企业决策。

第三：构建企业智能自驱动组织Agentic AI体系。未来可以尝试结合低代码平台的流程编排能力，将业务流程的各个环节以及数据处理的任意节点与智能体相结合，多个智能体彼此协同联动，全方位提升运营效率，帮助企业实现智能化驱动的高效运营模式。

第四：结合行业数据资产和智能体驱动的数据沉淀，训练行业垂直小模型。在未来高度发达的智能体经济里，即便工作流被吞噬，高质量的小模型可能成为解析器，将作为泛在智能体网络AGI的一个节点，融入产业生态中而持续发挥价值，对于一些产业链上的服务型企业是一个战略转型方向的选择。

第五：通过MCP协议逐步除沉淀、开放自身生态服务能力，将企业自身能力作为智能体网络的节点，共同支撑产业链智能化升级，实现从“工具提供商”向“能力平台”和“智能生态节点”的战略升级，也是企业在AI时代构建核心竞争力的关键路径。

作者:建广数科陈晨

注:此文章首发于建广数科《创委会内刊》2025年01期