作者 | 李文朋

編輯 | 王一鵬

IT 產(chǎn)業(yè)的歷史，總是驚人的相似。

上世紀 90 年代，企業(yè)開始信息化建設，各部門“見軟件就買”——財務系統(tǒng)、倉儲系統(tǒng)、CRM……在早期，這確實顯著提升了單點效率，但很快就撞上了一堵墻：系統(tǒng)之間數(shù)據(jù)不通、流程斷裂，部門各自為政，企業(yè)內(nèi)部豎起一座座“煙囪”。直到 ERP（企業(yè)資源計劃）出現(xiàn)，才把人、財、物、產(chǎn)、供、銷串成一條鏈：分散的軟件孤島被連接成大陸，企業(yè)信息化才真正迎來質(zhì)變。

而今天，AI 應用正在經(jīng)歷同樣的“歷史輪回”。

2025 年，我們見證了 AI Agent 的“寒武紀大爆發(fā)”，企業(yè)發(fā)現(xiàn)場景就搭建 Agent。火山引擎副總裁張鑫在《C 位面對面》與極客邦科技創(chuàng)始人 & CEO 霍太穩(wěn)的對話中提到：據(jù) HiAgent 業(yè)務觀察，一家企業(yè)平均上線的智能體數(shù)量已超過 200 個，甚至能達到 1000+。

狂歡背后，曾經(jīng)的軟件“煙囪”問題再次出現(xiàn)，無數(shù)不互通、無協(xié)作的 Agent 正在制造新的混亂。

企業(yè)正在陷入“用不起來、也管不住”的怪圈：僅有不到三分之一的智能體被高頻使用，其余大多淪為“僵尸應用”。

張鑫指出，這背后的核心癥結就在于類似的“各自為政”。例如，客服的 Agent 不懂銷售的數(shù)據(jù)，差旅的 Agent 調(diào)不到報銷的接口；它們散落在 OA、CRM、ERP 等不同系統(tǒng)里，像一群沒有組織紀律的“數(shù)字員工”，各忙各的，既無法共享上下文，也無法形成流程閉環(huán)。

結果是：智能體越多，信息越碎片化，流程越割裂，協(xié)同效率反而下降。

同時，企業(yè)也面臨管理的安全隱患。當成百上千個擁有數(shù)據(jù)訪問權的“數(shù)字員工”在系統(tǒng)里游走，卻沒有統(tǒng)一的身份認證和權限邊界，企業(yè)的安全合規(guī)風險呈指數(shù)級上升。一旦權限錯配、提示詞被攻擊、或誤調(diào)用敏感數(shù)據(jù)，后果可能遠超“Agent 不好用”的層面。

“越來越亂”的現(xiàn)實正逼行業(yè)尋找新的突破口：企業(yè)真正需要的，不再是第 201 個孤立的 Agent，而是一套能把 Agent 連起來、管起來、調(diào)度起來的“操作系統(tǒng)”。

可以說，大模型應用正走到關鍵十字路口——行業(yè)已不關心“能不能造”，而是開始在乎“能不能管、能不能協(xié)同、讓 Agent 進入核心的業(yè)務流程”。

以“管理”為核心的 Agent 平臺架構

當企業(yè)的核心痛點從“缺乏技術”轉(zhuǎn)向“缺乏秩序”時，云廠商必須換一種打法。

12 月 18 日，在 FORCE 原動力大會上，火山引擎副總裁張鑫發(fā)表了題為《HiAgent“1+N+X”智能體工作站：從 Agent 開發(fā)運營到持證上崗》的演講，通過“1+N+X”的體系邏輯，張鑫回應了行業(yè)對“高效協(xié)作”的迫切需求。

張鑫坦言，HiAgent 的每一次進化，本質(zhì)上都是跟著客戶痛點走的。在走訪一家浙江行業(yè)龍頭企業(yè)時，他捕捉到了企業(yè)主心態(tài)的變化：他們不再擔心 AI 沒用，而是開始擔心幾百個碎片化的 Agent 導致數(shù)據(jù)失控，或者新老系統(tǒng)割裂導致業(yè)務停擺。

