曙光云乌镇首发OneBox，打通政企AI“最后一公里”

通信世界网消息（CWW）11月3日，2026年“互联网之光”博览会在乌镇开幕。开展首日，曙光云正式发布智能体协作平台OneBox，该平台同时入选大会“新光”产品。官方给它的定义是“首个政企可信桌面级AI智能体”。

今年以来，智能体是行业最热的关键词，各大厂商的智能办公产品轮番登场。通用大模型擅长创作与问答，但进入政企、制造、医药等强监管行业，无约束的自主行动会带来数据泄露、操作越权、责任无法追溯等一系列风险。

面对政企AI落地的问题，曙光云依托国产芯片、云平台与模型服务，为智能体的部署运行和业务应用提供整体支撑，将基础技术能力转化为员工能够直接使用的产品——OneBox。

用曙光云副总裁徐良的话说，曙光云想构建的是“一个从个人爱用，到政企客户敢用、能用”的产品。

真正的堵点不在模型，而在“信任机制”

"企业还没有建立起一套把智能体纳入真实业务的信任机制。"谈及“政企客户部署智能体最大的障碍”时，曙光云解决方案总监吴兴杰表示，数据安全、权限管理、模型能力和流程改造不是四个并列选项，而是一个链条：模型能力决定能不能做，数据与权限决定在哪个范围做，业务流程决定由谁确认、谁来担责。任何一个环节缺失，智能体都很难进入日常生产。

这条链解释了一个常被忽略的差别——“能用”和“敢用”是两件事。过去AI主要生成内容，由人判断、人执行；现在智能体开始调用工具、访问系统、修改数据，企业面对的问题随之变化：员工有权查看一份材料，不代表这份材料可以交给任意模型；智能体能够执行一个操作，也不代表它获得了执行这个操作的授权。

这几乎是企业AI治理最精微的一道裂缝：权限体系为"人"设计，智能体却是连续、多步、跨系统执行——能读未必能改，能查一个项目未必能查全部。

曙光云OneBox产品经理马一龙提到，公安、纪委、军工以及大型国企央企，核心数据有明确的政策要求不能连接互联网，“数据安全是一道红线”，不是“AI有多好用就可以用”，传统SaaS形态满足不了这类客户的合规要求。

换言之，"安全"不是卖点而是入场券。智能体能干活、懂业务之后，企业要的不是更聪明的AI，而是更可控的AI——让业务人员提出一个目标，让智能体在明确边界内、可信机制内调用资源、推进任务，再由人完成必要的判断和确认。

OneBox聚焦的正是政企对效率与安全的双重需求。员工通过桌面入口，即可调用模型、知识和工具完成任务；单位则可统一管理使用范围和操作权限，使AI应用与现有管理要求相适应。便捷的桌面体验与政企所需的管理能力在同一平台结合，为智能体进入实际业务提供支持。

OneBox支持将模型、知识库与应用部署在政企自有环境中，满足敏感数据不出域的使用要求，让员工能够在获得授权的前提下，借助AI利用内部知识开展工作。曙光云总裁助理李明达表示，没有Agent之前，政务项目把平台部署在客户机房，只解决了“部署位置”的问题，还要明确数据实际交给了哪个模型、经过了哪些服务、有哪些工具处理。

OneBox的解法从模型和数据两面锁住安全，一是安全会话，开启后系统会过滤掉不允许访问企业私有数据的外网模型，把敏感数据留在内网算力上；二是树桥，对接企业现有业务生产数据库，按表结构、字段控制谁能访问哪些字段，并设置数据权限。

值得一提的是，在OneBox创意模式里做出来的应用，可以在应用广场面向组织发布，发布者控制可见范围；叠加曙光云去年构建的基于云上的立体密算体系，为内网数据再加一层保护。架构层面，OneBox把runtime（运行时模型的接入）与企业管理分开设计，采用事件驱动，并在执行链路中落实身份授权与必要的人工确认。

从"个人提效"到"组织资产"，中间隔着业务语义

如果只解决安全，OneBox与一堆私有化办公助手并无本质区别。曙光云的差异点在"组织"二字上。

组织级AI难在哪？李明达的答案是业务语义。他举了个例子：同样是“项目完成率”，工程部门看施工进度，财务部门看投资执行，管理部门看验收情况。这意味着智能体即使查得到数据、写得出正确的SQL，也可能回答了一个业务口径错误的问题。这也是多数AI办公产品在政企场景失灵的深层原因，不是模型不会写SQL，而是不知道这条SQL在回答谁的问题。

