华为云WAIC“亮剑”企业AI，周跃峰拆解智能体规模化落地步骤

智东西
作者 杨京丽
编辑 李水青

智东西7月19日报道，昨天，在2026WAIC华为云企业智能体产业论坛上，华为公司董事、华为云CEO周跃峰，中国信息通信研究院人工智能研究所所长魏凯，华为云Agent平台首席架构师马会彬，openJiuwen社区技术委员会主席、华为2012实验室AI基础软件科学家金雪锋等人，围绕企业级智能体的技术演进、平台建设、开源生态和金融场景落地展开分享。

华为公司董事、华为云CEO周跃峰认为，智能体将逐步重构传统SaaS生态，快速沉淀和共享MCP（模型上下文协议）、Skills等行业资产，是推动智能体规模化落地的重要步骤。

中国信通院人工智能所所长魏凯分享，智能体的渗透率可能在2027年达到70%，到2030年前后达到90%。智能体真正能“干活”，主要依赖基础模型能力和长任务稳定执行能力的提升。

华为云Agent平台首席架构师马会彬认为，企业级Agent不仅要关注AI能力的上限，更要提高其能力下限，要让Agent在执行复杂任务时“少走弯路，不走错路”。

会上，中软国际发布灵析企业智能体平台V3，该平台基于华为云Stack和企业级智能体开源版openJiuwen构建，面向金融等行业提供数据语义与本体构建、多智能体协同调度、企业级技能管理、智能问数和智能问知等能力。

同场，华为云联合中国工商银行、中国银联、中国邮政储蓄银行，以及软通动力、中软国际、南天信息等十余家金融机构和生态企业，发起共建“行业AI梦工厂·智慧金融专区”行动，计划围绕金融核心场景，共同沉淀和复用智能体行业资产。

一、企业级Agent不只拼上限，更要补齐“下限能力”

会上，华为公司董事、华为云CEO周跃峰称，未来十年，智能体将重塑金融服务模式和决策体系。用户可能不再需要直接打开某个银行App，可以直接通过个人智能体与银行智能体交互，获得投资、贷款等个性化方案。

从一个能够演示的Agent，走到能够进入企业核心生产系统的Agent，中间仍存在明显距离。华为云Agent平台首席架构师马会彬认为，企业级Agent不仅要关注AI能力的上限，更要提高能力的下限。企业更关心智能体能否7×24小时稳定运行、能否自主优化、能否防范AI原生安全风险，以及能否对任务执行链路进行持续观测和评估。

华为云智果AgentArts通过AgentStudio、AgentRun和AgentOps，分别覆盖智能体的敏捷构建、高稳运行和持续运营。平台还引入多层控制器、自进化Harness、Agent Identity、Agent Gateway、会话级隔离、动态令牌和精细化权限控制等机制，让Agent在执行复杂任务时“少走弯路，不走错路”。

AgentArts在云上提供商用平台能力，openJiuwen则进一步向企业和开发者开放核心框架。二者内核超过90%同源，形成商用和开源双轮驱动。其中，商用版主要面向企业提供生产级安全、服务化能力和运行保障；openJiuwen则降低企业及软件开发服务商的二次开发门槛，支持其基于开源版本开发本地化商业产品，并与AgentArts生态兼容。

二、从“能回答”走向“能干活”，企业Agent要补齐工程能力

中国信息通信研究院人工智能研究所所长魏凯认为，智能体生态建设需要各方共同参与，当前政策在鼓励产业发展的同时，也对规范应用、安全可信提出了要求。

智能体真正能够“干活”，依赖两个底座：一是基础模型能力持续提升，二是长任务稳定执行能力不断增强。过去一年多，智能体从问答型应用，演进到人工定义工作流，再到具备本地沙箱和运行环境的自主执行阶段，模型能力与工程体系正在相互推动。

魏凯提出，个人提效并不等于组织提效。企业不能零散地引入智能体，而要用工程化思路建立明确目标、建设路线图、评价体系和持续迭代机制，同时解决业务融合、数据治理、多智能体协作、全链路安全和人机责任认定等问题。

三、openJiuwen转向多智能体和分布式运行

openJiuwen社区技术委员会主席、华为2012实验室AI基础软件科学家金雪锋认为，当前企业Agent部署比例仍然较低，一个重要原因是，许多现有架构主要面向单Agent和单机运行，而企业业务天然涉及多部门、多角色和多智能体协作。