事實上，這種焦慮是企業(yè)追求“規(guī)?；?AI 勞動力”的必經(jīng)階段。當 AI 從邊緣助手真正進入核心業(yè)務流程，管理的復雜性必然指數(shù)級上升。

火山引擎喜歡“跟著客戶痛點跑”。

2024 年初，當時企業(yè)還在觀望，不知道 AI 能干什么。張鑫團隊的想法很簡單——幫客戶“先造起來”。他們挑出客服、營銷等見效快的場景，做成樣板給客戶看。這就像給企業(yè)打了一針“強心劑”，直觀證明了 AI 的可用性。此時，HiAgent 只是現(xiàn)成應用的提供者。

到了 2024 年中第二階段，許多企業(yè)客戶的熱情被點燃，一些客戶往往涌現(xiàn)出幾百個需求。面對產(chǎn)能瓶頸和人才短缺，HiAgent 迅速轉(zhuǎn)型升級為低代碼 / 零代碼搭建平臺，讓企業(yè)能低門檻地自己動手，造出專屬智能體。

第三階段是在 2025 年 6 月，企業(yè)能造出來 Agent，但并不好用。企業(yè)發(fā)現(xiàn)自建的智能體離生產(chǎn)要求有差距。于是，火山引擎發(fā)布了 Agent DevOps，建立了一套績效考核和訓練機制。通過不斷評估、反饋和再訓練，讓智能體“越干越熟”，達到生產(chǎn)級標準。

如今，當企業(yè)智能體數(shù)量破百，管理難題浮現(xiàn)——如何讓這么多分散的智能體協(xié)同工作？HiAgent 隨之再次進化，新發(fā)布了統(tǒng)一工作臺和管理中樞 AgentSphere，把分散的智能體連在一起進行調(diào)度。從幫客戶“造出來”，到“造得快、養(yǎng)得好”，再到如今“管起來、用起來”。

正如張鑫所總結，這些演變背后都是企業(yè)需求的深層變化：從“能不能用 AI？”變成了“如何規(guī)?；煤?AI？”。HiAgent 的身份也隨之完成躍遷：從單純的工具提供方，進化為企業(yè)的 AI 管理平臺。

一直以來，很多廠商都容易陷入“用一套標準技術去規(guī)訓客戶”的誤區(qū)，但火山引擎選擇了一條不同的路：不預設終局，尊重當下的痛點需求，并快速適應。

AI Agent 也需要“持證上崗”

這也意味著，HiAgent 決定正在從“工具提供者”，轉(zhuǎn)型為“平臺管理者”，其中面臨著一個棘手的戰(zhàn)術悖論：企業(yè)既想要一套拿來即用的標準化能力，又想要能完美適配自身業(yè)務的定制化空間。

在過去的 IT 實踐中，這兩者往往不可兼得。要么是標準軟件過于僵化，要么是定制開發(fā)過于昂貴。而在 AI 時代，HiAgent 正試圖通過“1+N+X”的架構設計，在兩者之間找到一種平衡。

從技術角度看，“1+N+X”這套架構的本質(zhì)是采用了一套分層治理的邏輯。

“1”是“統(tǒng)一入口”，即 12 月 18 日 FORCE 大會上重磅發(fā)布的 AgentSphere。它作為統(tǒng)一的協(xié)同交互入口，解決了“找工具難，管智能體更難”的痛點。無論企業(yè)內(nèi)部有多少個 Agent，無論它們來自哪個部門，都必須遵循統(tǒng)一的身份認證和交互規(guī)范。

這層設計，讓企業(yè)管理者 / 運營人員第一次擁有了上帝視角——既能看到所有數(shù)字員工的運行狀態(tài)，又能一鍵管控數(shù)據(jù)訪問邊界。