为此，OneBox建立了"两层理解"：一是业务本体，定义企业有哪些业务对象、彼此什么关系、遵循哪些规则；二是语义层，把业务语言准确映射到数据和计算逻辑（“收入”按什么口径确认、“逾期”从哪天起算）。他认为，指标语义层已经在向AI提供受治理的指标定义和查询能力。

但理解了业务，还不等于用得上。个人助手做出来的东西，通常止步于自己电脑上的一个文件、一个脚本。OneBox把"开发—发布—权限管控"整条链路做进了产品：业务人员在创意模式中用自然语言描述需求，智能体把诉求拆成数据、组件和展示方式，直接产出业务系统；确认有效后一键发布到应用广场，组织内其他人在授权范围内即可使用。

马一龙说，它代替了我们以往传统企业做信息化改造的时候，需要业务部门提出需求，信息部门进行开发，开发完了以后再进行测试，这么一个冗长的流程。落点正是明达所说的重要的创新——把业务经验变成可以执行、可以验证、可以版本化维护的组织资产。一位员工完成工作的经验，可以逐步沉淀为技能；一个部门验证有效的协作方法，可以在授权范围内推广给其他团队。

从"个人节省时间"到"组织能力积累"，对应的是一套具体的产品逻辑：知识进资料库、方法进技能、应用进广场、经验进组织记忆。马一龙还提到，OneBox集成了数字员工、云会议、定时任务等模块，"所有的数据都是保留在我们企业内网环境中的"。

账怎么算，路怎么走？

私有化的账不好算，这是政企客户最现实的门槛。吴兴杰表示：“有⼀个前提就是数据泄露的⻛险是⼤于私有化部署成本-SAAS化的成本的。其次从AI落地的投⼊产出来说，建议客户围绕⼀项合格业务成果的完整成本来评估投⼊产出。”

⾸先，把成本算全。除了软件和算⼒，还包括部署集成、数据治理、运维升级、员⼯培训，以及使⽤过程中的⼈⼯复核和返⼯。已有算⼒也需要考虑资源占⽤和维护成本。

其次，把收益分开衡量。⼀类是可以直接计量的效率收益，例如同样质量的⼀份报告需要多少⼯时，⼀项资料核查需要多久，⼀个问题从提出到解决需要多⻓时间。⼀类是质量收益，例如遗漏和返⼯是否减少，结果是否更容易核查，问题带来的⻛险成本是多少，能够避免多少损失。还有⼀类是组织能⼒收益，例如专家经验能否复⽤，新员⼯能否更快掌握⼯作⽅法，跨部⻔协作是否更顺畅。这些价值需要持续观察，采⽤可验证的指标逐步衡量。

吴兴杰提到⼀个指标：单次有效任务成本＝同期分摊的完整成本÷通过业务验收的任务数量。

这⾥的“有效”⾮常重要。任务结果需要达到业务要求，节省的时间也要扣除复核和返⼯。释放的⼯时可以⽤于更多⼯作，但不能直接全部换算成现⾦节省。

“对于OneBox，我们建议先选取少量⾼频场景，记录使⽤前后的质量、周期和成本，再根据实际使⽤情况扩⼤范围。共享平台在更多场景中被有效使⽤，有机会提⾼资源利⽤率、摊薄共性建设成本；扩展节奏应当由真实效果决定。”吴兴杰表示。

在客户应⽤⽅⾯，⽬前OneBox已在某药企和某制造企业开展实际应⽤，平台功能使⽤较为⼴泛。我们关注这些应⽤能否持续进⼊员⼯⽇常⼯作，并形成稳定使⽤。涉及客户具体流程和效果数据，我们会以客户确认、可公开的材料为准。

对客户⽽⾔，最有说服⼒的投⼊产出，是同样质量的⼯作能否以更低的完整成本持续完成，以及释放出来的能⼒能否创造新的业务价值。

从“谁更聪明”到“谁更可信”

对于未来AI发展，徐良的判断是，AI既不是像有些人说出来的革命颠覆一切，但绝对是一个持续的、深远的、长期的一个事情。

这句话放在OneBox身上同样成立。它没有试图证明自己比谁的模型更聪明，而是把力气花在“谁在什么权限下、用哪个模型、碰了哪些数据、结果由谁确认”这些不性感的问题上。马一龙给产品定的愿景是“让每一个人都能够拥有属于自己的AI团队”。但要让这个愿景在政企的机房里成立，前提是先过“敢用”这一关。

从这个角度看，政企AI的竞争正在从“谁更聪明”转向“谁更可信、谁更可管”。乌镇那块“新光”产品的奖牌，大概只是这场长跑的一个发令枪。