让智能体从“能说”到“会干”：紫光云紫鸾AI操作系统破解政企智能体落地难题

【TechWeb】9月29日消息，紫光云近日正式推出紫鸾AI操作系统，将其定位为面向智能体的政企级AI操作系统。它不是简单的产品组合，也不是传统集成项目，而是试图把算力、模型、数据、知识、Skill、安全和运营统一起来，让智能体在政企私域中稳定运行、可管可控、可计量、可运营。

为何要打造这样一套操作系统、紫鸾AI操作系统又有哪些硬核能力？紫光云公司总裁王燕平、紫光云首席技术官柳义利、紫光云产品研究开发部副总裁唐元武进行了深度解读和分享。

为什么政企需要一套AI操作系统？

紫光云总裁王燕平先抛出三个问题：紫鸾AI操作系统到底是一个解决方案，还是一个产品？市场到底需不需要？客户是否愿意买单？他说，AI技术的迭代速度已经"以月计"——去年、甚至半年前的技术方案，今天往往已经不再适用，团队必须始终盯住最新的进展。紫光云从云走向AI，不是追逐概念，而是被真实需求推着走。

紫光云首席技术官柳义利把AI产业发展分为三个阶段：第一阶段是百模大战，第二阶段是大规模训练、推理和智算中心建设，第三阶段是AI应用时代。在第三阶段，竞争重心转向AI应用落地，智能体成为核心载体。但大模型原生能力并不足以支撑复杂生产业务。它只擅长预测下一个词，进入真实生产领域时，准确性、可预测性都面临挑战。因此，提示词工程、MCP、Skill、RAG、Harness工程、本体论等技术不断出现，本质上都在弥补大模型先天缺陷。

柳义利用“Harness”作比喻：马有生产力，但不上马具、不套缰绳，就不能拉车，只能在野地奔跑。大模型也一样，必须通过系统化工程加以约束和支撑，才能真正成为企业生产力。他认为，政企AI落地至少需要六大要素：通用大模型能力、大量Skill、私域知识、强大工具集、安全保障和持续进化能力。紫光云在政企行业AI应用落地具备独特技术积累，因此，紫光云提出“把复杂留给厂商，把简单留给客户”，把界面拉伸到智能体这一层，下面的模型、数据、知识、运营、检索、开发平台等，尽量由AI操作系统统一完成。

AI操作系统管什么？

紫鸾AI操作系统采用“四层三列”架构：算力层、模型层、数据知识层、应用使能层，以及安全保障、运营管理和运维管理。向上支撑办公、生产及第三方智能体应用。产品能力可概括为“六维能力、五维统一”。六维能力覆盖算力调度、模型推理、知识体系、应用开发、自主型智能体以及Token运营等AI应用落地全链路；五维统一则包括统一系统、统一用户体系、统一入口、统一运维、统一运营。

与PC操作系统、云操作系统相比，AI操作系统的管理对象发生了根本变化。柳义利解释，PC时代关注硬盘、CPU、终端；云时代关注计算、存储、网络；到了AI时代，还必须把模型、数据、知识、Skill统一管理起来。“如果你都不管模型，只能管计算、存储、网络，你并不是能够叫AI的操作系统。”另一个变化是服务对象。过去操作系统面向操作员、用户、开发者；AI时代的操作系统则面向智能体，甚至不面向人。未来各个组件原则上都应该Skill化，都可以被调用。

算力调度层面，系统支持异构算力池统一纳管、统一调度、弹性伸缩和配额管控。企业过去各部门分头采购GPU，形成多种卡、多个集群并存的局面，利用率难以提升。紫鸾AI操作系统可以把这些算力统一管理，甚至让老卡跑老模型、新卡跑新模型，盘活既有资产。模型层面，系统支持内外模型统一调度。柳义利用AI Coding举例：研发希望用业界顶级大模型，但企业管理者担心贵、不安全，不愿把代码全部传到海外。混合模型调度因此成为刚需。紫光云通过AI网关，基于成本、业务需要、模型可用性和安全等维度进行路由调度。

知识管理被柳义利视为政企AI落地的关键。他强调，AI+企业落地如果只有两个要素，一定是大模型加企业知识体系。紫鸾知识平台可帮助企业把多年积累的经验、知识、资产、规范、制度、流程转化为可调用的知识资产。知识体系如果没有权限管理，就没有安全；没有安全，就不可能被企业接受。开发平台覆盖低代码、高代码、零代码以及Workflow、Skill、MCP等多种开发范式，并实现智能体全生命周期管理。紫光云还具备自研全链路监测能力，从硬件底层到AI应用全栈可视化，快速定位开发运行故障。安全能力深度耦合操作系统内核，在模型出入口内置防护，联动Token运营平台，实现风险拦截和全链路审计。

AI落地如何变成生产力？

柳义利把Token分为模型Token、数据Token、知识Token、应用Token四类。卖模型Token可能只是初阶价值，越往上价值越高。“紫鸾AI操作系统已经实现四类Token统筹计量和管理，未来AI应用调用知识和数据，统一计量和管理，形成运营闭环。

紫光云产品研究开发部副总裁唐元武补充说，Token正在推动AI产业商业模式演进，让用户不再关注底层技术逻辑，而关注Token生产效率、平台能否运行、模式能否变现。紫光云在训练和推理平台中做了大量系统级调优，并支持高性价比的RoCE无损网络，降低政企建设成本。运营平台则实现硬件资源全景可视，搭建统一应用入口，支持Skill和智能体上架、分发与生命周期维护，支持按部门、员工进行资源管控，防止AI资源滥用和成本失控。

应用交给伙伴，操作系统留给自己

王燕平强调，AI产业太大，每家公司都要找到自己的定位。大模型公司、GPU厂商、Agent产品公司各有主战场，紫光云从云能力层起步，经历知识平台、大模型一体机、工业图纸识别、芯片设计平台、Token网关等实践，今天形成AI操作系统，是真实需求推动的结果。紫光云的策略是“应用生态交给伙伴，操作系统留给自己”。但这并不意味着完全不做Agent。

紫光云只做少数必须做好的Agent，比如芯片设计。中国鲜有IT公司能像紫光云这样对芯片设计全栈流程具备深度了解，相关项目已在多家客户侧进入实质落地阶段。工业图纸识别也是紫光云较早投入的方向，并已形成成熟的行业解决方案。

王燕平强调，紫光云优势在于从云、数、AI、开发平台到交付的全栈能力，以及长期服务政企客户的工程经验。紫光云面向的是需要私域部署Agent、数据知识不出域的企业和机构。

落地案例方面，柳义利以某市卫健委项目为例。紫光云帮助其建设紫鸾AI操作系统，管理海量数据，构建全市卫健知识体系，基于Token进行运营，并孵化医疗场景应用。浙江某高校则用紫光云全套产品统一管理算力、知识体系和模型运营，落地配额制，各院系申请额度，提前花掉会预警，使用少的可动态调整，帮助学校分析投入产出。

从云到AI，紫光云试图用“操作系统”重新定义政企智能化路径。它不是简单的产品组合，也不是传统集成项目，而是面向智能体的政企级AI操作系统。王燕平说，未来AI操作系统可能不需要那么多界面，因为界面是给人看的，给Agent用直接打通底层即可。应用生态交给伙伴，操作系统留给自己，在AI应用爆发前夜，紫光云选择了一条更底层、更工程化、也更需要耐心的路，为政企私域智能体提供稳定运行环境和统一管理能力。