張鑫強調(diào)：“進入到 AI 時代，企業(yè)更需要新的‘管理中樞’來定義數(shù)字員工運行規(guī)則，要從管人管流程，變成能管 agent 管數(shù)字員工 —— 這就是 AgentSphere 接下來要做的事?！?/p>

“N”解決的是“通用能力”的復用。企業(yè)不需要重復造輪子去訓練通用的 Agent?；鹕揭鎸?nèi)部打磨成熟的高頻場景，封裝成現(xiàn)成的“數(shù)字專家”，這些“N”類助手包括了如數(shù)據(jù)分析、內(nèi)容洞察、安全運營 Agent 等高質(zhì)量專家。

這是火山引擎“能力積累”的一次集中外溢。這層設計，讓企業(yè)能以極低成本獲得 80% 的通用 AI 能力，解決了“重復開發(fā)”的問題。

“X”解決的是“長尾需求”的靈活。例如針對電池廠的材料分析等高度特異化的場景，HiAgent 留出了廣闊的低代碼自建空間，給企業(yè)提供了一套標準的接口，允許業(yè)務人員在合規(guī)的框架內(nèi)自由發(fā)揮。

由于企業(yè)商業(yè)數(shù)據(jù)在變、場景在變、業(yè)務在變，智能體必須像“職場人”一樣持續(xù)進化，否則就會陷入“搭建即過時”的困境。

針對該難題，張鑫提出，HiAgent 首發(fā)的 Agent Devops 全生命周期管理，可以幫助智能體從“實習生”不斷成長為業(yè)務專家，讓智能體從一次性搭建到持續(xù)進行“運營調(diào)優(yōu)”。

這套“1+N+X”的邏輯，也在浙江大學數(shù)字化校園建設中得到驗證。一般而言，高校場景需求極度分散：數(shù)萬名師生中，既有行政辦事、查課表等共性需求，也有古文分析、實驗數(shù)據(jù)追蹤等差異化需求。

通過使用這套架構，全校師生實現(xiàn)使用統(tǒng)一的工作臺登錄使用。對于高效高頻通用場景，火山引擎預置了標準化的數(shù)字專家。學校無需重復開發(fā)，即可獲得行政助手等能力。

數(shù)據(jù)顯示，HiAgent 平臺上線僅一周，校內(nèi)懂業(yè)務的師生就結合自身開發(fā)了數(shù)百個“自建智能體”。例如中文系教師構建了“古典文學學習助手”，科研團隊搭建了“論文情報官”等。

這種“中心化管控 + 去中心化創(chuàng)新”的模式表明：面對海量的碎片化需求，通過平臺管住底線、將工具下放給一線，或許是更高效的解題思路。

這種“底座統(tǒng)一、中層復用、頂層開放”的設計，如同是 AI 時代的 ERP——把分散的算力、知識和流程“擰成一股繩”，完成從單點智能到鏈路協(xié)同的升級。

解決了 Agent 的協(xié)作問題，還剩下一個更致命的阻礙：信任。

在大模型應用早期，很多 Demo 雖然驚艷全場，但一旦進入某些例如醫(yī)療、金融等嚴肅生產(chǎn)環(huán)境時，就會出現(xiàn)“幻覺”等不可接受的風險。為了讓企業(yè)敢把核心業(yè)務交給 AI，火山引擎在 HiAgent 中也引入了一套嚴苛的數(shù)字員工“持證上崗”的機制。

這類似于一套工程化的“安全閥”體系?；鹕揭嫣岢觥吧a(chǎn)級智能體”標準，并將其類比職場具象化為合規(guī)、能力、安全三張“證書”，即“持證上崗”。

例如，在“合規(guī)”層面，HiAgent 采取了“數(shù)據(jù)源圍欄化”策略。系統(tǒng)強制醫(yī)療智能體“只讀權威書”，數(shù)據(jù)來源被嚴格限定為權威診療指南、專家共識和驗證過的病例。通過檢索增強（RAG）技術，從源頭上屏蔽互聯(lián)網(wǎng)上的不確定信息，確保 AI 不會在醫(yī)學倫理上越界。