金融等核心业务又不能依赖智能体反复试错，对安全、时延和任务确定性提出了更高要求。

openJiuwen由此提出Coordination Engineering（协同工程）和Symbiosis Engineering（共生工程），目标是打造企业级通用AgentOS（智能体操作系统）。其架构将大模型、记忆存储和Agent协议分别作为新的计算、存储和网络资源进行统一管理，并将CLI（命令行界面）、MCP（模型上下文协议）作为Agent调用外部工具和服务的接口。

面向多智能体场景，openJiuwen引入Swarm Skills（多智能体集群技能）、分层调度、多模型路由和组织级记忆等能力，推动系统从Model Scale Up（模型纵向扩展）走向Agent Scale Out（智能体横向扩展）。

平台还支持分布式动态任务调度、多租户和多Session安全隔离、断点续跑及算力亲和。在Coding场景中，openJiuwen将首Token时延降低22%，Cache命中率（缓存命中率）提升30%，吞吐提升20%。

四、灵析企业智能体平台发布，瞄准生产级多智能体协同

随着智能体从个人效率工具进入企业生产系统，企业需要解决的不再只是模型能否回答问题，还包括数据能否被准确理解、多个智能体能否稳定协作，以及任务执行过程能否被观测、评估和审计。

中软国际副总裁兼AI Jointforce工程院执行院长韩鹏认为，企业智能体落地首先要解决数据问题。传统数据库中的字段和表格主要面向软件系统，智能体则需要进一步理解数据背后的业务语义、实体关系和行业规则，因此企业需要建设语义层、本体层和新的数据治理体系。

此次发布的灵析企业智能体平台V3，重点覆盖数据语义与本体构建、生产级多智能体协同与调度、场景化Ops运营、企业级技能中心，以及智能问数、智能问知等能力。

平台可以将企业已有的数据、知识、流程和工具，转化为智能体可调用的资产，并根据不同业务任务组织多个Agent协同工作。目前，相关能力已在电力、制造和金融等行业场景中进行验证。

韩鹏称，企业智能体最终必须能够解决真实问题，并通过业务指标衡量成果。只有应用效果可量化、可以纳入KPI，企业客户才会持续投入。

灵析平台V3的底层采用华为云Stack和openJiuwen。华为云Stack主要承载企业私有化部署及运行所需的云基础设施，openJiuwen则提供Agent框架、运行时、协议、记忆和多智能体协作等能力。

五、智能体从问答窗口进入金融业务流程

平台能力能否产生价值，最终仍要看智能体能否进入业务流程。恒生电子研究院AI首席技术专家林金树认为，金融行业合规和准确率要求高，业务操作必须全程留痕，因此不能简单地把智能体做成问答窗口。金融机构真正需要的是覆盖信息获取、分析、决策和业务执行的完整链路。

原有IT系统也不必全部推倒重建。更现实的路径是通过MCP、Skills及“大模型友好化”改造，把传统系统功能、数据接口和业务专家经验，转化为智能体能够调用的标准化资产。

目前，中国邮政储蓄银行已联合华为云Stack和openJiuwen打造智能体执行引擎，实现7×24小时自动值守，可完成分钟级情报获取、智能分析及多渠道推送。

天眼查则结合openJiuwen建设可信数据能力底座，预集成160余项MCP能力，并将六类风控场景能力转化为Skills，服务智能风控、智能营销和商业决策等场景。

此次由华为云和十余家机构发起的“行业AI梦工厂·智慧金融专区”共建倡议，也将围绕手机银行、智能营销、智能风控和远程银行等场景，继续沉淀工作流、Skills、模型、数据集、本体及工具等资产。

结语：企业智能体进入平台化竞争阶段

从此次发布可以看到，企业智能体的竞争重点正在从模型和单点Demo，转向数据语义、多智能体协同、生产级运行和行业资产复用。

灵析企业智能体平台V3建立在华为云Stack和openJiuwen之上，代表了生态伙伴基于开源内核打造行业商业平台的一条路径。其后续价值，将取决于平台能否在不同企业和金融场景中稳定复制，并将智能体能力转化为可量化的业务结果。