在“能力”層面，系統(tǒng)也拒絕“黑箱操作”。HiAgent 引入知識圖譜，要求 AI 在給出診斷建議時，必須展示完整的推理鏈路——引用了哪篇文獻、依據(jù)什么邏輯，需像解數(shù)學題一樣展示步驟，供醫(yī)生核查。同時，采用“混合調(diào)度”策略：影像識別使用更準確的小模型，病歷分析使用大模型，以確定性技術對沖風險。

在“安全”層面，系統(tǒng)在流程終點設置了人機協(xié)同（Human-in-the-loop）—安全閥。AI 給出的僅為“建議”，但最終決策權始終保留在醫(yī)生手中。一旦 AI 信心不足，系統(tǒng)會自動報警并轉(zhuǎn)交人工處理。

HiAgent 的路徑顯示：生產(chǎn)級智能體的落地核心，不在于單純追求模型參數(shù)規(guī)模，而在于建立一套可管、可控的工程化體系。 當 Agent 能夠受控、被信任地嵌入核心業(yè)務流，AI 產(chǎn)業(yè)競爭的維度也隨之發(fā)生了質(zhì)變。

AI 云的下一程：全面與體系化

在過去一年，火山引擎表現(xiàn)令人矚目。IDC 數(shù)據(jù)顯示，2025 年上半年中國公有云大模型調(diào)用量達 536.7 萬億 Tokens，火山引擎以 49.2% 的市場份額穩(wěn)居榜首，遠超阿里云的 27% 和百度智能云的 17%。截至今年 12 月，豆包大模型日均 Tokens 調(diào)用量已突破 50 萬億，較 2024 年 5 月的 1200 億增長迅猛， 穩(wěn)居中國第一、全球第三；營收預期也從 2024 年的百億規(guī)模翻倍至 2025 年的 200-250 億元。

火山引擎副總裁張鑫在《C 位面對面》訪談中強調(diào)，對比市面上僅關注單一環(huán)節(jié)的競品，HiAgent 的核心優(yōu)勢在于“全面與體系化”。這種全流程覆蓋的設計，就是為了防止企業(yè)重走 IT 時代“煙囪架構”老路，解決“智能體散落各處”的治理難題。

張鑫介紹道，HiAgent 通過打通開發(fā)平臺、知識中臺與運行調(diào)度，已經(jīng)構建了工程化的閉環(huán)。這一機制確保了一線數(shù)據(jù)實時回流，提供了“端到端的優(yōu)化空間”，形成持續(xù)改進的正反饋循環(huán)。

對于企業(yè)而言，這種隨著業(yè)務運行不斷迭代、越用越順手的系統(tǒng)體驗，也構成了比各種技術參數(shù)更實際的競爭壁壘。

這一轉(zhuǎn)變，也折射出 AI 產(chǎn)業(yè)已從早期的“技術嘗鮮”進入“工業(yè)化落地”的深水區(qū)。

企業(yè)的核心訴求從“擁有 Agent”轉(zhuǎn)向“管理 Agent”。

當企業(yè)在平臺上構建了復雜的業(yè)務流、配置了精細的權限體系，HiAgent 便成為企業(yè)難以剝離的“業(yè)務骨架”。通過管理體系，企業(yè)會將無形的管理邏輯轉(zhuǎn)化為可視化的數(shù)字資產(chǎn)，使云廠商與客戶的關系從松散的“交易”轉(zhuǎn)變?yōu)榫o密的“生態(tài)綁定”。

未來的云服務競爭，誰能幫助企業(yè)建立起 AI 時代的組織秩序，誰也就能占據(jù)企業(yè) IT 預算中最核心的位置。